Thesis:

Despacho de buses eléctricos dado un plan de salidas e incertidumbre en los tiempos de viaje

En este trabajo se aborda la formulación de un modelo lineal de optimización estocástica de múltiples etapas en variables entera-mixta para determinar la respectiva secuencia de salidas e instantes en que se cargará la batería de cada bus con el propósito de atender el plan de salidas que es entregado inicialmente. En primer lugar, se analizan datos reales de operación de una línea de buses durante meses normales de operación del año 2019 para entender el comportamiento del tráfico según la hora y el día de la semana, y así separar estos en grupos de días de comportamientos similares y franjas horarias dentro de estos. Por otra parte, se define, a través de la programación en Python, una red time-expanded, en donde cada viaje, estación de carga y terminal de bus es representado por su respectivo nodo y tiene asignado un intervalo de tiempo. El modelo contempla planificar los despachos de dos terminales de buses en un día completo de operación, dividido en ciertas franjas horarias, en las cuales se tienen determinados comportamientos de los tiempos de viaje y disponibilidad de buses. Dicho modelo define la secuencia de cada bus y los momentos en que cargará su batería, minimizando los costos totales de operación y penalidades por no atender algún viaje. El modelo es resuelto de manera directa con el solver Gurobi en Pyomo, conjuntamente con otras colecciones de paquetes de software de Python para formular modelos de optimización. Los resultados de las instancias en donde se probó el modelo muestran la relevancia del uso del modelo estocástico frente al modelo determinista. Además, se realiza una sensibilización en los tiempos de carga de batería de los buses eléctricos, para analizar los efectos en el modelo en disminuir o aumentar del porcentaje de carga de batería y el tiempo que destina el bus en las visitas a estaciones de carga.

In this work it is addressed the formulation of a linear model of multistage stochastic optimization on integer-mixed variables to determine the respective sequence of dispatches and times when the battery of every bus will be charged in order to meet the initially proposed departure plan. First, real data on the operation of a bus line during normal operating months of 2019 are analyzed to understand the behavior of the tra c according to the time and day of the week, and thus separate these into groups of days with similar behaviors, and time slots within them. On the other hand, a time-expanded network is defined through Python programming, in which each trip, charging station and depot is represented by its respective node, and is assigned a time interval. The model contemplates planning the dispatches of two depots in a full day of operation, divided into certain time slots, in which there are certain behaviors of travel times and availability of buses. This model defines the sequence of each bus and the moments when it will charge its battery, minimizing total operating costs and penalties for not attending a trip. The model is solved directly with the Gurobi solver in Pyomo, together with other collections of Python software packages to formulate optimization models. The results of the instances where the model was tested show the relevance of the use of the stochastic model compared to the deterministic model. In addition, a sensitization is carried out on the battery charging times of the electric buses, to analyze the e ects on the model of decreasing or increasing the percentage of battery charge and the time that the bus spends on visits to the charging stations.