Kopplade Transport- och Energisystem för E-mobilitet: Dynamisk Modellering och AI-baserad Optimering

Forskningsprojekt, 2027 – 2028

Den snabba tillväxten av elfordon (EV) håller på att förändra vägtransporter, men skapar samtidigt nya utmaningar för både transport- och energisystem. Storskalig EV-laddning kan överbelasta lokala elnät, vilket leder till trängsel, spänningsavvikelser och risker för driftsäkerheten. Elektriska transportsystem är också starkt beroende av elförsörjningen, vilket innebär att strömavbrott eller extrema väderhändelser direkt kan störa mobiliteten. Dessutom är laddningsinfrastrukturen fortfarande otillräcklig och ofta bristfälligt planerad, särskilt för godstransporter. De flesta befintliga studier analyserar och optimerar transport- och energisystem separat, vilket kan leda till suboptimala lösningar och begränsad förståelse för deras inbördes beroenden.

Detta projekt adresserar dessa brister genom att utveckla ett samordnat och skalbart tillvägagångssätt som kopplar samman modellering och beslutsfattande inom transport- och energisystem. Projektet kommer att skapa en högupplöst simuleringsmiljö som fångar dynamiken och interaktionerna mellan EV-användare, laddningsinfrastruktur, mobilitetsbehov och elnätsdrift. Ovanpå denna miljö kommer ett djupinlärningsbaserat multi-agent förstärkningsinlärningssystem att utvecklas för att möjliggöra decentraliserade och samordnade beslut gällande EV-användares laddningsbeslut, infrastrukturutbyggnad och energisystemdrift. Med hjälp av dessa metoder kommer projektet att analysera hur synergistisk laddning av personbilar och tunga elektriska fordon, kombinerat med distribuerad förnybar energi och batterilager, kan förbättra systemets effektivitet och resiliens.