グリッド制約下におけるコストと炭素最適な車両電化のための多目的フレームワーク

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Provides a formal multi-objective optimization approach and closed-form conditions for carbon-optimal electrification, advancing transport-energy system modeling.

🏢実務担当者:Offers a quantitative basis for fleet electrification decisions, including trade-off analysis and feasibility mapping for cost and emission targets.

🏛政策担当者:Highlights the critical role of renewable share and grid capacity in ensuring EV emission reductions, supporting cut-off-based policy design.

道路輸送の電化は、温室効果ガス（GHG）排出削減への経路として広く推進されているが、その有効性は、電力の炭素強度、再生可能エネルギー比率、充電行動、および系統容量制約に決定的に依存する。本研究は、輸送・エネルギー連成システム条件下でシステムコストと炭素排出を同時に最小化することにより、コストおよび炭素最適な電気自動車電化を評価するための多目的解析・最適化フレームワークを開発する。電気自動車が内燃機関車両よりも低い排出を達成するために必要な最小再生可能電力比率を決定する閉形式のカットオフ条件が導出され、その定式化はバッテリ電気自動車およびプラグインハイブリッド電気自動車を含む混合フリートに拡張される。本フレームワークは、フリートレベルの排出、電力需要、再生可能エネルギー容量制限、充電損失、炭素税、およびピーク充電制約を統合し、実現可能な電化領域を定義する。実現可能性マッピング、モンテカルロ探索、および進化的多目的最適化を用いて、CO2排出と総システムコスト間のトレードオフを特徴付け、パレート最適解およびニーポイント解を特定する。結果は、十分な再生可能エネルギー支援または調整された充電なしの電化は排出を増加させ系統制約に違反し得る一方、統合的計画は経済的に実行可能な領域内で大幅な排出削減を可能にすることを示す。これらの知見は、炭素制約下の電力システムにおけるカットオフ情報に基づく系統認識型電化計画のための定量的かつ意思決定指向の基盤を提供する。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

Electrification of road transport is widely promoted as a pathway to reduce greenhouse gas (GHG) emissions; however, its effectiveness depends critically on electricity carbon intensity, renewable energy share, charging behavior, and grid capacity constraints. This study develops a multi-objective analytical and optimization framework to evaluate cost and carbon-optimal electric vehicles electrification by jointly minimizing system cost and carbon emissions under coupled transport–energy system conditions. A closed form cut-off condition is derived to determine the minimum renewable electricity share required for electric vehicles to achieve lower emissions than internal combustion engine vehicles, and the formulation is extended to mixed fleets including battery electric and plug-in hybrid electric vehicles. The framework integrates fleet-level emissions, electricity demand, renewable capacity limits, charging losses, carbon taxation, and peak charging constraints to define a feasible electrification region. Feasibility mapping, Monte Carlo exploration, and evolutionary multi-objective optimization are employed to characterize trade-offs between CO2 emission and total system cost, and to identify Pareto-optimal and knee point solutions. The results show that electrification without sufficient renewable support or coordinated charging can increase emissions and violate grid limits, whereas integrated planning enables significant emission reduction within economically viable regions. These findings provide a quantitative and decision-oriented basis for cut-off-informed and grid-aware electrification planning in carbon-constrained power systems.

• openalex https://doi.org/10.3390/wevj17060291first seen 2026-06-19 04:40:57