The challenge of "range anxiety" poses a signi cant barrier to a more widespread adoption of electric vehicles and to the realization of a more sustainable society in general. In this context, electric powerboat manufacturer Candela has the opportunity to position itself in a pioneering role. This study aims to tackle this challenge by developing two distinct models for predicting vehicle power consumption. Following comprehensive analysis and testing, the most accurate model was found to be the data-driven, machine learning one. Subsequently, this data-driven model is integrated into a user-friendly trip planner tool for Candela C8 users. The integration of this model aims to enhance the user experience, empower the decision-making processes, and ultimately contribute to the mitigation of range anxiety in the context of electric vehicle usage.

La s da dell’ansia da autonomia (o range anxiety) rappresenta un ostacolo signi cativo per un’adozione più di usa dei veicoli elettrici e, in generale, per la realizzazione di una società più sostenibile. In questo contesto, un produttore di barche elettriche come Can- dela ha l’opportunità di calarsi nel ruolo di attore protagonista. Il presente studio si propone di a rontare questo problema sviluppando due modelli distinti per la previsione del consumo energetico dei veicoli. A seguito di diverse analisi e test, il modello più accu- rato è risultato essere quello basato sui dati e sull’apprendimento automatico (o machine learning). Successivamente, questo modello è stato integrato in uno strumento di piani - cazione del viaggio di facile utilizzo, pensato per gli utenti del Candela C8. L’integrazione di questo modello mira a migliorare l’esperienza dell’utente, a favorire un processo deci- sionale informato e, in ultima analisi, a contribuire alla riduzione dell’ansia da autonomia nel contesto dell’utilizzo dei veicoli elettrici.

ML-based power consumption prediction models for electric hydro-foiling boats

Laurenti Argento, Carlo
2023/2024

Abstract

The challenge of "range anxiety" poses a signi cant barrier to a more widespread adoption of electric vehicles and to the realization of a more sustainable society in general. In this context, electric powerboat manufacturer Candela has the opportunity to position itself in a pioneering role. This study aims to tackle this challenge by developing two distinct models for predicting vehicle power consumption. Following comprehensive analysis and testing, the most accurate model was found to be the data-driven, machine learning one. Subsequently, this data-driven model is integrated into a user-friendly trip planner tool for Candela C8 users. The integration of this model aims to enhance the user experience, empower the decision-making processes, and ultimately contribute to the mitigation of range anxiety in the context of electric vehicle usage.
Gandiaga, Daniel
Larsson, Thomas
ING - Scuola di Ingegneria Industriale e dell'Informazione
10-ott-2024
2023/2024
La s da dell’ansia da autonomia (o range anxiety) rappresenta un ostacolo signi cativo per un’adozione più di usa dei veicoli elettrici e, in generale, per la realizzazione di una società più sostenibile. In questo contesto, un produttore di barche elettriche come Can- dela ha l’opportunità di calarsi nel ruolo di attore protagonista. Il presente studio si propone di a rontare questo problema sviluppando due modelli distinti per la previsione del consumo energetico dei veicoli. A seguito di diverse analisi e test, il modello più accu- rato è risultato essere quello basato sui dati e sull’apprendimento automatico (o machine learning). Successivamente, questo modello è stato integrato in uno strumento di piani - cazione del viaggio di facile utilizzo, pensato per gli utenti del Candela C8. L’integrazione di questo modello mira a migliorare l’esperienza dell’utente, a favorire un processo deci- sionale informato e, in ultima analisi, a contribuire alla riduzione dell’ansia da autonomia nel contesto dell’utilizzo dei veicoli elettrici.
File allegati
File Dimensione Formato  
Thesis___Classical_Format.pdf

accessibile in internet solo dagli utenti autorizzati

Dimensione 3.03 MB
Formato Adobe PDF
3.03 MB Adobe PDF   Visualizza/Apri
Thesis___Executive_Summary.pdf

accessibile in internet solo dagli utenti autorizzati

Dimensione 1.34 MB
Formato Adobe PDF
1.34 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/10589/228252