Planificación inteligente de la carga de vehículos eléctricos

Abstract

El aumento del uso de vehículos eléctricos puede tener un impacto muy positivo en la economía de los países, además de en el medio ambiente, ya que permite reducir la dependencia del petróleo. La contribución de esta tesis al desarrollo de la tecnología de vehículos eléctricos se centra en el diseño de planificadores del proceso de carga de una flota de vehículos en garajes particulares, donde cada vehículo tiene su propio punto de carga. El objetivo que nos planteamos conseguir es la minimización del retraso total de la carga de todos los vehículos con respecto a la fecha prevista para su recogida. Este problema puede ser muy complejo debido a las restricciones que imponga la infraestructura física de las estaciones de carga. Consideramos tanto la variante estática del problema, donde conocemos con antelación el instante de llegada, el tiempo de carga y el instante de recogida de los vehículos, como la variante dinámica, donde no conocemos la información de los vehículos hasta que llegan a la estación de carga. También modelamos una variante del problema que incorpora incertidumbre en los tiempos de carga y que es, por tanto, todavía más cercana a entornos reales. La hipótesis de partida de esta tesis es que, al tratarse de un problema NP-duro, las metaheurísticas pueden ser una metodología eficaz para resolverlo. Las metaheurísticas son procedimientos de alto nivel que sirven para organizar la aplicación de métodos heurísticos específicos en la resolución de problemas complejos de optimización. Se suelen considerar como métodos que permiten muestrear el espacio de soluciones de un problema de forma inteligente, manteniendo un equilibrio entre las componentes de diversificación sobre todo el espacio de búsqueda, e intensificación sobre las regiones más prometedoras. Son métodos no exactos que están pensados para encontrar una solución aceptable en un tiempo razonable. Diseñamos tres algoritmos de generación de planificaciones, dos para el problema determinista y uno para la variante con incertidumbre. Utilizando como base los algoritmos anteriores, desarrollamos diversas metaheurísticas, como los algoritmos genéticos, los de colonias de abejas artificiales, o GRASP, y proponemos distintas estrategias de búsqueda local. Todos los métodos propuestos contienen elementos específicamente diseñados para el problema particular. Los algoritmos desarrollados se han evaluado sobre bancos de ejemplos existentes en la literatura, cuando ha sido posible; diseñándose bancos de ejemplos significativos en otro caso. Los resultados de la evaluación muestran el potencial de cada uno de los métodos propuestos.