Hogeschool van Amsterdam

Intelligente Data-gedreven Optimalisatie Laadinfrastructuur

04. Simuleren

Simulatiemodellen, en in het bijzonder agent-based simulatie, worden met name gebruikt om meer complexe systemen zoals transportsystemen te begrijpen [59] [60]. Op basis van simulatiemodellen kunnen professionals de juiste voorzorgsmaatregelen nemen op realistische trends door het doorrekenen van reële what-if scenario’s. Dit kan partijen perspectief bieden om proactief te sturen en lange termijn beleid te formuleren. Een agent-based-model bestaat uit een aantal op elkaar inwerkende agents (hier EV-rijders) wier gedrag wordt gedefinieerd op basis van een reeks regels of vergelijkingen. Door toepassing van deze regels, en de interactie met andere agenten en hun omgeving kunnen diverse scenario’s worden doorgerekend om macro-schaal dynamiek te simuleren.

Modellen

Agent-based modellen worden nu al ingezet bij het simuleren van gedrag van elektrische auto’s en inzet in smart grids; in veel gevallen in combinatie met verkeerssimulatiemodellen [61] [62]. Maar voor het modelleren van laadgedrag in infrastructuur is dit nog beperkt gebeurd. Eén van de weinige initiatieven die gevonden zijn in de literatuur waar ook laadinfrastructuur wordt gemodelleerd is het TUM-CREATE-programma waar in een groot consortium van bedrijven en universiteiten in Singapore het systeem rond elektrische mobiliteit in tropische mega-steden is gesimuleerd. Hiertoe is een nauwkeurig simulatiemodel ontwikkeld (SEMSIM) [63], [61], waarin onder andere de autodynamiek, het gedrag van de bestuurder, maar ook het gebruik van de laadinfrastructuur is meegenomen. Binnen het consortium gebruiken andere groepen agent-based modellen ter simulatie om vehicle-to-grid-systemen en evaluatie van verschillende tol-systemen [64] [65]. Voor zover bekend is het een van de weinige programma’s waar agent-based modelling wordt ingezet om laadgedrag te simuleren.

Literatuurlijst

[59]

P. Bak, How nature works., Oxford: Oxford university press, 1997.

[60]

J. M. Epstein, „Generative Social Science: Studies in Agent-Based Computational Modeling.,” 20056.

[61]

H. A. a. M. L. Y. Xu, „SEMSim: A Distributed Architecture for Multi-scale Traffic Simulation,,” in ACM/IEEE/SCS 26th Workshop on Principles of Advanced and Distributed Simulation, 2012 .

[62]

H. Aydt, Y. Xu, M. Lees en a. A. Knoll, „A Multi-Threaded Execution Model for the Agent-based SEMSim Traffic Simulation,,” in Proceedings of the 13th International Conference on Systems Simulation (AsiaSim), 2013,.

[63]

E. Bonabeau, „Agent-based modeling: methods and techniques for simulating human systems.,,” in Proc. Natl. Acad. Sci. U. S. A.`, 2002.

[64]

M. J. Eppstein, D. K. Grover, J. S. Marshall en and D. M. Rizzo, „An agent-based model to study market penetration of plug-in hybrid electric vehicles,,” Energy Policy, vol. 39, p. 3789–3802, 2011.

[65]

R. J. Bessa, M. A. Matos, F. J. Soares en J. A. P. Lopes, „Optimized bidding of a EV aggregation agent in the electricity market,” IEEE Trans. Smart Grid, vol. 3, p. 443–452, 2013.

Gepubliceerd door  IDO-Laad 19 januari 2016