Prevedere i modelli di ricarica per auto elettriche a Praga

I veicoli elettrici (EV) stanno diventando sempre più popolari mentre la gente cerca modi per ridurre le emissioni di carbonio e combattere il cambiamento climatico. Però, per far funzionare bene questo cambiamento, le aree urbane hanno bisogno della giusta infrastruttura di ricarica. Questo studio esplora come possiamo prevedere i modelli di ricarica dei veicoli elettrici in città come Praga, usando tecnologia intelligente. L'obiettivo è aiutare a pianificare meglio per le future esigenze di ricarica degli veicoli elettrici.

#Il bisogno di veicoli elettrici

Con la crescita delle città e l'espansione della popolazione, i trasporti sono diventati un importante contributore alle emissioni di carbonio. Per affrontare questo, molti si rivolgono ai veicoli elettrici come alternativa più pulita. Ma per sostenere questo cambiamento, è necessario investire molto nelle Stazioni di ricarica, non solo a casa delle persone, ma anche in luoghi pubblici. Questo significa che i pianificatori urbani e i fornitori di energia devono collaborare per garantire che l'infrastruttura di ricarica soddisfi la domanda senza sovraccaricare le reti elettriche esistenti.

#Sfide nella pianificazione delle stazioni di ricarica

Espandere la rete elettrica per supportare più stazioni di ricarica per veicoli elettrici non è semplice. Richiede molto tempo e denaro. Un problema principale è che dobbiamo prevedere dove e quante stazioni di ricarica saranno necessarie. Diverse aree hanno richieste diverse a seconda di quante persone ci vivono, come si muovono e che tipo di edifici sono nelle vicinanze. Tuttavia, non ci sono state molte ricerche disponibili per guidare queste decisioni, principalmente perché i dati sulle abitudini di ricarica sono spesso riservati dalle aziende.

#Il nostro approccio al problema

In questo studio, ci siamo uniti con il distributore di energia locale a Praga, che gestisce la maggior parte delle stazioni di ricarica pubbliche. Il nostro piano era di creare un modo per stimare i futuri modelli di ricarica, anche in posti che attualmente non hanno caricatori. Utilizzando i dati sui caricabatterie esistenti insieme alle caratteristiche locali, miravamo a fornire un quadro più chiaro su come si comporta la ricarica.

#Come raccogliamo i dati

Abbiamo prima dato un'occhiata ai luoghi dei caricabatterie pubblici attuali a Praga. Avevamo accesso a informazioni dettagliate, come quando è iniziata e finita ogni sessione di ricarica, quanta energia è stata utilizzata e dove si trovava ciascun caricatore. Non avevamo dettagli su veicoli specifici, ma abbiamo abbinato questi dati alle informazioni sui quartieri in cui si trovano i caricabatterie. Questo ci ha aiutato a capire meglio l'area e le sue esigenze di ricarica.

#Fattori che influenzano la domanda di ricarica

Per prevedere con precisione le future esigenze di ricarica, abbiamo considerato molti fattori che potrebbero influenzare quanta energia viene utilizzata presso diversi caricabatterie. Ad esempio, abbiamo esaminato il tipo di quartiere in cui si trova un caricatore: se è residenziale, industriale o altro. Inoltre, abbiamo controllato il numero di persone che vivono nei dintorni e se si spostano principalmente localmente o più lontano.

#Costruire il modello predittivo

Abbiamo creato un modello che utilizza il machine learning per analizzare i modelli nel Comportamento di ricarica. Ci siamo concentrati su due aspetti principali della ricarica: la domanda di potenza di picco e la forma del carico giornaliero (come varia la domanda di ricarica durante il giorno). Il nostro modello presuppone che ci siano vari comportamenti di ricarica comuni influenzati da diversi fattori, come dove si trova un caricatore e quante persone lo usano.

Il modello ci aiuta a capire come potrebbero apparire questi modelli di ricarica in diverse aree. Ad esempio, alcune aree potrebbero mostrare una domanda costante durante il giorno, mentre altre potrebbero avere picchi solo al mattino o alla sera.

#Risultati dello studio

Dopo aver eseguito il nostro modello, abbiamo scoperto diversi modelli di ricarica distinti. Un modello mostrava una domanda costante durante il giorno, tipico per i caricabatterie pubblici. Un altro modello aveva un forte picco al mattino, mentre un altro aveva un picco la sera, più comune per i caricabatterie domestici. Questi risultati suggeriscono che diverse località hanno comportamenti di ricarica unici basati sulle loro caratteristiche specifiche.

Abbiamo scoperto che il modo in cui viene classificata l'area locale influisce sul carico di ricarica previsto. Questo significa che conoscere il tipo di quartiere può aiutarci a indovinare quanta ricarica avverrà lì in futuro.

#Conclusione e ulteriori ricerche

Questo studio offre un nuovo modo per stimare le esigenze di ricarica degli EV nelle aree urbane utilizzando il machine learning. Analizzando i dati esistenti e le caratteristiche locali, possiamo creare previsioni informate che aiutano le compagnie energetiche e i pianificatori urbani a gestire meglio le loro risorse.

Mentre continuiamo questa ricerca, speriamo di migliorare il nostro modello includendo più dati e considerando come eventi come la pandemia di COVID abbiano influenzato i comportamenti di ricarica. Vogliamo anche incoraggiare altri ricercatori ad applicare metodi simili in altre città per convalidare ulteriormente i nostri risultati.

#Il panorama della ricarica pubblica a Praga

Il panorama della ricarica pubblica a Praga è influenzato dai suoi quartieri. Ogni area è classificata in unità amministrative, il che ci aiuta ad analizzare quanti caricabatterie si trovano dove e come vengono utilizzati. Ci sono molte aree residenziali con un'alta concentrazione di caricabatterie, soprattutto dove vive molta gente.

#Visualizzare le posizioni dei caricabatterie

La città di Praga ha una distribuzione ampia di caricabatterie pubblici. Alcune aree, in particolare quelle con molti residenti, hanno molte stazioni di ricarica, mentre altre aree, come le zone industriali, ne sono carenti.

#Tendenze nel tempo

Abbiamo anche esaminato come i comportamenti di ricarica cambiano nel tempo. Ad esempio, abbiamo scoperto che ci sono meno sessioni di ricarica nei fine settimana e, in generale, nei mesi estivi si registra una domanda più bassa. La nostra analisi ha anche considerato come le festività potrebbero influenzare la ricarica, anche se non sono state osservate grandi variazioni durante Pasqua.

#L'impatto del COVID-19 sul comportamento di ricarica

La pandemia di COVID-19 ha avuto un effetto significativo sul carico totale di ricarica pubblica. Con i lockdown e i cambiamenti nelle routine quotidiane, i comportamenti di ricarica sono cambiati, e questo è qualcosa che intendiamo approfondire ulteriormente.

#Dettagli tecnici del modello

Nel nostro studio, abbiamo selezionato con attenzione i parametri per il nostro modello di previsione. Questo includeva decidere quanto dettagliate dovessero essere le nostre previsioni e per quanto tempo il modello sarebbe stato in funzione prima di riportare i risultati. Facendo così, miravamo a garantire che il nostro modello fosse ben calibrato ai dati con cui stiamo lavorando.

#Pensieri finali

Mentre le città si muovono verso un futuro con più veicoli elettrici, comprendere la domanda di ricarica è cruciale. Il nostro approccio di combinare il machine learning con dati locali ci dà spunti preziosi che possono aiutare a plasmare le strategie di ricarica urbana. Siamo impegnati a perfezionare il nostro modello e condividere i nostri risultati a beneficio dei pianificatori urbani e degli operatori di rete ovunque. E ricordate, man mano che più persone passano ai veicoli elettrici, non si può mai essere troppo carichi per il futuro!