Data-Driven Simulation Framework for Electric Vehicle Charging and Energy Management Using Real Driving and Grid Data

Abdussalam Ali Ahmed

المؤلفون

عبد السلام علي أحمد قسم الهندسة الميكانيكية والصناعية، كلية الهندسة، جامعة بني وليد، بني وليد، ليبيا المؤلف

الكلمات المفتاحية:

المركبات الكهربائية، الشحن الذكي، النمذجة القائمة على البيانات، إطار المحاكاة، إدارة الطاقة، بيانات القيادة الحقيقية، تكامل الشبكة

الملخص

يُقترح إطار عمل محاكاة قائم على البيانات لنمذجة تفاعلات شحن المركبات الكهربائية مع الشبكة باستخدام بيانات حقيقية للتنقل والشبكة. تدمج الدراسة أنماط القيادة الفعلية وأنماط أحمال الشبكة الزمنية لتقييم الطلب على الشحن واستراتيجيات إدارة الطاقة. نُطوّر بيئة نموذجية حيث تُنمذجة سلوك شحن البطاريات، والبنية التحتية للشبكة، وجداول المستخدمين من مجموعات بيانات تجريبية. يستوعب المُحاكي بيانات الرحلات الفعلية ومعلومات أحمال الشبكة للتنبؤ بجلسات الشحن واختبار خوارزميات الشحن الذكي. تستخدم التجارب مجموعات بيانات التنقل والشبكة المفتوحة لتحليل سيناريوهات الشحن غير المُتحكم فيه والمُدار، بما في ذلك تكامل الطاقة المتجددة وتسعير وقت الاستخدام. تُظهر النتائج أن النماذج القائمة على البيانات تلتقط أنماط الطلب الواقعية، ويمكنها تحديد فوائد الشحن المُتحكم فيه كميًا، مثل تقليل استهلاك الطاقة في أوقات الذروة وتوفير التكاليف. يدعم الإطار دمج تقنية النقل من المركبة إلى الشبكة (V2G) وتخزين البطاريات، مما يُتيح استكشاف إدارة الطاقة المتقدمة. يوضح هذا العمل كيف يُؤدي استخدام بيانات القيادة والطاقة التجريبية إلى تقييمات أكثر دقة لتأثيرات المركبات الكهربائية وحلول إدارتها. تُسلِّط نتائجنا الضوء، على وجه الخصوص، على إمكانات استراتيجيات الشحن والتخزين المُنسَّقة لموازنة أحمال الشبكة مع تلبية احتياجات السائقين. تُقدِّم هذه الورقة بنية محاكاة شاملة، ودراسة حالة تجريبية، ومناقشةً لآثارها على تخطيط البنية التحتية للسيارات الكهربائية.

المراجع

1. Biswas, P., Rashid, A., Habib, A. K. M. A., Mahmud, M., Motakabber, S. M. A., Hossain, S., Rokonuzzaman, M., Molla, A. H., Harun, Z., Khan, M. M. H., Cheng, W.-H., & Lei, T. M. T. (2025). Vehicle-to-grid: technology, charging station, power transmission, communication standards, techno-economic analysis, challenges, and recommendations. World Electric Vehicle Journal, 16(3), 142.

2. Abdussalam Ali Ahmed, HudaElslam Mohamed (2025). Accelerating the Green Transition: An Experimental Study on the Integration of Renewable Energy with Electric Vehicle Infrastructure. Journal of Insights in Basic and Applied Sciences, 1(1), 01-09.

3. Datta, A., Noaman, S., & Chen, H. (2020). Multi-active full-bridge converter for EV fast-charging station with PV and battery storage. Journal of Energy Storage, 31, 101640.

4. Fassbender, M., Rössler, N., Eisenbarth, M., & Andert, J. (2025). An electric vehicle charging simulation to investigate the potential of intelligent charging strategies. Energies, 18(11), 2778.

5. Hussain, I., et al. (2025). Optimizing electric vehicle energy consumption prediction through machine learning and ensemble approaches. Scientific Reports, 15, 29065.

6. Klingert, S., & Lee, J.-W. (2022). Using real mobility patterns to assess the impact of 100% electrified mobility in a German city. Energy Informatics, 5, 32.

7. Abdussalam Ali Ahmed (2025). Synergizing Renewable Energy and Electric Vehicles: An Experimental Analysis of Grid Integration, Charging Optimization, and Environmental Impact. Journal of Insights in Basic and Applied Sciences, 1(1), 35-43

8. Lee, Z. J., Sharma, S., Johansson, D., & Low, S. H. (2021). ACN-Sim: An open-source simulator for data-driven electric vehicle charging research. arXiv:2012.02809.

9. Lee, Z. J., Li, T., & Low, S. H. (2019). ACN-Data: Analysis and applications of an open electric vehicle charging dataset. In Proceedings of the Tenth International Conference on Future Energy Systems (e-Energy ’19).

10. Abdulgader Alsharif (2025). Global Trends in Electric Vehicle Charging Demand and Infrastructure Development. Libyan Open University Journal of Applied Sciences (LOUJAS), 1(1), 20-28.

11. Li, H., Qu, H., Tan, X., You, L., Zhu, R., & Fan, W. (2025). UrbanEV: An open benchmark dataset for urban electric vehicle charging demand prediction. Scientific Data, 12, 523.

12. Rafi, M. A. H., & Bauman, J. A. (2021). A comprehensive review of DC fast-charging stations with energy storage: architectures, power converters, and analysis. IEEE Transactions on Transportation Electrification, 7(2), 345–368.

13. Abdussalam Ali Ahmed, Naje Mohamed Abdulla, & Taha Muftah Abuali. (2025). Performance Optimization and Battery Health Analysis of Electric Vehicles under Real-World Driving Conditions: A Data-Driven Experimental Approach. Journal of Libyan Academy Bani Walid, 1(2), 01–21.

14. Zhang, Y., Xu, T., Chen, T., Hu, Q., Chen, H., Hu, X., … Jiang, Z. (2025). A high-resolution electric vehicle charging transaction dataset with multidimensional features in China. Scientific Data, 12, 643.

15. Esser, M., Orfanoudakis, S., Homaee, O., et al. (2025). High-temporal-resolution dataset of uni-, bidirectional, and dynamic electric vehicle charging profiles. Scientific Data, 12, 1192.

16. Abdulgader Alsharif. (2025). Quantitative Assessment of Energy Efficiency and Range Variability in Electric Vehicles: A Meta-Analysis of Published Experimental Studies (2023-2025). Al-Imad Journal of Humanities and Applied Sciences (AJHAS), 1(1), 21-30.

17. Abdussalam Ali Ahmed. (2025). Next-Generation Electric Vehicles: Structural Battery Composites, AI-Driven Charging, and Cybersecurity. Libyan Journal of Health, Science, and Development (LJHSD), 1(1), 32-44.

18. Muhammad Saleh Ali, Sufyan Al-Hussain Faraj, & Emad Abdulhadi Mohammed. (2023). A Dynamic Analysis and Evaluation of a Car Suspension System with Different Parameters. Libyan Journal of Contemporary Academic Studies, 1(1), 1-8.

19. Abdussalam Ali Ahmed (2025). From Transition to Transformation: A Comparative Engineering Study of Hybrid and Electric Vehicles. Libyan Open University Journal of Applied Sciences (LOUJAS), 1(1), 11-19.