Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

com
Artikel ini telah diterima untuk dimasukkan dalam edisi mendatang jurnal ini. Konten bersifat final seperti yang disajikan, dengan pengecualian pagination.

JURNAL SISTEM IEEE 1

Model Transit Utilitas Terintegrasi untuk

Konfigurasi Optimal Sistem Bus Listrik Baterai
Nader A. El-Taweel , Anggota Mahasiswa, IEEE, Hany EZ Farag , Anggota Senior, IEEE, dan Moataz Mohamed

Abstrak—Elektrifikasi sektor transportasi merupakan pendekatan yang JA Set perjalanan dalam tugas A.
menjanjikan untuk mengurangi emisi gas rumah kaca terkait transit. TS Set langkah waktu optimasi.
Namun, baik sektor transportasi maupun utilitas listrik memiliki berbagai
Saya Set node/cabang di PDS.
tantangan dalam memfasilitasi integrasi sistem armada bus listrik baterai
(BEB) yang mulus. Di antara tantangan tersebut, kurangnya alat simulasi Tb,j,a Set BEB B pengisian kesempatan waktu langkah setelah
yang tepat untuk memodelkan, merancang, dan mengoptimalkan sistem perjalanan J dalam tugas A.
armada BEB adalah yang paling menonjol. Oleh karena itu, makalah ini
mengusulkan formulasi matematis baru untuk memodelkan sistem armada
C. Parameter
BEB. Model tersebut mempertimbangkan persyaratan operasional sistem
angkutan bus umum dan karakteristik konsumsi energi BEB. Model transit nB, NR, NA Jumlah bus jaringan transit, rute, dan
yang diusulkan kemudian diintegrasikan dengan model sistem distribusi penugasan, masing-masing.
tenaga listrik untuk mengembangkan formulasi masalah utilitas-transit
terintegrasi untuk desain sistem BEB yang optimal. Rumusan masalah
ntrp
A Penugasan A jumlah perjalanan.
nT Jumlah langkah waktu optimasi.
optimasi bertujuan untuk menentukan parameter konfigurasi optimal
nopp Jumlah langkah waktu peluang pengisian setelah
sistem armada BEB yang meliputi kapasitas baterai bus, daya pengenal j, a
pengisi daya, dan jumlah pengisi daya yang terpasang di stasiun pengisian. perjalanan J dalam tugas A. RuteR panjang (km).
Model transit-utilitas yang dikembangkan diformulasikan sebagai masalah
akuR
pemrograman nonlinier integer campuran (MINLP) dan diselesaikan
menggunakan pemecah optimasi Basic Open-Source Nonlinear Mixed
SA Jadwal penugasan yang sudah ditentukan A
T Astr, T akhir
A . Waktu mulai/berakhir untuk tugasA (H).
INteger Programming (BON-MIN). Data sistem transit dunia nyata digunakan
Ttrp Waktu perjalanan dan siklus untuk tugas A, masing-masing
untuk memvalidasi kemanjuran model transit utilitas terintegrasi yang A, Tsiklus
A
diusulkan. Hasil simulasi menunjukkan bahwa pertimbangan baik distribusi (min).
daya dan persyaratan operasi jaringan transit berdampak signifikan Trec Waktu pemulihan setelah setiap perjalanan dalam penugasan A
A
terhadap pilihan konfigurasi BEB.
perjalanan (menit).
Tnxt Waktu pemulihan setelah menyelesaikan tugas A perjalanan
A
Ketentuan Indeks—Battery electric bus (BEB), jadwal pengisian,
(menit).
jaringan bus listrik transit, on-route charging, power distribution Tpio Waktu untuk mencolokkan dan melepas pengisi daya (min).
system (PDS). Tch,maksimal
j, a Waktu pengisian maksimum setelah perjalananJ dalam tugas A (
menit).
nOMENKLATUR karr Perjalanan J langkah waktu kedatangan dalam
j, a
T memilih
penugasan A. Horizon waktu masalah optimasi (h).
A. Indeks
ΔTstp Interval langkah waktu optimasi (min).
b, r Indeks untuk bus/rute jaringan transit. F t,j,a
trc Gaya traksi BEB pada waktu T, perjalanan J, dan tugasA
a, j Indeks untuk tugas/perjalanan bus. Indeks (N).
t, d untuk langkah waktu. Etrc Energi traksi rata-rata BEB pada waktu T, perjalanan J,
j, a
Saya Indeks untuk node/cabang dalam sistem distribusi dan tugas A (kWh).
tenaga (PDS). EOmong-omong
Energi traksi baterai-ke-roda untuk perjalanan J
j, a
dalam tugas A (kWh).
B. Set Ekontra
j, a Konsumsi energi BEB untuk perjalanan J dalam
B, R, A Set bus jaringan transit, rute dan tugas, tugas A (kWh/km).
masing-masing. P tambahan
BEB B beban tambahan pada waktu T (kW).
b, untuk

Naskah diterima 12 Agustus 2018; direvisi 26 Februari 2019 dan 19 Juni

Mt,j,a massa BEB pada saat T, perjalanan J, dan tugas A (kg).
2019; diterima 19 Juni 2019. Karya ini sebagian didukung oleh Pemerintah φt,j,a Arahkan sudut gradien pada waktuT, perjalanan J, dan
Ontario, sebagian oleh Program Dana Konservasi IESO, dan sebagian oleh tugas A (Rad).
Dewan Riset Ilmu Pengetahuan dan Teknik Alam (NSERC) Kanada di bawah
Grant RGPIN-2018-05994.(Penulis korespondensi: Nader A. El-Taweel.)
vt,j,a, v̇t,j,a Kecepatan BEB (m/s) dan percepatan (m/s2) pada waktu
NA El-Taweel dan HEZ Farag bekerja di Departemen Teknik Elektro T, perjalanan J, dan tugas A.
dan Ilmu Komputer, Universitas York, Toronto M3J 1P3 ON, Kanada (e- g, Gaya gravitasi (m/s2) dan densitas udara (kg/m3).
mail: naderelt@yorku.ca ; hefarag@cse.yorku.ca ). A, cT, F Luas penampang BEB (m2), koefisien drag, dan
M. Mohamed bekerja di Departemen Teknik Sipil, Universitas McMaster,
Hamilton L8S 4L7 ON, Kanada (e-mail: mmohame@mcmaster.ca ). koefisien rolling resistance, masing-masing. Efisiensi
ηOmong-omong ,ch
Pengenal Objek Digital 10.1109/JSYST.2019.2926460 baterai-ke-roda/pengisi daya (%).

1937-9234 © 2019 IEEE. Penggunaan pribadi diizinkan, tetapi publikasi ulang/redistribusi memerlukan izin IEEE.
Lihat http://www.ieee.org/publications_standards/publications/rights/index.html untuk informasi lebih lanjut.
 Artikel ini telah diterima untuk dimasukkan dalam edisi mendatang jurnal ini. Konten bersifat final seperti yang disajikan, dengan pengecualian pagination.

2 JURNAL SISTEM IEEE

Cexp Biaya pengeluaran baterai ($/kWh). transit bus telah dianggap sebagai salah satu pendekatan
B
Cexp
,C Biaya pengeluaran pengisi daya ($/kW) dan biaya pemasangan yang paling menonjol untuk mengurangi emisi GRK terkait
ch
ch
langsung

($/pengisi daya). transit [10]. Armada bus kota beroperasi pada rute dan
SOCmin
B BEB B status pengisian minimum (SOC) (%). jadwal tetap, yang memfasilitasi perencanaan dan
SOCmaksimal
B BEBB SOC maksimum (%). pengoperasian bus listrik [11]–[13]. Untuk itu, dua teknologi
Emin BEB B kapasitas baterai minimum/maksimum powertrain utama sedang dipertimbangkan: Bus listrik
B, Emaksimal
B
(kWh). baterai (BEB) dan bus listrik sel bahan bakar (FCEB).
Pmin Batas ukuran pengisi daya minimum/maksimum (kW). Dibandingkan dengan BEB, FCEB memberikan jarak
ch
ch , Pmaksimal
nmin Batas jumlah pengisi daya minimum/Maksimum. tempuh yang relatif lebih panjang, yang mirip dengan bus
ch , ch
nmaksimal
P demi Permintaan daya aktif (MW), dan permintaan daya diesel, dan tingkat pengisian bahan bakarnya jauh lebih
dia , Qdemi
dia
reaktif (MVAr) di nodeSaya dan waktu T. Magnitudo tinggi. Namun, keberadaan infrastruktur hidrogen yang
kamuiikan ,iikan admitansi (pu), dan sudut (Rad) antara nodeSaya dan terbatas: Produksi, penyimpanan, dan transportasi,
Sayakan. menghambat investasi dan penyebaran teknologi FCEB
V min Bis Saya batas tegangan minimum/maksimum (pu). [12]. Untuk alasan ini,
,V
Saya
Saya
maksimal

Pmaksimal
Saya CabangSaya kapasitas peringkat maksimum (MW). Untuk mengimbangi jarak mengemudi BEB yang terbatas, tiga konsep operasi telah diusulkan: Pertukaran baterai, pengisian

nirkabel, dan pengisian baterai on-board [12], [15]. Teknik pertukaran baterai melibatkan penggunaan lengan mekanis untuk
D. Variabel mengganti paket baterai BEB yang terkuras dalam beberapa menit [16]. Namun, konsep pertukaran baterai memiliki beberapa

EB BEB B ukuran baterai (kWh). Ukuran kelemahan sehubungan dengan kebutuhan investasi besar dalam infrastruktur, standarisasi paket baterai untuk interoperabilitas

Pch, nch Charger (kW), dan nomor. dan kemampuan perubahan, serta degradasi dan kepemilikan baterai [14], [16]. Konsep pengisian nirkabel menyiratkan transfer

SOCdalam
b,j,a BEB B keberangkatan SOC untuk perjalanan J dalam tugasA energi dari pemancar daya yang terdiri dari inverter dan jalur induktif [15], di mana, BEB mengisi daya di jalan selama gerakannya di

(%). atas jalur induktif. Namun, pengisian nirkabel untuk BEB membutuhkan investasi ekstra dalam infrastruktur dan desain jalan [17]. Hal

SOCarr
b,j,a BEB B kedatangan SOC setelah perjalanan J dalam tugas ini disebabkan kebutuhan untuk mengukur dan mengalokasikan struktur pengisi daya nirkabel sesuai dengan kapasitas baterai dan

A (%). persyaratan pengisian BEB [17]. Untuk alasan ini, konsep sistem pengisian baterai on-board saat ini sedang diselidiki dan

ΔSOCb,j,a BEB B dibebankan SOC setelah perjalanan J dalam tugas dikembangkan secara luas sebagai sarana penting untuk adopsi skala besar armada angkutan bus listrik. Dalam hal ini, dua jenis

A (%).
T ch
sistem berbasis pengisian BEB telah diusulkan: Overnight dan Opportunity. Perbedaan utama antara kedua jenis adalah tradeoff

b,j,a BEB B waktu pengisian setelah perjalanan J dalam tugasA ( dalam kapasitas baterai BEB, yaitu jarak mengemudi dan daya pengenal pengisi daya yang diperlukan, Hal ini disebabkan kebutuhan

menit). untuk mengukur dan mengalokasikan struktur pengisi daya nirkabel sesuai dengan kapasitas baterai dan persyaratan pengisian BEB

xBD=T BEB B pengisian variabel status biner pada waktu T. [17]. Untuk alasan ini, konsep sistem pengisian baterai on-board saat ini sedang diselidiki dan dikembangkan secara luas sebagai

xB BEBB pengisian vektor biner. sarana penting untuk adopsi skala besar armada angkutan bus listrik. Dalam hal ini, dua jenis sistem berbasis pengisian BEB telah

nxj, a Jumlah langkah waktu pengisian daya yang tersedia setelah diusulkan: Overnight dan Opportunity. Perbedaan utama antara kedua jenis adalah tradeoff dalam kapasitas baterai BEB, yaitu jarak

perjalananJ dalam tugas A. mengemudi dan daya pengenal pengisi daya yang diperlukan, Hal ini disebabkan kebutuhan untuk mengukur dan mengalokasikan
P gen
dia , Qgen
dia Pembangkit daya aktif (MW), dan pembangkit daya struktur pengisi daya nirkabel sesuai dengan kapasitas baterai dan persyaratan pengisian BEB [17]. Untuk alasan ini, konsep sistem

reaktif (MVAr) di node Saya dan waktu T. Besaran pengisian baterai on-board saat ini sedang diselidiki dan dikembangkan secara luas sebagai sarana penting untuk adopsi skala besar

Vdia, δdia tegangan (pu), dan sudut (rad) pada simpulSaya dan armada angkutan bus listrik. Dalam hal ini, dua jenis sistem berbasis pengisian BEB telah diusulkan: Overnight dan Opportunity.

waktu T. Perbedaan utama antara kedua jenis adalah tradeoff dalam kapasitas baterai BEB, yaitu jarak mengemudi dan daya pengenal pengisi

Pdia Aliran daya di Cabang Saya dan waktu T (MW). BEB daya yang diperlukan, dua jenis sistem berbasis pengisian BEB telah diusulkan: Semalam dan kesempatan. Perbedaan utama antara
P demi membebankan permintaan di nodeSayakan dan waktu T
Sayakan,T kedua jenis adalah tradeoff dalam kapasitas baterai BEB, yaitu jarak mengemudi dan daya pengenal pengisi daya yang diperlukan,

(MW). dua jenis sistem berbasis pengisian BEB telah diusulkan: Semalam dan kesempatan. Perbedaan utama antara kedua jenis adalah tradeoff dalam kapasitas

yaitu, waktu pengisian [11], [12]. Sistem BEB yang hanya mengandalkan
sayaPENDAHULUAN

T
charging semalaman membutuhkan charger yang memiliki rating daya yang
Pertumbuhan populasi HE di banyak negara akan membawa relatif lebih kecil, dimana charger BEB semalaman dipasang di depot/garasi
peningkatan tingkat permintaan transportasi umum dan barang bus untuk memberikan waktu pengisian yang lama untuk kapasitas baterai
dalam waktu dekat [1], [2]. Dengan demikian, diharapkan emisi gas yang besar, dibandingkan dengan BEB berbasis peluang. Studi sebelumnya,
rumah kaca (GRK) sektor transportasi akan meningkat ke tingkat emisi bagaimanapun, menunjukkan bahwa sistem BEB pengisian semalam
yang lebih tinggi [2], [3]. Hal ini pada gilirannya akan memerlukan mungkin memerlukan peningkatan ukuran armada BEB, relatif terhadap
perlunya menerapkan pendekatan inovatif yang mampu secara efektif armada berbasis diesel saat ini, untuk mempertahankan penjadwalan
melayani permintaan transportasi yang terus meningkat sambil operasi jaringan transit yang telah ditentukan sebelumnya [11]. Ini akan
mengatasi masalah lingkungan mereka [1]–[5]. sangat meningkatkan biaya operasi transit. Sebaliknya, sistem BEB
Pengembangan teknologi rendah karbon untuk mengurangi pengisian peluang menggunakan pengisi daya berdaya tinggi di rute untuk
emisi GRK telah dianggap sebagai solusi yang menjanjikan untuk menyediakan pengisian daya yang sering dan singkat untuk BEB yang
mengatasi masalah perubahan iklim global. Sektor utilitas listrik dilengkapi dengan kapasitas baterai yang relatif lebih kecil. Sistem pengisian
telah bergerak ke arah mengakomodasi tingkat penetrasi yang on-route menggunakan lengan pantografi overhead otomatis untuk mengisi
tinggi dari sumber daya pembangkit terbarukan [6]. Sebagai akibat BEB di hub transit [yaitu, terminal bus] atau di sepanjang rute transit [18],
dari rendahnya emisi GRK dalam profil pembangkit listrik, sektor [19]. Beberapa proyek demonstrasi di seluruh dunia menunjukkan bahwa
transportasi telah beralih ke teknologi powertrain listrik untuk teknologi pengisian on-route mampu mengisi BEB secara memadai dalam
mobilitas pribadi, angkutan umum, dan sistem pengangkutan [7]– waktu 4-6 menit [18], [19].
[9], di antaranya, elektrifikasi kota
 Artikel ini telah diterima untuk dimasukkan dalam edisi mendatang jurnal ini. Konten bersifat final seperti yang disajikan, dengan pengecualian pagination.

EL-TAWEEL dkk.: MODEL UTILITAS-TRANSIT TERPADU UNTUK KONFIGURASI OPTIMAL SISTEM BUS LISTRIK BATERAI 3

Kurangnya alat pemodelan, standarisasi, dan pengalaman nyata dari sistem BEB, bersama dengan ketersediaan konfigurasi paket baterai. Pekerjaan di [27] mengusulkan model manajemen energi
yang berbeda, yaitu, paket baterai terpasang dan teknologi pengisian daya, telah menciptakan matriks energi-transportasi baru, yang operasional untuk merancang dan mengoordinasikan pengoperasian
tidak dapat dipahami untuk transit. dan pemangku kepentingan utilitas listrik [2]. Di satu sisi, agen transit hampir tidak memiliki sistem penyimpanan energi, yang bertujuan untuk meminimalkan
pengetahuan untuk pengoperasian sistem BEB dan interaksi dengan utilitas listrik [2]. Selanjutnya, operator bus transit memiliki biaya pengisian operasi BEB. Sejauh pengetahuan penulis, upaya
jadwal bus yang kaku dan logistik operasional yang harus dijaga ketika sistem BEB diterapkan. Dalam hal ini, karya-karya sebelumnya sebelumnya dalam desain sistem BEB memiliki kekurangan umum
menyelidiki hubungan antara kapasitas pengisi daya dan waktu antrian pengisian bus dan dampaknya selanjutnya pada jadwal untuk:
operasi transit. Dalam [20], penulis menyoroti kebutuhan untuk meningkatkan waktu tinggal BEB di halte bus untuk mengisi BEB 1) mengembangkan model matematis armada bus transit
secara memadai, sehingga menghindari kebutuhan untuk mengintegrasikan halte bus tambahan untuk mengisi BEB pada rute. berlistrik;
Penulis dalam [21] mengungkapkan bahwa waktu antrian pengisian dapat menyebabkan penurunan frekuensi layanan transit dan/ 2) menggabungkan pemodelan yang akurat untuk konsumsi energi
atau peningkatan waktu perjalanan. Namun, peningkatan waktu tinggal, penambahan halte bus tambahan, dan penurunan frekuensi BEB, dengan mempertimbangkan topologi rute, kondisi cuaca,
layanan menantang penjadwalan operasional transit yang telah ditentukan [20], [21]. Sebaliknya, pekerjaan di [22] menunjukkan dan arus lalu lintas;
bahwa mengadopsi strategi pengisian yang tepat dapat mempertahankan persyaratan jadwal transit. Di sisi lain, utilitas listrik 3) mempertimbangkan kebutuhan operasional jaringan distribusi
memiliki kekhawatiran mengenai dampak negatif dari mengadopsi sistem armada angkutan listrik di jaringan listrik. Jadwal pengisian tenaga listrik;
BEB mungkin berdampak pada stabilitas dan kerugian jaringan listrik [15]. Penulis di [11] menunjukkan bahwa pengisian peluang BEB 4) menentukan konfigurasi optimal dari paket baterai dan
menciptakan tantangan regulasi tegangan yang serius dalam sistem distribusi daya (PDS). Untuk mengurangi masalah serupa yang pengisi daya bus.
dikenakan oleh kendaraan listrik pribadi (EV) pada PDS, penulis di [23] mengusulkan mekanisme pengisian terkoordinasi untuk EV Dalam makalah ini, model matematika baru dikembangkan untuk
sesuai dengan kondisi PDS. Juga, dalam [24], pendekatan optimasi disajikan untuk mengisi EV secara optimal, sedemikian rupa agar armada bus listrik. Formulasi matematis yang diusulkan dikembangkan
tidak melanggar batasan operasional PDS. Namun, koordinasi pembebanan BEB yang fleksibel bukanlah solusi yang layak, karena untuk model utilitas-transit terintegrasi, yang bertujuan untuk
persyaratan operasional transit yang kaku yang ditentukan oleh jadwal transit. Penulis di [11] menunjukkan bahwa pengisian peluang mengoptimalkan konfigurasi sistem BEB: yaitu kapasitas baterai;
BEB menciptakan tantangan regulasi tegangan yang serius dalam sistem distribusi daya (PDS). Untuk mengurangi masalah serupa ukuran pengenal pengisi daya; dan jumlah pengisi daya. Model
yang dikenakan oleh kendaraan listrik pribadi (EV) pada PDS, penulis di [23] mengusulkan mekanisme pengisian terkoordinasi untuk optimasi yang diformulasikan meminimalkan belanja modal, sambil
EV sesuai dengan kondisi PDS. Juga, dalam [24], pendekatan optimasi disajikan untuk mengisi EV secara optimal, sedemikian rupa mempertimbangkan kendala operasional yang dikenakan oleh jaringan
agar tidak melanggar batasan operasional PDS. Namun, koordinasi pembebanan BEB yang fleksibel bukanlah solusi yang layak, listrik dan transit. Model konsumsi energi BEB yang terperinci juga
karena persyaratan operasional transit yang kaku yang ditentukan oleh jadwal transit. Penulis di [11] menunjukkan bahwa pengisian disertakan dalam model konfigurasi optimal untuk meningkatkan
peluang BEB menciptakan tantangan regulasi tegangan yang serius dalam sistem distribusi daya (PDS). Untuk mengurangi masalah akurasinya.
serupa yang dikenakan oleh kendaraan listrik pribadi (EV) pada PDS, penulis di [23] mengusulkan mekanisme pengisian terkoordinasi Sisa dari makalah ini disusun sebagai berikut. Bagian II
untuk EV sesuai dengan kondisi PDS. Juga, dalam [24], pendekatan optimasi disajikan untuk mengisi EV secara optimal, sedemikian menyajikan hipotesis masalah untuk elektrifikasi transit. Bagian III
rupa agar tidak melanggar batasan operasional PDS. Namun, koordinasi pembebanan BEB yang fleksibel bukanlah solusi yang layak, menyajikan model matematis sistem bus transit berlistrik dan
karena persyaratan operasional transit yang kaku yang ditentukan oleh jadwal transit. penulis di [23] mengusulkan mekanisme konsumsi energi BEB. Pada Bagian IV, model utilitas-transit
pengisian terkoordinasi untuk EV sesuai dengan kondisi PDS. Juga, dalam [24], pendekatan optimasi disajikan untuk mengisi EV terintegrasi yang diusulkan untuk konfigurasi optimal sistem BEB
secara optimal, sedemikian rupa agar tidak melanggar batasan operasional PDS. Namun, koordinasi pembebanan BEB yang fleksibel dirumuskan. Di Bagian V, beberapa studi kasus dilakukan dengan
bukanlah solusi yang layak, karena persyaratan operasional transit yang kaku yang ditentukan oleh jadwal transit. penulis di [23] menggunakan data sistem transit dunia nyata untuk menguji
mengusulkan mekanisme pengisian terkoordinasi untuk EV sesuai dengan kondisi PDS. Juga, dalam [24], pendekatan optimasi kemanjuran model optimasi yang diusulkan. Selanjutnya, analisis
disajikan untuk mengisi EV secara optimal, sedemikian rupa agar tidak melanggar batasan operasional PDS. Namun, koordinasi sensitivitas dilakukan untuk studi kasus dunia nyata yang diberikan
pembebanan BEB yang fleksibel bukanlah solusi yang layak, karena persyaratan operasional transit yang kaku yang ditentukan oleh untuk memberikan evaluasi singkat untuk kelayakan konfigurasi
jadwal transit. BEB. Bagian VI menyimpulkan makalah dan merangkum kontribusi
utama.

Beberapa upaya baru-baru ini dilakukan dalam literatur untuk

memberikan adopsi sistem BEB yang mulus. Penulis dalam [13]
mengusulkan jadwal pengisian berdasarkan meminimalkan biaya
operasional pengisian. Namun, konfigurasi sistem BEB telah ditentukan
sebelumnya. Juga, jendela waktu pengisian tetap diasumsikan, yaitu, tidak
dialokasikan secara optimal. Selain itu, perjalanan deadhead BEB menuju
stasiun pengisian yang terletak di depot transit diabaikan. Dalam [25],
penjadwalan operasi transit BEB berbasis skenario dikembangkan untuk
desain jaringan perutean dan perencanaan armada; namun, persyaratan
operasional transit, yaitu jadwal dan rute yang ditentukan, tidak
dipertahankan. Dalam [26], algoritma desain konfigurasi baru
dikembangkan untuk meminimalkan biaya konstruksi sistem transit BEB.
Algoritma yang dikembangkan pada [26] mengasumsikan bahwa jumlah
pengisi daya sama dengan jumlah BEB. Jadwal pengisian nirkabel yang
optimal untuk BEB yang mempertimbangkan pasar listrik sehari ke depan
diusulkan dalam [15], yang bertujuan untuk meminimalkan biaya operasi
pengisian. Dalam karya sebelumnya [14], penulis mengusulkan algoritma
linier integer campuran untuk merancang stasiun pengisian BEB untuk
jaringan transit yang berbeda untuk kapasitas bus yang telah ditentukan
sebelumnya.
II. PMASALAH HYPOTESIS
Angkutan bus umum secara tradisional dirancang untuk melayani
masyarakat di daerah perkotaan yang relatif padat, di mana pola dan
volume perjalanan memungkinkan layanan di sepanjang rute tetap untuk
mengikuti jadwal yang telah ditentukan. Penjadwalan jaringan transit adalah
proses yang menghasilkan jadwal yang mencakup waktu keberangkatan
dari semua perhentian yang dilayani oleh setiap rute dalam jaringan. Setiap
jadwal berdasarkan rute terdiri dari waktu keberangkatan dari terminal
awal, perkiraan waktu keberangkatan dari setiap halte bus pada rute
tersebut, dan perkiraan waktu kedatangan di depot akhir. Jadwal jaringan
transit tergantung pada banyak faktor, di antaranya, yang paling menonjol
adalah jaringan rute transit, permintaan penumpang, koordinasi transfer,
dan ukuran armada [28]. Oleh karena itu, transisi yang mulus menuju sistem
angkutan listrik memerlukan pemeliharaan jadwal operasi [2], [11].
Gambar 1 menunjukkan gambaran skematis untuk model
elektrifikasi utilitastransit yang diusulkan. Seperti yang ditunjukkan
pada gambar, jadwal operasional jaringan transit diinput ke model
armada transit BEB. Ini akan mengarah ke jaringan transit
 Artikel ini telah diterima untuk dimasukkan dalam edisi mendatang jurnal ini. Konten bersifat final seperti yang disajikan, dengan pengecualian pagination.
4 JURNAL SISTEM IEEE
Gambar 1. Kerangka untuk model optimasi utilitas-transit yang diusulkan.
parameter elektrifikasi yang menjaga persyaratan operasional
jaringan transit. Juga, data armada transit dan topologi
jaringan (yaitu, berat BEB, efisiensi, profil kecepatan, dan jarak
rute dan topografi) dimasukkan ke model konsumsi energi
untuk menghitung konsumsi energi BEB dalam kWh/km. Untuk
itu, keluaran model armada angkutan BEB dan model
konsumsi energi, selain data jaringan utilitas dan kebutuhan
operasional, dimasukkan ke dalam model angkutan utilitas
yang dikembangkan. Model utilitas-transit bertujuan untuk
menentukan konfigurasi optimal untuk armada bus kota
angkutan listrik: kapasitas baterai BEB dan dimensi stasiun
pengisian, misalnya, ukuran dan jumlah pengisi daya.
AKU AKU AKU. MPEMODELAN BEBS FLEET DAN ENERGI CONSUMSI
Pada bagian ini, pemodelan matematis armada transit
BEB dan model konsumsi energi BEB disajikan.
A. Pemodelan Armada Bus Transit Berlistrik
Jaringan transit bus mengintegrasikan dua komponen: nB jumlah bus,
yaitu armada bus, dan nR jumlah rute. Keduanya dapat direpresentasikan
dengan nomor identifikasi dalam bentuk himpunan dan, masing-masing,
sebagai
B = {1, 2, . . . , B, . . . , NB}R =
{1, 2, . . . , R, . . . , NR}.
Operator transit menugaskan bus ke rute sesuai dengan
persyaratan operasional mereka, yang dapat direpresentasikan
secara matematis dalam bentuk set penugasan. Setiap set tugas
sepanjang jam operasional dapat diberikan sebagai
A = {1, 2, . . . , A, . . . , NA} A = [b, r, SA]
dimana dalam setiap tugas A, bis B dijadwalkan untuk rute R untuk periode penjadwalan yang
telah ditentukan sebelumnya, yang didefinisikan sebagai berikut:
SA = [T str A , TtrpA , Trec
A , T akhir A , Tnxt
A , ntrpA ] ∀ A ∈ A.
Gambar 2 menunjukkan diagram skematik untuk bus B tugas yang
dijelaskan dalam (3) dan (4). Seperti yang ditunjukkan pada gambar, jadwal
Gambar 2. Diagram skema untuk penetapan jadwal transit untuk bus B.
kerangka waktu untuk setiap tugas A ditentukan oleh waktu mulai T str A,
dan waktu akhir T akhir
A untuk rute tertentu yang ditetapkan R. Secara berurutan,
setiap bus mengoperasikan jumlah perjalanan yang diberikan ntrp A dalam suatu yang telah ditentukan sebelumnya
waktu, yang diikuti oleh waktu pemulihan yang diberikan Trec A , yaitu,
waktu di mana bus berhenti di stasiun terminal bus setelah setiap
perjalanan. Perlu dicatat bahwa setiap busB mungkin memiliki lebih dari
satu penugasan dengan rute dan/atau jadwal yang berbeda selama jam
operasional harian. Konsep ini dikenal dalam penjadwalan transit sebagai
operasi interlining. Seperti yang digambarkan pada gambar, di antara dua
penugasan berturut-turut, ada waktu pemulihan untuk bus
di terminal didefinisikan sebagai TnxtA . Waktu tersebut tergantung pada
proses interlining didefinisikan oleh operator bus transit.
Mengingat bahwa bus yang ditugaskan dan jadwal operasinya untuk rute
tertentu R biasanya bervariasi sepanjang operasi harian (yaitu, operasi puncak
versus operasi di luar jam sibuk), set perjalanan yang ditetapkan untuk setiap bus
dalam penugasan tertentu A dapat didefinisikan sebagai
JA = {1, 2, . . . , J, . . . , Nj, a} A ∈ A (5)
di mana jumlah perjalanan dalam setiap penugasan dihitung
T akhir
A - T str A + TrecA /60
ntrp
A = ∀A∈A (6)
A /60
Tsiklus
dan waktu siklus untuk setiap tugas A diberikan sebagai berikut:
A=
Tsiklus
TtrpA + TrecA ∀ A ∈ A. (7)
Perlu dicatat bahwa waktu berakhirnya tugas T akhir A tidak
termasuk waktu pemulihan untuk perjalanan terakhir, sebagai gantinya, waktu pemulihan
antara dua tugas berturut-turut Tnxt A dianggap. Untuk ini
alasan, (6) mempertimbangkan jangka waktu pemulihan perjalanan terakhir untuk menjaga
keseimbangan waktu persamaan.
B. Model Konsumsi BEBS
Estimasi akurat dari konsumsi energi untuk BEBs merupakan persyaratan
penting untuk perencanaan dan operasi BEBs [29]. Di dalam
(1) tertentu, konsumsi energi BEB diperlukan untuk menentukan
(2) konfigurasi baterai dan pengisi daya yang optimal untuk memenuhi
persyaratan jadwal transit. Meskipun, pabrikan BEB memberikan
tingkat konsumsi energi nominal untuk BEB, nilai nominal tersebut
tidak memiliki karakteristik khusus dari jaringan transit, yaitu
topografi rute dan karakteristik kecepatan.
Dalam kasus seperti itu, menentukan konsumsi energi yang akurat
berdasarkan karakteristik sistem transit dari setiap rute perlu
(3)
diselidiki. Dalam konteks ini, konsumsi energi baterai-ke-roda BEB
bergantung pada beberapa faktor, di antaranya yang paling
menonjol adalah sebagai berikut:
1) karakteristik topografi rute (yaitu, panjang dan ketinggian);
(4)
2) kondisi cuaca (yaitu, kepadatan dan suhu udara);
3) tingkat hunian penumpang (yaitu, berat BEB);
4) kondisi lalu lintas (yaitu, profil kecepatan) [29].
 Artikel ini telah diterima untuk dimasukkan dalam edisi mendatang jurnal ini. Konten bersifat final seperti yang disajikan, dengan pengecualian pagination.

EL-TAWEEL dkk.: MODEL UTILITAS-TRANSIT TERPADU UNTUK KONFIGURASI OPTIMAL SISTEM BUS LISTRIK BATERAI 5

Umumnya, konsumsi energi tergantung pada gaya yang bekerja ukuran untuk menyediakan operator jaringan transit dengan fleksibilitas
pada bus dan gaya traksi yang diperlukan yang mengalahkan gaya untuk menghubungkan bus mereka (yaitu, menetapkan BEB ke rute yang
tersebut untuk mempertahankan kecepatan BEB selama perjalanan berbeda) [2]. Demikian pula, pengisi daya diasumsikan memiliki ukuran yang
[20], [30]. Oleh karena itu, gaya traksi setiap saat dalam perjalananJ sama. Untuk tujuan ini, untuk setiap busB di perjalanan J, keberangkatan
disimpulkan dari hukum kedua Newton tentang gerak sebagai dan kedatangan SOC (dari/ke terminal bus) baterai bus dibatasi oleh batas
SOC yang diberlakukan oleh pabrikan bus yang diberikan sebagai
trc =Mt,j,a v̇t,j,a+Mt,j,a G dosa φt,j,a+Mt,j,a gf karena φt,j,a
F t,j,a
1 b,j,a ≤ SOCmaksimal
SOCdalam B ∀ B ∈ B ∧ ∀ J ∈ JA ∧ ∀ A ∈ A∀ (13)
+ ρCT sebuah vt,j,a ∀J ∈ JA ∧ ∀A ∈ A ∧ ∀T ∈ TS . (8)
2 b,j,a ≥ SOCM
SOCarr B ∈ B ∧ ∀ J ∈ JA ∧ ∀ A ∈ A. (14)
2
di dalam

B
Persamaan (8) menyatakan gaya traksi yang diperlukan untuk Pabrikan bus menetapkan batasan tersebut untuk mempertahankan masa
mengatasi gaya inersia, gravitasi, rolling resistance, dan pakai baterai yang lama dan menghindari masalah lemas. Menggunakan model
aerodinamis. Perlu dicatat bahwa selama akselerasi, gaya traksi konsumsi energi yang dijelaskan pada (11), SOC kedatangan untuk setiap busB
positif dan dengan demikian daya yang dibutuhkan ditransfer dari dapat dihitung sebagai
baterai ke roda. Namun, selama deselerasi, gaya traksi negatif dan Ekontra
j, a · akuR
dengan demikian daya kinetik ditransfer untuk mengisi ulang b,j,a = SOCb,j,a - 100 ×
SOCarr
dalam

baterai. Dengan demikian, energi kinetik BEB dapat diperoleh

EB
kembali oleh sistem pengereman regeneratif selama situasi ∀ B ∈ B ∧ ∀ J ∈ JA ∧ ∀ A ∈ A. (15)
deselerasi. Energi traksi yang dibutuhkan dalam kWh dapat
Persamaan (15) menentukan SOC kedatangan perjalanan masing-masing
dihitung melalui penjumlahan gaya traksi bus
BEB sebagai fungsi dari kapasitas baterai dan SOC keberangkatan, di
dan produk kecepatan selama perjalanan sebagai berikut:
Σ samping tingkat konsumsi perjalanan dan jarak. Dengan demikian, ukuran
Etrc trc · vt,j,a · ΔTstp ∀ A ∈ A ∧ ∀ J ∈ JA. (9)
F t,j,a baterai BEB dibatasi oleh batas kapasitas yang tersedia di pasar sebagai
j, a =
T∈TS berikut:

Perlu dicatat bahwa daya baterai bus dibalikkan melalui inverter dc- Emin EB ≤ EM (16)
B B kapak ∀ B ∈ B.
ac dua arah on-board untuk memberi makan motor listrik. Motor
Persamaan (12) juga tunduk pada persamaan pengisian SOC pada
kemudian menghasilkan daya traksi yang dibutuhkan untuk kecepatan
saat kedatangan BEB ke terminal setelah setiap perjalanan
dan akselerasi bus. Oleh karena itu, energi traksi rata-rata (yaitu,
baterai-ke-roda) dapat diberikan sebagai: b, j+1,A =
SOCdalam SOCarr b,j,a +SOCb,j,a
EOmong-omong
j, a = Etrcj, a/ηOmong-omong ∀ J ∈ JA ∧ ∀ A ∈ A . (10) ∀ B ∈ B ∧ ∀ J ∈ JA ∧ ∀ A ∈ A (17)
Efisiensi keseluruhan baterai-ke-roda diperoleh melalui produk dan
(( )( ))
P ch/60 × Tb,j,a
efisiensi inverter, motor, dan poros pengemudi. Untuk semua BEB, ch io
- TP
selain energi traksi, BEB menyediakan energi untuk memasok ΔSOCb,j,a = ηch ·
beban tambahan, seperti pemanas, pendinginan, penerangan, dan EB
sistem suara. Oleh karena itu, total konsumsi energi yang ∀ B ∈ B ∧ ∀ J ∈ JA ∧ ∀ A ∈ A. (18)
dinormalisasi per panjang perjalanan dalam kWh/km dihitung
sebagai berikut: Persamaan (18) menunjukkan bahwa penambahan SOC (Δ
⎛ ⎞ SOCb,j,a) tergantung pada kapasitas baterai (EB), daya pengisian
1 ⎝EOmong-omong Σ plug-in (Pch), dan durasi pengisian (Tb,j,a). Desain daya
ECj,ons
a = J, A + P tambahan · ΔTstp⎠∀J ∈ JA ∧ ∀A ∈ A.
akuR
b, untuk
pengisian sistem transit berlistrik dibatasi oleh minimum dan
T∈TS
maksimum spesifikasi pengisi daya yang tersedia di
(11) pasar, sebagai berikut:

IV. SayaTERINTEGRASI kamuTILITAS-TRANSIT HAIPTIMIZASI MODEL

Pmin Pch ≤ Pch maksimal
(19)
ch

Fungsi tujuan dari model optimasi yang diusulkan terdiri dari sedangkan variabel keputusan durasi pembebanan BEB setelah setiap
tiga istilah seperti yang ditunjukkan pada (12): 1) biaya BEBs perjalanan dibatasi sebagai berikut:
xp
paket baterai, (nB · EB · Ce B ), sebagai produk dari jumlah Tpio T ch
b,j,a ≤ Tj, a
ch,maksimal
∀ B ∈ B ∧ ∀ J ∈ JA ∧ ∀ A ∈ A. (20)
BEB, kapasitas baterai, dan biaya pengeluaran baterai;
2) biaya unit pengisian, (nch · Pch · Cch ) sebagai exp Dalam set batasan yang ditentukan oleh (20), durasi pengisian BEB
hasil kali jumlah pengisi daya, daya pengenal pengisi daya, dan biaya dibatasi pada durasi waktu plug-in dan plug-out pengisi daya sebagai
pengeluaran pengisi daya; dan 3) biaya pemasangan charger, batas bawah, dan durasi pengisian maksimum yang diizinkan sebagai
ch )
(nch · Clangsung sebagai produk dari jumlah pengisi daya dan batas atas. Dimana, maksimum yang diperbolehkan
biaya pemasangan per pengisi daya durasi pengisian didefinisikan sebagai
{
Minimalkan: nB · EB · CeB + nch · Pch · Cexp
xp
ch + nch · Cch . langsung
Trec ∀ J = nA ∧
trp
∀ J ∈ JA ∧ ∀ A ∈ A∀ J =
Tch,maksimal A
B∈B
j, a = Tnxt nA ∧ ∀ J trp (21)
(12) A ∈ JA ∧ ∀ A ∈ A.
Tanpa menghilangkan keumuman, dalam makalah ini diasumsikan bahwa BEB Seperti yang ditunjukkan pada (21), durasi pengisian maksimum yang diizinkan sama
dalam armada adalah identik, yaitu, BEB memiliki baterai yang sama dengan waktu pemulihan ketika bus memiliki perjalanan yang akan datang
 Artikel ini telah diterima untuk dimasukkan dalam edisi mendatang jurnal ini. Konten bersifat final seperti yang disajikan, dengan pengecualian pagination.

6 JURNAL SISTEM IEEE

untuk mengintegrasikan profil pengisian sistem transit ke PDS. Dengan

demikian, alokasi pengisian secara optimal mengoordinasikan durasi
pengisian BEB sistem transit, sedemikian rupa untuk meminimalkan jumlah
pengisi daya yang diperlukan, dan memastikan bahwa tidak ada dampak
negatif pada PDS. Juga, perlu dicatat bahwa variabel biner peluang

Gambar 3. Diagram skema untuk peluang pengisian BEB setelah setiap perjalanan J. pengisian berdampak pada desain optimal kapasitas baterai dan daya
pengisian BEB. Misalnya, masalah optimasi dapat memutuskan bahwa BEB
tidak akan mengenakan biaya (yaitu, variabel biner disetel ke nol) atau
dalam penugasan yang sama, jika tidak sama dengan waktu pemulihan
mengenakan biaya untuk durasi waktu yang kecil setelah perjalanan
untuk penugasan berikutnya (yaitu, waktu pemulihan antara
tertentu karena alasan apa pun (misalnya, dampak negatif pada PDS dan/
penugasan berturut-turut). Untuk memodelkan peluang pengisian
atau meminimalkan jumlah pengisi daya). Dalam konteks ini, kapasitas
untuk setiap bus selama waktu operasi yang dijadwalkan,T memilih
baterai BEB dan/atau ukuran pengisi daya mungkin meningkat untuk
dibagi menjadi nT langkah waktu yang sama diwakili sebagai berikut:
memastikan bahwa BEB memiliki energi yang cukup untuk bekerja.
T memilih
(22) layanan perjalanan berikutnya. Oleh karena itu, vektor biner untuk setiap BEBB
TS = {1, 2, . . . , T, . . . , NT} nT = .
ΔTstp/60 dibatasi oleh peluang pengisian waktu langkah-langkah sebagai berikut:
{
Berdasarkan (22), peluang BEB untuk mengisi daya setiap kali tiba di Σ nxj, a , ∀ Tb,j,a ⊆ TS
stasiun pengisian dirumuskan dalam makalah ini sebagai matriks biner xBD=T =
0, Sebaliknya
yang diberikan sebagai T∈Tb,j,a
⎡ ⎤ ⎡ ⎤ ∀ B ∈ B ∧ ∀ J ∈ JA ∧ ∀ A ∈ A (27)
x1 x1D=1 ... x1D=T ... x1D=n T
⎢ ⎥ ⎢ . . ⎥⎥ kan kan
⎢ ... ⎥ ⎢ . ⎥ T ch
⎢ ⎥ ⎢ ... ...
n x j, a =
b,j,a
∀ B ∈ B ∧ ∀ J ∈ J A∧ ∀ A ∈ A (28)
⎢ ⎥= xBD=1 ... xBD=T ... xBD=nT ⎥ ⎥ ΔTstp
⎢ xB ⎢
.⎥ ⎢ . . ⎥⎦
. ⎣ ... ... . di mana adalah fungsi langit-langit dari waktu pengisian yang diperlukan
xnB xnB ... xnB ... xnB
D=1 D=T D=nT Langkah. Persamaan (27) dan (28) membatasi penggunaan pengisi
daya hingga jumlah langkah waktu yang memenuhi waktu
∀ B ∈ B ∧ ∀ T ∈ TS. (23)
pengisian. Untuk menghindari penetapan biaya yang terputus-
Dimensi matriks biner yang didefinisikan pada (23) adalah nB ×nT. putus untuk bus selama durasi kesempatan pengisian, batasan
Setiap variabel biner dalam matriks diberi nilai “satu” saat bus mengisi berikut diterapkan:
dan “nol” saat bus melewatkan peluang pengisian. Dengan demikian, Σ
setiap baris dalam (23) mewakili peluang pembebanan BEB selama |xDB=kamu - xBD=kamu1| + |xDB=T+1 - xB D=T|
periode operasi terjadwalnya. Perlu dicatat bahwa variabel biner untuk T∈Tb,j,a
peluang pengisian setiap bus ditentukan hanya dalam langkah waktu di
{
0, T ch b,j,a = Tpio
mana bus berhenti di stasiun pengisian. Untuk itu, Gambar 3 =
menunjukkan diagram skema peluang pengisian untuk setiap BEB 2, T ch b,j,a > Tpio
pada saat kedatangannya ke stasiun pengisian setelah perjalanan yang
j, a +
∀ kamu = karr 1 ∧ ∀ B ∈ B ∧ ∀ J ∈ JA ∧ ∀ A ∈ A. (29)
dijadwalkan.J. Seperti yang ditunjukkan pada gambar, waktu pemulihan
bus yang tiba direpresentasikan sebagai serangkaian langkah waktu Persamaan (29) menyatakan bahwa selama periode kesempatan
peluang pengisian (Tb,j,a) pengisian, hanya satu sisi naik (yaitu, perubahan status pengisian dari 0
sebagai berikut: ke 1) yang bisa ada. Demikian pula, satu tepi jatuh (yaitu, perubahan
status pengisian dari 1 ke 0) bisa ada. Oleh karena itu, status pengisian
Tb,j,a = {karr j, a + 1, karrj, a + 2, . . . , karrj, a + nopp
j, a } BEB berubah dua kali, jika biaya BEB selama pengisian tersedia.

∀ B ∈ B ∧ ∀ J ∈ JA ∧ ∀ A ∈ A (24) waktu. Dengan demikian, (29) akan sama dengan dua, sebaliknya (29) sama dengan nol
yang berarti tidak ada perubahan status pengisian. Jumlah pengisi daya yang
di mana diperlukan adalah fungsi dari pengisian daya yang ditetapkan

A + J · Tsiklus
60 × T str Trec
A - A dalam (23) dan dapat direpresentasikan secara matematis sebagai berikut:
karr ∀ J ∈ JA ∧ ∀ A ∈ A (25) ( )
j, a =
ΔTstp Σ
kanH,mxA kan nch = Maks xB (30)
nopp Tj,Ca
j, a = ∀J∈J∧
A ∀A∈A (26) B∈B
ΔTstp
dengan demikian, jumlah pengisi dalam (30) adalah jumlah maksimum dari
j, a adalah langkah waktu di mana bus tiba untuk pengisian
di mana karr penjumlahan matriks biner dalam (23) pada setiap waktu T, yang dibatasi
stasiun setelah perjalanan J dan adalah fungsi lantai dari pengisian oleh batas desainnya sebagai berikut:
langkah waktu kesempatan nopp j, a di mana variabel waktu pengisian nmin
ch Tidakch ≤ nmaksimal (31)
ch .
(Tb,j,a) dapat berlangsung. Mendefinisikan peluang pengisian setiap BEB
sangat penting dalam model utilitas-transit yang diusulkan, untuk Dalam hal ini, koordinasi pengisian BEB di (23) memainkan
mengalokasikan durasi pengisian BEB (T chb,j,a) variabel keputusan peran kunci dalam meminimalkan jumlah pengisi yang dibutuhkan
dalam peluang pengisian yang tersedia (Tb,j,a), Selain itu sesuai dengan fungsi tujuan (12).
 Artikel ini telah diterima untuk dimasukkan dalam edisi mendatang jurnal ini. Konten bersifat final seperti yang disajikan, dengan pengecualian pagination.

EL-TAWEEL dkk.: MODEL UTILITAS-TRANSIT TERPADU UNTUK KONFIGURASI OPTIMAL SISTEM BUS LISTRIK BATERAI 7

Gambar 4. Peta transit bus kota Belleville, data penugasan BEB, dan integrasinya dengan 33 PDS.

Tujuan dalam (12) juga dikenakan kendala operasi PDS, teknik pemrograman untuk memecahkan masalah optimasi MINLP [32].
termasuk keseimbangan daya aktif dan reaktif yang diberikan Juga, perlu dicatat bahwa algoritma BONMIN memiliki fungsionalitas untuk
dalam (32) dan (33), masing-masing [31], menggabungkan teknik heuristik untuk menangani masalah MINLP yang
[ ( )] besar. Secara khusus, teknik heuristik yang tergabung membantu
P gen
dia - P demi
dia = |Vdia| |VSayakan,T| · |kamuiikan | ×karena δSaya - δSayakan - θiikan mempercepat deteksi jalur pencarian solusi yang tidak layak dan dengan
Sayakan∈Saya
demikian dengan cepat menemukan solusi yang layak.

∀Saya ∈ Saya ∧ ∀ T ∈ TS
(32) [33]. Pemecah optimasi BONMIN dibundel sebagai MATLAB
fungsi bawaan di kotak alat OPTimization Interface (OPTI)
[ ( )]
Qgen
dia - Qdemi
[34]. Oleh karena itu, masalahnya telah dikodekan dan diselesaikan menggunakan
dia = |Vdia| |VSayakan,T| · |kamuiikan | ×Dosa δSaya - δSayakan - θiikan
kotak alat OPTI yang dihubungkan. Algoritma optimasi berkode
Sayakan∈Saya

dijalankan di PC dengan spesifikasi sebagai berikut: Core i7-6700,

(33) CPU 3,4 GHz, RAM 16 GB, dan sistem operasi windows 64 bit.
∀Saya ∈ Saya ∧ ∀ T ∈ TS.

Toleransi konvergensi diatur ke 10-7, sedangkan, jumlah

Perlu dicatat bahwa permintaan daya dari node Sayakan di mana stasiun
maksimum iterasi, evaluasi fungsi, dan node pemecah
pengisian BEB berada dapat dinyatakan pada waktu tertentu T sebagai
bilangan bulat diatur ke 104.
berikut:
Σ Gambar. 4 menunjukkan diagram skema untuk utilitas terintegrasi-
P demi
Sayakan,T = Pch · xBD=T ∀ T ∈ TS ∧ ∀ Sayakan ∈ Saya (34) sistem transit digunakan untuk menguji efektivitas model yang diusulkan.
B∈B Seperti yang ditunjukkan pada gambar, sistem angkutan utilitas terintegrasi
yang dipelajari mencakup PDS 33 bus yang digabungkan dengan jaringan
di mana (34) menyatakan permintaan pengisian agregat dari sistem
bus transit di node 10, selain jadwal operasional jaringan transit pada hari
transit sebagai fungsi dari daya pengisi daya dan status pengisian BEB
kerja. Jaringan bus transit yang ditunjukkan pada Gambar. 4 adalah
dalam (23) pada setiap waktu T.
Persamaan (12) juga dikenakan batas tegangan node yang diijinkan
jaringan dunia nyata untuk kota Belleville di Ontario, Kanada.
dan batas kapasitas cabang didefinisikan sebagai:
Untuk tujuan studi ini, jaringan diasumsikan berlistrik penuh,
yaitu semua bus diesel diganti dengan BEB. Karena
V Saya
min ≤ Vdia ≤ V maksimal
Saya ∀ Saya ∈ Saya ∧ ∀ T ∈ TS (35) tidak tersedianya data PDS di Belleville, PDS 33 bus yang terkenal
digunakan dalam penelitian ini [35]. Stasiun pengisian BEB terletak
|Pdia| ≤P maksimal
Saya ∀ Saya ∈ Saya ∧ ∀ T ∈ TS. (36)
di terminal bus yang biasanya terletak di pusat kota [11]. Dalam
konteks ini, stasiun pengisian diasumsikan terhubung ke node 10,
V. SIMULASI RHASIL
yang merupakan pusat beban PDS. Gambar 5 menunjukkan profil
Model optimasi yang dijelaskan dalam (12)–(36) adalah masalah beban harian tipikal yang diadopsi untuk beban sistem PDS yang
pemrograman nonlinier integer campuran (MINLP). Dalam makalah ini, dipelajari, yaitu tanpa BEB. Dengan demikian, deviasi tegangan
rumusan masalah optimasi yang diusulkan diselesaikan dengan yang dapat diterima dianggap sesuai dengan American National
menggunakan BONMIN. Pemecah BONMIN menggunakan pemrograman Standards Institute Range A (yaitu, 5%) [36].
nonlinier titik interior gabungan dan bercabang dan memotong linier Tabel I menunjukkan parameter input untuk baterai bus dan
 Artikel ini telah diterima untuk dimasukkan dalam edisi mendatang jurnal ini. Konten bersifat final seperti yang disajikan, dengan pengecualian pagination.

8 JURNAL SISTEM IEEE

Gambar 5. Profil beban harian tipikal untuk sistem yang dipelajari.

TABEL I
DATA OF HAIn-BOARD Bkita BATERI DAN FAST CHARGER

Gambar 6. Skenario 2 (a) Profil kecepatan. (b) Gradien. (c) Ketinggian untuk rute Loyalis.

GVWR: Peringkat berat kendaraan kotor.

pengisi daya cepat [37], [38], di mana langkah waktu model utilitas-
transit dipelajari adalah 5 menit.
Mengingat variasi temporal dalam karakteristik arus lalu lintas, profil
kecepatan tidak konstan selama perjalanan terjadwal. Oleh karena itu,
tiga kondisi arus lalu lintas, menggunakan rasio (v/c) volume lalu lintas
(v) untuk kapasitas praktis jalan raya (C), dianggap mengakomodasi
variasi temporal dalam kondisi lalu lintas. Kondisi lalu lintas tersebut
adalah arus bebas, ringan, dan lalu lintas padat. Selain itu, profil
kecepatan setiap bus di bawah setiap kondisi arus lalu lintas dihitung
dan dikumpulkan untuk jaringan transit. Untuk itu, dalam makalah ini
dilakukan dua skenario untuk menentukan konfigurasi BEB yang
optimal untuk jaringan transit yang diteliti. Skenario 1 adalah skenario
kasus dasar, di mana baik model utilitas maupun kondisi lalu lintas Gambar 7. BEB #9 dioperasikan pada rute Loyalis. (a) Skenario 2 konsumsi energi.
tidak dipertimbangkan. Dalam skenario ini, tingkat konsumsi energi (b) SOC Skenario 1 dan Skenario 2.

BEB diasumsikan tetap pada rata-rata 1,05 kWh/km seperti yang

diklaim oleh sebagian besar pabrikan bus [14]. Skenario 2 mewakili
model terintegrasi yang diusulkan yang memperhitungkan kondisi arus
lalu lintas dan persyaratan operasional utilitas yang dinyatakan dalam
(32)–(36). Model konsumsi energi BEB dihitung menggunakan
simulator kendaraan canggih (ADVISOR) sesuai dengan spesifikasi
teknis pembuatannya, topologi rute, kerangka waktu perjalanan, dan
kondisi arus lalu lintas yang sesuai. ADVISOR adalah alat simulasi untuk
pemodelan kendaraan yang dikembangkan oleh National Renewable
Energy Laboratory (NREL). Untuk menghitung konsumsi energi secara
akurat dalam Skenario 2, profil kecepatan BEB, topografi rute, dan
peringkat beban tambahan harus dimasukkan ke model konsumsi
energi BEB yang ditunjukkan pada Bagian III-B. Misalnya, Gambar 6(a)–
(c) menunjukkan elevasi dan gradien untuk rute Loyalis (salah satu rute
transit bus kota Belleville ditunjukkan pada Gambar. 4) dan profil
kecepatan untuk BEB yang ditetapkan dalam kondisi lalu lintas padat,
masing-masing . Ara. 7(a) menunjukkan konsumsi daya yang sesuai
dalam Skenario 2 untuk perjalanan yang disimulasikan. Perlu dicatat
bahwa positif
konsumsi daya pada Gambar 7(a) mengacu pada daya yang diambil
dari unit penyimpanan energi BEB untuk menggerakkan BEB dan
memasok beban tambahan, sedangkan daya negatif menunjukkan
daya yang dipulihkan selama perlambatan. Gambar 7(b) menunjukkan
SOC BEB di kedua skenario (yaitu, Skenario 1 dan Skenario 2) untuk
simulasi perjalanan. Seperti yang digambarkan pada gambar, SOC
skenario pertama adalah linier karena tidak memiliki karakteristik rute,
sedangkan SOC skenario kedua mencerminkan topografi rute dan
karakteristik kecepatan. Simulasi telah dilakukan untuk 11 rute pada 3
kondisi lalu lintas, yaitu arus bebas, ringan, dan lalu lintas padat. Tabel
II menunjukkan tingkat rata-rata konsumsi energi untuk jaringan
transit yang dipelajari dalam kondisi lalu lintas yang berbeda. Perlu
dicatat bahwa ketidakpastian yang terkait dengan kondisi cuaca tidak
dipertimbangkan dalam model, dan konsumsi energi yang dihasilkan
dikumpulkan pada tingkat rute. Agregasi konsumsi energi untuk
jaringan transit sangat penting dari sudut pandang agen transit, untuk
menstandarisasi armada BEB mereka. Oleh karena itu, BEB dapat
dijadwalkan untuk melayani salah satu rute sistem transit. Data pada
Tabel II diinput ke
 Artikel ini telah diterima untuk dimasukkan dalam edisi mendatang jurnal ini. Konten bersifat final seperti yang disajikan, dengan pengecualian pagination.
EL-TAWEEL dkk.: MODEL UTILITAS-TRANSIT TERPADU UNTUK KONFIGURASI OPTIMAL SISTEM BUS LISTRIK BATERAI
TABEL II
BEBS ENERGI CONSUMSI BSELESAI TRAFFIC FRENDAH CTAMBAHAN
TABEL III
HAIPTIMAL BEBS CONFIGURASI
Gambar 8. Profil pengisian BEB pada (a) Skenario 1 dan (b) Skenario 2.
model optimasi yang diusulkan. Selanjutnya, analisis
sensitivitas antara konfigurasi BEB yang layak dilakukan untuk
skenario yang dipelajari. Ini untuk mengevaluasi secara singkat
dampak dari integrasi model PDS; dan mengukur hubungan
tradeoff antara konfigurasi optimal BEB.
A. Konfigurasi BEB yang Optimal
Tabel III menunjukkan konfigurasi optimal sistem BEB untuk jaringan
transit yang dipelajari dalam dua skenario. Tabel tersebut juga
menunjukkan biaya setiap konfigurasi dan total energi yang dikonsumsi
setiap hari oleh jaringan angkutan bus listrik. Seperti yang ditunjukkan pada
tabel, memperhitungkan PDS dan kondisi arus lalu lintas memerlukan
peningkatan biaya elektrifikasi transit bersih sebesar 53,8%, dibandingkan
dengan Skenario 1 untuk memenuhi operasi angkutan terjadwal. Juga
diperhatikan bahwa pertimbangan yang akurat dari kondisi arus lalu lintas
meningkatkan konsumsi energi armada BEB hampir 21%. Gambar 8(a) dan
(b) menunjukkan profil pembebanan BEB dari dua skenario yang dipelajari.
Selanjutnya, dampak pengisian BEB pada profil tegangan PDS ditunjukkan
pada Gambar. 9, yang mewakili besarnya tegangan minimum di seluruh PDS
pada setiap langkah waktu. Seperti yang ditunjukkan pada gambar, tanpa
mempertimbangkan PDS dalam desain konfigurasi BEB, tegangan rendah
terjadi karena pengisian BEB yang dijadwalkan selama kondisi pembebanan
puncak. Gambar. 8(b) dan 9, bagaimanapun,
9
Gambar 9. Profil tegangan minimum lebar-PDS untuk skenario yang dipelajari.
menunjukkan bahwa model terintegrasi yang diusulkan mengadaptasi konfigurasi
BEB dan profil pengisiannya sedemikian rupa sehingga tidak melanggar batas
tegangan PDS yang ditentukan. Untuk alasan ini, ukuran pengisi daya yang
diperlukan dalam Skenario 2 adalah 250 kW dibandingkan dengan 500 kW dalam
Skenario 1, seperti yang ditunjukkan pada Tabel III. Namun, untuk
mempertahankan operasi terjadwal dari jaringan transit, penurunan ukuran
pengisi daya memerlukan peningkatan baterai BEB dari 75 menjadi 300 kWh.
Dengan kapasitas baterai yang lebih besar, BEB dapat menyelesaikan beberapa
perjalanan berturut-turut tanpa perlu diisi penuh. Selain itu, seperti yang
ditunjukkan pada Gambar. 8, BEB dengan kapasitas baterai yang lebih besar
membutuhkan lebih banyak waktu untuk terisi penuh setelah menyelesaikan
tugas harian mereka untuk mempersiapkan perjalanan hari berikutnya. Hasil juga
menunjukkan bahwa meskipun ukuran pengisi daya di Skenario 2 berkurang
(dibandingkan dengan Skenario 1), pengisi daya yang tersedia tidak sepenuhnya
digunakan selama kondisi beban berat PDS. Misalnya, selama waktu 10:00 hingga
14:00, hanya dua pengisi daya yang dapat digunakan dari empat pengisi daya
yang tersedia seperti yang ditunjukkan pada Gambar 8(b).
B. Analisis Sensitivitas Konfigurasi BEBs
Hasil Bagian VA menunjukkan bahwa ada tradeoff antara pilihan
kapasitas baterai BEB dan ukuran pengisi daya untuk jaringan transit. Untuk
itu, analisis sensitivitas dilakukan pada bagian ini menggunakan model
optimasi yang diusulkan untuk dua skenario yang dipelajari. Mengingat
bahwa kapasitas baterai BEB bersifat modular, kapasitas baterai yang
berbeda dipertimbangkan untuk analisis sensitivitas di mana kapasitas
baterai yang dipelajari berada dalam batas minimum dan maksimum yang
ditunjukkan pada Tabel I, dengan interval unit 25 kWh. Gambar 10(a) dan (b)
menunjukkan konfigurasi optimal untuk bus kota transit berlistrik pada
jumlah pengisi daya yang berbeda untuk Skenario 1 dan 2. Seperti
ditunjukkan pada Gambar 10, hubungan antara kapasitas baterai yang
dibutuhkan dan ukuran pengisi daya yang dibutuhkan adalah berbanding
terbalik, yaitu, kapasitas baterai berkurang dengan bertambahnya ukuran
pengisi daya. Seperti ditunjukkan pada Gambar 10(a), kapasitas baterai
maksimum yang dibutuhkan adalah 425 kWh untuk tiga pengisi daya 75 kW.
Namun, Gambar 10(b) menunjukkan bahwa kapasitas baterai maksimum
untuk Skenario 2 adalah 500 kWh pada ukuran pengisi daya 75 kW untuk
tiga pengisi daya ke atas. Oleh karena itu, dalam skenario terakhir,
meningkatkan jumlah pengisi daya pada daya pengenal 75 kW tidak
mengurangi kapasitas baterai yang diperlukan. Dengan demikian, 500 kWh
diperlukan untuk kapasitas baterai BEB, sehingga BEB dapat mengirimkan
jadwal transit yang ditetapkan mengingat ukuran pengisi daya yang rendah
yaitu 75 kW. Ini terutama karena ukuran pengisi daya yang lebih rendah
tidak dapat menyediakan energi yang cukup untuk BEB selama waktu
pemulihan. Oleh karena itu, kapasitas baterai yang besar diperlukan
terlepas dari peningkatan kemungkinan peluang pengisian BEB (yaitu,
 Artikel ini telah diterima untuk dimasukkan dalam edisi mendatang jurnal ini. Konten bersifat final seperti yang disajikan, dengan pengecualian pagination.
10
Gambar 10. Konfigurasi BEB yang layak pada jumlah pengisi daya yang berbeda untuk
(a) Skenario 1 dan (b) Skenario 2.
Juga diperhatikan bahwa, kapasitas baterai BEB di Skenario 2 selalu
lebih tinggi dari Skenario 1, karena PDS tidak mampu mengisi daya BEB
selama kondisi beban tinggi. Oleh karena itu, kapasitas baterai yang
lebih besar diperlukan untuk memenuhi jadwal transit dan batasan
SOC BEB tanpa melanggar batasan PDS. Misalnya, hasil menunjukkan
bahwa hanya diperlukan baterai 75 kWh untuk tiga pengisi daya 500
kW dalam konfigurasi optimal Skenario 1 seperti yang ditunjukkan
pada Tabel III. Namun, seperti yang ditunjukkan pada Gambar. 10(b),
kapasitas baterai yang dibutuhkan untuk tiga pengisi daya 500 kWh
adalah 300 kWh untuk Skenario 2 karena kendala yang diberlakukan
pada PDS.
VI. CKESIMPULAN
Makalah ini mengusulkan model matematika utilitas-transit
terintegrasi untuk desain konfigurasi optimal sistem BEB transit.
Konfigurasi tersebut meliputi kapasitas baterai BEB, ukuran
charger, dan jumlah charger yang dibutuhkan. Tujuan dari
masalah optimasi adalah untuk meminimalkan biaya pengeluaran
elektrifikasi jaringan bus transit. Algoritma optimasi yang
diusulkan memperhitungkan persyaratan operasi baik distribusi
daya dan jaringan transit. Ini juga menggabungkan pemodelan
akurat untuk konsumsi energi BEB dengan mempertimbangkan
model bus, topologi rute, dan kondisi lalu lintas. Sistem transit
dunia nyata telah digunakan untuk memvalidasi efektivitas
algoritma yang diusulkan. Hasilnya menunjukkan bahwa praktik
operasi baik jaringan transit maupun jaringan listrik sangat sensitif
terhadap konfigurasi BEB. Perlu dicatat dalam studi kasus bahwa
selama kondisi pemuatan daya berat, PDS mungkin tidak dapat
memenuhi persyaratan pengisian armada BEB ketika konfigurasi
dan jadwal pengisian BEB tidak dirancang secara optimal. Ketika
PDS sangat padat di bawah
JURNAL SISTEM IEEE
konfigurasi BEB tertentu, aspek desain berikut terkait dengan
sistem BEB dapat dipertimbangkan.
1) Meningkatkan kapasitas baterai BEB untuk mengirimkan beberapa
perjalanan berturut-turut tanpa perlu sesi pengisian daya;
2) Sesuaikan jadwal pengisian sehingga lebih sedikit jumlah BEB
yang memiliki kesempatan untuk mengisi daya selama kondisi
beban berat;
3) Kurangi ukuran pengisi daya agar BEB dapat diisi
tanpa mempengaruhi PDS selama kondisi beban
berat;
4) Tingkatkan jumlah pengisi daya untuk mengisi daya BEB secara
memadai sebelum dan sesudah kondisi beban berat, mengingat BEB
tidak akan memiliki kesempatan penuh untuk mengisi daya selama
kondisi tersebut.
Mengingat bahwa model utilitas-transit yang diusulkan terutama
diformulasikan untuk konsep operasi pengisian peluang dari sistem bus
transit terminal tunggal, pekerjaan di masa depan akan memperluas model
ini untuk mempertimbangkan konsep operasi pengisian lainnya (misalnya,
semalam dan nirkabel) dan sistem bus transit multiterminal.
REFERENSI
[1] MA Dulebenets, “Meminimalkan total biaya layanan rute pelayaran kapal
melalui penerapan perjanjian kolaboratif yang efisien,” IEEE Trans. Intel.
terjemahan sistem, vol. 20, tidak. 1, hlm. 123–136, Juni 2019.
[2] M. Mohamed, M. Ferguson, dan P. Kanaroglou, “Apa yang menghalangi adopsi bus
listrik dalam transit Kanada? Perspektif penyedia angkutan,”terjemahan Res.
Bagian Transp. Mengepung., vol. 64, hlm. 134–149, Oktober 2018.
[3] M. Jallian, S. Gholami, dan R. Ramezanian, “Menganalisis trade-off antara CO2
emisi dan tingkat layanan penumpang di industri penerbangan: Pemodelan
matematis dan heuristik konstruktif,” J. Produk Pembersih., vol. 206, hlm.
251–266, Januari 2019.
[4] MA Dulebenets, "Model optimasi multi-tujuan yang komprehensif untuk
masalah penjadwalan kapal dalam pengiriman liner," Int. J.Prod. Ekonomi,
vol. 196, hlm. 293–318, Februari 2018.
[5] B. Moaveni dan S. Najaf, “Pemodelan dan regulasi lalu lintas metro di jalur loop
menggunakan pengontrol prediksi model yang kuat untuk meningkatkan kepuasan
penumpang,” IEEE Trans. Sistem Kontrol teknologi., vol. 26, tidak. 5, hlm. 1541–1551,
September 2018.
[6] I. Pavic, T. Capuder, dan I. Kuzle, “Pendekatan komprehensif untuk memaksimalkan
manfaat fleksibilitas kendaraan listrik,” Sistem IEEE J., vol. 12, tidak. 3, hlm. 2882–
2893, September 2018.
[7] D. Nicolaides, D. Cebon, dan J. Miles, "Prospek untuk elektrifikasi angkutan
jalan," Sistem IEEE J., vol. 12, tidak. 2, hlm. 1838–1849, Juni 2018.
[8] X. Zhang, H. Peng, H. Wang, dan M. Ouyang, "Baterai lithium besi fosfat
hibrida dan sistem baterai lithium titanat untuk bus listrik,"IEEE Trans.
weh. teknologi., vol. 67, tidak. 2, hlm. 956–965, Februari 2018.
[9] D. Nicolaides, D. Cebon, dan J. Miles, "Sebuah infrastruktur pengisian perkotaan
untuk operasi angkutan jalan listrik: Sebuah studi kasus untuk Cambridge Inggris,"
Sistem IEEE J., vol. 13, tidak. 2, hlm. 2057–2068, Juni 2019.
[10] VI Herrera, A. Milo, H. Gaztanaga, AG Garrido, H. Camblong, dan
A. Sierra, “Desain dan perbandingan eksperimental strategi manajemen
energi untuk bus listrik hibrida berdasarkan simulasi bangku uji,” IEEE Trans.
Ind., vol. 55, tidak. 3, hlm. 3066–3075, Mei/Jun. 2019.
[11] M. Mohamed, H. Farag, N. El-Taweel, dan M. Ferguson, “Simulasi bus listrik
pada jaringan transit penuh: Kelayakan operasional dan analisis dampak
jaringan,” listrik. Sistem Daya Res., vol. 142, hlm. 163–175, Januari 2017.
[12] M. Mahmoud, R. Garnett, M. Ferguson, dan P. Kanaroglou, “Bus listrik: Tinjauan
powertrains alternatif,” Memperbarui. Mempertahankan. Energi Rev., vol. 62, hlm.
673–684, September 2016.
[13] Y. Wang, Y. Huang, J. Xu, dan N. Barclay, “Penjadwalan pengisian ulang yang optimal untuk
bus listrik perkotaan: Sebuah studi kasus di Davis,” terjemahan Res. Bagian E Logistik.
terjemahan Putaran., vol. 100, hlm. 115-132, April 2017.
[14] NA El-Taweel, M. Mohamed, dan HE Farag, "Desain optimal stasiun
pengisian untuk jaringan transit listrik," di Prok. IEEE Transp.
Listrik. Kon. Ekspo., 2017, hlm. 786–791.
[15] C. Yang, W. Lou, J. Yao, dan S. Xie, “Pada pengoptimalan penjadwalan pengisian daya
untuk sistem bus listrik bermuatan nirkabel,” IEEE Trans. Intel. terjemahan sistem,
vol. 19, tidak. 6, hlm. 1814–1826, Juni 2018.
 Artikel ini telah diterima untuk dimasukkan dalam edisi mendatang jurnal ini. Konten bersifat final seperti yang disajikan, dengan pengecualian pagination.

EL-TAWEEL dkk.: MODEL UTILITAS-TRANSIT TERPADU UNTUK KONFIGURASI OPTIMAL SISTEM BUS LISTRIK BATERAI 11

[16] T. Zhang, X. Chen, Z. Yu, X. Zhu, dan D. Shi, “Pendekatan simulasi Monte Carlo untuk
mengevaluasi kapasitas layanan stasiun pengisian dan pertukaran baterai EV,”
IEEE Trans. Ind. Menginformasikan., vol. 14, tidak. 9, hlm. 3914–3923, September
2018.
[17] YJ Jang, ES Suh, dan J. Kim, "Arsitektur sistem dan model matematis
sistem bus transit listrik yang memanfaatkan teknologi transfer daya
nirkabel," Sistem IEEE J., vol. 10, tidak. 2, hlm. 495–506, Juni 2016.
[18] U. Guida dan S. Leonard, “ZeEUS: Sistem bus perkotaan tanpa emisi,” diProk.
IEEE Int. Memilih. Konf. Kendaraan, 2014, hlm. 1–7.
[19] ABB peluang pengisian untuk bus listrik. (2018). [On line]. Tersedia. http://
new.abb.com/ev-charging/products/opportunity-charging
[20] MT Sebastiani, R. Lders, dan KVO Fonseca, “Mengevaluasi pengoperasian bus
listrik untuk angkutan umum BRT dunia nyata menggunakan optimasi
simulasi,” IEEE Trans. Intel. terjemahan sistem, vol. 17, tidak. 10, hlm. 2777–
2786, Oktober 2016.
[21] G. De Filippo, V. Marano, dan R. Sioshansi, “Simulasi sistem
transportasi listrik di The Ohio State University,” aplikasi Energi,
vol. 113, hlm. 1686–1691, Januari 2014.
[22] N. Qin, A. Gusrialdi, R. Paul Brooker, dan A. T-Raissi, "Analisis numerik strategi
pengisian cepat bus listrik untuk pengurangan biaya permintaan,"terjemahan Res.
Bagian Kebijakan Praktek., vol. 94, hlm. 386–396, Desember 2016.
[23] EA Rezai, MF Shaaban, EF El-Saadany, dan F. Karray, “Manajemen permintaan
cerdas online untuk kendaraan listrik plug-in di tempat parkir pintar masa
depan,” Sistem IEEE J., vol. 10, tidak. 2, hlm. 483–494, Juni 2016.
[24] S. Pirouzi, J. Aghaei, MA Latify, GR Yousefi, dan G. Mokryani, “Pendekatan optimasi
yang kuat untuk manajemen daya aktif dan reaktif dalam jaringan distribusi pintar
menggunakan kendaraan listrik,” Sistem IEEE J., vol. 12, tidak. 3, hlm. 2699–2710,
September 2018.
[25] LE Teoh, HL Khoo, SY Goh, dan LM Chong, “Pengoperasian bus listrik berbasis
skenario: Studi kasus Putrajaya, Malaysia,” Int. J. Transp. Sci. teknologi., vol.
7, tidak. 1, hlm. 10–25, Maret 2018.
[26] BR Ke, CY Chung, dan YC Chen, “Meminimalkan biaya pembangunan
sistem transportasi bus listrik plug-in: Sebuah studi kasus di Penghu,”
aplikasi Energi, vol. 177, hlm. 649–660, September 2016.
[27] Y. Cheng, W. Wang, Z. Ding, dan Z. He, “Perencanaan sumber daya stasiun pengisian
cepat bus listrik dengan mempertimbangkan agregasi beban dan integrasi
terbarukan,” Pembaruan IET. Pembangkit Listrik., vol. 13, tidak. 7, hlm. 1132–1141,
Mei 2019.
[28] V. Guihaire dan JK Hao, “Desain dan penjadwalan jaringan transit: Tinjauan global,”
terjemahan Res. Bagian A: Praktik Kebijakan., vol. 42, tidak. 10, hlm. 1251– 1273,
Desember 2008.
[29] M. Bartlomiejczyk, "Indikator kinerja mengemudi dari teknik mengemudi bus
listrik: Analisis multicriterial data mengemudi naturalistik," IEEE Trans. Intel.
terjemahan sistem, vol. 20, tidak. 4, hlm. 1442–1451, April 2019.
[30] H. Tian, X. Wang, Z. Lu, Y. Huang, dan G. Tian, "Strategi manajemen energi
logika fuzzy adaptif berdasarkan kurva referensi SOC yang masuk akal untuk
kontrol online bus kota listrik hibrida plug-in," IEEE Trans. Intel. terjemahan
sistem, vol. 19, tidak. 5, hlm. 1607–1617, Mei 2018.
[31] H. Khani, N. El-Taweel, dan HEZ Farag, “Manajemen kemacetan daya
dalam jaringan distribusi listrik dan gas terintegrasi,” Sistem IEEE J, vol.
13, tidak. 2, hlm. 1883–1894, Juni 2019.
[32] P. Bonami dkk., “Kerangka kerja algoritme untuk program nonlinier bilangan bulat
campuran cembung,” Optim Diskrit., vol. 5, tidak. 2, hlm. 186–204, Mei 2008.
Nader A. El-Taweel (S'15) lahir di Halifax, NS,
Canada, pada tahun 1991. Meraih gelar B.Sc. gelar
di bidang teknik elektro dari Universitas
Alexandria, Mesir, pada tahun 2013 dan MASc.
gelar di bidang teknik elektro dari Lassonde School
of Engineering, York University, ON, Kanada, pada
tahun 2016, di mana ia saat ini bekerja menuju
Ph.D. gelar di Departemen Teknik Elektro dan Ilmu
Komputer.
Pada tahun 2018, ia bergabung dengan Metrolinx, Toronto,
ON, Kanada, sebuah agen transportasi regional Pemerintah
ernment of Ontario, untuk menyelidiki perencanaan dan pengoperasian sistem transit
GO Bus berlistrik. Minat penelitiannya termasuk memeriksa solusi untuk memfasilitasi
adopsi armada transportasi tanpa emisi, yang mencakup teknologi berbasis baterai dan
hidrogen dari bus angkutan umum dan kendaraan penumpang. Secara khusus, karyanya
bertujuan untuk mengembangkan teknik baru untuk desain rekayasa dan pengoperasian
energi rendah karbon dan sistem transportasi terintegrasi. Dia juga tertarik pada kontrol
dan operasi jaringan pintar, aplikasi multiagen, dan integrasi sumber daya energi
terdistribusi dan terbarukan.
El-Taweel adalah penerima beberapa penghargaan bergengsi federal dan
provinsi di Kanada, termasuk Dewan Penelitian Ilmu Pengetahuan dan
Teknik (NSERC) dari Beasiswa Pascasarjana-Doktor Kanada dan Beasiswa
Pemerintah Ontario. Pada tahun 2018, ia adalah penerima Rob MacIsaac
Fellowship.
Hany E. Farag (M'13–SM'18) menerima B.Sc. (dengan
pujian) dan M.Sc. gelar di bidang teknik elektro dari
Universitas Assiut, Assiut, Mesir, pada tahun 2004 dan
2007, masing-masing, dan Ph.D. gelar di bidang teknik
listrik dan komputer dari University of Waterloo,
Waterloo, ON, Kanada, pada tahun 2013.
Sejak Juli 2013, ia bekerja di Departemen
Teknik Elektro dan Ilmu Komputer, Lassonde
School of Engineering, York University, Toronto,
ON, Kanada, di mana ia saat ini bekerja sebagai
Associate Professor. Dia adalah Peneliti York
Ketua di Integrated Smart Energy Grids, Investigator Utama dengan Smart
Grid Research Laboratory, York University, dan Pengembang Utama
kurikulum dan laboratorium senilai lebih dari $2 juta untuk spesialisasi
sistem tenaga dalam program teknik listrik baru di YorkU. Dia juga
Sekretaris Eksekutif Kelompok Kerja Internasional Cigre C6.28 untuk
standarisasi jaringan mikro offsupply. Minat penelitiannya meliputi bidang
jaringan distribusi daya, integrasi sumber energi terdistribusi dan
terbarukan, mobilitas listrik, pemodelan, analisis, dan desain jaringan mikro,
dan aplikasi teknologi multiagen dalam jaringan pintar.
Farag adalah Insinyur Profesional Terdaftar di Ontario. Dia adalah penerima
Penghargaan Penelitian Awal (ERA) bergengsi dari Pemerintah Ontario.

[33] P. Bonami dan JPM Gonçalves, "Heuristik untuk program nonlinier bilangan bulat Moataz Mohamed menerima gelar master dari
campuran cembung," Hitung. Optimalkan aplikasi, vol. 51, tidak. 2, hlm. 729–747, Universitas Roma, La Sapienza, Roma, Italia, pada
Maret 2012 tahun 2007, dan Ph.D. gelar dari University of Ulster,
[34] Kotak Alat OPTI, "Pemrograman Integer Campuran Nonlinier Open Source Inggris, pada tahun 2012.
Dasar." [On line]. Tersedia: https://www.inverseproblem.co.nz/OPTI/ Dia adalah Asisten Profesor Sistem Cerdas dan
index.php/Solvers/BONMIN Transportasi di Departemen Teknik Sipil, Universitas
[35] MV Kirthiga, SA Daniel, dan S. Gurunathan, “Metodologi untuk mengubah McMaster, Hamilton, ON, Kanada. Minat penelitiannya
jaringan distribusi yang ada menjadi jaringan mikro mandiri yang meliputi pemanfaatan teknologi yang mengganggu
berkelanjutan,” IEEE Trans. Mempertahankan. Energi, vol. 4, tidak. 1, hlm. dalam jaringan angkutan umum, kualitas transit, dan
31–41, Januari 2013. sistem transportasi pintar. Secara khusus, ia
[36] Standar Nasional Amerika untuk Sistem dan Peralatan Tenaga Listrik– menyelidiki efisiensi listrik
Peringkat Tegangan (60 Hertz), ANSI Std. C84.1, Desember 2006. teknologi powertrain di jaringan angkutan umum dengan penekanan pada
[37] M. Smith dan J. Castellano, “Biaya yang terkait dengan peralatan pasokan kendaraan konsumsi energi, keandalan operasional, penilaian lingkungan, dan dampak
listrik non-perumahan: Faktor yang perlu dipertimbangkan dalam penerapan sistemik dari sistem transit pada infrastruktur.
stasiun pengisian kendaraan listrik,” Departemen Energi AS, Washington, DC, AS, Dr. Mohamed adalah penerima penghargaan akademis bergengsi, termasuk Penghargaan
Rep. DOE /EE-1289, November 2015. Smeed Runner-Up untuk makalah terbaik di Konferensi Kelompok Studi Transportasi Universitas
[38] S. Chung dan O. Trescases, "Sistem penyimpanan energi hibrida dengan kontrol campuran (UTSG) ke-44, Penghargaan Makalah Terbaik di Konferensi Jaringan Penelitian Transportasi
daya aktif dalam paket baterai dual-kimia untuk kendaraan listrik ringan," IEEE Trans. Irlandia (ITRN) ke-3, dan Penghargaan Makalah Terbaik oleh seorang peneliti muda pada
terjemahan listrik., vol. 3, tidak. 3, hlm. 600–617, September 2017. Konferensi Dunia tentang Riset Transportasi (WCTR) ke-13.