Difference between revisions of "Vývoj sítě dobíjecích stanic"
| Line 20: | Line 20: | ||
Diagram kauzálních smyček je následující. | Diagram kauzálních smyček je následující. | ||
| − | [[File: | + | [[File:kott03-kauzalni-smycky.png|thumb|center|850px||Obrázek 1: Diagram kauzálních smyček]] |
Model kauzálních smyček byl následně přetvořen do stack and flow diagramu. | Model kauzálních smyček byl následně přetvořen do stack and flow diagramu. | ||
Revision as of 22:51, 12 June 2023
Název simulace: Vývoj sítě dobíjecích stanic v ČR
Autor: Bc. Tomáš Koťara, kott03
Typ modelu: Systémová dynamika
Modelovací nástroj: Vensim
Definice problému
V České republice roste počet elektromobilů. Ty je nutné dobíjet a i když počet dobíjecích stanice roste, díky legislativním brzdným silám, jenž způsobuje pomalé povolování staveb dobíjejích stanic, může nastat problém s nedostupností dobíjecích stanic. V souvislosti s rychlým nárůstem popularity elektromobilů se vyskytuje stále naléhavější problém efektivního a udržitelného nabíjení. Dobíjecí stanice pro elektromobily představují kritický prvek v infrastruktuře pro podporu těchto vozidel. Zatímco elektromobily jsou klíčové pro přechod k udržitelnějšímu dopravnímu systému, jejich rostoucí počet klade také nové nároky na elektrickou síť a spotřebu energie. Problém spočívá v identifikaci, jak faktory jako počet dobíjecích stanic, počet elektromobilů, rychlost nabíjení (kapacita baterií), marketingové akce a dostupnost energie (výkonu) ovlivňují spotřebu energie při nabíjení elektromobilů na veřejných dobíjecích stanicích. Tato problematika je složitá a dynamická, proto je její modelování a simulace náročná. Pomocí Vensimu lze tato problematika analyzovat a pochopit, jak jednotlivé faktory ovlivňují celkovou spotřebu energie. Simulace tak může poskytnout informace pro rozhodování o rozvoji infrastruktury pro dobíjení elektromobilů, plánování kapacity energie a strategiích pro řízení spotřeby energie.
Metoda
Cílem simulace je vytvořit zjednodušený model simulace, který bude ilustrovat poptávku a nabídku po dobíjecích stanicích v České republice. Podle nastavených parametrů lze sledovat budoucí vývoj a zjistit, kdy nastane nedostatek nabíjecích stanic. Jelikož budeme simulovat budoucí hodnotu, která je závislá na několika dalších proměnných byl pro implementaci zvolen nástroj Vensim, který je vhodný pro tento typ simulace.
Model
Model sleduje po hodinách období jednoho týdne, kdy se zpravidla uskuteční nabíjecí cyklus elektromobilu, alespoň jedenkrát.
Výchozí hodnoty o nabíjeích stanicích pochází z dat Ministerstvem průmyslu a obchodu. Data o elektromobilech pochází z portálu Čistá doprava od Centra dopravního výzkumu. Data jsou za rok 2022.
Diagram kauzálních smyček je následující.
Model kauzálních smyček byl následně přetvořen do stack and flow diagramu.
Proměnné modelu
Nastavení modelu je následující:
• Units for Time = Hour
• INITIAL TIME = 0
• FINAL TIME = 168
• TIME STEP = 1
Proměnné modelu jsou nastaveny následovně:
• Dobíjecí stanice ACDC = 49893 kW Zdroj
• Dobíjecí stanice DC = 9069 kW Zdroj
• Dobíjecí stanice AC = 23689 kW Zdroj
• Dostupný výkon veřejných dobíjecích stanic = (Dobíjecí stanice AC+Dobíjecí stanice ACDC+Dobíjecí stanice DC)/Marketingová akce (Dostupný výkon ze všech dobíjecích stanic ovlivněný marketingovou akcí, která dostupný výkon může snížit)
• Dostupná energie = Dostupný výkon veřejných dobíjecích stanic+IF THEN ELSE( Dobíjecí stanice>0 , Dobíjecí stanice*Přenesený výkon , 0 ) (Dostupná energie, ovlivněná přeneseným výkonem, jenž mohl nastat z minulého období, při nevyužití)
• Marketingová akce = RANDOM UNIFORM( 1 , 2 , 0.5 ) (Váha marketingové akce v intervalu od jedné do dvou)
• Účinnost dobíjecí stanice = RANDOM UNIFORM( 0.85 , 0.95 , 0.01 ) (Účinnost dobíjecí stanice, dle výrobců, se pohybuje v intervalu od 85% do 95%) Zdroj
• Kapacita baterie = RANDOM UNIFORM( 17 , 123 , 10 ) (Kapacita baterie, kdy elektromobily v současné době mají nejmenší 17 kW a největší 123 kW) Zdroj
• Nabíjení = (Kapacita baterie/Účinnost dobíjecí stanice)*Nutnost dobíjet (Kapacita baterie dělena účinností značí spotřebu energie násobenou nutností nabíjet během týdne)
• Počet elektromobilů = 14316 (Počet elektromobilů v ČR za rok 2022) Zdroj
• Denní doba = RANDOM UNIFORM( 1 , 3 , 1 ) (Náhodná hodnota simulující denní dobu a tudíž obvyklý čas nabíjení elektromobilu)
• Nutnost dobíjet = Počet elektromobilů*RANDOM UNIFORM( 0.001 , 0.003 , 0.001 )*Denní doba*Marketingová akce (Simuluje nutnost dobíjet elektromobil, dle denní doby, marketingové akce a počtu elektromobilů)
• Nabíjení = (Kapacita baterie/Účinnost dobíjecí stanice)*Nutnost dobíjet (Zobrazuje celkovou spotřebu při nabíjení v závisloti na zdrojových proměnných)
• Odchozí energie = Nabíjení+IF THEN ELSE( Dobíjecí stanice<0 , ABS( Dobíjecí stanice*Přenesený výkon ) , 0 ) (Zobrazuje celkovou odchozí energii)
• Přenesený výkon = RANDOM UNIFORM( 0.01 , 0.05 , 0.01 ) (Udává procentuální hodnotu, jenž se přenese do dalšího období)
• Dobíjecí stanice = Dostupná energie-Odchozí energie (Udává bilanci mezi dostupnou a odebíranou el. enerigií)
Výsledky
Po spuštění simulace s výchozími hodnotami model zobrazuje nutnost dobíjet v čase u elektromobilů v intervalu od 20 do 220.
Graf zobrazuje celkovou energii potřebnou pro nabití v daném čase.
Graf zobrazuje celkovou energii potřebnou pro nabití v daném čase spolu s přeneseným výkonem.
Graf zobrazuje celkový dostupný výkon poskytovaný dobíjecími stanicemi.
Graf zobrazuje celkovou dostupnou energii poskytovanou dobíjecími stanicemi včetně přeneseného výkonu.
Graf zobrazuje situaci na modelu, kdy v čase odchází a přichází el. energie. Nabíjecí stanice mají dostatečnou rezervu. Vzniká přebytková energie.
V případě změny hodnot na straně počtu elektromobiů. V modelu x10 na desetinásobek, v modelu x2 na dvojnásobek. V modelu x10 se počet dobíjecích stanic jeví v půlce týdne jako nedostatečný.
V případě snížení počtu dobíjecích stanic o polovinu dojde k mírnému snížení přebytkové energie.
Pokud manipulujeme se vstupními hodnotami, systém vykazuje nedostatky, při vyšších násobcích úvodních proměnných. Ve zkušebních simulacích se následně ukázalo, že model dokáže odbavit okolo 120 000 elektromobilů.
Závěr
Po provedení naší detailní simulace v softwaru Vensim se ukázalo, že současná infrastruktura nabíjecích stanic v našem modelovaném regionu je schopna uspokojivě obsloužit cca 120 000 elektromobilů. Tento výsledek vychází z několika proměnných, včetně kapacity baterií, kapacity jednotlivých stanic a celkového počtu stanic v daném regionu. V porovnání s tím, že v ČR dnes jezdí okolo 6 000 000 Zdroj konvenčních automobilů bude nunté do budoucna zrychlit výstavbu dobícejích stanic.
Z naší simulace však vyplývá, že jakmile se počet elektromobilů přiblíží nebo překročí tuto hranici, dochází ke stále častějším situacím, kdy nabíjecí stanice nejsou schopny udržet krok s poptávkou. Toto může způsobovat značné nepříjemnosti pro uživatele elektromobilů, včetně delších čekacích dob a potenciálně i nedostatečného dojezdu.
Při současném trendu rychlého růstu počtu elektromobilů tedy doporučujeme zvýšit investice do infrastruktury nabíjecích stanic. Je důležité, aby kapacita infrastruktury rostla minimálně stejnou rychlostí jako počet elektromobilů. To by mělo zabránit vzniku problémů, které by mohly bránit dalšímu růstu a adopci elektromobility.
Tato simulace je pouze nástrojem k orientačnímu plánování a předpovědi. Je důležité si uvědomit, že skutečné výsledky se mohou lišit v závislosti na řadě faktorů, včetně rychlosti technologických inovací, změn v legislativě, ekonomických trendů a dalších. Proto doporučujeme pravidelně aktualizovat a přezkoumávat naše modely a předpovědi. Výsledky simulace jsou pouze ilustrativní a vycházejí z vypočítaných proměnných. Jelikož pracujeme se zjednodušeným modelem je nutné brát výsledky simulace jako hrubý odhad.
Kód
Zdroje
• MPO
• SDA
• SDA
