Έμβλημα Πολυτεχνείου Κρήτης
Το Πολυτεχνείο Κρήτης στο Facebook  Το Πολυτεχνείο Κρήτης στο Instagram  Το Πολυτεχνείο Κρήτης στο Twitter  Το Πολυτεχνείο Κρήτης στο YouTube   Το Πολυτεχνείο Κρήτης στο Linkedin

28
Ιουλ

Παρουσίαση Διπλωματικής Εργασίας κ. Χρυσοστόμου Αρβανίτη - Σχολή ΗΜΜΥ
Κατηγορία: Παρουσίαση Διπλωματικής Εργασίας  
Τοποθεσία
Ώρα28/07/2023 10:00 - 11:00

Περιγραφή:

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Χρυσοστόμου Αρβανίτη

με θέμα

Βέλτιστη Διαστασιολόγηση και Τοποθέτηση Σταθμών Φόρτισης Ηλεκτρικών Οχημάτων με τη βοήθεια Εναέριας Επιτήρησης της Κυκλοφορίας

Optimal Sizing and Placing of Electric Vehicle Charging Stations using Aerial Monitoring of the Traffic

Εξεταστική Επιτροπή

Αναπληρωτής Καθηγητής Φώτιος Κανέλλος (επιβλέπων)
Καθηγητής Γεώργιος Σταυρακάκης 
Καθηγητής Παναγιώτης Παρτσινέβελος 

Περίληψη
    
Το φαινόμενο του θερμοκηπίου, έχει επιφέρει σημαντικές κλιματικές αλλαγές πυροδοτώντας μια αλυσιδωτή αντίδραση που απειλή την ανθρώπινη ύπαρξη. Τα οχήματα με μηχανές εσωτερικής καύσης, εκπέμπουν στο περιβάλλον διοξείδιο του άνθρακα (CO2) που είναι αέριος ρύπος που ενισχύει το φαινόμενο. Με την άνοδο του πληθυσμού του πλανήτη που συνδέεται από την αύξηση των οχημάτων με συμβατικούς κινητήρες γίνεται όλο και πιο επιτακτική η ανάγκη για την παραγωγή οχημάτων που δεν εκπέμπουν επιβλαβείς ρύπους. Αυτή η συνειδητοποίηση σε συνδυασμό με το γεγονός ότι τα αποθέματα πετρελαίου εξαντλούνται, οδήγησε τις αυτοκινητοβιομηχανίες στο να επικεντρωθούν στην παραγωγή ηλεκτρικών αυτοκινήτων που έρχονται με πλεονεκτήματα αλλά και μειονεκτήματα έναντι αυτών με μηχανές εσωτερικής καύσης. 
Στην διπλωματική εργασία ακολουθείται μέθοδος για την εύρεση των βέλτιστων σημείων τοποθέτησης σταθμών φόρτισης κατά μήκος του Βόρειου Οδικού Άξονα της Κρήτης (ΒΟΑΚ). Αρχικά, για τον υπολογισμό των ταχυτήτων των κινούμενων οχημάτων στον ΒΟΑΚ, έγιναν καταγραφές βίντεο με μη επανδρωμένο αεροσκάφος και από τα βίντεο αυτά εξάχθηκε το σύνολο δεδομένων που δόθηκε για εκπαίδευση των προεκπαιδευμένων βαρών του YOLOv5s.Στην συνέχεια, χρησιμοποιήθηκαν τα νέα βάρη για την ανίχνευση των οχημάτων στα βίντεο, σε συνδυασμό με την Opencv για την ανίχνευση κίνησης αυτών, σε γλώσσα προγραμματισμού Python, και τελικά εξάχθηκαν οι ταχύτητες των κινούμενων οχημάτων.
Σε επόμενο στάδιο, γίνεται η ενεργειακή αξιολόγηση για να εκτιμηθεί η κατανάλωσης ισχύος της μπαταρίας των οχημάτων σύμφωνα με τις δυναμικές τους εξισώσεις. Ο αριθμός των κινούμενων οχημάτων για κάθε ώρα της ημέρας υπολογίστηκε από έρευνα του υπουργείου υποδομών και συγκοινωνιών. Τα σενάρια είναι Χανιά-Ρέθυμνο, Ρέθυμνο-Ηράκλειο και Χανιά-Ηράκλειο. Οι ταχύτητα που αποδίδεται σε κάθε όχημα συνδέεται με τις πραγματικές ταχύτητες που υπολογίστηκαν από τα βίντεο ενώ το ποσοστό φόρτισης και άγχους συνδέονται με το αντίστοιχο σενάριο. Τελικά, εξάγεται το συμπέρασμα για το αν ένας οδηγός αναζητάει για σταθμό φόρτισης κατά μήκος του ΒΟΑΚ, με βάση το ποσοστό φόρτισης μπαταρίας και το ποσοστό άγχους του οδηγού από σύστημα ασαφούς λογικής (fuzzy). 
Στην συνέχεια, ρυθμίζοντας κατάλληλα για κάθε σενάριο τις παραμέτρους του PSO, υπολογίζονται τα βέλτιστα σημεία για την τοποθέτηση σταθμών φόρτισης, με βάση την συνάρτηση κόστους. Το πλήθος των φορτιστών υπολογίζεται από τον χρόνο φόρτισης και το πλήθος των οχημάτων σε κάθε σταθμό. 
Ανακεφαλαιώνοντας, η διπλωματική εργασία εστιάζει στην αποδοτικότερη τοποθέτηση σταθμών φόρτισης για τα παραπάνω σενάρια, χρησιμοποιώντας το σύστημα ασαφούς λογικής, που αναφέρθηκε παραπάνω, για την εκτίμηση του χιλιομέτρου που κάποιος οδηγός αναζητά σταθμό φόρτισης και τον αλγόριθμο Particle Swarm Optimization για την βέλτιστη τοποθέτηση σταθμών φόρτισης και του πλήθους των φορτιστών σε αυτούς.

Abstract 
    
Global warming has brought about significant climate change, triggering a chain reaction that threatens human existence. Vehicles with internal combustion engines emit carbon dioxide CO2, a gaseous pollutant that enhances the phenomenon, into the environment. With the rise in the world's population linked to the increase in vehicles with conventional engines, it is becoming increasingly imperative to produce vehicles that do not emit harmful pollutants. This realization coupled with the fact that oil reserves are running out has led automakers to focus on producing electric cars that come with advantages and disadvantages over those with internal combustion engines.

In this thesis, a method is followed to find the optimal locations for the placement of charging stations along the Northern Road Axis of Crete (NRAC). First, to calculate the speeds of moving vehicles on the NRAC, video recordings were made with a drone and from these videos the dataset was extracted to train the pre-trained weights of YOLOv5s. The new weights were then used to detect the vehicles in the videos, combined with OpenCV to detect their motion, in Python programming language, and finally the velocities of the moving vehicles were extracted.

In the next stage, an energy evaluation is performed to estimate the power consumption of the vehicle battery according to their dynamic equations. The number of moving vehicles for each hour of the day was calculated from a survey by the Ministry of Infrastructure and Transport. The scenarios are Chania-Rethymnon, Rethymnon-Heraklion and Chania-Heraklion. The speed assigned to each vehicle is linked to the actual speeds calculated from the videos while the charging and stress rate are linked to the corresponding scenario. Finally, an inference is drawn about whether a driver is looking for a charging station along the motorway based on the battery charge rate and driver anxiety rate by a fuzzy logic system.

Then, by adjusting the parameters of PSO appropriately for each scenario, the optimal locations for the placement of charging stations are calculated based on the cost function. The number of chargers is calculated from the charging time and the number of vehicles at each station. 

To summarize, the thesis focuses on the most efficient placement of charging stations for the above scenarios, using the fuzzy logic system, mentioned above, to estimate the mileage a driver searches for a charging station and the Particle Swarm Optimazion algorithm for optimal placement of charging stations and the number of chargers at them.

© Πολυτεχνείο Κρήτης 2012