The objective of this thesis is to present methodologies for assessing the temporal-spatial impact of electric vehicle (EV) adoption on distribution grids. The integration of EVs is intricately linked to both transportation and the electric grid. In order to comprehensively analyse the charging impact in a spatial context, it is crucial to consider the transportation network as well. EVs operate on road networks, which are integral components of the transportation system, and their energy is sourced from the electric grid. However, energy demand is directly influenced by factors such as trip distance, traffic conditions (congested or uncongested), and road network design, all of which affect route selection and ultimately impact total travel distance. This thesis aims to develop a methodology that incorporates all these factors to predict the energy demand more accurately from EVs. To achieve this, the study utilizes georeferenced data to simulate the entire traffic network of the Lombardy region. The travel survey data obtained from the Italian National Institute of Statistics (ISTAT) provides information on travel characteristics such as mean distance, purpose, and origin-destination zones. However, the exact locations of the origin and destination points are unknown, requiring the adoption of a probabilistic approach to assign start and end locations for each trip with higher spatial resolution. As the travel data also contains temporal information, the simulation of trips within the travel network captures the temporal characteristics of a real traffic network, influencing individual route choices. Subsequently, the output from the traffic simulation is integrated with the service areas of primary substations in the Lombardy region. This integration enables the identification of when, where, and to what extent the increasing penetration rate of electric mobility will impact the electric grid. By employing these methodologies, this thesis aims to enhance our understanding of the temporal-spatial implications of EV adoption on distribution grids. The findings will contribute to informed decision-making in managing the integration of EVs into existing transportation and electric grid infrastructures.

L'obiettivo di questa tesi è presentare metodologie per valutare l'impatto temporale e spaziale dell'adozione di veicoli elettrici (VE) sulle reti di distribuzione. L'integrazione dei VE è strettamente legata sia al sistema di trasporto che alla rete elettrica. Per analizzare in modo esaustivo l'impatto della ricarica nel contesto spaziale, è fondamentale considerare anche la rete di trasporto. I VE operano su reti stradali, che costituiscono componenti fondamentali del sistema di trasporto, e la loro energia proviene dalla rete elettrica. Tuttavia, la domanda di energia è direttamente influenzata da fattori come la distanza dei viaggi, le condizioni del traffico (congestionato o non congestionato) e la progettazione delle reti stradali, che influiscono sulla scelta del percorso e, di conseguenza, sulla distanza totale percorsa. Questa tesi si propone di sviluppare una metodologia che incorpora tutti questi fattori per prevedere in modo più accurato la domanda di energia da parte dei VE. Per raggiungere questo obiettivo, lo studio utilizza dati georeferenziati per simulare l'intera rete stradale della regione Lombardia. I dati del sondaggio di viaggio ottenuti dall'Istituto Nazionale di Statistica (ISTAT) forniscono informazioni sulle caratteristiche dei viaggi, come la distanza media, lo scopo e le zone di origine e destinazione. Tuttavia, le posizioni esatte dei punti di origine e destinazione sono sconosciute, rendendo necessario adottare un approccio probabilistico per assegnare posizioni di partenza e arrivo per ciascun viaggio con una risoluzione spaziale più elevata. Poiché i dati di viaggio contengono anche informazioni temporali, la simulazione dei viaggi all'interno della rete di trasporto cattura le caratteristiche temporali di una rete di traffico reale, influenzando le scelte del percorso individuale. Successivamente, l'output della simulazione del traffico viene integrato con le aree di servizio delle sottostazioni primarie nella regione Lombardia. Questa integrazione consente di identificare quando, dove e in che misura l'aumento del tasso di penetrazione della mobilità elettrica avrà un impatto sulla rete elettrica. Attraverso l'applicazione di queste metodologie, questa tesi mira a migliorare la comprensione delle implicazioni temporali e spaziali dell'adozione dei VE sulle reti di distribuzione. I risultati ottenuti contribuiranno a prendere decisioni informate nella gestione dell'integrazione dei VE nelle infrastrutture di trasporto e di rete elettrica esistenti.

Methodologies for predicting the impact of electric mobility in distribution networks through georefrenced data

Yousefi, Ghaffar
2022/2023

Abstract

The objective of this thesis is to present methodologies for assessing the temporal-spatial impact of electric vehicle (EV) adoption on distribution grids. The integration of EVs is intricately linked to both transportation and the electric grid. In order to comprehensively analyse the charging impact in a spatial context, it is crucial to consider the transportation network as well. EVs operate on road networks, which are integral components of the transportation system, and their energy is sourced from the electric grid. However, energy demand is directly influenced by factors such as trip distance, traffic conditions (congested or uncongested), and road network design, all of which affect route selection and ultimately impact total travel distance. This thesis aims to develop a methodology that incorporates all these factors to predict the energy demand more accurately from EVs. To achieve this, the study utilizes georeferenced data to simulate the entire traffic network of the Lombardy region. The travel survey data obtained from the Italian National Institute of Statistics (ISTAT) provides information on travel characteristics such as mean distance, purpose, and origin-destination zones. However, the exact locations of the origin and destination points are unknown, requiring the adoption of a probabilistic approach to assign start and end locations for each trip with higher spatial resolution. As the travel data also contains temporal information, the simulation of trips within the travel network captures the temporal characteristics of a real traffic network, influencing individual route choices. Subsequently, the output from the traffic simulation is integrated with the service areas of primary substations in the Lombardy region. This integration enables the identification of when, where, and to what extent the increasing penetration rate of electric mobility will impact the electric grid. By employing these methodologies, this thesis aims to enhance our understanding of the temporal-spatial implications of EV adoption on distribution grids. The findings will contribute to informed decision-making in managing the integration of EVs into existing transportation and electric grid infrastructures.
DIMOVSKI, ALEKSANDAR
ING - Scuola di Ingegneria Industriale e dell'Informazione
18-lug-2023
2022/2023
L'obiettivo di questa tesi è presentare metodologie per valutare l'impatto temporale e spaziale dell'adozione di veicoli elettrici (VE) sulle reti di distribuzione. L'integrazione dei VE è strettamente legata sia al sistema di trasporto che alla rete elettrica. Per analizzare in modo esaustivo l'impatto della ricarica nel contesto spaziale, è fondamentale considerare anche la rete di trasporto. I VE operano su reti stradali, che costituiscono componenti fondamentali del sistema di trasporto, e la loro energia proviene dalla rete elettrica. Tuttavia, la domanda di energia è direttamente influenzata da fattori come la distanza dei viaggi, le condizioni del traffico (congestionato o non congestionato) e la progettazione delle reti stradali, che influiscono sulla scelta del percorso e, di conseguenza, sulla distanza totale percorsa. Questa tesi si propone di sviluppare una metodologia che incorpora tutti questi fattori per prevedere in modo più accurato la domanda di energia da parte dei VE. Per raggiungere questo obiettivo, lo studio utilizza dati georeferenziati per simulare l'intera rete stradale della regione Lombardia. I dati del sondaggio di viaggio ottenuti dall'Istituto Nazionale di Statistica (ISTAT) forniscono informazioni sulle caratteristiche dei viaggi, come la distanza media, lo scopo e le zone di origine e destinazione. Tuttavia, le posizioni esatte dei punti di origine e destinazione sono sconosciute, rendendo necessario adottare un approccio probabilistico per assegnare posizioni di partenza e arrivo per ciascun viaggio con una risoluzione spaziale più elevata. Poiché i dati di viaggio contengono anche informazioni temporali, la simulazione dei viaggi all'interno della rete di trasporto cattura le caratteristiche temporali di una rete di traffico reale, influenzando le scelte del percorso individuale. Successivamente, l'output della simulazione del traffico viene integrato con le aree di servizio delle sottostazioni primarie nella regione Lombardia. Questa integrazione consente di identificare quando, dove e in che misura l'aumento del tasso di penetrazione della mobilità elettrica avrà un impatto sulla rete elettrica. Attraverso l'applicazione di queste metodologie, questa tesi mira a migliorare la comprensione delle implicazioni temporali e spaziali dell'adozione dei VE sulle reti di distribuzione. I risultati ottenuti contribuiranno a prendere decisioni informate nella gestione dell'integrazione dei VE nelle infrastrutture di trasporto e di rete elettrica esistenti.
File allegati
File Dimensione Formato  
text.pdf

solo utenti autorizzati dal 02/07/2024

Descrizione: thesis text
Dimensione 16.35 MB
Formato Adobe PDF
16.35 MB Adobe PDF   Visualizza/Apri
Executive_s.pdf

solo utenti autorizzati dal 02/07/2024

Descrizione: thesis summary
Dimensione 2.15 MB
Formato Adobe PDF
2.15 MB Adobe PDF   Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/211366