Tjeneste for datadrevet optimalisering av batterielektriske transportmidler – planlegging og overvåking

Battery consumption in electric vehicles varies according to outside conditions. On hills, the vehicle uses more electricity than on a flat road which increases consumption. On downhill slopes no electricity is used, and in most cases the vehicle will charge the battery slightly. Along the way, you have heating or cooling on, radio, screen and other accessories, all of which use electricity and affect the vehicle's range. In addition, it is well known that electric vehicles use more electricity when the batteries are cold, and in the summer months you can drive much longer with the same charge level. Since the total weight of the vehicle also plays a role in battery consumption, this is also significant when looking at expected consumption. The bus companies depend on being able to plan fuel consumption and, for electric buses, plan how much battery capacity is used up during driving. They have had long experience with buses that run on fossil fuel, but battery-powered buses are relatively new and require new expertise. The bus companies depend on knowing how much the batteries need to be charged in order to be able to run today's planned activities, as well as charging under the most economical conditions. The OPTBET project is a research project where SagaTenix and NORCE work together. We have developed AI methods that calculate battery consumption for electric buses under all conditions that can be encountered throughout the year. In the project, we have used data from buses that have driven existing routes to gain experience of consumption under all conditions. Sensor data from the bus is available to the operators and is collected to be able to train a machine-learning system to learn the characteristics of the bus. The driving route is taken into account and data from the Norwegian Mapping Authority is used to calculate the effect of uphill and downhill slopes. Season and time of day are also used to get a better result since temperature and passenger numbers will vary under certain conditions. The result is also improved by using the temperature from the weather forecast. The results are shown to be good and a vast improvement compared to the vehicle's dashboard indicator. The result of the project is a module that SagaTenix uses further in prototyping new systems, and which can give the bus companies better confidence in planning the routes for electric buses.

Virkninger: Saga Tenix AS har i løpet av prosjektet etablert seg som en ledende aktør innenfor intelligent lading av elektriske bussflåter i Norden som grunnlag for vekst i Europa. Store aktører som VY Buss, Tide, ConnectBus og Boreal er kunder av Tenix, og har høy tillit til våre løsninger for elektriske kjøretøy. Tilbakemelding fra transportoperatører er at Tenix Charge bidrar til en mer effektiv og miljøvennlig ladeoperasjon. I tillegg sikrer løsning høyere grad av driftsstabilitet som også er viktig for samfunnets tillit til elektrifisering av busser og varebiler. Flere ansatte i Saga Tenix AS har opparbeidet seg en betydelig kompetanse og erfaring i datadreven modellering og maskinlæring. I tillegg har vi bygget erfaring i implementering av forskningsresultater i kommersielle produktet. I tillegg er Tenix ofte invitert til å holde innlegg om teknolog og løsninger på ulike konferanser – feks kollektivtransportkonferansen i Oslo vinteren 23/34. Effekter: Saga Tenix Charge er tatt i bruk av ca. 500 kjøretøy (busser og lastebiler) i Norge. Løsningen er knyttet til selskapenes planleggingssystemer for rutekjøring samt til Nordpool for effektiv utnyttelse av strøm. Videre styrer ladeløsningen hvordan en flåte av kjøretøy lades effektiv ut fra planlagt kjøring og tilgjengelig kapasitet. I tillegg brukes resultatet fra dette prosjektet til å optimalisere hvor mye (SOC%) et spesifikt kjøretøy lades til for å kunne trygt gjennomføre dagens oppdrag. Resultatet er dermed med på å bidra til forutsigbare og stabile transportløsninger som planlagt. Dette ble også synlig i «vinterkaoset» i Oslo i januar 2024. Selskaper som benyttet Tenix sitt moderne planleggingsløsninger for elektriske busser hadde 9 av 10 busser i rute fordi de kunne planlegge effekten av de kalde været i god tid.

Klimautfordringene grunnet global oppvarming påvirker mer og mer vår hverdag. Det haster nå å redusere utslipp av drivhusgasser. For å redusere utslipp fra transportnæringen er det behov for å erstatte fossilkjøretøy med nullutslippskjøretøy. Dette medfører noen utfordringer for transportoperatørselskapene. For batterielektriske kjøretøy er hverdagen annerledes enn for tradisjonelle kjøretøy. Det er begrenset med batterikapasitet, og utnyttbar kapasitet endres med vær og føre. Å planlegge et rutenett, eller disponering av ressurser, er utfordrende når rammebetingelsene stadig endres. Per nå løses dette ved å overdimensjonere batteripakker og å prøve å ha gode marginer slik at ikke driftsavbrudd skal oppstå. Her er det planleggerens erfaring og grove overslag som gjerne ligger til grunn. Effekten av manglende verktøy er økt bruk av naturressurser i produksjon av ekstra store batteripakker for å ivareta fleksibilitet. Det kreves også at flere kjøretøy er i drift og beredskap for å sikre tilgjengelig kapasitet til å unngå driftsavbrudd. Vi ønsker å utvikle en tjeneste som styrker driftssikkerheten og reduserer ressursbruken. Tjenesten skal kunne forutsi forbruk på ruter ut i fra høydeprofil, vær, føre, trafikkbilde og last. Dette skal lette planleggingen og disponeringen av kjøretøy på kort sikt (dager) og lang sikt (år). Sentrale FoU-utfordringer er at sanntidsdata fra ulike kilder vil ha forskjellig tidsoppløsning, påvirkes usikkerheten til modellene? Når blir usikkerheten i prediksjonene blir for stor ved utfall av datakilder? Er det bedre å bruke en «black-box» til modellering av forventet forbruk eller å bruke additive modeller individuelle bidrag? Hvor store ensembler trengs for å få et godt estimat under ulike forhold?