Predição de consumo de energia em veículos elétricos em entregas de uma indústria de alimentos e bebidas com o uso de modelos híbridos físico-estatísticos (2023)
- Authors:
- USP affiliated author: HEISE, LUÍSA MENDES - EP
- School: EP
- Sigla do Departamento: PRO
- Subjects: VEÍCULOS ELÉTRICOS; LOGÍSTICA; SUSTENTABILIDADE; ENERGIA
- Language: Português
- Abstract: A necessidade de reduzir as emissões de gases de efeito estufa (GEEs) tem impulsionado a adoção de veículos elétricos a bateria (BEVs) em frotas de caminhões de entrega. No entanto, essa mudança traz desafios e oportunidades específicos. Por um lado, veículos elétricos são mais eficientes e, muitas vezes, possuem um custo variável menor do que veículos a combustão. Por outro, a autonomia dos BEVs, ou seja, a distância que pode ser percorrida sem recarga da bateria, é limitada. Tal aspecto é especialmente relevante devido à baixa densidade energética das baterias e à infraestrutura limitada de pontos de recarga em trânsito. Diversos fatores afetam a autonomia dos veículos elétricos, como o tipo de carga, o relevo, o tráfego, o tipo de estrada, as condições climáticas e o estilo de direção. Alguns desses fatores têm uma relação direta com características geograficamente delimitadas, como congestionamentos, relevo e tipo de via. Foram desenvolvidos modelos de energia híbridos, compostos por modelagem física e estatística (físico-estatísticos), abrangendo uma variedade de escalas, que vão desde o microscópico até o macroscópico, e incorporando diferentes modelagens de regeneração de energia: nenhuma regeneração, regeneração linear e não-linear. Esses modelos foram aplicados a conjuntos de dados de GPS que apresentavam alta latência. Foram obtidas taxas de erro variáveis, sendo o modelo microscópico com modelagem exponencial da energia regenerada o que levou ao menor erro percentual médio, no valor de 2,35% nos dados de teste. Conclui-se que modelos com granularidade mais refinada na estimação de energia tem o o erro associado menor. Nesse sentido, em aplicações em que é possível prever de antemão os parâmetros necessários para modelos mais precisos, o seu uso pode melhorar a confiabilidade os processos associados, como roteirização e dimensionamento de frotas.
- Imprenta:
-
ABNT
HEISE, Luisa Mendes. Predição de consumo de energia em veículos elétricos em entregas de uma indústria de alimentos e bebidas com o uso de modelos híbridos físico-estatísticos. 2023. Trabalho de Conclusão de Curso (Graduação) – Escola Politécnica, Universidade de São Paulo, São Paulo, 2023. Disponível em: https://bdta.abcd.usp.br/directbitstream/77374acd-8040-42bb-824b-ee3e44986f1f/LUISA%20MENDES%20HEISE%20PRO2023.pdf. Acesso em: 06 maio 2024. -
APA
Heise, L. M. (2023). Predição de consumo de energia em veículos elétricos em entregas de uma indústria de alimentos e bebidas com o uso de modelos híbridos físico-estatísticos (Trabalho de Conclusão de Curso (Graduação). Escola Politécnica, Universidade de São Paulo, São Paulo. Recuperado de https://bdta.abcd.usp.br/directbitstream/77374acd-8040-42bb-824b-ee3e44986f1f/LUISA%20MENDES%20HEISE%20PRO2023.pdf -
NLM
Heise LM. Predição de consumo de energia em veículos elétricos em entregas de uma indústria de alimentos e bebidas com o uso de modelos híbridos físico-estatísticos [Internet]. 2023 ;[citado 2024 maio 06 ] Available from: https://bdta.abcd.usp.br/directbitstream/77374acd-8040-42bb-824b-ee3e44986f1f/LUISA%20MENDES%20HEISE%20PRO2023.pdf -
Vancouver
Heise LM. Predição de consumo de energia em veículos elétricos em entregas de uma indústria de alimentos e bebidas com o uso de modelos híbridos físico-estatísticos [Internet]. 2023 ;[citado 2024 maio 06 ] Available from: https://bdta.abcd.usp.br/directbitstream/77374acd-8040-42bb-824b-ee3e44986f1f/LUISA%20MENDES%20HEISE%20PRO2023.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
LUISA MENDES HEISE PRO202... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
