IT201900000605A1

IT201900000605A1 - Metodo e sistema per la gestione ottimizzata in tempo reale del trasporto tramite veicoli elettrici

Info

Publication number: IT201900000605A1
Application number: IT102019000000605A
Authority: IT
Inventors: Giulio Ferro; Massimo Paolucci; Michela Robba
Original assignee: Univ Degli Studi Genova
Priority date: 2019-01-15
Filing date: 2019-01-15
Publication date: 2020-07-15

Description

DESCRIZIONE dell'Invenzione Industriale dal titolo: “Metodo e sistema per la gestione ottimizzata in tempo reale del trasporto tramite veicoli elettrici”

TESTO DELLA DESCRIZIONE

La presente invenzione ha per oggetto un metodo e un sistema per la gestione ottimizzata in tempo reale del trasporto tramite veicoli elettrici.

In particolare l’invenzione ha per oggetto un metodo per la gestione ottimizzata in real time del trasporto tramite veicoli elettrici, secondo il preambolo della rivendicazione 1.

Background dell’invenzione Le politiche a livello internazionale prevedono una sostanziale riduzione delle emissioni di inquinanti. A livello europeo, l’obiettivo è quello di una riduzione del 65% entro il 2050. Il settore dei trasporti al momento contribuisce al 25% alle emissioni complessivo ed è previsto che in un prossimo futuro aumenterà il numero di veicoli elettrici e colonnine per la ricarica. Tuttavia, questo scenario implica una revisione degli strumenti per la pianificazione e gestione del trasporto su strada e una loro integrazione con la presenza di colonnine per la ricarica e con la rete elettrica, la quale potrebbe risentire di questo carico aggiuntivo intermittente e distribuito sul territorio. Inoltre, alcune colonnine avranno la possibilità non solo di prelevare energia dalla rete ma anche di usare i veicoli come sistema di accumulo e iniettare potenza. Quindi sarà necessario inserire una schedulazione dei trasporti all’interno degli attuali sistemi di gestione dell’energia.

Il metodo sviluppato riguarda la definizione di indicatori di prestazione e modalità di applicazione di nuove buone pratiche per gestire il trasporto tramite veicoli elettrici. La sua applicazione tramite modelli e tecnologie potrà essere di interesse sia per aziende che devono gestire il trasporto con veicoli elettrici sia per aziende che forniscono dispositivi ad uso privato quali i navigatori satellitari.

Metodi di questo tipo sono noti allo stato dell’arte.

Sebbene l'interesse per i veicoli elettrici sia cresciuto nell'ultimo decennio, i lavori scientifici e i progetti di innovazione si concentrano principalmente sulle smart grid e sulla gestione di una domanda di energia distribuita (Yagcitekin, B., Uzunoglu, M., 2016, A double-layer smart charging strategy of electric vehicles taking routing and charge scheduling into account, in Applied Energy 167407–419; S. Bracco, F. Delfino, F. Pampararo, M. Robba, M. Rossi. A dynamic optimization-based architecture for polygeneration microgrids with tri-generation, renewables, storage systems and electrical vehicles, Energy Conversion and Management 96 (2015) 511–520).

In letteratura, sono presenti pochi e recenti articoli riguardanti l'instradamento dei veicoli elettrici, come ad esempio Ahmed Abdulaal, Mehmet H. Cintuglu, Shihab Asfour, and Osama A. Mohammed. Solving the Multivariant EV Routing Problem Incorporating V2G and G2V Options. IEEE Transactions on Transportation Electrification, vol. 3 (1), 2017; Sai Shao, Wei Guan, Jung Bi. Electric vehicle-routing problem with charging demands and energy consumption. IET Intelligent transport systems, 2017; Yongxing Wang, Jun Bia, Wei Guana, Xiaomei Zhao. Optimising route choices for the travelling and charging of battery electric vehicles by considering multiple objectives. Transportation research part D, 2018.

In particolare, questi documenti riguardano principalmente una pianificazione a priori per il trasporto di merci senza tenere in considerazione dati provenienti da GPS, condizioni di traffico, vincoli relativi alla rete elettrica, informazioni da navigatori satellitari esistenti, etc. Solitamente, il problema della gestione dei veicoli elettrici viene classificato come una variante di problemi classici quali routing (VRP), Travelling Salesman Problem (TSP), Shortest Path (SP).

Routing di flotte di veicoli elettrici Per quanto riguarda il routing, allo stato dell’arte sono noti metodi e modelli per la pianificazione del trasporto di flotte di veicoli elettrici. Invece, per quanto riguarda le altre due classi di problemi, nella letteratura scientifica non esistono ancora modelli matematici descritti in dettaglio e che includono aspetti relativi ai consumi elettrici e all’utilizzo di colonnine elettriche.

In un precedente documento G. Ferro, M. Paolucci, M. Robba. An Optimization Model For Electrical Vehicles Routing And Charging. IFAC-PapersOnLine, Volume 51, Issue 9, pp. 212-217, 2018, gli autori propongono la formalizzazione di un problema di ottimizzazione per la definizione del percorso di trasporto e della ricarica ottimali per il trasporto di merci tramite flotte di veicoli elettrici ai fini di una pianificazione a lungo termine. Tuttavia, il modello dei consumi non tiene conto di alcuni aspetti quali le fermate del veicolo e il traffico. Inoltre, non viene riportato come tale modello possa essere impiegato nel trasporto pubblico e privato di persone. Infine, non vengono considerati né i vincoli relativi alla rete elettrica né informazioni in tempo reale provenienti da GPS, traffico, navigatori esistenti, possibilità di fornire servizi alla rete elettrica, etc.

Nel documento pubblicato da Yongxing Wang, Jun Bia, Wei Guana, Xiaomei Zhao. Optimising route choices for the travelling and charging of battery electric vehicles by considering multiple objectives. Transportation research part D, 2018, viene proposto un problema di ottimizzazione multi-obiettivo al fine di minimizzare i tempi di viaggio, il consumo di energia e i costi di ricarica, risolvendolo attraverso un algoritmo genetico; in particolare, il tempo di viaggio include le code, la ricarica e i tempi di guida, mentre per il consumo di energia è stato considerato un modello empirico basato su dati reali. Infine, i costi di ricarica includono il costo dell’energia elettrica, il costo del servizio e la tariffa del parcheggio, anche se nessuna decisione è correlata alla scelta della modalità di ricarica. Gli autori assumono che l'energia media alla fine della ricarica è il valore che è sufficiente per raggiungere la sua destinazione.

Nella pubblicazione Simona Mancini, The Hybrid Vehicle Routing Problem, Transportation Research Part C 78 (2017) 1–12 viene introdotto e formalizzato il problema dell’instradamento di veicoli ibridi con lo scopo di visitare una serie di clienti a partire da un deposito, con stazioni di ricarica visitabili più volte dalla flotta.

Abdulaal et al., nel documento “Solving the Multivariant EV Routing Problem Incorporating V2G and G2V Options, IEEE Transactions on Transportation Electrification, vol. 3 (1), 2017, incorporano le opzioni grid-to-vehicle (G2V) e vehicle-to-grid (V2G) nel percorso di viaggio dei veicoli elettrici. Tuttavia, il modello dei consumi elettrici non è dettagliato e la formalizzazione matematica è poco particolareggiata.

Yu e Lam “Autonomous Vehicle Logistic System: Joint Routing and Charging Strategy”, IEEE Transactions on Intelligent Transportation Systems, 2018 formulano il problema del routing e della carica congiunta per veicoli autonomi sotto forma di programmazione lineare intera con vincoli quadratici, sviluppando un metodo di soluzione distribuita tramite decomposizione del problema di ottimizzazione. Le variabili decisionali sono correlate a quali strade devono percorrere i veicoli, assumendo che ogni nodo nel grafo possa essere visitato al massimo una volta; il momento in cui i veicoli arrivano a un nodo specifico; la durata della permanenza in un nodo; la quantità di energia caricata; la potenza di ricarica; lo stato di carica. Sono state prese in considerazione tre diverse funzioni obiettivo: ridurre al minimo la distanza di guida, massimizzare l'uso di energia rinnovabile, minimizzare i tempi di consegna. I consumi dei veicoli elettrici non sono dettagliati e non sono state considerate diverse modalità di ricarica.

Problemi SP per veicoli elettrici e il metodo proposto Nella letteratura scientifica, a differenza di quanto è presente per il Vehicle routing Problem (VRP) per veicoli elettrici, difficilmente si trova una formulazione matematica del problema di ottimizzazione e dei metodi per risolverlo.

Il documento “Multi-objective optimal path selection in electrical vehicles. Artif. Life Robotics (2012) 17: 113-122”, Siddiqi et al. affronta il problema multi-obiettivo della selezione del percorso per veicoli elettrici, ma non presenta un modello matematico. Gli autori propongono alcuni algoritmi per un inserimento in navigatori satellitari equipaggiati con OPS (optimal path selection). I criteri generalmente considerati nei navigatori sono la distanza e il tempo minimi; nel caso dei veicoli elettrici, gli autori propongono di considerare anche il tempo di ricarica. L’algoritmo non si basa su modelli dettagliati per il consumo, il funzionamento delle colonnine sembra non essere preso in considerazione così come la possibilità di effettuare servizi per la rete elettrica. Le medesime considerazioni possono essere fatte per quanto divulgato nei documenti “Shortest feasible paths with partial charging for battery powered electric vehicles in smart cities”, Pervasive and Mobile Computing 50 (2018) 82-93 Zhang et al. E “HEV Cruise Control Strategy on GPS (Navigation) Information”. Proceedings of EVS24 Stavanger, Norway, May 13-16, 2009 Kim et al. Nel primo caso viene fornito un dettaglio sul modello di carica della batteria del veicolo in funzione della carica parziale del veicolo. Per quanto riguarda, le curve di consumo non sono legate a dettagliate caratteristiche del percorso e del veicolo.

Kim et al. (2009) propongono invece una strategia di controllo a regole da inserire in sistemi di navigazione. L’algoritmo di basa sull’inclinazione del terreno e sulla velocità del veicolo, anche se le informazioni non sono sufficientemente dettagliate per comprendere il grado di complessità relativo ai consumi del veicolo.

Nell’articolo “Energy-efficient shortest routes for electric and hybrid vehicles”, Transportation Research Part B 103 (2017), 111-135, Strehel et al. propongono un modello per il cammino minimo vincolato a ricaricarsi lungo il percorso e quindi considerando la possibilità di avere fermate a livello intermedio. Propongono un algoritmo e non viene presentato dettagliatamente il modello dei consumi e il problema decisionale. Nell’articolo “Multicriteria stochastic shortest path problem for electric vehicles” Netw Spat Econ (2017) 17: 1043-1070, Jafari e Boyles affrontano un problema di cammino minimo nel quale il modello dei consumi è stocastico. La funzione obiettivo riguarda il tempo di percorrenza e il costo dell’energia.

Sunto dell’invenzione

La presente invenzione mira a creare un metodo ed un sistema, come descritto in precedenza, che consentano di superare i limiti dei noti metodi più sopra evidenziati.

Un ulteriore scopo della presente invenzione è quello di realizzare un metodo di ottimizzazione multiobiettivo che consenta di elaborare in tempo reale i dati e di definire indicatori di prestazione per gestire il trasporto tramite veicoli elettrici, sulla base di informazioni provenienti da moderni dispositivi quali GPS, navigatori, cellulari, apps, ed altri.

Ancora un ulteriore scopo dell’invenzione riguarda l’integrazione di tre aspetti principali: la definizione dei consumi in base alle caratteristiche del veicolo;

la caratterizzazione della tipologia e delle funzionalità delle colonnine per la ricarica;

la richiesta di trasporto e la determinazione del percorso e della ricarica ottimali.

Secondo un primo aspetto, la presente invenzione prevede un metodo secondo il preambolo della rivendicazione 1 il quale metodo prevede ulteriormente la combinazione di caratteristiche della parte caratterizzante della rivendicazione 1.

Il problema decisionale consiste nella gestione del trasporto tramite veicoli elettrici che devono ricaricarsi durante il percorso e che possono altresì fornire energia alla rete. Le principali variabili decisionali riguardano: la modalità di ricarica (ogni colonnina prevede la possibilità di selezionare diverse potenze a costo differente), dove ricaricare, la presenza o meno del veicolo su un arco della rete, il tempo di arrivo al generico nodo, l’entità del carico di trasporto, il tempo di ricarica.

Tali variabili sono inoltre da considerare per diverse fasce temporali e sono soggette a molteplici vincoli che verranno descritti nel seguito.

Utilizzando metodi e sistemi secondo l’arte nota, risulta quindi particolarmente difficile per un singolo operatore definire in tempi rapidi una decisione.

Per tali motivi, il metodo sviluppato necessiterà di modelli e tecnologie per una sua realizzazione.

Secondo un ulteriore aspetto dell’invenzione, infatti, è previsto di quantificare i consumi del veicolo che dipendono da quante fermate vengono effettuate, dal peso, dalla strada, ed altri fattori; i limiti di ricarica; lo stato di carica della batteria del veicolo; la distanza totale; i consumi e i costi.

Questo problema decisionale risulta multiobiettivo e l’invenzione prevede una procedura per l’interazione con l’utente che potrà scegliere tra diverse soluzioni sulla base dei valori degli indicatori di prestazione.

Inoltre, siccome il problema dell’instradamento ottimale di tali veicoli risulta essere particolarmente complesso (anche per un classico risolutore per problemi di ottimizzazione), il metodo proposto si avvale di una procedura di pre-processing dei dati che permette da un lato di velocizzare i tempi di risoluzione e dall’altro di essere inserita in software e dispositivi generici senza l’utilizzo di software commerciali per l’ottimizzazione.

Come appare evidente dalla rivendicazione principale e dalle rivendicazioni dipendenti e come apparirà evidente dalla descrizione di esempi esecutivi dettagliati, nella presente invenzione si considera un problema decisionale relativo ad un veicolo elettrico che deve effettuare un percorso al minimo consumo e tempo, considerando anche i tempi di ricarica, il costo dell’energia, il funzionamento delle colonnine elettriche e la possibilità di fornire servizi alla rete elettrica. Quindi si tratta di un problema che si avvicina a problemi di SP, ma che ne richiede una revisione dovuta ai molteplici aspetti da considerare nel caso dei veicoli elettrici.

L’invenzione ha per oggetto anche un sistema per l’attuazione del suddetto metodo secondo una o più delle diverse varianti previste, il quale sistema comprende

- Almeno una rete elettrica che alimenta una o più di colonnine di ricarica distribuite su un territorio in diversi siti;

- le colonnine di ricarica essendo provviste di unità di rilevamento e di comunicazione che forniscono ai possibili utenti dati sulla disponibilità di colonnine, del prezzo e della conseguente potenza erogabile;

- una rete di trasporto comprendente percorsi di collegamento di punti di partenza e punti di origine e/o di siti di posizionamento delle dette una o più colonnine di ricarica;

- dispositivi (navigatori satellitari) che forniscono informazioni relativamente a percorsi alternativi, traffico, posizione, chiusura strade, code, velocità di percorrenza, pendenza e caratteristiche della strada.

In particolare, è prevista un’unità di processamento remota o di bordo per ciascun veicolo configurata per eseguire i passi del metodo secondo una o più delle forme esecutive e varianti sopra descritte.

Secondo una forma esecutiva, la detta unità di bordo è costituita da un dispositivo navigatore GPS comprendente una memoria nella quale è caricato un software che codifica le istruzioni per configurare l’unità GPS in modo da eseguire i passi del metodo secondo una o più delle forme esecutive e delle varianti esecutive più sopra descritte.

Una forma esecutiva può prevedere anche in parziale combinazione con la precedente che l’unità di bordo comunica con la detta unità remota la quale unità remota è configurata per eseguire i passi del metodo secondo una o più delle precedenti rivendicazioni, essendo ciascun dispositivo GPS provvisto di mezzi di comunicazione con detta unità remota.

Ulteriori perfezionamenti della presente invenzione sono oggetto delle rivendicazioni dipendenti.

Queste ed altre caratteristiche e vantaggi della presente invenzione risulteranno più chiaramente dalla seguente descrizione di alcuni esempi esecutivi illustrati nei disegni allegati in cui:

La figura 1 mostra uno schema di gestione di veicoli elettrici che prevede una integrazione tra reti elettriche e reti di trasporto.

La figura 2 mostra un esempio di un grafo di rappresentazione schematizzata del sistema di trasporto.

La figura 3 mostra uno schema a blocchi di alto livello di un sistema che prevede una pluralità di veicoli equipaggiati con una unità GPS e che è destinato ad eseguire una ottimizzazione multiobiettivo secondo la presente invenzione.

La figura 4 mostra un diagramma funzionale delle tre fasi del metodo secondo la presente invenzione.

La figura 5 mostra lo schema di trazione elettrica di un veicolo per la formalizzazione di un modello di consumo secondo la presente invenzione.

Con riferimento alla figura 1, questa mostra i componenti essenziali di un sistema secondo la presente invenzione per l’esecuzione del metodo di gestione ottimizzata real time del trasporto veicolare elettrico.

L’ambito in cui viene inquadrata la presente invenzione è a metà tra la gestione delle reti intelligenti e le reti di trasporto, come riportato in Figura 1:

- la rete elettrica 100 fornisce dei vincoli che devono essere recepiti dai gestori di colonnine di ricarica;

- le colonnine di ricarica P6, P7 forniscono ai possibili utenti dati sulla disponibilità di colonnine, del prezzo e della conseguente potenza erogabile;

- l’utente viene informato relativamente alla possibilità di fornire energia in un determinato punto di ricarica ed al relativo prezzo;

- la rete di trasporto 110 e i dispositivi esistenti forniscono informazioni relativamente a percorsi alternativi, traffico, posizione, chiusura strade, code, percorsi alternativi, velocità di percorrenza, pendenza e caratteristiche della strada come indicato con P10. Tali dati possono venire rilevati da sistemi GPS, da Applicazioni Internet o da altri dispositivi.

Infine, è importante notare che il sistema elettrico 100 risulta fortemente influenzato dalle ricariche di veicoli elettrici. Quindi, in futuro, oltre ai vincoli del sistema di trasporto, risulterà importante considerare anche i vincoli del sistema elettrico (tenendo in considerazione il bilancio tra produzione e domanda e la produzione intermittente da fonti rinnovabili).

Nell’ambito della rete elettrica entrano in gioco le unità di produzione P1 e quelle di produzione da rinnovabili o da accumulo come indicato con P2, la domanda elettrica indicata con P3, la domanda di ricarica di veicoli come indicate con P4 e P5.

In questo contesto è importante notare che i veicoli elettrici collegati alle colonnine possono operare sia come carichi e quindi assorbire energia elettrica, sia come serbatoio tampone di energia elettrica.

Nell’ambito della rete di trasporto viene determinato il consumo che è dovuto dalle caratteristiche morfologiche del percorso, dal numero di fermate possibili lungo il percorso come indicato con P9. La valutazione del consumo è fatta anche in relazione ai costi che nascono dalla potenza di ricarica richiesta, dalla presenza di tempi di attesa per la ricarica dovuti a code e dalla modalità con cui la ricarica viene eseguita, come indicato con P8. E con P10.

Come indicato negli schemi delle figure 2 e 4, in via generale il metodo di ottimizzazione secondo la presente invenzione prevede i seguenti passi:

- Acquisire informazioni sulla posizione del veicolo, la sua destinazione e i percorsi alternativi per raggiungere la destinazione. Tali dati possono essere forniti da un navigatore satellitare commerciale per veicoli non elettrici;

- Acquisire informazioni relative alla posizione delle colonnine di ricarica presenti vicino ai percorsi selezionati;

- Schematizzare il sistema di trasporto come un grafo caratterizzato da nodi O che rappresentano l’origine del percorso, nodi D che rappresentano la destinazione del percorso e da punti di ricarica R ed archi A. In particolare, ogni arco sarà caratterizzato da alcuni percorsi alternativi (calcolati da un navigatore satellitare commerciale per veicoli non elettrici);

- Acquisire i dati sul grafo definito in precedenza;

- Eseguire un pre-processing dei dati per eliminare archi che comunque non verrebbero utilizzati dall’utente;

- Definire le decisioni che può effettuare un utente in un modello di ottimizzazione;

- Quantificare gli indicatori di prestazione e i vincoli sulla base dei quali vengono prese le decisioni.

Successivamente, al fine di rendere utilizzabile il metodo, risulta necessario definire il modello matematico decisionale corrispondente, risolverlo utilizzando tecniche di programmazione matematica e indicare le specifiche per un’implementazione in dispositivi di uso comune quali i navigatori satellitari. Nel seguito, verrà descritto un esempio di definizione di modello e implementazione.

Con riferimento allo specifico esempio riportato nel diagramma della Figura 4, si possono evidenziare le seguenti fasi nel processo decisionale:

• Fase 1: come indicato dai passi 410, 411 e 412, durante la Fase 1 vengono raccolti i dati, i quali vengono distribuiti su un grafo: i nodi rappresentano le stazioni di ricarica, origine e destinazione; gli archi rappresentano i collegamenti possibili tra i vari nodi.

Come primo passo, risulta necessario costruire il grafo nel seguente modo:

o Si ricevono i risultati di 3 possibili percorsi risultanti dalla minimizzazione della distanza senza tenere in considerazione il fatto che si tratta di un veicolo elettrico questi dati possono provenire ad esempio da un navigatore satellitare di tipo noto e già presente sul mercato;

o Per ognuno dei percorsi considero le colonnine che sono distanti al massimo 30 km dal percorso considerato, considerando la distanza dal punto più vicino al percorso;

o Viene costruito un grafo che include nodi stazioni di ricarica, origine, destinazione e archi. Ogni coppia di nodi è collegata tramite 3 archi che rappresentano tre possibili percorsi risultanti dall’analisi di navigatori satellitari di tipo noto.

Successivamente, al passo 410 risulta necessario acquisire i dati relativi al grafo costruito con la precedente procedura. In particolare, i dati da considerare sono: la distanza tra i nodi, le caratteristiche del veicolo come una o più delle seguenti caratteristiche peso, tipo di connettore per la ricarica, velocità, delle colonnine elettriche come una o più delle seguenti caratteristiche modo di ricarica, potenza di ricarica, costo dell’energia diviso per fascia oraria e del territorio come una o più delle seguenti caratteristiche pendenza, semafori, traffico. Queste attività sono indicate ai passi 411 e 412 della fase 1 di figura 4.

• Fase 2: al variare dei dati sopra riportati nello spazio e nel tempo, risulta necessario definire i consumi tra nodo e nodo per tutte le possibili alternative come ad esempio una o più delle condizioni tipo di veicolo, velocità, possibili percorsi, traffico, etc., come indicato con 420.

A questo punto, si hanno a disposizione i dati relativi ad ogni percorso ad esempio comprendenti una o più dei seguenti parametri come distanza, consumi, tempi di percorrenza, etc. in funzione di tre fasce di velocità, come indicato ai passi 421 e 422 con il modello dei consumi ed il modello dello stato di carica.

• Fase 3: tenendo in considerazione i dati raccolti nella Fase 1 e i calcoli effettuati nella Fase 2, si procede alla definizione delle decisioni sulla base del costo minimo di trasporto e di acquisto dell’energia, sulla base di vincoli quali il tempo di percorrenza e lo stato di carica della batteria del veicolo.

Vengono quantificati gli indicatori di prestazione al passo 430 e da questi viene generato un modello di ottimizzazione al passo 431.

Il modello di ottimizzazione è descritto da una funzione obiettivo del problema di ottimizzazione considerato.

Secondo la presente invenzione questa funzione è caratterizzata da due contributi che devono venire minimizzati:

o Tempo di percorrenza (J1);

o Costo dell’energia (J2).

Una volta definito il problema di ottimizzazione al passo 431, al fine di ridurre il tempo di risoluzione, è possibile effettuare un pre-processing per eliminare alcuni archi e nodi del sistema come indicato al passo 432.

Infine, per affrontare il problema multiobiettivo risulta necessario interagire con l’utente del veicolo al fine di ottenere la soluzione che corrisponde maggiormente ai suoi desideri.

In particolare, si forniranno le seguenti soluzioni ottime basate su:

o Minimizzazione dell’obiettivo J1;

o Minimizzazione dell’obiettivo J2;

o Minimizzazione di J1+J2 normalizzati.

All’utente saranno fornite 3 possibili opzioni di soluzione con i valori di J1 e J2 come riportato nella seguente tabella e l’utente sceglierà l’opzione più conveniente che corrisponderà quindi ad un percorso ottimale:

Secondo ancora una possibile caratteristica del metodo può essere previsto, inoltre, di visualizzare un grafico con le soluzioni di Pareto. Il grafico di Pareto è costruito come segue:

Si considera la minimizzazione della seguente funzione obiettivo con ALFA un parametro che indica il peso di un obiettivo rispetto ad un altro e che viene modificato per trovare tante soluzioni ottime al variare di ALFA:

MIN = J1+ALFA*J2

- Sulle ascisse sono presenti i valori ottimi per J1, trovati al variare del parametro ALFA;

- Sulle ordinate sono presenti i valori ottimi per J2, trovati al variare del parametro ALFA;

Trovando tante soluzioni ottime corrispondenti a diversi valori di ALFA, è possibile approssimare tale soluzione con una curva.

In questo caso, l’utente potrà selezionare un punto a piacere sul grafico a cui corrisponderà uno specifico ALFA e quindi i corrispondenti J1 e J2 a cui corrisponderà ad un percorso ottimale.

Da quanto sopra appare evidente che tutte e tre le fasi sono particolarmente complicate.

Secondo una ulteriore forma esecutiva, risulta vantaggioso utilizzare:

- Strumenti software per la raccolta e l’analisi dei dati come ad esempio facendo per esempio riferimento a Google maps e database costruiti ad-hoc;

- Interfacce grafiche facilmente utilizzabili quali quelle dei navigatori satellitari;

-Modelli matematici per la quantificazione dei consumi considerando tutte le possibili alternative;

- Modelli matematici per la definizione del problema di ottimizzazione;

- Software per la ricerca della soluzione ottima. La figura 3 mostra uno schema di alto livello di un esempio esecutivo di un sistema secondo la presente invenzione. Con V1, V2, Vn sono indicati n veicoli presenti su una rete di trasporto 370. I veicoli V1, V2, Vn sono di tipo elettrico. Ogni veicolo è provvisto di una unità GPS 300, 301, 30n grazie a cui è in grado di fornire dati relativamente alle caratteristiche dei percorsi, sia principali che alternativi, e/o alla presenza di colonnine di ricarica, alla distanza di punti di origine e di destinazione del percorsi, alla distanza dal una o più colonnine di ricarica e/o dati relativi alla tipologia delle dette colonnine con riferimento alla modalità di ricarica ed alle potenze fornite, e/o anche con riferimento alla possibilità di essere utilizzate come portali per accedere a server o al cloud o di essere porte di connessione di accumulatori di veicoli elettrici in grado di operare temporaneamente quali fornitori di energia alla rete. L’unità GPS stessa o una sezione circuitale esterna presenta un processore 310, 311, 31n che esegue un programma in cui sono codificate le istruzioni per configurare il processore e le periferiche dello stesso ad eseguire le funzionalità per l’attuazione del metodo secondo una o più delle varianti e forme esecutive descritte per il detto metodo. Il programma può essere residente in una memoria o un’area di memoria 320, 321, 32n. Una o più diverse interfacce 340, 341, 34n utente, sia di input che di output sono collegate al processore centrale 310, 311, 31n ed alle unità GPS 300, 301, 30n. Al processore è collegata anche una sezione di comunicazione in trasmissione e/o ricezione indicata con 330, 331, 33n. Questa consente sia di comunicare col cloud mediante applicazioni e reperire informazioni relative ai parametri da considerare nel processo, ad esempio uno o più dei parametri come più sopra già descritti.

La detta sezione di comunicazione ha però anche la funzione di collegarsi sia per ricevere che per fornire dati ad un server che mette in comunicazione i processori con la rete elettrica 360 e/o con la rete di trasporto 370 per scambiare dati anche con queste reti o con elementi costituenti le dette reti.

Il server cloud 350 può a sua volta essere configurato per eseguire un software in cui sono codificate le istruzioni per l’esecuzione del metodo secondo una o più delle varianti e forme esecutive più sopra descritte.

L’elaborazione può avvenire quindi sia esclusivamente nelle unità a bordo dei veicoli V1, V2, Vn sia solo nel server 350 sia parte nel server 350 e parte nelle unità associate ai veicoli V1, V2, Vn, come indicato dalle frecce che mostrano le vie di comunicazione fra le reti e le singole sezioni di comunicazione 330, 331, 33n e fra queste ed il server 350.

Con riferimento a quanto sopra descritto relativamente alle fasi del metodo, appare importante la definizione di un modello dei consumi e di un modello dello stato della ricarica dei veicoli.

A seguito verrà descritta una forma esecutiva esemplificativa di tali modelli che è sviluppata sulla base dello schema dell’azionamento elettrico di un veicolo mostrato in figura 5.

Con 510 sono indicate le ruote prive di collegamento dinamico al propulsore. Le ruote 502 sono invece collegate all’albero comandato dal propulsore costituito da un motore elettrico 530. Questo trasmette il moto alle ruote 502 tramite una trasmissione 540. L’energia elettrica degli accumulatori ricaricabili 510 viene fornita al motore elettrico 530 per mezzo di un circuito di alimentazione di potenza 520.

Tutte le suddette unità sono note ed ampiamente disponibili allo stato dell’arte e commercialmente.

Nella formalizzazione del modello di consumo risulta fondamentale, considerare la dinamica dello stato di carica della batteria e l'efficienza dell'azionamento elettrico (comprensivo di convertitori di potenza e motore).

Il consumo elettrico di un veicolo elettrico è influenzato dalle seguenti caratteristiche:

• La massa totale del veicolo, che è composta dalla massa a vuoto e a carico del veicolo.

• La pendenza del terreno, considerato non pianeggiante, di conseguenza il tragitto in salita richiede una maggiore quantità di energia rispetto al viaggio su terreno pianeggiante o in discesa.

• La velocità di percorrenza che influisce sull’attrito volvente e aerodinamico.

• Le caratteristiche dell’azionamento elettrico di bordo del veicolo, ovvero i rendimenti dovuti alla conversione dell'energia e all'elettronica di potenza.

• Le condizioni di traffico sul percorso, in particolare il processo start and stop, cioè il consumo dovuto alla progressiva decelerazione fino all'arresto e l'accelerazione fino al raggiungimento della velocità desiderata (ad esempio a causa della sosta a un semaforo o a una coda).

Il consumo di energia elettrica tenendo conto di tutti i contributi di cui sopra si calcola come segue:

le inerzie rotazionali dei componenti rotanti in massa

traslazionale, <v t >la velocità del veicolo, <m tot >la massa totale del veicolo elettrico, g la costante di

accelerazione della gravità, la pendenza del

terreno, <C r >è il coefficiente di attrito volvente, <C d >è il coefficiente di resistenza aerodinamica. rappresenta l'area frontale del veicolo elettrico,

la densità dell'aria, il rendimento del motore

elettrico, il rendimento del convertitore di

potenza, l'efficienza di trasmissione del veicolo

elettrico e il consumo interno di energia del veicolo (ad esempio, il condizionatore).

Tuttavia, (1) rappresenta solo il consumo energetico quando il veicolo è in movimento, cioè quando la velocità è positiva. Invece la potenza frenante a recupero (quando la velocità è negativa), che può essere parzialmente (indicata dal fattore K) recuperata nella batteria, è modellata qui di seguito.

Dopo aver definito la potenza richiesta per la guida e la potenza assorbita durante la frenata, il consumo deve essere quantificato come consumo di energia. Come già accennato, una delle novità proposte nel modello è quella di considerare il cosiddetto start and stop durante il percorso. Pertanto, è necessario distinguere il consumo energetico totale in due diversi termini: il primo (il classico), in cui si considera una velocità media costante lungo il percorso (arco), e il secondo in cui si considerano la partenza e la fermata lungo il percorso in cui la velocità non può più essere considerata costante.

Il calcolo del primo elemento del consumo energetico (considerando la velocità media costante v) può essere calcolato come segue. Nell'ipotesi in cui per ogni arco (percorso) che si collega ai nodi la pendenza del terreno possa essere suddivisa in una parte che contribuisce alla carica della batteria e una alla scarica della batteria di un veicolo che viaggia su tale arco (rispettivamente indicati come 0≤Sd≤1 e 0≤Sc≤1, in modo che Sc+Sd=1). Una formalizzazione più compatta del consumo Cc può essere <scritta come sotto:>

Il calcolo dei parametri di consumo per le fasi di start e stop viene calcolato in modo diverso da (5) e (6). Questo perché l'ipotesi di divisione del percorso in positivo e negativo non è più applicabile. In questo caso la fase di start è solo con velocità positiva e viceversa durante la fase di stop. Il consumo totale può essere calcolato come segue

Dove <� >rappresenta il numero medio di start and stop in un percorso. È importante notare che l'accelerazione per raggiungere la velocità media desiderata nella fase di start (e viceversa per la fase di stop) è considerata

costante, e che il tempo di start <t start >e di <t stop >stop sono molto brevi rispetto al tempo tipico di un problema di pianificazione come quello affrontato (secondi rispetto a ore), quindi i contributi di consumo di start e stop possono essere considerati costanti per ogni arco (ovviamente a seconda del loro numero).

I coefficienti relativi al consumo energetico saranno calcolati a priori e successivamente inseriti come dati del problema.

Per quanto riguarda invece il modello matematico di ottimizzazione, a seguito viene descritta una possibile forma esecutiva di questo modello adatta all’esecuzione del metodo secondo l’invenzione secondo una o più delle varianti o delle forme esecutive più sopra descritte.

Il modello si basa su un grafo h G = (V’, A), il cui insieme di nodi rappresenta l’unione di origine, destinazione e stazioni di ricarica (RSs).

Ogni nodo di ricarica è caratterizzato da diversi

differenti livelli di potenza Al fine di rendere il modello delle stazioni di ricarica più realistico rispetto a quelli presenti in letteratura, è stato deciso di imporre un limite massimo sulla potenza che

può essere fornita da una stazione di ricarica

Nel modello risulta necessario definire anche la possibilità di avere prezzi dell’energia variabili nel tempo. Per questa motivazione il decisore può essere incentivato o meno a precorrere una rotta rispetto a un’altra tenendo conto anche di questo aspetto (magari anche percorrendo un arco a velocità minore al fine di arrivare alla stazione di ricarica quando il prezzo è più conveniente). Al fine di modellare questo aspetto il tempo all’interno dei nodi RS viene discretizzato in vari intervalli Siccome il modello dei consumi dipende dalla velocità dei veicoli, nella formalizzazione è necessario introdurre diverse possibili velocità medie (s=1,..,S). La soluzione ottima fornirà anche il livello di velocità più adatto ad uno specifico percorso. Il problema di ottimizzazione risulta essere del tipo mixed integer linear programming (MILP).

Notazioni

insieme origine destinazione;

insieme stazioni di ricarica;

insieme dei possibili archi che connettono i nodi (i,j);

directed graph;

<�>insieme degli archi;

insieme dei possibili livelli di

<velocità;>

R insieme dei modi di ricarica.

Parametri

nodo i e il nodo j

di percorrenza dal di velocità s;

o di percorrenza [h];

<o di ricarica [h]; >della batteria [kWh];

rgia per l’intervallo

;

a per la modalità r

di Potenza per la W];

per essere associati

ata per attrito elocità s [kW];

sumata al livello di

velocità s dovuta all’orografia del terreno sull’arco (i, j) [kW].

Variabili

variabili binarie tali

per cui se il veicolo viaggia dal nodo i al nodo j tramite il percorso k al livello di altrimenti;

i arrivo al nodo i;

livello di carica della batteria alla partenza dal nodo i;

variabile binaria che vale 1 se nell’intervallo t, il veicolo alla stazione i ricarica in modalità r, e 0 altrimenti;

variabili binarie che sono

uguali se nell’intervallo temporale t, il veicolo nella stazione i inizia il processo di

ricarica altrimenti.

La funzione obiettivo (10) aggrega due diversi contributi tra loro non commensurabili:

- il tempo totale di percorrenza e ricarica (J1); - il costo dell’energia (J2).

(10)

I vincoli da considerare sono i seguenti:

I vincoli (11) rappresentano le condizioni di conservazione del flusso. I vincoli (12) impongono che il veicolo viaggi su un solo percorso che collega il nodo i al nodo j e con un’unica velocità s.

I vincoli (13) impongono che il tempo di arrivo al nodo j del veicolo che viaggia dal nodo i è maggiore o uguale al tempo di percorrenza tra i nodi i,j al livello di velocità s.

I vincoli (14) modellano il tempo di arrivo dalle RSs. E’ quindi necessario considerare il tempo speso nella stazione di ricarica. Il tempo di arrivo al nodo j è la somma del tempo di percorrenza tra i e j più il tempo totale di ricarica in i.

I vincoli (15) e (16) modellano il comportamento della batteria del veicolo. Prima di tutto, è importante indicare le principali ipotesi fatte per questo modello: viene considerato solo il comportamento lineare del processo di carica (dal 20% all'80% dello stato di carica della batteria), per cui i limiti

superiore e inferiore dello stato di carica della batteria del veicolo all'arrivo al nodo j, sono stati scalati in base a questa ipotesi.

In (15) il precedente nodo i è un nodo cliente, quindi il livello di carica della batteria è inferiore o uguale a quello all'arrivo al nodo i più due quantità che esprimono il consumo/ricarica della batteria per

la corsa tra i nodi i e j. Il primo termine dipende dal livello di velocità selezionato e dalla pendenza media del percorso da i a j, mentre nella seconda

quantità tiene conto del livello di velocità e del carico trasportato da i a j, considerando anche i consumi energetici dovuti al processo di start and stop

dato da il terzo termine considera il processo di ricarica in stazione i con la modalità selezionata r.

I vincoli (16) non permettono al veicolo di raggiungere il nodo successivo con una carica negativa, che sotto le ipotesi della batteria corrisponde al 20% della capacità nominale della batteria. La caratterizzazione della stazione di ricarica è data da (17)-(21). I vincoli (17) impostano la potenza massima erogata dalla stazione i, questi vincoli consentono cariche multiple nella stessa stazione contemporaneamente, disabilitando alcune modalità di ricarica in caso di superamento della potenza massima della stazione (con logica FIFO).

In (18) si indica che si può scegliere solo una modalità di ricarica, mentre (19) definisce le

variabili binarie (che descrivono l'inizio di un processo di ricarica in un RS i al tempo t in modo r)

come la differenza di in due intervalli di tempo conseguenti. Il vincolo (20) stabilisce che il processo di ricarica può iniziare solo una volta per ogni veicolo in una stazione i. Infine, i vincoli (21) abbinano le variabili temporali continue con il tempo discreto nella stazione di ricarica, in modo che l'inizio del processo di ricarica possa essere considerato in un dato momento o al momento successivo.

Infine, i vincoli (22) e (23) impongono i passaggi per i nodi di arrivo e destinazione.

A seguito viene descritto una forma esecutiva specifica di algoritmo di pre-processing.

Il pre-processing cerca di verificare la raggiungibilità tra due generici nodi, sulla base del consumo energetico dovuto alla percorrenza dell'arco che li collega. Due nuove insiemi ausiliari vengono introdotti per poter definire delle disuguaglianze che permettano l’eliminazione di un arco:

Queste condizioni sono tali che, se sono soddisfatte, l'arco (i, j) non è accettabile per la soluzione e quindi sarà rimosso dal grafico.

Ovviamente, queste condizioni dipendono dalle coppie di nodi tra le quali è necessario verificare l'ammissibilità della soluzione. Le coppie di nodi considerate sono: origine-stazione, stazionedestinazione e stazione-stazione.

A questo punto risulta fondamentale definire le

quantità definisce lo stato massimo di carica con cui è possibile arrivare al nodo i, da

un nodo generico (compresa l'origine) h. Mentre

indica il livello minimo di energia per raggiungere il nodo h più vicino (compresa la destinazione) da un nodo i.

Il consumo energetico tra due nodi generici è <definito da>

(24)

La condizione di eliminazione di una coppia generica di nodi è così riassunta: il consumo minimo di energia per l'arco i,j deve essere maggiore o uguale al consumo minimo che permette di raggiungere la stazione/destinazione più vicina dopo aver percorso

<l'arco (dato dalla differenza tra>

Pertanto, se la condizione non è soddisfatta, l'arco considerato non è ammissibile per la soluzione, quindi può essere eliminato dal grafico G prima del processo di ottimizzazione. Per quanto riguarda le coppie di nodi specifici di questo problema (originestazione, stazione-destinazione e stazione-stazione), rappresentano casi degeneri rispetto al caso generico.

Quindi i valori di verranno modificati in base alle esigenze in base alla seguente tabella.

Essendo BO la carica di partenza del veicolo e BD la carica voluta all’arrivo dall’utente

Gli strumenti software che si possono utilizzare sono molteplici e riguardano prodotti commerciali per la simulazione e l’ottimizzazione quali CPlex, COIN-OR, Lingo, MATLab.

Al fine di una larga diffusione di metodi e modelli risulterà opportuno e vantaggioso:

- Definire delle interfacce grafiche e/o codici di programmazione per l’utilizzo dei modelli all’interno di App, cellulari, navigatori, etc.

- Interfacciare in automatico i sistemi sviluppati con informazioni disponibili in rete (traffico, google maps, meteo, etc.).

Claims

RIVENDICAZIONI 1. Metodo per la gestione ottimizzata in tempo reale del trasporto tramite veicoli elettrici, il quale metodo prevede i passi di: generare un modello matematico (che include indicatori di prestazione e vincoli tecnici) quale funzione di almeno uno o più dei seguenti parametri: tempi di viaggio di un veicolo elettrico, i costi di ricarica del detto veicolo elettrico, la massima potenza erogabile di ricarica, la potenza di ricarica, lo stato di carica, l’inclinazione del terreno, la velocità del veicolo, minimizzare gli indicatori di prestazione (costi, consumi, tempi di percorrenza,..) rispetto alle variabili decisionali: la modalità di ricarica (ogni colonnina prevede la possibilità di selezionare diverse potenze a costo differente), dove ricaricare, la presenza o meno del veicolo su un arco della rete, il tempo di arrivo al generico nodo, il tempo di ricarica, la distanza totale del o dei percorsi previsti.
2. Metodo secondo la rivendicazione 1, in cui uno o più dei suddetti parametri sono rilevati separatamente per una o più diverse fasce temporali.
3. Metodo secondo le rivendicazioni 1 o 2 in cui è previsto un modello matematico di quantificazione dei consumi del detto almeno un veicolo in funzione del numero delle fermate previste od eseguite lungo un percorso, dal peso del veicolo e dalle condizioni della strada.
4. Metodo secondo una o più delle precedenti rivendicazioni, in cui vengono eseguiti in tempo reale i seguenti passi: - Acquisire informazioni sulla posizione del veicolo, la sua destinazione e i percorsi alternativi per raggiungere la destinazione; - Acquisire informazioni relative alla posizione delle colonnine di ricarica presenti vicino ai percorsi selezionati; - Generare uno schema del sistema di trasporto sotto forma di un grafo caratterizzato da nodi e archi, - i nodi essendo costituiti da punto di origine, punto di destinazione, sito di ricarica - gli archi comprendendo un insieme di due o più percorsi alternativi; - Acquisire i dati sul detto grafo; - Eseguire una fase di processamento preventivo dei dati per eliminare archi che comunque non verrebbero utilizzati dal o dagli utenti; - definire le scelte o decisioni possibili per l’utente; - Calcolare gli indicatori di prestazione e i vincoli sulla base dei quali vengono prese le suddette decisioni; - risolvere il suddetto modello matematico.
5. Metodo secondo la rivendicazione 4, in cui le informazioni relative alla posizione del veicolo, la sua destinazione e i percorsi alternativi per raggiungere la destinazione sono rilevati mediante un navigatore satellitare per veicoli non elettrici.
6. Metodo secondo una o più delle precedenti rivendicazioni in cui è previsto il passo della quantificazione dei consumi lungo ciascun percorso descritto dagli archi ed in cui da questo viene generato un modello matematico di determinazione dei consumi ed un modello matematico di determinazione dello stato di carica.
7. Metodo secondo una o più delle precedenti rivendicazioni in cui il passo di definizione delle decisioni prevede la definizione delle decisioni sulla base del costo minimo di trasporto e di acquisto dell’energia, sulla base di vincoli quali il tempo di percorrenza e lo stato di carica della batteria del veicolo essendo prevista una funzione di ottimizzazione comprendente due contributi da minimizzare costituiti da Tempo di percorrenza (J1); Costo dell’energia (J2).
8. Metodo secondo una o più delle precedenti rivendicazioni, in cui il passo di pre-processing comprende il passo di eliminazione di archi e nodi del sistema che corrispondono a percorsi ed a punti di origine e/o destinazione e/o ricarica che l’utente non può più seguire o raggiungere in base ai dati real time della posizione del veicolo e/o dello stato di carica del veicolo.
9. Metodo secondo una o più delle precedenti rivendicazioni, in cui il processo di ottimizzazione prevede almeno tre soluzioni alternative basate sulla minimizzazione del tempo di percorrenza o sulla minimizzazione del costo dell’energia o sulla minimizzazione della combinazione tempo di percorrenza e costo dell’energia, preferibilmente normalizzati.
10. Sistema per l’attuazione del metodo secondo una o più delle precedenti rivendicazioni, comprendente - almeno una rete elettrica che alimenta una o più di colonnine di ricarica distribuite su un territorio in diversi siti; - le colonnine di ricarica essendo provviste di unità di rilevamento e di comunicazione che forniscono ai possibili utenti dati sulla disponibilità di colonnine, del prezzo e della conseguente potenza erogabile; - una rete di trasporto comprendente percorsi di collegamento di punti di partenza e punti di origine e/o di siti di posizionamento delle dette una o più colonnine di ricarica; - dispositivi navigatori satellitari che forniscono informazioni relativamente a percorsi alternativi, traffico, posizione, chiusura strade, code, percorsi alternativi, velocità di percorrenza, pendenza e caratteristiche della strada essendo previsti una unità di processamento remota o di bordo di ciascun veicolo la quale unità comprende almeno una periferica ed è configurata per eseguire i passi del metodo secondo una o più delle precedenti rivendicazioni 1 a 9.
11. Sistema secondo la rivendicazione 10, in cui la detta unità di bordo è costituita da un dispositivo navigatore GPS comprendete una memoria nella quale è caricato un software che codifica le istruzioni per configurare l’unità GPS in modo da eseguire i passi del metodo secondo una o più delle precedenti rivendicazioni.
12. Sistema secondo la rivendicazione 10 o 11, in cui l’unità di bordo comunica con la detta unità remota la quale unità remota è configurata per eseguire io passi del metodo secondo una o più delle precedenti rivendicazioni, essendo ciascun dispositivo GPS provvisto di mezzi di comunicazione con detta unità remota.