Battery electric trucks (BETs) offer environmental benefits in terms of reduced carbon emissions and enhanced energy efficiency but have been challenged with economic viability compared to conventional internal combustion engine trucks (ICETs) caused by substantial acquisition costs, limited charging infrastructure, and concerns regarding range and payload capacity.  Previous studies focus on TCO at the vehicle or policy level but overlook the system and firm-level impacts. Operational aspects like vehicle utilization, battery utilization, charging planning, and route optimization are often ignored, potentially underestimating electric freight cost-competitiveness.The research gap does not address the practical needs of fleet operators, especially in scenarios where charging infrastructure is lacking. There is therefore a need to consider the complex system level interactions, market dynamics, technology developments, and operational processes involved in freight shipping. By applying a decision-making under deep uncertainty (DMDU) framework, this study enables informed decisions in unpredictable scenarios, bridging the gap between strategic choices like battery capacity and operational optimization like route planning. This study identifies the most significant factors that affect the TCO of BET fleets and cost-competitiveness relative to ICET fleets, taking into account market-operational interfaces between unpredictable market dynamics and operational processes such as stochastic demand and feature selection from a strategic and operational perspective. 40 tonne truck-trailers for freight distribution networks with distances up to 250 km are considered in the study.  A TCO model of BET and ICET fleets was developed taking into account vehicle route optimization, vehicle selection, and vehicle utilization which was then programmatically iterated by sampling and simulating optimized vehicle routes for a total of 220 224 iterations. The parameter space was screened and reduced with Feature Scoring using Extra Trees approximation of 1st order Sobol Indices. The reduced parameter space was then sampled using Sobol sampling to conduct a Sobol Global Variance decomposition Analysis of TCO, TCO delta, and service level in order to identify the most significant factors affecting BET fleet TCO and cost-competitiveness.To identify cost-competitive scenarios, the Patient Rule Induction Method (PRIM) was used to identify parameter sub spaces to determine scenarios where BET fleets have a lower TCO than ICET fleets. Further visual analysis was done using linear and polynomial regression and kernel density estimation. The analysis shows that both TCO and cost-competitiveness of BETs are primarily affected by shipment demand, distance between distribution center and delivery sites, and battery size, and that a trade-off is made between cost-competitiveness and service level. The results show that cost-competitiveness of electric freight scales with demand, with larger fleets being better able to optimize routing and shipment allocation; balancing the shipment demand to minimize charging times that otherwise would make the fleet less competitive than their fossil-fuel counterparts. This, paired together with higher degrees of vehicle utilization and appropriate battery sizing, allow for electric freight to be cost-competitive even for long-haul distances up to 250 km.  Furthermore, optimization of the Electric Vehicle Routing Problem (E-VRP) with shifts and time windows is shown to have a highly significant effect when minimizing TCO on a fleet level, with the vast majority of optimal ICET routes not being optimal for BETs.The benefits of E-VRP optimization scales with demand and fleet size, indicating that large-scale electrification is required to make BETs cost-competitive.Electrification of road freight is therefore highly contingent on effective route planning and charging scheduling with E-VRP optimization in order to be cost-competitive, which has not been considered in previous literature. Thus previous literature have therefore likely underestimated the cost-competitiveness of electric freight, particularly at medium-long haul distances. / Battery electric trucks (BETs), även kända som batterielektriska lastbilar, erbjuder miljömässiga fördelar genom minskade koldioxidutsläpp och förbättrad energieffektivitet. Men de har utmanats när det kommer till ekonomisk konkurrenskraft jämfört med konventionella lastbilar med förbränningsmotor (ICETs) på grund av höga inköpskostnader, begränsad laddinfrastruktur och oro över räckvidd och lastkapacitet. Tidigare studier har fokuserat på TCO (totala ägandekostnader) på fordon- eller policynivå men har inte betraktat TCO på nätverksnivå och från det enskilda företagets perspektiv. Operativa aspekter som fordonssutnyttjande, batteriutnyttjande, laddningsplanering och ruttoptimisering ignoreras ofta, vilket potentiellt leder till en underskattning av elektrisk frakts kostnadskonkurrenskraft. Forskningsluckan tar inte upp de praktiska behoven hos fordonsflottoperatörer, särskilt i scenarier där laddinfrastrukturen är bristfällig. Det finns därför ett behov av att granska komplexa systemnivåinteraktioner, marknadens dynamik, teknikutveckling och operativa processer som är involverade i godstransport. Genom att tillämpa \textit{decision-making under deep uncertainty} (DMDU) möjliggör denna studie informerade beslut i scenarier präglade av osäkerhet och studerar interaktionseffecter mellan strategiska val som batterikapacitet och operativ optimering som t.ex.\ ruttplanering. Denna studie identifierar de mest betydande faktorer som påverkar TCO för BET-flottor och deras kostnadskonkurrenskraft jämfört med ICET-flottor, med beaktande av gränssnitten mellan marknadsdynamik och operativa processer såsom stokastisk efterfrågan och urval av funktioner ur såväl strategisk som operativ synvinkel. 40-ton lastbilssläp för nätverk med avstånd upp till 250 km beaktas inom omfånget för studien. En TCO-modell för BET- och ICET-flottor utvecklades med hänsyn till ruttoptimering, fordonsval och fordonsutnyttjande, vilket sedan programmässigt itererades genom provtagning och simulering av optimerade fordonsrutter för sammanlagt 220 224 iterationer. Parameterrummet granskades och minskades med hjälp av funktionsskattning med hjälp av Extra Trees-approximation av Sobol-indices av första ordningen. Det reducerade parameterrummet provtogs sedan med Sobol-provtagningsmetod för att genomföra en global variansdekomponering av TCO, TCO-delta och servicenivå för att identifiera de mest betydande faktorerna som påverkar BET-flottans TCO och kostnadskonkurrenskraft. För att identifiera kostnadskonkurrenskraftiga scenarier användes Patient Rule Induction Method (PRIM) för att identifiera parametrarum som visar scenarier där BET-flottor har lägre TCO än ICET-flottor. Vidare utfördes visuell analys med linjär och polynomisk regression samt kärnskattning. Analysen visar at kostnadskonkurrenskraft för tunga elektriska fordon primärt påverkas av efterfrågan, köravstånder och batteristorlek, och att det görs en avvägning mellan kostnadskonkurrenskraft och servicenivå. Resultaten visar at kostnadskonkurrenskraft ökar i takt med efterfrågan, då större flottor kan mer fördelaktigt optimera rutter och allokering av leveranser till varje fordon genom att transportefterfrågan balanseras sådan att tiden för laddning minimeras, vilket hade annars gjort de elektriska flottorna mindre konkurrenskraftiga gentemot fossildrivna flottor av tunga fordon. Detta i samband med högre utnyttjandegrad av fordonen och val av rätt batteristorlek gjör att elektrisk godstransport kan vara kostnadskonkurrenskraftig även vid längre körsträckor upp till 250 km. Vidare visar ruttoptimering för BETs (E-VRP) sig vara av stor betydelse när det gäller att minimera TCO på flottnivå, medan majoriteten av optimala ICET-rutter inte är optimala för BETs.Fördelarna med E-VRP optimering skalar med ökande efterfrågan och flottstorlek, vilket tyder på att storskalig elektrifiering behövs för att göra BETs kostnadskonkurrenskraftigaElektrifiering av godstransport är därför starkt beroende av effektiv rutt- och laddningsplanering med E-VRP-optimering. Tidigare litteratur har sannolikt underskattat kostnadskonkurrenskraften för elektrisk godstransport, särskilt vid medellånga och långa transportavstånd.

The recent climate actions to reduce greenhouse gas (GHG) emissions have set the stage for decarbonizing the transportation sector through electrification, which has led to a surge in the deployment of battery electric vehicles (BEV). Trucks are no exception, which has led automakers to shift their focus toward producing Battery Electric Trucks (BET). While tail-pipe emissions are reduced drastically, certain aspects of BET prevent its widespread deployment, prominent of which is the range anxiety. The range of a BET is heavily impacted in cold weather as energy from traction batteries is also used to warm the battery pack and cabin, where 70% of cabin airflow at minimum is continually expelled through exhaust vents for proper ventilation. In this study, three heat recovery techniques were investigated with the objective of harnessing the waste heat from evacuating cabin air to reduce the heating energy consumption in a BET. One proposed technique employs the use of an air-to-air heat recovery system (AAHRS). Baseline experiments were conducted on a SCANIA test truck for benchmarking and to gather data on the performance of the installed HVAC system, which aided the prototyping stage of basic engineering design to ensure it is operable and safe. The prototype was modelled in CATIA, then fabricated and fitted to the test-truck. Validation experiments were done to evaluate the energy savings from the prototype in a climate chamber at various ambient temperature and fan speed settings. The study found a 20-53% reduction in the heat dissipated by the coolant with the implementation of AAHRS, which is beneficial in reducing the energy that need to be replenished by electric batteries for a BET. In contrast, the electrical power consumption increased 1.7-3.3 times higher than the baseline due to the additional power-consuming components, such as the exhaust blower and heat wheel motor. Moreover, the preheating effect from the heat wheel operation enabled the increase of HVAC air intake temperature by 7-28°C from ambient levels. Overall, the energy savings from integrating the AAHRS prototype was about 19-47% considering the coolant heat was produced from an electric heater as was simulated in the tests, whereas the range was estimated to reduce by17-39% if an automotive heat pump would instead deliver the heat into the cab heater core. Two other presented techniques operate on air-to-liquid heat recovery system (ALHRS), whereby each is envisioned to be coupled separately to a heat pump assisted integrated thermal management system (ITMS). One scheme recovers heat from the evacuating cabin air to raise the chiller coolant inlet temperature, whereas the other scheme proposes to adopt a multi-evaporation process in the concept liquid-cooled heat pump, wherein the evacuating cabin air serves as the direct heat source for the higher temperature-chiller. The two schemes were initially evaluated via vapor compression system performance analysis to have the potential to increase the condensation heat and condenser coolant outlet temperature with simultaneous increase in the coefficient of performance, which is beneficial in terms of available heat that can be dissipated into the downstream battery cold plates and cab heater core. As initial step towards assessment of the energy-saving potential of proposed ALHRS solutions, a simulation model of an adopted baseline ITMS concept was developed in this study using Engineering Equation Solver (EES) software, which then was validated against internal bench test results for a mock-up ITMS model. Results of initial validation test indicated an absolute error between the simulation outputs and bench test results of 8-14% for condensation heat, while it was below 7% for all the other relevant performance parameters. / De senaste klimatåtgärderna för att minska utsläppen av växthusgaser (GHG) har satt scenen för att minska koldioxidutsläppen inom transportsektorn genom elektrifiering, vilket har lett till en kraftig ökning av utbyggnaden av batterielektriska fordon (BEV). Lastbilar är inget undantag, vilket har fått biltillverkare att flytta fokus mot att producera batterielektriska lastbilar (BET). Medan utsläppen från avgasröret minskar drastiskt, förhindrar vissa aspekter av BET dess utbredda distribution, varav framträdande är räckviddsångesten. Räckvidden för en BET påverkas kraftigt i kallt väder eftersom energi från dragbatterier också används för att värma batteripaketet och kabinen, där minst 70% av kabinluftflödet kontinuerligt släpps ut genom avgasventiler för korrekt ventilation. I denna studie undersöktes tre värmeåtervinningstekniker med målet att utnyttja spillvärmen från evakuering av kabinluft för att minska värmeenergiförbrukning i en BET. En föreslagen teknik använder användning av ett luft-till-luft-värmeåtervinningssystem (AAHRS). Baslinjeexperiment utfördes på en SCANIA-testbil för benchmarking och för att samla in data om prestandan hos det installerade HVAC-systemet, vilket hjälpte prototypstadiet för grundläggande teknisk design för att säkerställa att det är funktionsdugligt och säkert. Prototypen modellerades i CATIA, tillverkades sedan och monterades på testbilen. Valideringsexperiment utfördes för att utvärdera energibesparingarna från prototypen i en klimatkammare under olika inställningar för omgivningstemperatur och fläkthastighet. Studien fann en 20-53% minskning av värmebelastningen med implementeringen av AAHRS, vilket är fördelaktigt för att minska energin som behöver fyllas på av elektriska batterier för en BET. Däremot ökade den elektriska strömförbrukningen 1.7-3.3 gånger högre än baslinjen på grund av ytterligare strömförbrukande komponenter, såsom avgasfläkten och värmehjulsmotorn. Dessutom möjliggjorde förvärmningseffekten från värmehjulsdrift ökningen av HVAC-luftintagstemperaturen med 7-28°C från omgivande nivåer. Sammantaget var energibesparingarna från att integrera AAHRS-prototypen cirka 19-47% med tanke på att kylvätskevärmen producerades från elektrisk värmare som simulerades i experimenten, medan detta intervall uppskattades minska ner till 17-39% om en bilvärmepump istället skulle leverera värmen till hyttvärmarkärnan. Två andra presenterade tekniker fungerar på luft-till-vätska värmeåtervinningssystem (ALHRS), där var och en är tänkt att kopplas separat till ett värmepumpassisterat integrerat värmehanteringssystem (ITMS). Det ena schemat återvinner värme från den evakuerande kabinluften för att höja kylvätskeinloppstemperaturen, medan det andra schemat föreslår att man antar en multiindunstningsprocess i konceptet vätskekyld värmepump, där den evakuerande kabinluften fungerar som den direkta värmekällan för kylaggregatet med högre temperatur. De två scheman utvärderades initialt via ångkompressionssystemets prestandaanalys för att ha potential att öka kondensationsvärmen och kondensorns kylvätskeutloppstemperatur med samtidig ökning av prestandakoefficienten, vilket är fördelaktigt när det gäller tillgänglig värme som kan avledas i nedströms batteriets kylplattor och hyttvärmarens kärna. Som ett första steg mot en bedömning av energibesparingspotentialen hos föreslagna ALHRS-lösningar utvecklades en simuleringsmodell av ett antaget baslinje-ITMS-koncept i denna studie med hjälp av Engineering Equation Solver (EES) -programvara, som sedan validerades mot interna bänktestresultat för en mock-up ITMS-modell. Resultaten av det inledande valideringstestet indikerade ett absolut fel mellan simuleringsutgångarna och provbänksresultaten på 8–14% för kondensationsvärme, medan det var under 7 % för alla andra relevanta prestandaparametrar.