Evaluating Fast Charging of Electric Vehicles Along Motorways Using Finite Multi-Server Queueing System Simulation

Abstract

Швидкі зарядні станції постійного струму необхідні вздовж автомагістралей, щоб позбавити занепокоєння водіїв щодо поїздок на великі відстані на електромобілях з батареями, оптимізованими для ефективного середнього запасу ходу. Це важливо для подальшого сприяння переходу на електромобілі. У цьому дослідженні представлено підхід на основі моделі черг для моделювання та оцінки майданчиків швидкої зарядки, обладнаних багатьма зарядними пунктами постійного струму. Зарядні станції моделюються як багатосерверні системи масового обслуговування з обмеженим простором очікування, де сервери представляють пункти зарядки, а простір очікування-паркувальну зону, доступну для електромобілів, які очікують на обслуговування. Щоб оцінити також розподіл часу прибуття та обслуговування, який не є марковським, система масового обслуговування оцінюється за допомогою імітаційного моделювання на основі подій. Прикладні результати та порівняння з аналогічними інструментами моделювання завершують презентацію підходу до моделювання. З одного боку, cимуляція демонструє середній потенційний час очікування електромобіля до початку заряджання через тимчасову зайнятість усіх зарядних точок. З іншого боку, інструмент аналізує сукупний попит на електроенергію усіх зарядних станцій. На основі останнього, механізм розумної зарядки динамічно зменшує індивідуально доступну потужність зарядки, щоб вона не перевищувала ліміт доступу до електромережі. Цей інтелектуальний механізм призводить до зниження продуктивності зарядки при високому навантаженні трафіку електромобілів, коли всі зарядні точки зайняті. У поєднанні з потребою в енергії, що залежить від стану заряду, інструмент надає користувачеві критично важливу інформацію про реалістично очікуваний час очікування та зменшення обсягів заряджання, коли багато електромобілів заряджаються паралельно. Експерименти з різною кількістю точок зарядки та обмеженнями потужності мережі допомагають користувачеві інструменту та проектувальнику системи визначити розміри зарядних майданчиків уздовж автомагістралей, які зможуть ефективно впоратися з майбутнім транспортним навантаженням.

Fast DC charging sites are required along motorways to abrogate the car drivers` anxiety of long-distance travels when driving electric vehicles (EVs) with batteries optimised for efficient average reach. This is important to facilitate the mobility transition to EVs. In this study, a queueing model-based approach to simulate and evaluate fast charging sites equipped with many DC charging points is presented. Charging sites are modelled as multi-server queueing systems with finite waiting space, the servers represent the charging points and the waiting space the parking area available for EVs waiting for service. To evaluate also arrival and service time distributions that are non-Markovian, the queueing system is evaluated using event based simulation. Exemplary results and a comparison with analogous simulation tools complete the presentation of the simulation approach. On one hand, the simulation reveals the mean potential waiting time per EV before charging can start due to the temporary occupation of all charging points. On the other hand, the tool analyses the aggregated power demand of all charging points. Based on latter, the smart charging mechanism reduces dynamically the individually available charging power if needed to stay below the power grid access limit. This smart charging mechanism causes a small decline in the charging performance at high EV traffic loads when all charging points are maximally occupied. In combination with the state-of-charge depending power demand, the tool provides the user critical insights into realistically expectable waiting times and decreased charging volumes when many EVs charge in parallel. Experimenting with different number of charging points and grid power limitations helps the tool-user, the systems designer, to dimension charging sites along motorways that can efficiently handle future traffic loads.