Proyecto de investigación
Enfoque holístico de simulación e IA para la determinación del despliegue nacional de estaciones de recarga para resolver la ansiedad de autonomía en vehículos eléctricos
Responsable: José Luis Guisado Lizar / Fernando Díaz del Río
Tipo de Proyecto/Ayuda: Plan Estatal 2021-2023 - Proyectos Investigación Orientada
Referencia: PID2023-151065OB-I00
Fecha de Inicio: 01-09-2024
Fecha de Finalización: 31-12-2027
Empresa/Organismo financiador/es:
- Ministerio de Ciencia, Innovación y Universidades
Equipo:
- Equipo de Investigación:
- Equipo de Trabajo:
- Jiali Fu
- Antonio Navas Orozco
- David Ragel Díaz-Jara
- Jesús Rodríguez Leal
- Pablo Sánchez Cuevas
- Gabriel Wainer
Resumen del proyecto:
En el proyecto SAINEVRA construiremos una herramienta informática que integre técnicas de simulación (gemelo digital) e inteligencia artificial (IA) para optimizar el despliegue y la gestión de una red nacional de estaciones de recarga en autopistas, con el fin de resolver el problema de la ansiedad de autonomía y fomentar los viajes interurbanos de vehículos eléctricos de largo alcance. Tendrá en cuenta el comportamiento del tráfico de las principales autopistas nacionales, y el trazado de la red eléctrica nacional de alta tensión, utilizando datos de España, para encontrar un despliegue óptimo de ER que optimice simultáneamente el siguiente conjunto de objetivos relevantes: los tiempos de viaje de largo alcance de los vehículos eléctricos entre ciudades considerando la congestión dinámica del tráfico, la desviación de la distancia del viaje óptimo para recargar, el tiempo de espera en las ER, el coste de construcción de nuevas ER considerando la distancia a las subestaciones de la red eléctrica actual, y la huella de carbono del tráfico global de las autopistas. El proyecto empleará una combinación de tecnologías digitales disruptivas, y explorará y comparará diferentes metodologías como bloques de construcción: técnicas de simulación para formar la base de una herramienta digital con un enfoque holístico utilizando diferentes modelos: híbrido autómata celular - basado en agentes, mesoscópico, y modelo de especificación de sistemas de eventos discretos; diferentes técnicas de IA para optimizar la ubicación de las ER: algoritmo genético, recocido simulado, aprendizaje por refuerzo profundo; y algoritmos de optimización determinista. Además, utilizaremos técnicas de computación de alto rendimiento para acelerar la ejecución.