Damos grande importância à proteção de dados e por isso utilizamos os dados que nos forneces com todo o cuidado. Pode tratar os dados que nos forneces no seu dashboard pessoal. Encontrará os nossos regulamentos completos sobre protecção de dados e esclarecimento dos seus direitos no nosso nota de privacidade. Ao utilizar o website e as suas ofertas e ao nevegar no mesmo, aceita os regulamentos do nosso aviso de privacidade e os termos e condições.
Com base nos dados disponíveis, foram modelados os padrões de utilização dos tipos de veículos mais comuns, a fim de estimar o seu consumo de energia e os locais de estacionamento. Estes dados serviram de base para a modelação da procura de carregamento em cada local, partindo do princípio de que todos os veículos serão um dia electrificados.
O desafio consistia em prever a procura de carregamento no futuro, incluindo todos os modos de mobilidade disponíveis na cidade de Espoo. Os dados de carregamento disponíveis são muito escassos e não são representativos do que se pode esperar daqui a 10 ou 20 anos. A procura de carregamento pode ser prevista através de simulações de veículos, mas uma simulação detalhada de todos os veículos que operam na cidade não foi possível na prática devido à falta de dados suficientes, bem como à elevada carga computacional que uma tal simulação criaria.
Os dados estatísticos sobre a utilização de veículos foram recolhidos de várias fontes. O resultado de um modelo de transporte baseado em actividades foi utilizado para obter dados sobre os veículos de passageiros, enquanto os horários dos transportes públicos foram utilizados para os autocarros e as contagens de tráfego para os camiões. Com base nos dados, formou-se um conjunto de padrões de mobilidade prováveis para os veículos e estimou-se aproximadamente a necessidade de energia de cada veículo. O padrão temporal da procura de carregamento foi então formado utilizando um algoritmo de otimização baseado em grafos e com o objetivo de recarregar cada veículo no instante de tempo mais optimizado. Foram avaliados cenários com diferentes curvas de preços e diferentes níveis de potência de carregamento utilizando a metodologia desenvolvida.
