Abordando los desafíos del viento en las operaciones de movilidad aérea avanzada

La Movilidad Aérea Avanzada (AAM) es un nuevo enfoque para el transporte urbano, que incluye aeronaves eléctricas que pueden despegar y aterrizar verticalmente. Aunque estos aviones prometen un viaje más eficiente y sostenible, su rendimiento se ve afectado por factores ambientales, especialmente el viento. Vientos fuertes pueden interrumpir los horarios de vuelo y afectar la seguridad y eficiencia general de estas redes.

Esta investigación presenta un marco que ayuda a manejar estos problemas integrando la naturaleza impredecible de los vientos en las operaciones de AAM. El marco optimiza el número de aeronaves necesarias y cómo se programan, teniendo en cuenta el impacto del viento en los tiempos de viaje y el uso de energía.

#Los Desafíos del Viento en las Operaciones de AAM

El viento puede afectar significativamente cómo funcionan las redes de AAM. Incluso los vuelos cortos pueden verse impactados por el viento, requiriendo ajustes en la programación y el tamaño de la flota. Cuando la aeronave viaja largas distancias, los efectos del viento se vuelven aún más pronunciados, aumentando las necesidades de energía y la complejidad de gestionar las cargas entre vuelos.

Los modelos actuales a menudo no consideran la variabilidad de las condiciones del viento, lo que complica la estimación de cuántas aeronaves se necesitan o cómo mantener las operaciones funcionando sin problemas. Esto resalta la necesidad de un nuevo sistema que pueda adaptarse a las condiciones meteorológicas cambiantes, particularmente el viento.

#Introduciendo el Marco

El marco que desarrollamos considera la naturaleza impredecible del viento. Combina dos componentes principales: una herramienta de Simulación que modela la red AAM y una herramienta de Optimización que ayuda en la programación de vuelos y cargas. Este enfoque asegura que tanto la demanda de aeronaves como la de pasajeros se satisfagan mientras se mantiene alta la eficiencia.

El ambiente de simulación nos permite analizar cómo factores como la velocidad y dirección del viento impactan las operaciones de las aeronaves, el consumo de energía y la eficiencia general. Al integrar los horarios de carga en el sistema, el marco ofrece una visión holística de la gestión de la flota y la programación.

#Trabajo Relacionado

Estudios previos han mostrado varios métodos para analizar redes AAM, enfocándose en las necesidades energéticas, comparando AAM con taxis tradicionales y evaluando los impactos urbanos. Los investigadores han explorado la demanda de los pasajeros para AAM, el modelado del tráfico y estrategias de programación. Sin embargo, hay una falta de atención en cómo la variabilidad del viento afecta el tamaño de la flota y la programación en situaciones de multi-vertiport.

Optimizar las operaciones de AAM requiere una lógica de despacho sólida y estrategias de programación. Algunos estudios han abordado estos desafíos, pero el tema de los efectos del viento en la gestión de flotas sigue siendo poco estudiado.

#Contribuciones Clave

Este documento presenta tres contribuciones principales:

1. Entorno de Simulación: Creamos un simulador detallado que modela las operaciones de aeronaves y la influencia de factores ambientales como el viento.
2. Modelo de Optimización: Ampliamos un marco de optimización existente para tener en cuenta las duraciones de vuelo variables y los requerimientos energéticos causados por el viento.
3. Metodología de Integración: Proponemos un método para vincular herramientas de optimización con entornos de simulación, mejorando la aplicación práctica de nuestros hallazgos.

#Marco de Simulación-Optimización de Red

El marco combina una herramienta de simulación detallada llamada VertiSim con una herramienta de optimización fuera de línea. VertiSim simula efectivamente las operaciones de aeronaves y vertiport, mientras que la herramienta de optimización calcula parámetros esenciales como el tamaño de la flota y las estrategias de carga.

#Entradas para la Optimización

El proceso de optimización se basa en varias entradas:

• Demanda de Vuelo: La cantidad de vuelos solicitados en diferentes momentos.
• Tiempos de Vuelo: Duraciones pre-calculadas para cada ruta basadas en datos de simulación.
• Horario de Carga: Un cronograma detallado que indica cuánto tiempo toma cada sesión de carga según el estado de carga (SoC) de la aeronave.

#Resumen de VertiSim

VertiSim crea un modelo detallado de cómo se mueven las aeronaves en una red AAM, considerando factores como la llegada de pasajeros, las duraciones de carga y la ocupación de las aeronaves. Las métricas de rendimiento generadas por esta simulación incluyen:

• La cantidad de vuelos y sus tasas de ocupación.
• El consumo de energía durante diferentes fases de vuelo.
• Los tiempos de espera de los pasajeros.

#Modelo de Viento

El viento juega un papel crucial en cómo funcionan las operaciones de AAM. VertiSim rastrea varias fases de vuelo, incluyendo despegues, ascensos, cruceros y descensos. La aeronave debe ajustar su velocidad y potencia para contrarrestar los efectos del viento.

#Impacto del Viento en el Vuelo

Durante la fase de crucero, las aeronaves pueden mantener la máxima eficiencia volando a velocidades óptimas incluso en condiciones ventosas. El marco ayuda a calcular los ajustes necesarios para mantener el rumbo y equilibrar las necesidades energéticas en función de los patrones del viento.

#Otras Fases de Vuelo

En fases distintas al crucero, la aeronave ajusta su potencia para mantener una velocidad de tierra constante contra el viento. Esto garantiza duraciones de vuelo realistas, incluso al enfrentar condiciones meteorológicas desafiantes.

#Modelo de Optimización

El modelo de optimización busca crear un horario de vuelo y un plan de carga que utilice la menor cantidad de aeronaves para satisfacer la demanda de manera efectiva.

#Función Objetivo

El modelo tiene como objetivo minimizar el total de aeronaves necesarias mientras también mantiene la cantidad de vuelos lo más baja posible. Las restricciones dentro del modelo aseguran que las aeronaves solo puedan operar cuando hay suficiente carga de batería.

#Resumen de Restricciones

Las restricciones clave del modelo incluyen:

• Una ecuación dinámica para rastrear cómo cambia el estado de la aeronave con el tiempo.
• Asegurar que la demanda se satisfaga en todos los vertiports durante cada intervalo de tiempo.
• Mantener niveles adecuados de carga de batería para operaciones seguras.

#Integración de Simulación-Optimización

El optimizador genera horarios de vuelo y planes de carga, mientras que el entorno de simulación ejecuta estos planes en tiempo real.

#Abordando Discrepancias Temporales

Dado que el optimizador trabaja en intervalos de tiempo preestablecidos (como cada 5 minutos), y el simulador opera de manera continua, pueden surgir algunas discrepancias. Para abordar esto, VertiSim utiliza una estrategia de retención, permitiendo que las aeronaves se detengan hasta que estén programadas para despegar.

#Área de Estudio y Diseño de Red

Nuestro estudio se centra en una red simple de dos vertiports, que nos permite aislar el impacto del viento en las operaciones sin factores complicados de redes más grandes. Esta red abarca distancias de 20 a 150 millas e incluye un vertiport designado en Monterey y varios vertiports alternativos.

#Modelado de Demanda de Pasajeros

Para simular la demanda, asumimos que los vuelos se inician basándose en umbrales de pasajeros, ya sea cuando un número específico de pasajeros está esperando o cuando un solo pasajero ha esperado más allá de un tiempo establecido. Este modelo ayuda a predecir la demanda de vuelos con precisión.

#Modelos de Carga y Aeronaves

El modelo de carga utilizado se alinea con datos existentes sobre procesos de carga de vehículos eléctricos. Tiene en cuenta una disminución gradual en la potencia de carga a medida que la batería se acerca a su capacidad máxima, reflejando las condiciones del mundo real de la gestión de baterías.

#Parámetros de Consumo de Energía

El modelo de aeronave considera varios factores que afectan el uso de energía, como cambios de peso basados en la ocupación de pasajeros y diferentes coeficientes de sustentación y resistencia durante varios segmentos de vuelo.

#Análisis de Datos de Viento

Para el análisis de viento, utilizamos datos históricos de predicción meteorológica, enfocándonos particularmente en las velocidades y direcciones del viento relevantes para nuestra área de estudio. Este conjunto de datos incluye cinco años de datos, mostrando una variabilidad notable en las condiciones del viento.

#Procesamiento de Datos de Viento para Entrada del Optimizador

En lugar de usar valores específicos de viento, categorizamos las condiciones del viento en grupos que representan diferentes escenarios a lo largo del día. Esto ayuda a entender el consumo de energía y la duración del vuelo en función de las influencias del viento variadas.

#Impacto del Viento en el Consumo de Energía y Política de Carga

Nuestro estudio muestra que el viento impacta dramáticamente las necesidades de energía para los vuelos, especialmente con vientos de frente, que pueden aumentar significativamente el consumo de energía. Comprender estas dinámicas es crucial para planificar sesiones de carga y la disponibilidad de aeronaves.

#Estrategias de Carga

Para vuelos más cortos, las aeronaves a menudo pueden completar viajes de ida y vuelta con una sola carga si comienzan con la batería llena. Pero para distancias más largas, la carga se vuelve más necesaria, afectando cómo gestionamos las aeronaves y las estaciones de carga.

#Impacto del Viento en el Tamaño de la Flota

Nuestros hallazgos revelan variaciones significativas en el tamaño de la flota necesaria para las operaciones de eVTOL debido a las condiciones del viento. Para distancias más cortas, el viento impacta el tamaño de la flota entre un 12% y un 33%. Esto va desde necesitar un par de aeronaves adicionales hasta 6 aeronaves más para viajes más largos.

El análisis subraya la importancia de diseñar flotas que puedan adaptarse a las condiciones cambiantes del viento para mantener la eficiencia y confiabilidad del servicio.

#Conclusión y Direcciones Futuras

Este documento enfatiza la importancia de comprender el impacto del viento en las operaciones de AAM. Nuestros hallazgos revelan que integrar la variabilidad del viento en la planificación operativa puede mejorar notablemente la gestión de flotas y la eficiencia de programación.

Mirando hacia el futuro, buscamos expandir este trabajo a redes más complejas con múltiples vertiports y considerar nuevos algoritmos para apoyar la toma de decisiones en tiempo real. En última instancia, nuestro objetivo es hacer de AAM una opción de transporte confiable y eficiente adecuada para los entornos urbanos.