| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 8.99 MB | Adobe PDF |
Authors
Abstract(s)
No mundo atual em que vivemos, em constante mudança, o setor dos transportes tem um papel crucial na atividade económica mundial. Contudo, representa um consumo elevado de recursos energéticos e ainda é um dos principais responsáveis pela emissão de gases com efeito de estufa.
A mobilidade elétrica e eletrificação das frotas contribuiu para uma redução direta da emissão de gases, representando uma vantagem sobre os veículos com motores de combustão interna. Todavia, a limitação dos sistemas de armazenamento de energia elétrica em termos de autonomia (número de quilómetros percorridos) ainda é um dos maiores entraves a uma maior penetração no mercado dos veículos elétricos.
No setor mais específico dos autocarros elétricos, em particular o autocarro de aeroporto, esta desvantagem é amplificada não só pela dimensão e peso, mas também pelos sistemas auxiliares de aquecimento, ventilação e ar-condicionado (AVAC) inerentes a este tipo de veículos.
O presente trabalho tem por objetivo a análise e otimização da eficiência energética do modelo e.Cobus, um autocarro de aeroporto. Para alcançar o objetivo foram estudadas algumas unidades e.Cobus em condições reais de operação e analisadas as potências e consumos de energia das diferentes cargas, criando diversos dataset’s.
Com os dataset’s elaborados, e recorrendo à plataforma de aprendizagem máquina WEKA, e aplicação de alguns algoritmos, foram desenvolvidos modelos de previsão do consumo de energia que permitiram otimizar a capacidade de armazenamento energético (baterias) destes autocarros, em função da utilização e local geográfico
In a globalized and ever-changing world, the transportation sector plays a crucial role in global economic activity. However, it represents a significant share of global energy resources and is responsible for a non-negligible amount of greenhouse gases emission. In this context, electric mobility and fleet electrification have been contributing to a direct reduction in gas emissions, representing an advantage over vehicles with internal combustion engines. However, the autonomy of energy storage systems is still a disadvantage. In the electric bus sector, in particular the airport bus, the disadvantage is intensified not only in size and weight but also by the presence of auxiliary systems such as HVAC. The present work aims to analyze and optimize the energy efficiency of the e.Cobus model, an airport bus. To achieve the objective, some e.Cobus units were studied under real operating conditions and the power and energy consumption of the different loads were analyzed, creating several datasets. With the elaborated datasets, using some machine learning algorithms in the WEKA platform, energy consumption predictive models were developed to optimize the energy storage capacity (batteries) of these buses, depending on the use and their geographic location
In a globalized and ever-changing world, the transportation sector plays a crucial role in global economic activity. However, it represents a significant share of global energy resources and is responsible for a non-negligible amount of greenhouse gases emission. In this context, electric mobility and fleet electrification have been contributing to a direct reduction in gas emissions, representing an advantage over vehicles with internal combustion engines. However, the autonomy of energy storage systems is still a disadvantage. In the electric bus sector, in particular the airport bus, the disadvantage is intensified not only in size and weight but also by the presence of auxiliary systems such as HVAC. The present work aims to analyze and optimize the energy efficiency of the e.Cobus model, an airport bus. To achieve the objective, some e.Cobus units were studied under real operating conditions and the power and energy consumption of the different loads were analyzed, creating several datasets. With the elaborated datasets, using some machine learning algorithms in the WEKA platform, energy consumption predictive models were developed to optimize the energy storage capacity (batteries) of these buses, depending on the use and their geographic location
Description
Keywords
Eficiência e Otimização Energética Mobilidade elétrica Autocarro Elétrico de Aeroporto e.Cobus Armazenamento de Energia Climatização Algoritmos de previsão WEKA Aprendizagem Máquina Dataset’s Energy Optimization Airport Electric Bus Energy Storage Air Conditioning Prediction Algorithms HVAC