МОДЕЛЬ ПРОСТОРОВО-ЧАСОВОГО ПОПИТУ НА ЗАРЯДНІ СТАНЦІЇ ЕЛЕКТРОМОБІЛІВ ІЗ ВРАХУВАННЯМ СЕЗОННИХ І ТРАНЗИТНИХ ФАКТОРІВ
DOI:
https://doi.org/10.32689/maup.it.2026.2.4Ключові слова:
системний аналіз, складна система, електромобіль, зарядна інфраструктура, просторово-часовий попит, сезонний коефіцієнт, транзитний трафік, великі дані, ERA5Анотація
Об’єктом дослідження є процес формування просторово-часового попиту на зарядну інфраструктуру електромобілів у Західній Україні, що розглядається методами системного аналізу як складна соціотехнічна система. Розв’язувана проблема полягає в тому, що відомі моделі розміщення зарядних станцій ігнорують сезонний фактор або враховують його лише агреговано та не розділяють систему попиту на самостійні міський і трасовий компоненти. На засадах системного аналізу розроблено та верифіковано на реальних великих даних математичну модель D(x, y, t) = D₀(x, y)·φ(t)·kₛ(t, T)·k_g(x, y) з адитивним виділенням трасового компонента, що відповідає декомпозиції системи на незалежні підсистеми. Суть отриманих результатів: систему попиту формалізовано як S = ⟨E, V, C, X, Y, F⟩; сезонний коефіцієнт kₛ виведено з перших принципів електрохімії літій-іонних акумуляторів і термодинаміки систем клімат-контролю (γ ≈ 0,40); параметри скалібровано у два етапи на реальних даних; виконано повний аналіз 8 областей із використанням 14 616 кліматичних спостережень ERA5 за 2020-2024 роки. Саме системна декомпозиція, фізичне обґрунтування сезонної чутливості та формальне розділення сегментів дозволили вирішити зазначену проблему, оскільки вони роблять модель прозорою, відтворюваною та придатною до калібрування на даних різної природи. Результати пояснюються спільною дією зростання внутрішнього опору батареї на холоді й додаткових витрат на обігрів салону, а також відмінною поведінкою водіїв у місті та на трасі. Зимовий попит перевищує літній на 37-40 % для рівнинних областей і до 60-68 % для гірської частини Карпат, а трасовий сегмент на 5-7 відсоткових пунктів чутливіший до сезону за міський. Результати можуть бути використані для системно обґрунтованого, регіонально диференційованого планування мережі зарядних станцій.
Посилання
Pro-Consulting / InVenture. Аналіз ринку електромобілів в Україні, 2021–2024 рр. 2024. URL: https://inventure.com.ua/uk/analytics/investments/analiz-rinku-elektromobiliv-v-ukrayini
European Alternative Fuels Observatory. EV charging infrastructure statistics 2024. EAFO, 2024.
Frade I., Ribeiro A., Gonçalves G., Antunes A. P. Optimal location of charging stations for electric vehicles in a neighborhood in Lisbon, Portugal. Transportation Research Record. 2011. Vol. 2252. P. 91–98. DOI: 10.3141/2252-12
He J., Yang H., Tang T.-Q., Huang H.-J. An optimal charging station location model with the consideration of electric vehicle’s driving range. Transportation Research Part C. 2018. Vol. 86. P. 641–654. DOI: 10.1016/j.trc.2017.11.026
Tu W., Li Q., Fang Z. et al. Optimizing the locations of electric vehicle charging stations: a spatial-temporal demand coverage approach. Transportation Research Part C. 2016. Vol. 65. P. 172–189. DOI: 10.1016/j.trc.2015.10.004
Zhang H., Moura S. J., Hu Z., Song Y. PEV fast-charging station siting and sizing on coupled transportation and power networks. IEEE Transactions on Smart Grid. 2018. Vol. 9, No. 4. P. 2595–2605. DOI: 10.1109/TSG.2016.2614939
Roy S. Optimized placement of electric vehicle charging stations considering sustainable utility criteria functions: an integrated GIS, MCDM, metaheuristics approach. Sustainable Cities and Society. 2025. Vol. 118. P. 106012. DOI: 10.1016/j.scs.2025.106895 (Примітка: у фактичній публікації volume 134, article 106895 – можливо, неточність у бібліографічному описі)
Wang X., Li M., Dubois F. Planning urban EV charging stations with GIS-based multi-criteria decision making. Sustainable Cities and Society. 2025. Vol. 121. P. 106245. (DOI не підтверджено за вказаними авторами + volume/page; можлива неточність у цитуванні)
Li D. C. A hybrid Bayesian network-based deep learning approach combining climatic and reliability factors to forecast electric vehicle charging capacity. Heliyon. 2025. Vol. 11. P. e42483. DOI: 10.1016/j.heliyon.2025.e42483
Згуровський М. З., Панкратова Н. Д. Системний аналіз: проблеми, методологія, застосування. Київ: Наукова думка, 2011. 743 с.
Hosen M. S., Jaguemont J., Van Mierlo J., Berecibar M. Battery cycle life study through relaxation and forecasting the lifetime via machine learning. Journal of Energy Storage. 2021. Vol. 40. P. 102726. DOI: 10.1016/j.est.2021.102726
Vuchic V. R. Urban transit: operations, planning, and economics. Hoboken: Wiley, 2005. 664 p.
Norwegian Electric Vehicle Association. Norwegian EV statistics 2024. URL: https://elbil.no/english/norwegian-ev-policy/
Yuksel T., Michalek J. J. Effects of regional temperature on electric vehicle efficiency, range, and emissions in the United States. Environmental Science & Technology. 2015. Vol. 49, No. 6. P. 3974–3980. DOI: 10.1021/es505621s
Hardman S., Jenn A., Tal G. et al. A review of consumer preferences of and interactions with electric vehicle charging infrastructure. Transportation Research Part D. 2018. Vol. 62. P. 508–523. DOI: 10.1016/j.trd.2018.04.002
Lee J. H., Chakraborty D., Hardman S. J., Tal G. Exploring electric vehicle charging patterns: mixed usage of charging infrastructure. Transportation Research Part D. 2020. Vol. 79. P. 102249. DOI: 10.1016/j.trd.2020.102249
Hersbach H., Bell B., Berrisford P. et al. The ERA5 global reanalysis. Quarterly Journal of the Royal Meteorological Society. 2020. Vol. 146, No. 730. P. 1999–2049. DOI: 10.1002/qj.3803
IEA. Global EV Outlook 2024. International Energy Agency, Paris, 2024.
Deb K., Pratap A., Agarwal S., Meyarivan T. A fast and elitist multiobjective genetic algorithm: NSGA-II. IEEE Transactions on Evolutionary Computation. 2002. Vol. 6, No. 2. P. 182–197. DOI: 10.1109/4235.996017
Ruiz V., Pfrang A., Kriston A. et al. A review of international abuse testing standards for lithium-ion batteries. Renewable and Sustainable Energy Reviews. 2018. Vol. 81. P. 1427–1452. DOI: 10.1016/j.rser.2017.05.195
Марків О. І. Аналіз технологій великих даних та особливості їх використання в галузі електротранспорту. Системи і засоби інформатики. 2024. Вип. 15. С. 419–430.
Марків О. І. Цифрові сліди електромобілів як основа адаптивної системи управління зарядною інфраструктурою. Технічні науки та технології. 2026. № 1(1). С. 1–12.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.






