Tjeneste for datadrevet optimalisering av batterielektriske transportmidler – planlegging og overvåking

Batteri forbruk i elektrisk kjøretøy varierer etter forholdene. I motbakker bruker kjøretøyet mer strøm enn på flat vei, noe som øker forbruket. I nedoverbakker brukes ikke strøm, og i de fleste tilfeller vil kjøretøyet lader batteriet litt. Underveis har man oppvarming eller kjøling på, radio, skjerm og andre tilbehør som alle bruker strøm og tærer på kjørelengden til kjøretøyet. Disse også påvirker forbruket. I tillegg er det velkjent at elektriske kjøretøy bruker mer strøm når batteriene er kalde, og i sommer månedene kan man kjører mye lengre med det samme ladenivå. Siden den totale vekten på kjøretøyet også spiller en rolle med batteriforbruk så er dette også signifikant når man skal se på forventet forbruk. Busselskapene er avhengig av å kunne planlegge drivstoff forbruk og for elektriske busser planlegge hvor mye av batterikapasitet som blir brukt opp under kjøring. Man har hatt lang erfaring med busser som går på fossildrivstoff, men batteridrevet busser er relativ nye og krever nye kompetanse. Busselskapene er avhengig av å vite hvor mye batteriene må lades for å kunne kjøre dagens planlagte aktiviteter, samt lade under de mest økonomiske forholdene. Prosjektet OPTBET er et forskningsprosjekt der SagaTenix og NORCE jobber sammen. Vi har utviklet AI metoder som beregner batteriforbruk for elektriske busser under alle forholdene man kan møte gjennom året. I prosjektet har vi brukt data fra bussene som har kjørt rutene for å få erfaring om forbruk under alle forholdene. Sensor data fra bussen er tilgjengelig til operatørene og samles inn for å kunne trene et lærende system til å lære bussens egenskaper. Kjøreruten tas hensyn til og data fra Kartverket brukes for å beregne effekten av oppover og nedover bakker. Årstid og tid på dagen også brukes for å få et bedre resultat siden temperatur og passasjer tall vil variere under visse forhold. Resultatet er også forbedret ved å bruke temperatur fra værmeldingen. Resultatene vises å være bra og mye bedre enn å forholde seg til kjøretøyets dashboard indikator. Resultatet fra prosjektet er en modul som SagaTenix bruker videre i prototyping av nye systemer, og som kan gi busselskapene bedre tillit i planlegging av rutene for elektriske busser.

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?