Hei Bloggen!
I forrige innlegg skrev jeg om hvordan jeg hadde begynt å undersøke energiforbruket til de elektriske bussene i Bergen, og hvilke faktorer som kan påvirke dette. Siden da har jeg gjort betydelige framskritt, både når det gjelder datagrunnlaget og de analytiske metodene jeg bruker. Det har gitt et enda klarere bilde av hvilke forhold som faktisk påvirker forbruket mest, og ikke minst hvordan ulike variabler henger sammen i praksis.
Det første jeg har jobbet videre med, er å utvide datagrunnlaget. Jeg har fått tilgang til langt mer detaljerte data både for passasjertall og energiforbruk, og dette har gjort det mulig å undersøke sammenhenger på et mer presist nivå enn tidligere. Jeg har også beregnet korrelasjonsfaktorer mellom energiforbruk og en rekke variabler, inkludert stigning, gradient, temperatur og antall passasjerer – både når det gjelder totalforbruk og forbruk per kilometer.
Resultatene viser tydelig at temperatur og terreng (særlig stigning og gradient) har størst innvirkning på energiforbruket. Kuldeperioder gir jevnt høyere forbruk, noe som samsvarer med behovet for mer oppvarming om bord og redusert batteriytelse. Samtidig er det tydelig at ruter med mye stigning trekker betydelig mer energi, uavhengig av busstype. Dette stemmer godt med forventningene, men det er nyttig å se at dataene bekrefter det kvantitativt.
Passasjerdata viser også interessant variasjon, men korrelasjonen mellom antall passasjerer og energiforbruk er svakere enn ventet. Dette kan tyde på at ekstra vekt fra passasjerer har mindre betydning enn for eksempel høydeforskjeller eller temperaturforhold. Det betyr ikke at passasjerer er uten påvirkning, men heller at andre variabler dominerer.
I tillegg til korrelasjonsanalysen har jeg jobbet med en egen fysikkmodell for å beregne forventet energiforbruk basert på prinsipper som masse, akselerasjon, rulle- og luftmotstand, stigningsarbeid og bremsetap. Modellen gjør det mulig å simulere energibruken under ulike forhold, og sammenligne dette med faktisk forbruksdata fra bussene.
Noe av det mest interessante jeg har funnet så langt, er hvor mye akselerasjon – spesielt stop-and-go-kjøring – påvirker energiforbruket. Selv om terreng og temperatur er viktige faktorer, viser analysen at hyppige stopp og starter er en av de mest energikrevende delene av bussdriften. Dette peker på et potensial for optimalisering gjennom bedre trafikkflyt, smartere kjøremønster og kanskje også tilpasning av rutetidspunkter.
Videre arbeid vil handle om å kombinere fysikkmodellen med de faktiske dataene, slik at vi kan lage mer treffsikre prediksjoner av forbruket under ulike forhold. Jeg jobber også med visualiseringer som kan gjøre disse sammenhengene mer intuitive – blant annet grafer som viser hvordan terreng, temperatur og kjøremønster virker sammen.
Arbeidet har blitt stadig mer spennende etter hvert som datasettene har vokst, og jeg begynner virkelig å se hvordan flere av faktorene påvirker hverandre. Målet er å utvikle et solid kunnskapsgrunnlag som kan være nyttig for både planlegging og drift av elektriske busslinjer fremover.