Public transit electrification planning with energy storage via second-life batteries : a stochastic programming approach
Notice bibliographique
Résumé
As part of decarbonization strategies, public transit systems are aiming to electrify their fleets in response to climate targets and net-zero goals. However, the resulting increase in electricity demand may lead to energy stress on the electrical grid. Second-life batteries (SLBs) offer a potential solution, yet their financial, energy, and environmental impacts remain underexplored, as does the long-term planning for their integration. This study proposes a strategic planning model for transitioning a public transit fleet to battery electric buses (BEBs), incorporating the deployment of SLBs as a battery energy storage system (BESS). The model jointly optimizes decisions on asset procurement, replacement, route-level fleet assignments, the integration of SLBs as BESS, and the installation of a supporting renewable energy system (RES). A multi-period stochastic programming framework is employed to optimize planning under uncertainties, such as vehicle and battery costs, and the model is formulated as a mixed-integer linear program. A case study of Metro Vancouver’s transit system is conducted to evaluate three electrification pathways. Results show that SLBs can meet up to 84% of the fleet’s recharging energy demand, reduce annual operating costs by up to $107 million, and lower total system costs by $78 million. Spatial constraints on SLB deployment, layout design, and BESS fixed costs may increase the total cost, despite potential savings from BESS operations. Policy incentives to utilize SLBs and reduce BESS installation costs, such as BC Hydro's energy storage incentive, play an important role in the economic viability of the approach. A sensitivity analysis of battery and electricity prices provides insights into the integration of SLBs under different market and policy conditions, with environmental benefits evident for jurisdictions where electricity is produced by non-renewable sources.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».