У цій сфері вже є кілька хороших рішень. У червні компанія NOW GmbH оприлюднила план будівництва 350 швидких зарядних станцій для вантажівок. Моделювання попиту для визначення ідеальних місць для зарядки, ґрунтується на актуальних даних про рух комерційних транспортних засобів та розвиток ринку, зібраних під час інтерв’ю з виробниками транспортних засобів. Однак планування на основі попиту ускладнюється тим, що дані, які зараз збираються, в основному стосуються експлуатації дизельних автомобілів. Тим часом, щоб оптимально використовувати зарядну інфраструктуру, її потрібно планувати, виходячи з потреб і специфіки пересування електромобілів, які дуже різняться.
Планування майбутніх маршрутів на основі даних
Отже, перший крок – зрозуміти відмінності в експлуатації електромобілів. Окрім таких елементів, як: вікна поставок, тривалість зміни та періоди відпочинку водія, необхідно враховувати й інші аспекти, такі як дальність пробігу електромобілів, обмеження вантажопідйомності через важчі акумулятори, місця та час зарядки або мережеві обмеження. Гармонізувати все це можливо лише за допомогою цифрової системи та використання штучного інтелекту (AI) і машинного навчання (ML). Це вимагає комплексного збору та аналізу даних – як операційних, так і з транспортних засобів, поведінки водіїв та зарядних станцій.
Одним з найбільших викликів є запас ходу та час заряджання електричних вантажівок. Вони впливають на планування всієї логістики і вимагають точної та динамічної оптимізації маршрутів. Цей діапазон значною мірою залежить від різних факторів, таких як завантаження, поведінка водія та погодні умови. На відміну від дизельних вантажівок, які можна швидко заправити на будь-якій заправці, електромобілі потребують більш тривалої і частої підзарядки, що ускладнює планування (їхніх зупинок – прим. ред.). Системи на основі штучного інтелекту можуть відстежувати ці змінні в режимі реального часу і відповідно коригувати їх. Вони можуть, наприклад, передбачити, коли і де автомобіль потребує підзарядки на основі поточного розряду акумулятора та умов водіння. Це допомагає уникнути несподіваних збоїв і максимально збільшити час безвідмовної роботи. Такі моделі, які навчаються на даних з експлуатації електромобілів, також можуть бути використані для прогнозування того, де ці вантажівки потребуватимуть зарядки в майбутньому. Це означає, що зарядну інфраструктуру можна планувати відповідно до попиту.
Ще один аспект, який варто взяти до уваги – синхронізація часу зарядки з встановленими законом періодами відпочинку водіїв. Саме тут в гру вступає штучний інтелект, для оптимального планування. Завдяки цьому можна не лише скоротити час простою транспортного засобу, але й забезпечити ефективне використання водіями перерв у роботі.
Це також означає, що при плануванні зарядної інфраструктури важливо переконатися, що у водіїв є простір для відпочинку та необхідної перерви.
Вимоги до місця розташування: станції – це більше, ніж просто електричні з’єднання
Тому цифрові інструменти, такі як штучний інтелект і машинне навчання, можуть бути використані для визначення того, де зарядні станції дійсно будуть потрібні в майбутньому.
Безумовно суттєвим чинником є також місцева електромережа, яку слід брати до уваги. Необхідно переконатися, що вона може впоратися зі збільшеним навантаженням, наприклад, встановивши системи накопичення енергії, щоб впоратися з піковими навантаженнями. Іншим способом зменшити навантаження може бути використання відновлюваних джерел енергії, наприклад, встановлення сонячних панелей на об’єкті.
Крім того, в ідеалі, зарядні станції повинні будуватися окремо від зон, призначених для автомобілів, таких як паркінги на автомагістралях (мова йде про німецькі Raststätte, тобто автостоянки з повною інфраструктурою, тобто станцією, магазинами, ресторанами).
Оскільки наразі немає спеціальної інфраструктури для зарядки вантажівок, тягач і напівпричіп часто доводиться роз’єднувати, а потім водій під’їжджає на тягачі до доступної зарядної станції. Це створює величезну загрозу безпеці в перевантажених зонах обслуговування подорожуючих вздовж автомагістралей.
Після того, як всі ці аспекти будуть враховані, а ідеальні локації знайдені, постає питання вартості. Наразі зарядка в дорозі значно дорожча, ніж зарядка на території підприємства. Для того, щоб знизити ціну, політики повинні вжити відповідних заходів щодо цього питання, співпрацюючи з компаніями, які можуть надати їм відповідні дані. У той час як політики повинні забезпечити, щоб доплати вплинули на ціну на зарядних станціях або знизити витрати для дистриб’юторів іншими способами, наприклад, надаючи місце безкоштовно, компанії можуть використовувати цінні дані та аналітику на основі штучного інтелекту, щоб допомогти знайти найкращі місця для зарядних станцій для електромобілів. Таким чином можна отримати найбільшу вигоду, в майбутньому, від інвестицій в інфраструктуру зарядних станцій.
