بکارگیری مدل های ایستا در پیش بینی ظرفیت پارکینگ خودروهای الکتریکی در فناوری های سبز حمل ونقل

یکپارچه سازی خودروهای الکتریکی در شهرهای هوشمند، پارکینگ های عمومی را به هاب های پویا و اثرگذار بر شبکه توزیع سبز تبدیل کرده است. به واسطه توسعه و نفوذ این تکنولوژی، پیش بینی دقیق بار پارکینگ ها با قابلیت ارائه سرویس شارژ برای مدیریت تقاضای لحظه ای، کاهش پیک مصرف و بهره گیری بهینه از انرژی های تجدیدپذیر ضروری شده است. بر این اساس، در این مقاله عملکرد دو رویکرد متداول مدل سازی سری زمانی (آرما و آریما) با استفاده از داده های واقعی یک ایستگاه شارژ دانشگاهی ارزیابی و مقایسه شده است. نتایج بدست آمده از مدل سازی های عددی نشان می دهد که در سیستم های دارای رفتار تکراری و خاصیت بازگشت به میانگین، استفاده از تفاضل گیری در آریما موجب بیش تفاضل گیری و تقویت نویز می شود. این در حالی است که مدل های ایستا (آرما) با حفظ ساختار طبیعی داده ها عملکرد دقیق تر و پایدارتر (کاهش ریشه میانگین مربعات خطا و میانگین درصد مطلق خطا، توزیع خطای نزدیک به نرمال) ارائه می دهند. این یافته ها بیانگر آن است که برای طراحی سیستم های مدیریت انرژی برخط در پارکینگ های خودروهای الکتریکی، مدل های ساده و ایستا می توانند گزینه ای کارآمد و قابل اعتماد در راستای توسعه زیرساخت شارژ شهری پایدار باشند.

کلیدواژه ها:

خودروهای الکتریکی ، پیش بینی ، مدل سازی ایستا ، آرما ، آریما ، پارکینگ هوشمند ، مدیریت پایدار انرژی سبز