Оценка влияния географических, погодных и социально-инфраструктурных факторов на объем потребления энергии на зарядных станциях для электротранспорта в условиях крупной городской агломерации

Д. А. Скоробогатченко, А. В. Кизим, В. С. Торбин, М. Д. Леонтьев

Аннотация


В статье рассматривается влияние географических, погодных и социально-инфраструктурных факторов на объем потребляемой энергии на зарядных станциях для электротранспорта в условиях Волгоградской городской агломерации за период 2024 года. Исследование содержит описание имеющихся и вводимых параметров, предварительный корреляционный анализ, разработку и проверку подхода с использованием моделей машинного обучения, интерпретацию полученных результатов. Определяется степень влияния факторов на объем потребления энергии путем сравнения качества прогностических моделей с разными наборами признаков. Результаты показывают повышение точности прогнозирования при учете дополнительных факторов. Полученные выводы могут быть полезны как бизнесу, так и местным властям при планировании городской инфраструктуры, размещении зарядных станций, оптимизации зарядной сети и прогнозировании нагрузок.

Ключевые слова


зарядные станции, электротранспорт, машинное обучение, географические факторы, погодные условия, социальная инфраструктура, городское планирование, городская агломерация.

Полный текст:

PDF

Литература


[Beh25] Priyanka Behki, Vaibhavi Shreya, Reshma, Aniya Kumari, and Sanskar. “Ethical concerns of autonomous vehicles: an AI framework” // Systems Engineering and Information Technologies. 2025. Vol. 7, no. 3 (22), pp. 20–29. EDN HHYJIO.

[Ben25] Bitto Benny and Karthigai Prakasam Chellaswamy. “AI’s impact on vehicle growth and ownership patterns in the automotive industry” // Systems Engineering and Information Technologies. 2025. Vol. 7, no. 3 (22), pp. 41–48. EDN QCQXLS.

[Fur23] Furman Ia., Skorobogatchenko D. “Automatic Road surface defect detection using machine learning methods” // II Int. Scient. Forum on Sustainable Development and Innovation (WFSDI 2023): Conf. Proc., Porto, Portugal, 2023. EDN EQCZOG.

[Lun17] Lundberg S. M., Lee S. I. “A unified approach to interpreting model predictions” // In Proc. 31st Int. Conf. on Neural Information Processing Systems. 2017, pp. 4765–4774. DOI: 10.1145/3295222.3295230.

[Lun20] Lundberg S. M., Erion G., Chen H. “Machine Learning model interpretability using SHAP values: application to a seismic facies classification task” // ResearchGate. 2020. DOI: 10.1190/segam2020-3428275.1.

[Orz23] Orzechowski A., Lugosch L., Hao S., Yang R., Wei Li., Meyer B. H. “Data-driven EV charging demand forecasting” // Energy and AI. 14, 100267. 2023. DOI: 10.1016/j.egyai.2023.100267. EDN: GVDZZF.

[Qu24] H. Qu, H. Kuang, Q. Wang, J. Li and L. You, "A physics-informed and attention-based graph learning approach for regional electric vehicle charging demand prediction" // IEEE Transactions on Intelligent Transportation Systems, vol. 25, no. 10, pp. 14284-14297, Oct. 2024. DOI: 10.1109/TITS.2024.3401850.

[Wan23] Wang S., Anthony C., Pinxi W., Chengxiang Z. “Predicting electric vehicle charging demand using spatio-temporal graph convolutional networks” // Transportation Research Part C, 153, 104205. 2023. DOI: 10.1016/j.trc.2023.104205. EDN: AGXTGU.

[Киз24] Кизим А. В., Мокин Д. А. Исследование методов интеллектуальной поддержки в перевозках нефтепродуктов // Программное обеспечение для цифровизации предприятий и организаций: Сб. тр. II Всеросс. науч.-практ. конф., Магнитогорск, 01–02 июля 2024 года. Магнитогорск: МГТУ, 2024. С. 132-135. EDN HEPDJL. [[ Kizim A. V., Mokin D. A. “Research of methods of intellectual support in transportation of petroleum products” // Software for Digitalization of Enterprises and Organizations: II All-Russian Scientific and Practical Conf., Magnitogorsk, July 1–2, 2024. Magnitogorsk: MSTU, 2024, pp. 132–135. EDN HEPDJL. (In Russian). ]]

[Тор24] Торбин В. С., Скоробогатченко Д. А. Методы определения оптимальных точек для установки станций для зарядки электромобилей в крупной городской агломерации // Программное обеспечение для цифровизации предприятий и организаций: Сб. тр. II Всеросс. науч.-практ. конф., Магнитогорск, 01–02 июля 2024 года. Магнитогорск: МГТУ, 2024. С. 56-59. EDN OHYEPK. [[ Torbin V. S., Skorobogatchenko D. A. “Methods for determining optimal points for installing electric vehicle charging stations in a large urban agglomeration” // Software for Digitalization of Enterprises and Organizations: II All-Russian Scientific and Practical Conf., Magnitogorsk, July 1–2, 2024. Magnitogorsk: MSTU, 2024, pp. 56–59. EDN OHYEPK. (In Russian). ]]




DOI: https://doi.org/10.54708/2658-5014-SIIT-2025-no4-p68

Ссылки

  • На текущий момент ссылки отсутствуют.


(c) 2025 Д. А. Скоробогатченко, А. В. Кизим, В. С. Торбин, М. Д. Леонтьев