کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
1731161 1016084 2015 16 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Reducing the carbon footprint of urban bus fleets using multi-objective optimization
ترجمه فارسی عنوان
کاهش پدیده کربن ناوگان شهری با بهینه سازی چند هدفه
کلمات کلیدی
بهینه سازی، تجزیه و تحلیل چرخه زندگی، تصمیم سازی، وسایل نقلیه پلاگین وسایل نقلیه هیبریدی،
ترجمه چکیده
الکتریکی وسایل نقلیه جاده ای به عنوان راهی برای به طور قابل توجهی کاهش وابستگی نفت، افزایش بهره وری و کاهش انتشار آلودگی به ویژه در مناطق شهری معرفی شد. هدف این مقاله یافتن بهترین وسیله جایگزین برای جایگزینی یک اتوبوس معمولی دیزلی در محیط های شهری است که با هدف کاهش رد پای کربن و همچنان از لحاظ مالی سودمند است. الگوریتم ژنتیک مرتب سازی چندجملهای غیرمنتظره برای بهینه سازی وسیله نقلیه استفاده می شود، امکان پوشش هیبرید سلول های خالص الکتریکی و سوخت (با و بدون قابلیت پلاگین). الگوریتم ژنتیک چند منظوره مورد استفاده بهینه سازی قطعات ترانزیت (نوع و اندازه) و استراتژی مدیریت انرژی را بهینه می کند. اگر چه راه حل های بهینه ای چندگانه با موفقیت به دست آمد، یک روش تصمیم برای انتخاب یک راه حل منحصر به فرد به کار گرفته می شود. رویکرد معیار جهانی، یک رویکرد بردار شبه وزن و یک رویکرد نمره چند معیاره جدید، برای انتخاب یک وسیله نقلیه مطلوب مورد توجه قرار گرفته است. سیکل های رانندگی واقعی و مصنوعی برای مقایسه اتوبوس های بهینه شده مربوط به اجزای قدرت موتور، راندمان و چرخه زندگی مواد سوخت و وسایل نقلیه استفاده می شود. درگیری بین اهداف و اهمیت ملاحظات تصمیم گیری در راه حل های نهایی مورد بحث قرار گرفته است. سیستم حمل و نقل مسافر و سیستم تهویه مطبوع در راه حل ها تاثیر می گذارد و چرخه عمر آن مشخص می شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی (عمومی)
پیش نمایش مقاله
کاهش پدیده کربن ناوگان شهری با بهینه سازی چند هدفه
چکیده انگلیسی
The electrification of road vehicles was introduced as a way to significantly reduce oil dependence, increase efficiency, and reduce pollutant emissions, especially in urban areas. The goal of this paper is to find the best alternative vehicle to replace a conventional diesel bus operating in urban environments, aiming to reduce the carbon footprint and still being financially advantageous. The multi-objective nondominated sorting genetic algorithm is used to perform the vehicle optimization, covering pure electric and fuel cell hybrid possibilities (with and without plug-in capability). The used multi-objective genetic algorithm optimizes the powertrain components (type and size) and the energy management strategy. Although multiple optimal solutions were successfully achieved, a decision method is implemented to select one unique solution. A global criterion approach, a pseudo-weight vector approach, and a new multiple criteria score approach are considered to choose a preferred optimal vehicle. Real and synthetic driving cycles are used to compare the optimized buses concerning their powertrain components, efficiency and life cycle of fuel and vehicle materials. The conflict between objectives and the importance of the decision considerations in the final solutions are discussed. Passengers load and air conditioning system influence in the solutions and its life cycle is addressed.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy - Volume 93, Part 1, 15 December 2015, Pages 1089-1104
نویسندگان
, , ,