Optimización de vehículos eléctricos compartidos mediante intercambio de baterías
En el panorama dinámico de la movilidad urbana, los vehículos eléctricos compartidos (VEC) han emergido como una solución prometedora para abordar la creciente demanda de transporte sostenible. A medida que las ciudades de todo el mundo buscan reducir las emisiones de carbono y aliviar la congestión del tráfico, los VEC ofrecen una alternativa flexible y ecológica a la propiedad tradicional de automóviles. Sin embargo, el éxito operativo de los sistemas VEC depende de superar dos desafíos críticos: el desequilibrio de vehículos y el suministro de energía. Un reciente estudio de Li Manman, Sun Jiahui, Fu Yingbin y Zhao Boxuan de la Escuela de Automoción de la Universidad Chang’an, publicado en la Revista de la Universidad de Tecnología de Chongqing (Ciencias Naturales), presenta un enfoque novedoso para abordar estos problemas mediante un modelo de optimización integrado basado en el intercambio de baterías.
La investigación, titulada «Optimización de la programación y fijación de precios de servicios de vehículos eléctricos compartidos basada en el intercambio de baterías», introduce un marco integral que optimiza simultáneamente la ubicación de las estaciones de intercambio de baterías, las rutas de distribución de baterías, la programación de vehículos y la fijación de precios de servicios. Este enfoque holístico tiene como objetivo maximizar la rentabilidad de los operadores de VEC mientras garantiza una prestación de servicios eficiente y confiable. El estudio aprovecha el modelo de carga centralizada y distribución unificada (CCUD) propuesto por la Corporación Estatal de la Red de China en 2011, diseñado para ser amigable con la red eléctrica y rentable.
Los desafíos de los vehículos eléctricos compartidos
Los vehículos eléctricos compartidos han ganado una tracción significativa en los últimos años, impulsados por la convergencia de avances tecnológicos, preocupaciones ambientales y cambios en las preferencias del consumidor. Estos vehículos ofrecen a los usuarios la comodidad de un acceso bajo demanda al transporte sin las cargas financieras y logísticas de la propiedad de automóviles. Sin embargo, la complejidad operativa de los sistemas VEC plantea varios desafíos que deben abordarse para garantizar su viabilidad a largo plazo.
Uno de los problemas más urgentes es el desequilibrio de vehículos, donde algunas estaciones experimentan un exceso de vehículos mientras que otras enfrentan escasez. Este desequilibrio puede llevar a la insatisfacción del cliente, ya que los usuarios pueden tener dificultades para encontrar vehículos disponibles cuando los necesitan. Además, el alcance limitado de los vehículos eléctricos requiere recargas frecuentes, lo que puede agravar aún más el problema del desequilibrio. Las soluciones tradicionales, como la fijación de precios dinámica y la reubicación de vehículos, se han empleado para mitigar estos problemas, pero a menudo no logran proporcionar una solución integral y sostenible.
Otro desafío crítico es el suministro de energía. Aunque la mayoría de los estudios existentes asumen que los VEC se recargan en estaciones individuales, este enfoque puede ser lento y puede no ser factible durante los períodos de alta demanda. El intercambio de baterías, por otro lado, ofrece un método más rápido y eficiente de suministro de energía. Al reemplazar las baterías agotadas con baterías completamente cargadas, los VEC pueden volver rápidamente al servicio, reduciendo el tiempo de inactividad y mejorando la eficiencia general del sistema.
El modelo de carga centralizada y distribución unificada
El modelo CCUD, que forma la base del estudio, es un enfoque estratégico para gestionar las necesidades energéticas de los VEC. En este modelo, todas las baterías vacías se transportan a una estación de carga centralizada ubicada cerca de una central eléctrica. Este enfoque centralizado asegura que el proceso de carga no afecte el voltaje de la red de distribución eléctrica, lo que lo hace amigable con la red. Una vez completamente cargadas, las baterías se distribuyen a varias estaciones de intercambio de baterías, donde están disponibles para su uso por parte de los VEC.
El modelo CCUD ofrece varias ventajas sobre los métodos de carga tradicionales. Primero, permite un uso más eficiente de la infraestructura de carga, ya que la estación centralizada puede manejar un gran número de baterías simultáneamente. Segundo, reduce la necesidad de instalaciones de carga extensas en estaciones individuales, lo que disminuye los costos generales de capital y operativos. Tercero, el modelo permite una mejor gestión de la carga, ya que el proceso de carga puede programarse durante las horas de baja demanda para minimizar la tensión en la red.
El modelo de optimización integrado
Para abordar los desafíos del desequilibrio de vehículos y el suministro de energía, los investigadores desarrollaron un modelo de programación no lineal mixta entera (NMIP) que integra múltiples aspectos de las operaciones de VEC. El modelo está diseñado para maximizar la rentabilidad de los operadores de VEC optimizando los siguientes componentes clave:
-
Ubicación de estaciones de intercambio de baterías: El modelo determina las ubicaciones óptimas para las estaciones de intercambio de baterías, teniendo en cuenta factores como los patrones de demanda, las distancias de viaje y la disponibilidad de infraestructura de carga. Al colocar estratégicamente estas estaciones, el modelo busca asegurar que los VEC puedan acceder a baterías completamente cargadas cuando las necesiten.
-
Rutas de distribución de baterías: El modelo también optimiza las rutas para los camiones de distribución de baterías, que transportan baterías cargadas desde la estación de carga centralizada hasta las estaciones de intercambio. El objetivo es minimizar la distancia total recorrida y los costos asociados, asegurando al mismo tiempo que cada estación reciba el número requerido de baterías.
-
Programación de vehículos: El modelo considera la naturaleza dinámica de la demanda de VEC, que varía con el tiempo y entre diferentes ubicaciones. Optimiza la programación de vehículos para asegurar que estén disponibles donde y cuando se necesiten. Esto incluye la coincidencia vehículo-pasajero, la reubicación de vehículos y el suministro de energía.
-
Fijación de precios de servicios: El modelo incorpora una función de demanda-precio que refleja la relación entre el precio del servicio y el nivel de demanda. Al ajustar los precios en tiempo real, el modelo puede influir en el comportamiento del usuario y ayudar a equilibrar la distribución de vehículos a través de la red.
El modelo NMIP se formula utilizando una red espacio-temporal, que rastrea el movimiento y los niveles de energía de los VEC con el tiempo. Este enfoque basado en redes permite una representación detallada y precisa de la dinámica del sistema, permitiendo al modelo capturar las complejas interacciones entre los diferentes componentes del sistema VEC.
Transformación del modelo y métodos de solución
El modelo NMIP original es un problema no lineal no convexo, que es computacionalmente desafiante de resolver. Para hacer el modelo más tratable, los investigadores aplicaron una transformación inversa a la función de demanda-precio, convirtiendo el modelo en un problema de optimización no lineal convexo. Esta transformación simplifica el proceso de solución y mejora la eficiencia computacional del modelo.
Para resolver el modelo transformado, los investigadores compararon tres algoritmos diferentes: el algoritmo de aproximación externa basado en secantes, el algoritmo de aproximación externa basado en tangentes y el algoritmo de relajación lagrangiana. El algoritmo de aproximación externa basado en secantes resultó ser superior tanto en calidad de solución como en tiempo computacional. Este algoritmo funciona aproximando la función objetivo no lineal con una serie de segmentos lineales, refinando gradualmente la aproximación hasta alcanzar el nivel deseado de precisión.
El algoritmo de aproximación externa basado en tangentes, aunque similar en concepto, utiliza tangentes en lugar de secantes para aproximar la función objetivo. Sin embargo, este enfoque resultó ser menos efectivo, ya que requirió significativamente más tiempo computacional para converger a una solución. El algoritmo de relajación lagrangiana, que descompone el problema en subproblemas más pequeños, también fue evaluado. Aunque este método puede manejar problemas a gran escala, resultó ser menos eficiente que el algoritmo de aproximación externa basado en secantes, especialmente en términos de calidad de solución.
Experimentos numéricos y análisis de sensibilidad
Para validar la efectividad del modelo propuesto y los métodos de solución, los investigadores realizaron una serie de experimentos numéricos. Los experimentos se basaron en un sistema hipotético de VEC con siete estaciones y cinco camiones de distribución de baterías. La demanda potencial de servicios de VEC se generó utilizando una distribución uniforme, y otros parámetros se establecieron en valores realistas.
Los resultados de los experimentos numéricos demostraron que el modelo de optimización integrado podía abordar eficazmente los desafíos del desequilibrio de vehículos y el suministro de energía. El modelo fue capaz de generar una solución factible que maximizaba la rentabilidad del operador de VEC, asegurando al mismo tiempo altos niveles de disponibilidad de servicios y satisfacción del cliente. El análisis de sensibilidad reveló que tanto la demanda potencial de servicios de VEC como la disponibilidad de electricidad, representada por la capacidad de la batería y la capacidad de carga del camión de distribución de baterías, tenían un impacto significativo en el rendimiento del sistema.
Por ejemplo, aumentar la capacidad de la batería de 10 kWh a 40 kWh llevó a un aumento sustancial en el número de viajes atendidos y en la rentabilidad general. De manera similar, aumentar la capacidad de carga del camión de distribución de baterías de 5 a 35 bloques resultó en una mejora significativa en la capacidad del sistema para satisfacer la demanda. Estos hallazgos destacan la importancia de gestionar cuidadosamente los recursos energéticos de los sistemas VEC para asegurar su rendimiento óptimo.
Implicaciones para la industria y la política
Los hallazgos de este estudio tienen importantes implicaciones tanto para la industria de VEC como para los responsables de políticas. Para los operadores de VEC, el modelo de optimización integrado proporciona una herramienta poderosa para mejorar la eficiencia y rentabilidad de sus operaciones. Al adoptar el modelo CCUD y utilizar técnicas avanzadas de optimización, los operadores pueden gestionar mejor el desequilibrio de vehículos y el suministro de energía, lo que lleva a una mayor satisfacción del cliente y a costos operativos más bajos.
Para los responsables de políticas, el estudio subraya la necesidad de una infraestructura de apoyo y marcos regulatorios que faciliten la adopción generalizada de VEC. Esto incluye invertir en el desarrollo de estaciones de intercambio de baterías y asegurar que la red eléctrica pueda manejar la creciente demanda de carga. Además, las políticas que fomenten el uso de fuentes de energía renovable para la carga pueden aumentar aún más los beneficios ambientales de los VEC.
Direcciones de investigación futura
Aunque el estudio actual proporciona un marco robusto para la optimización de las operaciones de VEC, hay varias áreas para futuras investigaciones. Una dirección potencial es extender el modelo para considerar la utilización diaria de los camiones de distribución de baterías, lo que podría mejorar aún más la eficiencia del sistema. Otra área de interés es el desarrollo de algoritmos heurísticos inteligentes que puedan manejar problemas a mayor escala y proporcionar soluciones en tiempo real.
Además, futuras investigaciones podrían explorar la integración de VEC con otros modos de transporte, como el transporte público y los sistemas de bicicletas compartidas, para crear un ecosistema de movilidad urbana más completo y multimodal. Esto requeriría el desarrollo de nuevos modelos y algoritmos que puedan manejar la complejidad de integrar múltiples modos de transporte.
Conclusión
El estudio de Li Manman, Sun Jiahui, Fu Yingbin y Zhao Boxuan de la Escuela de Automoción de la Universidad Chang’an representa un avance significativo en el campo de las operaciones de vehículos eléctricos compartidos. Al desarrollar un modelo de optimización integrado basado en el modelo CCUD, los investigadores han proporcionado una solución integral para los desafíos del desequilibrio de vehículos y el suministro de energía. La capacidad del modelo para optimizar la ubicación de las estaciones de intercambio de baterías, las rutas de distribución de baterías, la programación de vehículos y la fijación de precios de servicios tiene el potencial de mejorar significativamente la eficiencia y rentabilidad de los sistemas VEC.
Los hallazgos de este estudio no solo contribuyen a la literatura académica, sino que también tienen aplicaciones prácticas para los operadores de VEC y los responsables de políticas. A medida que la demanda de transporte sostenible continúa creciendo, las ideas obtenidas de esta investigación serán cruciales para dar forma al futuro de la movilidad urbana. Al aprovechar técnicas avanzadas de optimización y estrategias innovadoras de gestión energética, la industria de VEC puede superar sus desafíos operativos y realizar su potencial completo como componente clave de un sistema de transporte urbano sostenible y resiliente.
Li Manman, Sun Jiahui, Fu Yingbin, Zhao Boxuan, Escuela de Automoción, Universidad Chang’an, Revista de la Universidad de Tecnología de Chongqing (Ciencias Naturales), doi: 10.3969/j.issn.1674-8425(z).2024.04.023