Как я разрабатывал веб-сервис по бронированию электронных зарядных станций для электромобилей (часть 1)
О себе
Привет всем, на связи Арсений Елисеев, я fullstack-разработчик в одном ИТ-интеграторе! Относительно недавно мы получили заказ на разработку веб-сервиса, который позволял бы нашим клиентам, владельцам электрокаров, строить маршруты и на их протяжении бронировать электронные зарядные станции (далее - ЭЗС) под свои нужды. Я представил свою версию системы и хотел бы поделиться с вами ходом мыслей. Возможно, кто-то захочет прокомментировать мою модель или дать совет.
На первый взгляд мне показалось, что можно банально адаптировать уже готовые ИТ-решения для привычного транспорта, рассекающего на углеводородном топливе, но не все так просто. С учетом того, что инфраструктура ЭЗС не обладает столь большой сетью покрытия трасс страны, как АЗС, а также с учетом того, что существует мороз с его деструктивными воздействием на аккумуляторы на территории умеренных и северных широт России, где живет большинство ее населения, и из-за ряда других факторов был необходим поиск альтернативных путей решения проблемы.
В этой статье я поделюсь своими рассуждениями, расчетами и описанием процесса разработки веб-сервиса по бронированию ЭЗС. Возможно, кому-то из вас данная информация может быть полезна, и некоторые аспекты этой работы лягут в основу ваших начинаний. Из-за NDA некоторые аспекты будут скрыты, например, финансовые показатели при экономическом обосновании веб-сервиса.
Положение дел с электротранспортом в России
На самом деле, у нас, как и у стран запада, а также экономически развитых стран Азии, тоже есть концепция развития производства и использования электрического автомобильного транспорта до 2030 года. Тем не менее, она была выпущена 23 августа 2021 года, поэтому прогнозы составлялись без учета санкций и прочих логистических ограничений. По этим причинам цели выполняются с некоторым опозданием: в течение 1-го этапа, оканчивающегося в 2025 году, было запланировано производство не менее 25 тыс. электротранспортных средств, запуск в эксплуатацию не менее 9.5 тыс. ЭЗС, среди которых 2.9 тыс. – быстрые ЭЗС. Исходя из доклада, представленного ТАСС, в 2022 году в России было произведено 2 тыс. электромобилей, а в 2023 году планировалось нарастить производство в 9 раз, то есть выпустить 18 тыс. единиц, а в 2024 году – 36 тыс. единиц. Надеемся, что нам удастся обойти все существующие ограничения и выполнить столь амбициозный план и достичь одну из целей 1-го этапа представленной концепции. Касаемо зарядной инфраструктуры: к началу 2024 года, согласно данным сервиса «2Charges», на территории России существует сеть из около 4.5 тыс. ЭЗС, среди которых только 780 – быстрые.
Несмотря на некоторое отставание развития отрасли от намеченного плана, распространение электрокаров в России впечатляет своими темпами, и отчет от аналитического агентства «Автостат» подтверждает это: в первые 8 месяцев 2023 года электрокары составляли долю в 1.2% от всех продаж легковых автомобилей, что втрое больше доли, которая фиксировалась в том же периоде 2022 года. Согласно данным того же «Автостата» в 1-м квартале 2023 года четверть всех электрокаров в России составляли именно отечественные модели от марок «Evolute» и «Москвич». Динамика распространения электромобилей России в целом может быть выражена следующей диаграммой:
Виден возрастающий тренд на протяжении всего периода и локальный резко возрастающий тренд на протяжении всего 2023 года. В целом, можно сказать, что наблюдается положительная динамика развития исследуемой отрасли на территории нашей страны. В связи с этим стоит помочь ей, и одним из возможных способов для этого – внедрение ИТ-решений, способных предоставить возможность в управлении инфраструктурой ЭЗС наиболее комфортным образом для пользователей, владельцев электротранспорта.
Преграды для запуска «электричек» в России
Своя специфика в России, связанная с эксплуатацией электротранспорта, конечно, есть. Начнем с самого очевидного: влияние температуры окружающей среды на работу аккумулятора. Стоит упомянуть, что на данный момент времени, согласно мнению экспертов, стоимость “батарейки” может составлять до 40% стоимости всего электрокара. По этой причине большое внимание уделяется совершенствованию технологий работы аккумуляторных батарей, а также разработке сложных BMS (“Battery management system” - система управления аккумуляторной батареей), поддерживающих необходимые безопасные условия для функционирования аккумуляторов в электромобилях, в том числе и диапазон температур, обеспечивающий их эффективность и предотвращающий преждевременную деградацию.
Критики электротранспорта часто ссылаются на особенности российского климата как основополагающую преграду к адаптации этой технологии в нашей стране, часто припоминая обидные случаи скоропостижной разрядки их первых смартфонов зимой (особенно, по моим личным наблюдениям, такой проблемой страдал Apple из солнечной Калифорнии). Однако, наука не стоит на месте: технологии работы как аккумуляторов, так интеллектуальных систем управления ими продвинулись вперед. Результатом таких прорывов стали заявления отечественных экспертов о том, что около 70% населения России проживает в климатических поясах, в которых нынешние технологии позволяют эксплуатировать электротранспорт.
Еще один аргумент, который можно часто услышать из уст критиков электротранспорта, заключается в недостаточном уровне сети ЭЗС на территории России. В этом есть доля правды, тем не менее данный фактор не является непреодолимым как, например, климатические условия. В любом случае, на начало 2024 года карта электрозаправок густонаселенной европейской части России выглядит следующим образом:
Особого внимания заслуживает количество ЭЗС в мегаполисах. Текущие мощности вполне позволяют начать плавную адаптацию электротранспорта в пределах больших городов страны.
Кстати, весомым аргументом в пользу адаптации электротранспорта в России может служить и тот факт, что многие зарубежные автоконцерны-гиганты делают заявления о прекращении производства привычных автомобилей с двигателями внутреннего сгорания на горизонте 5–10 лет (далее - ДВС). В планах немецкого концерна «Mercedes-Benz Group» с 2025 года производить только электромобили. Об аналогичных амбициях в пределах рынка Европы, реализация которых планируется быть начатой в 2023 году, заявили и такие именитые производители, как Renault Group, Ford и Volvo. Помимо этого, Китай, который, согласно статистике, является мировым лидером по производству и экспорту электрокаров, также будет готов представить свою конкурентоспособную продукцию. В таком случае в голове вырисовываются два сценария:
В будущем санкционное давление на Россию ослабнет, но возникнет ситуация, при которой ранее популярные бренды просто уже не смогут поставлять привычные автомобили с ДВС в связи со сменой их ориентиров. При единственно возможном импорте электрокаров сеть ЭЗС должна быть достаточно развитой и готовой обслуживать возрастающие мощности. При усложнении инфраструктуры будет возрастать необходимость в предложении инновационных ИТ-решений, способных предоставить дополнительные возможности в управлении ею.
В обозримом будущем санкционное давление все-таки не ослабнет, и поставки транспортных средств не начнутся... В таком случае дефицит легковых автомобилей на рынке сподвигнет отечественное производство к проектированию новых моделей для удовлетворения возрастающего спроса физических и юридических лиц. А зачем пытаться создавать инновационный автомобиль с ДВС, если можно оседлать волну “хайпа” и заняться более тщательной разработкой отечественных электрокаров? При возрастающих объемах реализации электромобилей на собственном рынке сеть ЭЗС должна быть достаточно развитой и готовой обслуживать возрастающие мощности. При усложнении инфраструктуры будет возрастать необходимость в предложении инновационных ИТ-решений, способных предоставить дополнительные возможности в управлении ею.
P. S. Заметили некоторую схожесть в конечных пунктах маршрутов в 2-ух приведенных сценариях?
Таким образом, если не брать в расчет внешние факторы, в том числе введенные санкции и логистические ограничения для поставок компонентов, то в сфере электротранспорта внутри у России 2 беды: климат и инфраструктура. Эти две специфики - те самые преграды, попытки нивелировать эффект которых будут описаны в данной статье. Как говорилось ранее, одним из путей к увеличению комфорта владельцев электрокаров может быть предоставление им возможности в заблаговременной броне попутных ЭЗС под свои личные нужды, а для этого необходимо уметь как строить маршруты с учетом текущей зарядной сети и ее характеристик, так и учитывать влияние температуры окружающей среды при их прохождении. В итоге, ожидаемым результатом будет веб-сервис, который может позволять принимать запросы пользователей на бронирование временных окон для зарядки своей техники, а также предлагать доступные альтернативы в расписании с учетом броней других водителей. Достижение этой цели требует выполнения 2-ух этапов: разработка метода управления ЭЗС и непосредственная программная реализация предлагаемого метода.
Адаптация метода управлением бронями ЭЗС
Этап 1. Обзор международного практического опыта
После столь большой преамбулы, целью которой было доказательство актуальности решаемой проблемы, перейдем непосредственно к процессу разработки веб-сервиса. У инженеров есть такое правило: “Не изобретай велосипед”, поэтому посмотрим на уже собранные “велосипеды”, которыми в нашем случае являются успешные практики, и попробуем перенять успешный опыт.
Для начала нужно понять, как можно моделировать окружающую среду, в которой функционирует сеть ЭЗС. Обратим внимание на практическое исследование, проведенное индийскими специалистами, целью которого является предложение распределенной системы «S2RC» (Smart Search of Route and Charging) (Ashwani Kumar et al., 2022). Она способна предложить гибкий подход к бронированию электронных зарядных станций с оптимальными маршрутами с применением метода минимизации трех параметров: количество электроэнергии, необходимое для достижения выбранной ЭЗС, продолжительность ожидания доступности ЭЗС, а также стоимость процедуры зарядки электротранспортного средства на выбранной ЭЗС. Основной идеей системы является представление населенного пункта или города, в котором находится электротранспортное средство, точное местоположение которого определяется с помощью GPS-сервисов в системе, в качестве полного ориентированного графа с вершинами на перекрестках дорог и зарядными станциями. Данная интерпретация городского пространства позволяет представить совокупность ЭЗС, начальной и конечной точек маршрута в качестве вершин полного ориентированного графа, что помогает сделать процесс моделирования дискретным и предоставляет возможность в использовании методов теории графов. Все это, в свою очередь, приводит к получению массива допустимых маршрутов от точки местоположения электрокара до желаемого водителем пункта назначения с учетом минимизации ранее перечисленных параметров. Таким образом, строятся один оптимальный маршрут и два субоптимальных, один из которых может быть выбран водителем при отказе от оптимального:
Стоит отметить, что авторы в своей статье полагались не на минимизацию одного из ранее перечисленных критериев, а на многокритериальную оптимизацию. По мнению исследователей, частичный или полный конфликт при многокритериальной оптимизации может быть разрешен с помощью введения коэффициентов для каждого параметра, величина которых настраивается исходя из личных интересов и предпочтений пользователя. Они также используются в полной декомпозиции математической модели:
В работе китайских исследователей (Yong Wang et al., 2023) используется подход, отличный от прошлого: в нем не используется разбиение местности на полный ориентированный граф с вершинами на перекрестках дорог и ЭЗС, а также в нем применяется не прямой перебор альтернатив маршрутов для поиска оптимального маршрута, а эволюционные алгоритмы, обеспечивающие более направленный и быстрый поиск оптимальной комбинации параметров. Основной проблемой, решаемой в этом исследовании, является оптимальное назначение электротракам клиентов для доставки и динамическое построение маршрутов для них с учетом необходимости получения заряда на станциях с последующим возвращением в депо после выполнения задачи. Система уравнений математической модели и ограничений составляет функцию приспособленности, которая обеспечивает более направленный отбор в рамках эволюционного программирования. Функция для многокритериальной оптимизации включает в себя 5 параметров, а также 21 ограничение, входящие вместе с ней в систему уравнений. В связи с обширным математическим аппаратом, используемым в данном исследовании, сфокусируемся только на верхней декомпозиции оптимизируемой функции, которая раскрывает основные параметры системы, с которыми проводятся манипуляции:
Построение маршрутов осуществляется путем использования биологических операторов кроссовера, мутации, инверсии и других видов для изменения генов (точек маршрута) с целью получения новых хромосом (совокупности генов, то есть полных маршрутов), наиболее удовлетворяющих введенной функции приспособленности.
Конечно же, также стоит обратить внимание и на отечественный практический опыт в области маршрутизации, например, на крайне популярный в России картографический сервис “Яндекс.Карты”. В документации веб-сервиса указывается, что “под капотом” у него работает популярный алгоритм Дейкстры. Несмотря на свой солидный возраст, его ядро по-прежнему используется во многих ИТ-решениях транспортного сектора, в том числе и в отрасли электротранспорта (Saleh Aghajan-Eshkevari et al., 2023) (Zhenyu Mei et al., 2023) (Seyed Sajjad Fazeli et al., 2023). Алгоритм Дейкстры полагаются не на перебор, а на выбор оптимальной из возможных частей пути в каждый из моментов времени следования по маршруту. Его принципом является поэтапное формирование такого пути, веса вершин на протяжении которого обладают наименьшей суммой из всех возможных альтернатив в графе.
Все прошлые приведенные статьи главным образом затрагивали проблему построения маршрутов и резервации ЭЗС, но не рассматривали детали, связанные с управлением разными бронями, оформленными ранее и назначенными на одну из зарядных станций. В рамках рассмотрения подходов для построения оптимального расписания резерваций сессий зарядки электрокаров для начала обратимся к исследованию румынских экспертов (Radu Flocea et al., 2022). В данной статье упоминается такая проблема как «наслоение» броней, что создает очереди перед зарядными станциями, ведущие к снижению уровня удовлетворенности сервисами владельцев электрокаров. Во избежание таких случаев авторы предлагают простую математическую модель, применение которой позволит выстроить окна резервации таким образом, чтобы их периоды шли последовательно, а не параллельно друг другу.
Также стоит обратиться к опыту китайских ученых (Yisheng An et al., 2023). В данной статье рассматривается вопрос разработки системы планирования брони зарядной станции путем применения алгоритмов роя частиц для оптимизации. Здесь особо интересен подход при моделировании окружения, который отличается о тех, что были представлены в предыдущих работах. Он заключается в рассмотрении слотов для зарядки как отдельных объектов анализа. Этот взгляд вполне логичен: несколько электротранспортных средств могут заряжаться на одной зарядной станции при наличии у нее нескольких выходов.
Этап 2. Формирование перечня параметров эксплуатации ЭЗС
Теперь пришла очередь рассмотреть параметры ЭЗС, чтобы сформировать перечень критериев, которые определяют совместимость процесса их эксплуатации для отдельных технических характеристик электротранспортного средства владельца и его предпочтений.
1) Тип коннектора
Здесь все предельно просто: есть несколько видов коннекторов, которые подходят соответствующим им типам разъемов гнезд у электрокаров. Именно тип коннектора определяет техническую совместимость отдельных ЭЗС с электромобилями. Соответственно, рассматриваемый параметр также используется в процессе фильтрации подходящих для пользователя ЭЗС. Например, согласно каталогу российского производителя зарядных станций для электромобилей и программного обеспечения для работы зарядной инфраструктуры «TOUCH», существует следующая классификация типов штекеров:
2) Тип электрического тока
Мощность, поступающая из электрической сети, всегда является переменным током, но аккумуляторная батарея электромобиля может принимать только постоянный ток. Основное различие между зарядной станцией с переменным и постоянным током заключается в месте преобразования переменного тока. Его можно преобразовать как снаружи (преобразователь станции), так и внутри автомобиля (бортовое зарядное устройство электромобиля). ЭЗС с постоянным током обычно больше по габаритам, так как ранее упомянутый преобразователь находится внутри них, и стоят они дороже, а их установка отличается большей стоимостью, потому что требуются подключение к электрической сети с высокой мощностью и внедрение дополнительных элементов активного охлаждения, что, главным образом, сказывается на конечной стоимости потребляемой электроэнергии для потребителя в связи с большим периодом окупаемости. Однако главным преимуществом зарядных станций с постоянным током является скорость зарядки: она больше, чем у устройств с переменным током, так как преобразование тока происходит в зарядной станции, минуя бортовое зарядное устройство автомобиля: он сразу достигает аккумулятора электротранспортного средства, что экономит временные ресурсы. Стоит отметить, что, как показывает опыт, между переменным и постоянным током существуют отличия в форме кривой зарядки:
3) Максимальная выходная мощность
*Самое время вспомнить физику 8-го класса:
На самом деле, этот параметр напрямую связан с прошлым: у ЭЗС с постоянным током выходная мощность выше, чем у агрегатов с переменным. Как правило, в контексте зарядки аккумуляторов данный показатель измеряется в кВт. Именно по этой причине ЭЗС с постоянным током заряжают электрокар быстрее. Объясняется данная закономерность простым отношением:
Зарядные станции с переменным током и пониженной мощностью, как правило, устанавливают в пределах городской черты, где есть возможность оставить электротранспортное средство на зарядке на больший период времени и заняться каким-либо досугом. ЭЗС с постоянным типом тока и повышенными показателями мощности чаще всего внедряют на трассах, где существует необходимость в оперативной зарядке электрокара для продолжения следования по длительному маршруту.
4) Число выходных кабелей
Все просто: у одной зарядной станции может быть несколько выходных кабелей. Они также могут обладать разными типами коннекторов с целью расширения спектра моделей электрокаров, подходящих для обслуживания. Этот параметр можно назвать некоторой “пропускной способностью” отдельно взятой ЭЗС. Особое внимание стоит уделить тому факту, что люди на самом деле бронируют выходные кабеля, нежели саму ЭЗС. Такой подход уже был рассмотрен в одной из приведенных научных работ ранее (Yisheng An et al., 2023).
5) Стоимость потребления 1 кВт
Стоимость сессии зарядки электромобиля часто рассчитывается из расчета потребленных кВт, а на формирование тарифов влияют местоположение зарядной станции, сложность интеграции с локальным участником инфраструктуры, число имеющихся у нее слотов, мощность, вид используемого тока, перечень имеющихся коннекторов, а также и другие факторы, связанные с амортизацией оборудования и ожиданиями владельца по величине доходности.
Этап 3. Формирование перечня внутренних факторов влияния на эксплуатацию электрокаров
Теперь сместим наше внимание на параметры самих электрокаров. Для начала посмотрим на внутренние факторы эксплуатации электромобилей, которые обусловлены текущими техническими характеристиками электротранспортного средства.
1) Тип разъема гнезда для зарядки
Этот параметр электромобиля напрямую связан с другим параметром ЭЗС, типом коннектора, так как их совместимость обеспечивает техническую возможность инициализации сессии зарядки аккумулятора. Однако стоит заметить, что технические характеристики электрокара не всегда определяют его коммуникабельность с зарядной станцией по той причине, что его владелец может обладать дополнительным переходником, служащим промежуточным звеном между разными коннектором и зарядным гнездом. Именно по этой причине, возможно, следует предоставить выбор разъема гнезда для зарядки самому пользователю, нежели полагаться на заводские параметры модели электротранспортного средства.
2) Расход электроэнергии на 100 км пробега
Рассматриваемый параметр является важным и для привычных автомобилей с ДВС. Данная характеристика отражает, сколько заряда аккумулятора необходимо потратить, чтобы преодолеть дистанцию, длинною в 100 км, без остановок. Данное заявление можно выразить простой формулой:
Этот параметр помогает в определении величины предельно допустимой протяженности пути при текущем фиксируемом уровне заряда аккумулятора, то есть он характеризует физическую возможность достижения предполагаемой точки электротранспортным средством с имеющегося у него на это ресурсами. Эта информация крайне полезна в процессе построения маршрута с включением в него какой-либо ЭЗС в связи с тем, что она может определить возможность достижения. И да, он очень сильно зависит от внешних факторов среды, которые будут рассмотрены позже.
3) Текущий уровень заряда аккумулятора
Этот параметр критически важен, так как он определяет возможность продвижения электротранспортного средства на конкретную величину расстояния в зависимости от расхода электроэнергии на 100 км пробега. Измеряется этот показатель в единице измерения под названием «кВт-ч». Рассчитывается с помощью простого отношения:
Кстати, этот показатель тоже зависит от внешних факторов среды, которые будут рассмотрены позже.
4) Емкость аккумуляторной батареи
Этот параметр является условно постоянным и регламентирован заводскими характеристиками модели электрокара, и он необходим для расчета запаса хода после осуществления процедуры полной цикла зарядки на ЭЗС. Он может выражаться как в единице измерения «А-ч», так и в уже привычной «кВт-ч». На данный момент времени, согласно статистике, большинство электрокаров используют литий-ионные аккумуляторы, которые восприимчивы к показателям температуры внешней среды, о чем поговорим позже.
Этап 4. Формирование перечня внешних факторов влияния на эксплуатацию электрокаров
Как я писал ранее, на некоторые параметры функционирования электрокаров также влияют внешние условия, при которых они эксплуатируются. Эти факторы тоже необходимо моделировать с целью определения их количественной меры влияния на исследуемый процесс.
1) Дорожно-транспортная обстановка
В качестве составляющих элементов, влияющих на дорожно-транспортную обстановку, можно назвать пробки, аварии, ремонт дорожного покрытия, гололед и другие дисфункции, которые нарушают протекание привычного процесса движения трафика. Они способны повлечь за собой увеличение времени прохождения маршрута и объема потребляемой для его преодоления электроэнергии, что будет иметь непосредственное влияние на выбор подходящих ЭЗС и механику построения пути исходя из ранее перечисленных условий. Фиксировать такие факторы и рассчитывать эффект от их существования в таком показателе, как время прохождения маршрута, могут распространенные картографические сервисы. Например, наиболее популярными примером могут служить опять же «Яндекс.Карты» со встроенными функциями по отслеживанию пробок, ремонта дорог и аварий, имеющих место быть на дорожно-транспортной инфраструктуре в пределах конкретной местности.
2) Метеорологические условия
Этот фактор способен оказывать непосредственный эффект на работу аккумулятора: он может изменять продолжительность процедуры зарядки, а также увеличивать расход электроэнергии, тем самым уменьшая максимально допустимую протяженность маршрута при текущих показателях уровня заряда аккумулятора. Увеличение потребления электроэнергии электротранспортными средствами при отклонениях в двух направлениях от оптимальных показателей температуры воздуха происходит из-за необходимости систем электрокара в выделении отдельного объема электричества для охлаждения или прогревания салона и аккумулятора с целью обеспечения продолжения движения.
Для определения влияния температуры окружающей среды на расход электроэнергии во время движения стоит обратить внимание на научную статью британского ученого (Safak Bayram, 2021), который отмечает, что соответствующие данные выводятся им с помощью проведения эмпирических экспериментов. Таким образом, в этой работе предоставляется графическая интерпретация проведенного регрессионного анализа между двумя величинами для разных моделей электрокаров:
С помощью применения функции polyfit() из numpy на языке программирования Python можно осуществить аппроксимацию этих парабол, основанную на использовании метода наименьших квадратов. После приведения потребления электроэнергии к единице измерения к «кВт-ч/км» оно выглядит следующим образом:
Помимо увеличения потребления объема электроэнергии при движении по маршруту, метеорологические условия также оказывают влияние на процесс зарядки электротранспортного средства. Во время неблагоприятной температуры воздуха система управления аккумулятором в электрокарах снижает темп приема электроэнергии, чтобы избежать нанесения урона батарее во время процедуры зарядки, что влечет за собой увеличение продолжительности цикла процесса зарядки.
Сразу стоит упомянуть, что в области электротранспорта существует правило «20-80» (Hertz System, 2021), которое гласит, что стоит поддерживать уровень зарядки аккумулятора не менее 20% и не более 80%. Это позволит сохранить «здоровье аккумулятора». Именно по этой причине предельная емкость зарядки аккумулятора будет считаться за 80% от его заявленной максимальной емкости.
Согласно проведенному исследованию опять же британских специалистов (Murat Senol et al., 2023), в котором за референтную модель электрокара был взят Nissan Leaf, графическая интерпретация зависимости продолжительности сессии зарядки c постоянным током (быстрая зарядка - Level 3) от принятого объема электроэнергии при разных температурах исходя из технических характеристик этой модели выглядит следующим образом:
Как можно заметить, природа такой зависимости нелинейна, поэтому изначально для ее аппроксимации использовалась многомерная полиномиальная регрессия, которая из-за механики своей работы была иногда склонна к выдаче нерелевантных прогнозов, характеризующихся отрицательными значениями. Регрессионные модели, построенные на деревьях решений, в свою очередь, были склонны к большой степени сглаживания значений прогноза. Таким образом, одним из наиболее подходящих инструментов определения природы регрессии для решения такой задачи оказывается нейронная сеть, построенная с помощью Python-библиотеки «TensorFlow» cо стандартным масштабатором входных данных из Python-библиотеки «StandardScaler». Данная модель обладает импровизированной структурой «воронки», обучается на 120 эпохах с разбитием на обучающую, валидационную и тестовую выборки в пропорциях 0.70, 0.15, 0.15 соответственно:
Таким образом, можно увидеть, что на 100-й эпохе получается наиболее точный прогноз, который демонстрирует наименьшую ошибку на валидационной выборке. Именно эта версия нейронной сети обучается уже на полном наборе данных и сохраняется вместе с прилагающимся к ней предобученным стандартизатором данных в форматах «pickle» для дальнейшего использования. Просто обойдемся условным обозначением:
Также в этом исследовании (Murat Senol et al., 2023) предоставляется графическая интерпретация зависимости уровня мощности электрического тока на протяжении всего цикла зарядки на переменном токе (медленная зарядка - Level 1 и Level 2) при разных температурах:
Можно заметить, что на существенном отрезке сессии медленной зарядки мощность тока остается постоянной и несильно зависит от температуры окружающей среды: есть только небольшие отличия в паттернах этой величины под конец процедуры, во время которого свойственно ее постепенное снижение.
Помимо того, что правило «20-80» (Hertz System, 2021) направлено на продление «жизни» аккумулятора, в нем также есть «временной» момент. Дело в том, производители электрокаров в целях снижения степени износа аккумулятора технически программируют BMS на принятие только, согласно данным, около 50% от поступающей мощности тока от зарядки, когда уровень его заряда меньше 20% или больше 80%. В связи с этим можно предположить, что продолжительность зарядки переменным током может быть рассчитана следующим образом:
3) Стиль вождения (дополнительно)
От того, как водитель водит свой электрокар, также зависит расход электроэнергии. Данный тезис подтверждается практическим исследованием, занимающимся установлением взаимосвязи между стилем вождения электротранспортного средства и объемом потребления имеющейся у него электроэнергии во втором по численности городе Великобритании – Бирмингеме (Yazan Al-Wreikat, et al., 2021). Исходя из величины параметра, характеризующего число мгновенных ускорений электрокара на всем протяжении заданного маршрута, удается выделить 3 категории наблюдаемого стиля вождения: пассивный, умеренный и агрессивный. Сопоставление потребляемой единицы объема электроэнергии на километр и категории стиля вождения позволяют построить следующую столбчатую диаграмму:
Моделирование данного фактора лежит в области задач нечеткой логики, лингвистическими переменными в пределах которой являются те самые 3 ранее выделенные категории стиля вождения. Тем не менее, в рамках нашего исследования мы опираемся в некоторые ограничения: необходимости привлечения экспертов на стадии фазификации с целью построения функции принадлежности, а также отсутствия дополнительных технических средств для ознакомления с характером управления электротранспортным средством его владельцем. По этой причине в рамках этой работы этот фактор учитываться не будет.
Заключение
Вот и настал конец первой части данной статьи. В ней рассматривались обоснование начала работы над созданием веб-приложения и теоретические основы, на которых будет базироваться метод управлением бронями ЭЗС.
Во второй части статьи будет затронута непосредственно практическая часть данной работы. Будут описаны процесс построения математической модели на основе уже рассмотренных теоретических аспектов и непосредственная программная реализация разработанного метода управления бронями ЭЗС с последующим экономическим обоснованием ИТ-решения.
Делитесь своими мнениями об этой статье в комментариях и расскажите вообще, как вам электрокары?
*Читайте продолжение во второй части: https://habr.com/ru/articles/803743/.