Optimisation of battery energy storage system using PV grid for heavy vehicles via genetic algorithm

This thesis addresses the challenge of supplying reliable and cost-effective charging energy for heavy-duty electric vehicles (HDEVs) by proposing and evaluating a hybrid photovoltaic (PV)–battery energy storage system (BESS)–grid charging architecture. A 24-hour, hour-by-hour modeling framework is developed to represent PV availability, grid energy supply, and BESS state-of-charge (SoC) dynamics under operational constraints, together with a representative HDEV charging load profile. A Genetic Algorithm (GA) is formulated to optimize hourly energy dispatch from PV, BESS, and the grid with the objective of minimizing total daily charging cost while satisfying power-balance and feasibility constraints. To validate the effectiveness of the proposed GA-based energy management strategy, its performance is benchmarked against (i) a grid-only supply case and (ii) a rule-based dispatch strategy that prioritizes PV energy, then battery discharge, and finally grid support. Results show that the GA converges to a stable minimum-cost dispatch schedule and systematically increases the use of available PV energy, stores surplus PV in the BESS, and shifts stored energy to periods of higher demand, thereby reducing grid dependence and total cost compared with baseline strategies. In addition, a sensitivity analysis is conducted by varying PV, BESS, and grid cost parameters to assess robustness; the findings indicate that the overall economics are most sensitive to grid electricity pricing, followed by BESS cost, with PV cost having a smaller influence within the tested range. The proposed framework provides a structured basis for designing and assessing hybrid renewable-assisted charging systems for electrified heavy transport and can be extended toward real-time and multi-objective energy management.

Questa tesi affronta la sfida di fornire energia di ricarica affidabile ed economicamente conveniente per i veicoli elettrici pesanti (HDEV) proponendo e valutando un’architettura di ricarica ibrida fotovoltaico (PV)–sistema di accumulo a batteria (BESS)–rete. Viene sviluppato un framework di modellazione su 24 ore, con discretizzazione oraria, per rappresentare la disponibilità del PV, l’alimentazione dalla rete e la dinamica dello stato di carica (SoC) del BESS sotto vincoli operativi, insieme a un profilo rappresentativo di domanda di ricarica per HDEV. Un Algoritmo Genetico (GA) è formulato per ottimizzare il dispacciamento energetico orario da PV, BESS e rete con l’obiettivo di minimizzare il costo totale giornaliero di ricarica, rispettando i vincoli di bilancio di potenza e di fattibilità. Per validare l’efficacia della strategia di gestione energetica basata su GA, le sue prestazioni vengono confrontate con (i) un caso di alimentazione esclusivamente da rete e (ii) una strategia di dispacciamento rule-based che dà priorità all’energia PV, quindi alla scarica della batteria e infine al supporto della rete. I risultati mostrano che il GA converge verso un piano di dispacciamento stabile a costo minimo e incrementa sistematicamente l’utilizzo dell’energia PV disponibile, immagazzina il surplus nel BESS e trasferisce l’energia accumulata verso periodi di domanda più elevata, riducendo così la dipendenza dalla rete e il costo totale rispetto alle strategie di riferimento. Inoltre, viene condotta un’analisi di sensibilità variando i parametri di costo di PV, BESS e rete per valutarne la robustezza; i risultati indicano che la sostenibilità economica complessiva è maggiormente sensibile al prezzo dell’energia elettrica di rete, seguita dal costo del BESS, mentre il costo del PV ha un’influenza minore nell’intervallo considerato. Il framework proposto fornisce una base strutturata per la progettazione e la valutazione di sistemi di ricarica ibridi assistiti da fonti rinnovabili per il trasporto pesante elettrificato e può essere esteso verso la gestione energetica in tempo reale e l’ottimizzazione multi-obiettivo.