An innovative utilization of space-time activity graph to integrate the electric vehicles into smart electrical networks

As the world is moving towards adopting more and more cleaner energy, it is evident that transportation sector is foreseeing a major shift. In the coming future countries worldwide are focusing on a complete ban on fossil fuel driven vehicles. Most of the vehicles dominating the market will be EVs. Not only the vehicles will be driven by electric motors and drives, at the same them it is to be ensured that the electricity used to fuel these vehicles is produced by Renewable Energy Sources. Hence there will be mass deployment of EVs along with the need to serve there charging demand. This in turn requires optimized grid planning and updated forecasting technique for better integration and to satisfy the charging demand of this mass EVs smoothly. With this mass EV adoption comes the need for better integration of this mass EV, that will be deployed in future, with the existing grid. The requirement for more advanced and adaptive techniques for predicting precisely in real-time the charging demand of the mass EV that will be coupled to the grid has become prominent. The constant balancing of generation and demand has become a prime area of concern for the Grid Managers Worldwide. The EVs act as an Active load connected to the grid in most of the cases. Keeping into account the fact that it is becoming a challenge to predict with precision the charging demand of the EVs, it has become evident that the there are various factors which affect the location and time at which these charging demands arise. These factors are majorly dependent on the fact that how an individual plan his activity throughout the day, which defines the exact time and location in order to fulfill the changing needs of the EV. Apart from the human behavior and the way they plan their journey for the day there are other factors that are dependent on the climate, grid capability parameters and the geographical location of the area of scope. The challenge of load forecasting for meeting EV charging needs varies from developed country and the countries that are developing. For the developed as well the developing countries, the problem is treated differently. In case of developed countries, it is important to study the demand curve carefully as it constantly seeing a great change, what is now called as a Duck Curve. Whereas in the developing countries there is yet an issue of load shedding and skies in the peak demand during the late evening hours, which affects the demand curve differently as compared to the demand curve in case of the developed countries, the curve here is called the shark curve. Furthermore, it is required to power these EVs with the electricity that is produced by Renewable Energy Sources. That mean, in future it will be seen a high diffusion of Renewable energy source. To cope up with the high deployment of the EVs and their integration with the existing grid, there is obligation for making the grid more optimized and adaptable to communicate well to the needs of the fast growing EV. For that an amalgamation of innovative forecasting methodology coupled with Advanced battery management systems are needed to make the integration of the EVs to the Existing Grid more reliant.

Mentre il mondo si sta muovendo verso l'adozione di energia sempre più pulita, è evidente che il settore dei trasporti vedrà cambiamenti importanti. Per il prossimo futuro, i paesi di tutto il mondo si stanno focalizzando sul divieto totale dei veicoli alimentati a combustibili fossili. La maggior parte dei veicoli che dominano il mercato saranno veicoli elettrici. Non solo i veicoli saranno guidati da motori elettrici, ma allo stesso modo ci si assicurerà che l'energia elettrica utilizzata per alimentare questi veicoli sarà prodotta da fonti di energia rinnovabile. Ci sarà quindi un dispiegamento di massa di veicoli elettrici assieme alla necessità di sostenere la domanda di ricarica. Ciò a sua volta richiede una pianificazione e ottimizzazione della rete elettrica e tecniche di previsione aggiornate per una migliore integrazione e per soddisfare senza problemi la domanda di ricarica di questi numerosi veicoli elettrici. Con questa adozione di massa di EV si crea l'esigenza di una migliore integrazione di questi EV di massa, che in futuro verrà implementata nella rete esistente. Diventa così importante la richiesta di tecniche più avanzate e adattative per prevedere con precisione e in tempo reale la domanda di ricarica di EV di massa che saranno accoppiati alla rete. Il costante bilanciamento tra generazione e domanda è quindi una delle principali aree di interesse per i Grid Managers a livello mondiale. Nella maggior parte dei casi i veicoli elettrici funzionano come un carico attivo collegato alla rete. Tenendo conto del fatto che sta diventando una sfida prevedere con precisione la domanda di ricarica degli EV, è diventato evidente che ci sono vari fattori che influenzano la posizione e il momento in cui sorgono queste richieste di ricarica. Questi fattori dipendono principalmente dal modo in cui un individuo pianifica la sua attività durante il giorno, che definisce l'ora e il luogo esatti per soddisfare le mutevoli esigenze dell'EV. Oltre al comportamento umano e al modo in cui pianificano il loro viaggio per il giorno, ci sono altri fattori che dipendono dal clima, dai parametri di capacità della rete e dalla posizione geografica dell'area di applicazione. La sfida della previsione del carico per soddisfare i bisogni di ricarica degli EV varia fra paese sviluppato e paesi in via di sviluppo, per cui in ogni paese il problema viene trattato in modo diverso. Nel caso dei paesi sviluppati, è importante studiare attentamente la curva di domanda in quanto si nota costantemente un grande cambiamento, chiamato Duck Curve. Nei paesi in via di sviluppo c'è invece ancora un problema di perdita di carico e vuoti nella domanda di picco nelle ore tarde serali, che influenza la curva di domanda in modo diverso rispetto alla curva di domanda nel caso dei paesi sviluppati. In questo caso la curva è chiamata Shark Curve. Inoltre, è necessario alimentare questi EV con l'elettricità prodotta da fonti di energia rinnovabile. Ciò significa che in futuro si vedrà un'alta diffusione di fonti di energia rinnovabile. Per far fronte all'elevato dispiegamento di EV e alla loro integrazione con la rete esistente, vi è l'obbligo di rendere la rete più ottimizzata e adattabile per comunicare meglio alle esigenze dell'EV in rapida crescita. Per questo è necessaria una fusione di metodologie di previsione innovative unita a sistemi avanzati di gestione della batteria per rendere più affidabile l'integrazione degli EV sulla rete esistente.