Till innehåll på sidan
Till KTH:s startsida

Effective Charging Infrastructure Planning through Route- and Network-Based Methods and Decision Support

Tid: To 2026-12-10 kl 14.00

Plats: Kollegiesalen, Brinellvägen 8, Stockholm

Videolänk: https://kth-se.zoom.us/j/65493868392

Språk: Engelska

Ämnesområde: Geodesi och geoinformatik, Geoinformatik

Respondent: Ehsan Saqib , Geoinformatik, KTH Royal Institute Of Technology

Opponent: Professor Sonia Yeh, Chalmers University of Technology.

Handledare: Professor Yifang Ban, Geoinformatik; Associate professor Gyözö Gidofalvi, Geoinformatik

Exportera till kalender

QC 20261118

Abstract

För att minska koldioxidutsläppen från vägtransporter genom elektrifiering krävs en effektiv utbyggnad av väl utformad laddinfrastruktur. Planeringen försvåras dock av föränderliga och osäkra förutsättningar för transportelektrifiering, såsom transport- och laddbehov, teknikutveckling, elnätskapacitet, tillgång till mark och fastigheter, styrmedel och konkurrens. Syftet med denna doktorsavhandling är därför att utveckla och utvärdera rutt- och nätverksbaserade metoder samt beslutsstöd för effektiv planering av laddinfrastruktur.

Avhandlingen visar på behovet av efterfrågecentrerad utformning av laddnätverk, där information om transportrutter ligger till grund för utvärderingen av olika nätverksutformningar. För detta formaliseras en datadriven scenariomodell för transportelektrifiering och ett optimeringsproblem för stegvis placering av laddinfrastruktur i nätverk. Avhandlingen utvecklar giriga metoder för nätverksexpansion som styr den stegvisa utbyggnaden utifrån uppskattningar av rutt- och nätverksberoende laddbehov. Uppskattningarna kan antingen vara statiska eller beräknas om dynamiskt. Den föreslagna metoden Route-Based Network Demand (RBND) använder simuleringar av transportelektrifiering för att dynamiskt beräkna om det ruttbaserade laddbehovet i nätverket under den giriga nätverksexpansionen. Gallring av kandidater och sökning begränsad till de n högst rankade kandidaterna minskar antalet beräkningskrävande kandidatutvärderingar. Empiriska utvärderingar visar att RBND uppnår det högsta totala laddbehovet i nätverket i samtliga utvärderade scenarier. I scenariot med den mest utmanande initiala batteriladdningsnivån möjliggör RBND elektrifiering av cirka 82 % av transportrutterna och 83 % av transportarbetet, jämfört med cirka 54 % respektive 64 % för de bäst presterande referensmetoderna för motsvarande mål. Kandidatgallringen eliminerar cirka 95 % av de beräkningskrävande simuleringsutvärderingarna. Därmed kan ett nationellt laddnätverk med 200 stationer genereras från över en miljon möjliga nätverksexpansioner på mindre än 15 minuter.

RBND-metoden utvidgas till laddnätverk som kombinerar laddstationer för stationär laddning med elvägssegment (Electric Road Systems, ERS) för dynamisk laddning under färd. Infrastrukturens placering styrs av skillnaden mellan marginell nytta och marginell kostnad. Metoden utvärderas i scenarier med varierande infrastrukturtyp och omfattning, batteriräckvidd, laddningseffekt och sammansättning av ruttdata. Resultaten visar att stationsbaserade nätverk genomgående är mer kostnadseffektiva och möjliggör högre elektrifieringsgrad. ERS-segment möjliggör däremot fler laddningstillfällen men har sämre ekonomiska resultat på grund av högre infrastrukturkostnader och begränsad energiöverföring under färd. Stationsbaserad infrastruktur placeras vanligen längre från stadskärnor, medan ERS-segment oftare placeras närmare dem.

Avhandlingen utvecklar också en kvantitativ metodik för att bedöma laddnätverks robusthet och resiliens vid bortfall av laddstationer. Med utgångspunkt i den rutt- och nätverksbaserade analysen införs kompletterande mått på strukturell redundans och kapacitetsredundans. Strukturell redundans mäter robusthet genom att kvantifiera i vilken utsträckning transportrutter fortfarande kan genomföras vid stationsbortfall. Kapacitetsredundans mäter resiliens genom att kvantifiera den extra laddkapacitet som krävs för att hantera omfördelat laddbehov och upprätthålla en angiven lägsta servicenivå, uttryckt som en maximal tidshorisont för avveckling av ackumulerat laddbehov (maximal varaktighet för systembelastning). Metodiken utvärderas för laddnätverk av olika storlek vid bortfall av enskilda stationer och lokala bortfall av flera stationer, med olika tidshorisonter för avveckling av ackumulerat laddbehov och stokastiska tidsvariationer i laddbehovet. Resultaten visar att strukturell redundans överstiger 98 % i nätverk med 80–200 stationer vid bortfall av enskilda stationer och ökar från cirka 86 % till 99 % vid lokala bortfall av flera stationer när nätverket växer. Kapacitetsredundansen utvecklas däremot inte monotont när nätverket byggs ut. Den förblir låg vid bortfall av enskilda stationer men når cirka 16–22 % vid lokala bortfall av flera stationer med en tidshorisont på 6 timmar för avveckling av ackumulerat laddbehov, vilket motsvarar genomsnittliga väntetider på 26–35 minuter. En operativ omfördelning av laddbehovet som tar hänsyn till trängsel vid laddstationer minskar både grundbehovet av laddinfrastruktur och de genomsnittliga väntetiderna vid lokala stationsbortfall. Även om omfördelningen ökar den procentuella andelen extra laddare som krävs för att hålla samma tidshorisont för avveckling av ackumulerat laddbehov, förblir det totala antalet laddare som behövs vid stationsbortfall lägre i samtliga utvärderade scenarier.

För planering av laddinfrastruktur under djup osäkerhet utvecklar och utvärderar avhandlingen ett datadrivet rumsligt beslutsstödssystem (Spatial Decision Support System, SDSS). Systemet har tillämpningsspecifika anpassningar och integrerar metoder för placering av laddinfrastruktur i nätverk med dynamiskt adaptiv planering. SDSS gör det möjligt att interaktivt utforska alternativa scenarier, parametrar och laddnätverksutformningar samt att utvärdera och stegvis anpassa nätverksplaner när planeringsförutsättningar, osäkerheter och intressenternas begränsningar förändras. Systemet utvecklades och utvärderades kvalitativt genom samskapande och återkoppling från 33 intressentorganisationer. Utvärderingen visar nyttan av efterfrågecentrerad och dynamiskt adaptiv planering av laddinfrastruktur.

Sammantaget ger dessa bidrag en gemensam analytisk grund för planering av laddinfrastruktur utifrån rutt- och nätverksberoende laddbehov. Avhandlingen bidrar därmed med kompletterande metoder och beslutsstödsfunktioner för stegvis placering av laddinfrastruktur i nätverk, bedömning av robusthet och resiliens samt dynamiskt adaptiv planering under djup osäkerhet. Tillsammans stödjer forskningsresultaten effektiv planering av laddinfrastruktur under föränderliga förutsättningar för transportelektrifiering.

Link to DiVA