Modelo de Planificación de Carga para Vehículos Eléctricos Basado en Predicción de Autonomía

La ansiedad por la autonomía sigue siendo uno de los factores más importantes que afectan negativamente la transición a vehículos eléctricos (VE). Sin embargo, la ansiedad por la autonomía puede reducirse si el conductor del VE sabe dónde detenerse para cargar a lo largo de la ruta según la información de autonomía restante al comienzo del viaje. Aunque los VEs pueden acceder a datos en tiempo real, no se puede esperar que el plan de carga creado reduzca la ansiedad por la autonomía a menos que se realice la predicción de autonomía considerando las condiciones de la ruta determinada. El objetivo de este estudio es determinar dónde y cuánto debe cargarse el VE para minimizar el tiempo de viaje o el costo, creando un plan de carga basado en la predicción de autonomía en tiempo real para una ruta especificada. El modelo de red neuronal profunda fue entrenado utilizando las entradas de las características estáticas y dinámicas del viaje en el modelo de predicción de autonomía. La cantidad de energía consumida entre los nodos se obtiene mediante el modelo de predicción de autonomía. En el ámbito de la planificación de carga, se desarrolla un modelo de programación de enteros mixtos que considera tiempos de carga no lineales, precios de carga dinámicos, vehículo a la red, múltiples cargadores con diferentes niveles de potencia y su disponibilidad. Dado que el modelo de programación matemática desarrollado era insuficiente en términos del tiempo de solución, se propone una matheurística. Los resultados de las pruebas en 32 problemas diversos indican que el enfoque matheurístico supera al metaheurístico y a las heurísticas tanto en tiempo de viaje como en costo mínimos.