This thesis work is performed in collaboration with Syntell AB and a client company interested in assistance with charging infrastructure dimensioning. The aim of this thesis is to develop an executable, generalizable model that can aid decision making regarding charging infrastructure. Furthermore, this is done within a Model-Based Systems Engineering (MBSE) context, which enables representation of the system as a model. As the data and model concerning the client company is classified, it is not presented in this report. Instead, to further enhance the aim of developing a generalizable model, a test case is produced for this project work. This case consists of passenger electric vehicles and chargers in a metropolitan setting, where data is gathered from public sources. The results show that the model is executable and flexible to fit any type of electric vehicle and different specifications of chargers. Using an MBSE approach enables the project owner to customize the model development for the specific use case. Additionally, defining a system in focus establishes what the system uptime is, enabling calculations of availability. The results for this specific use case are interpreted to show how the model can be used to aid the dimensioning of charging infrastructure using the model output. To further verify the model representation of the system, the model can be run in live-mode, where vehicles and chargers can be added while the model is running to instantly examine the system dynamics. Concluding, the method for utilizing the model to evaluate systems availability is described. The model output, as well as the thorough description of the model, can be used to increase the knowledge within MBSE for executable modeling. / Detta projekt utförs i samarbete med Syntell AB och en tredje part som är intresserad av att förbättra sitt beslutsunderlag gällande dimensionering av laddinfrastruktur. Målet med arbetet är att utveckla en exekverbar och generaliserbar modell som kan användas för att underlätta dimensionering av laddinfrastruktur. Vidare så genomförs arbetet inom ramen för MBSE, vilket möjliggör en representation av systemet med hjälp av en modell. Eftersom kunddatan är konfidentiell appliceras modellen på ett fabricerat användningsfall som underlag för denna rapport. Detta baserar sig på elektriska personbilar i stadsmiljö, där data hämtas från publika källor. Att modellen används på två olika användningsfall stärker argumenten kring generaliserbarhet. Resultatet som presenteras är främst i syfte att demonstrera tolkning av resultat samt att grundligt förklara modellen. Resultaten visar att modellen är exekverbar och flexibel för att kunna anpassas utifrån godtyckligt elektriskt fordon och olika specifikationer för laddstationer. Genom att definiera ett system i fokus kan systemets drifttid utgöra grund för att kunna beräkna tillgänglighet. Resultaten tolkas i det specifika användningsfallet för att illustrera hur modellen kan användas för att underlätta en beslutsprocess gällande dimensionering av laddinfrastruktur. För att ytterligare verifiera modellens representation av verkligheten används ett interaktivt live-mode, där fordon och laddare kan läggas till under körning för att direkt undersöka systemdynamiken. Detta är ett viktigt verktyg vid kommunikation med intressenter för att stärka förtroendet för simuleringsresultat. Sammanfattningsvis beskrivs metoden för att använda modellen till att undersöka systemtillgänglighet. Modellens utdata, tillsammans med beskrivningen av modellen, kan användas för att utöka kunskapen inom MBSE för exekverbar modellering.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-325912 |
| Date | January 2022 |
| Creators | Jansson, Daniel, Niklasson, Nils |
| Publisher | KTH, Matematik (Avd.) |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-SCI-GRU ; 2022:355 |
Page generated in 0.0027 seconds