⚡ electrical engineering

A Game-Theoretic Decentralized Real-Time Control of Electric Vehicle Charging Stations - Part I: Incentive Design

تقدم هذه الورقة إطار عمل للتحكم اللامركزي في الوقت الفعلي لمحطات شحن المركبات الكهربائية واسعة النطاق، والذي يدمج طريقة "ألتيرنيتينج دايراكشن ميد أوف مالتي بلايرز" القائمة على لعبة ستيكلبرج (SG-ADMM) في نظام هرمي لإدارة الطاقة لتصميم آليات تحفيز تواءم بين أهداف المركبات الكهربائية الفردية والنموذج الأمثل للنظام ككل.

المؤلفون الأصليون: Riccardo Ramaschi, Mario Paolone, Sonia Leva

نُشر 2026-04-10

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Riccardo Ramaschi, Mario Paolone, Sonia Leva

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل طريقًا سريعًا ضخمًا ومزدحمًا عند بوابة تحصيل رسوم، حيث تصل مئات السيارات الكهربائية (EVs) كل يوم، وجميعها تحتاج إلى الشحن بسرعة. الشخص المسؤول عن بوابة التحصيل (مدير محطة الشحن) لديه هدف كبير: الحفاظ على استقرار شبكة الكهربة من التحميل الزائد، والتأكد من أن الجميع يحصل على حصة عادلة من الطاقة، وإبقاء التكاليف منخفضة.

ومع ذلك، لكل سائق (السيارة الكهربائية) هدفه الخاص: "أريد شحن سيارتي بالكامل بأسرع ما يمكن، ولا أريد دفع مبالة إضافية".

إذا قام المدير فقط بإصدار أوامر ("اشحن ببطء!" أو "انتظر 10 دقائق!")، فقد يتجاهلها السائقون أو يشعرون بالغضب. وإذا حاول المدير التحكم في كل سيارة عبر كمبيوتر مركزي، فسيصبح النظام بطيئًا ومعقدًا للغاية، مثل محاولة توجيه حركة المرور في مدينة ضخمة باستخدام جهاز لاسلكي واحد فقط.

تقترح هذه الورقة حلاً ذكيًا يسمى "التحكم اللامركزي القائم على نظرية الألعاب". وإليك كيف يعمل، مقسمًا إلى مفاهيم بسيطة:

1. استراتيجية الطبقات الثلاث (عقل المحطة)

صمم المؤلفون نظام تخطيط مكونًا من ثلاث خطوات، مثل عملية عسكرية:

الطبقة 1: المخطط بعيد المدى (قبل يوم):
تخيل جنرالًا ينظر إلى خريطة قبل 24 ساعة من الآن. إنه ينظر إلى توقعات الطقس (هل ستشرق الشمس للألواح الشمسية؟)، وتوقعات حركة المرور (كم عدد السيارات التي ستصل؟)، وأسعار الكهرباء. يقوم بوضع "خطة معركة" تقريبية لليوم بأكمله.
الطبقة 2: المنقح خلال اليوم (خلال اليوم):
مع تقدم اليوم، تتغير الأمور. ربما يكون الجو غائمًا أكثر مما كان متوقعًا، أو وصلت سيارات أكثر في وقت مبكر. تقوم هذه الطبقة بتحديث الخطة كل بضع ساعات، مما يؤدي إلى تشديد الجدول الزمني وتعديل الميزانية لكيفية استخدام الطاقة.
الطبقة 3: المايسترو في الوقت الفعلي (محور تركيز هذه الورقة):
هذا هو "الآن". في كل دقيقة، يجب على النظام أن يقرر بالضبط مقدار الطاقة التي سيعطيها لكل سيارة في هذه اللحظة. هنا يحدث السحر.

2. المشكلة: السائقون "الأنانية"

في طبقة الوقت الفعلي، يريد المدير (القائد) موازنة الحمل. أما السائقون (التابعين) فيريدون الشحن بسرعة فقط.

إذا قال المدير: "الجميع يشحن بنسبة 50%"، فقد يتجاهله السائقون لأنهم يريدون 100%.
إذا حاول المدير فرض الأمر على الجميع، فسوف ينهار النظام أو يصبح غير عادل.

3. الحل: "لعبة ستكيليبرج" (صفقة ذكية)

يستخدم المؤلفون مفهومًا من نظرية الألعاب يسمى "لعبة ستكيليبرج" (Stackelberg Game). فكر في الأمر كديناميكية "الوالد والطفل"، أو "صاحب المتجر والزبون".

القائد (المدير): لديه القدرة على وضع القواعد وتقديم الحوافز (المكافآت).
التابعون (السائقون): يتخذون قراراتهم الخاصة بناءً على ما هو أفضل لهم، لكنهم يستجيبون لحوافز القائد.

بدلاً من إجبار السائقين، يقول المدير: "إذا وافقت على الشحن ببطء قليلًا الآن، فسأمنحك خصمًا على فاتورة الكهرباء الخاصة بك".

السائقون، الذين يتصرفون وفق مصلحتهم الذاتية، يرون الخصم ويقولون: "حسنًا، سأبطئ الشحن قليلاً لتوفير المال". فجأة، يتوافق هدف السائق الأناني (توفير المال) تمامًا مع هدف المدير (حماية الشبكة).

4. المحرك: SG-ADMM (رقصة التفاوض)

لجعل هذا يحدث في الوقت الفعلي دون الحاجة إلى كمبيوتر خارق، يستخدمون رقصة رياضية تسمى SG-ADMM (لعبة ستكيليبرج - طريقة التعدد في اتجاه المعاملات).

تخيل حلبة الرقص:

المدير (القائد) يقترح سعرًا (حافزًا) وحدًا لقدرة الطاقة.
السائقون (التابعون) ينظرون إلى ذلك السعر ويقررون مقدار الطاقة التي يريدون شحنها. يهمسون بقرارهم عائدين إلى المدير.
المدير يتحقق: "هل حصلنا على تقليل كافٍ في استهلاك الطاقة؟ هل الشبكة آمنة؟"
- إذا لم يكن الأمر كذلك، يقوم المدير بتعديل السعر (ربمًا يقدم خصمًا أكبر) والحد الأقصى.
- يقوم السائقون بتعديل الشحن مرة أخرى.
يكررون هذه "الرقصة" بسرعة كبيرة (في أجزاء من الثانية) حتى يجدوا التوازن المثالي حيث تكون الشبكة آمنة، والسائقون سعداء بخصوماتهم.

5. لماذا يعد هذا أمرًا مهمًا جدًا؟

لا توجد سيطرة مركزية: لا يحتاج المدير لمعرفة كل تفصيل صغير عن بطارية كل سيارة. السيارات تحسب أفضل تحركاتها بنفسها.
العدالة: يضمن النظام عدم حصول سيارة واحدة على كل الطاقة بينما تعاني السيارات الأخرى.
القابلية للتوسع: سواء كان هناك 10 سيارات أو 1,000 سيارة، فإن هذه "الرقصة" تعمل بنفس الكفاءة. الأمر يشبه قيام جمهور بحركة "الموجة" في الملعب؛ لا يهم مدى كبر حجم الاستاد.

ملخص

تصف هذه الورقة طريقة ذكية لإدارة محطات شحن السيارات الكهربائية. فبدلاً من مدير متسلط يجبر السيارات على التصرف بطريقة معينة، تستخدم المحطة حوافز ذكية (مثل الخصومات) للعب لعبة مع السائقين. ومن خلال "رقصة" تفاوض رياضية سريعة، تحصل المحطة على الطاقة التي تحتاجها للحفاظ على سلامة الشبكة، ويحصل السائقون على الشحن الذي يحتاجونه بسعر عادل. إنها تحول زحام المرور الفوضوي إلى باليه منظم بدقة.

إليك ملخص تقني مفصل للورقة البحثية بعنوان "التحكم اللامركزي في الوقت الفعلي لمحطات شحن المركبات الكهربائية القائم على نظرية الألعاب - الجزء الأول: تصميم الحوافز".

1. بيان المشكلة

تتناول الورقة البحثية تحدي إدارة محطات شحن المركبات الكهربائية (CS) واسعة النطاق والمجهزة بمصادر الطاقة المتجددة (RES) وأنظمة تخزين طاقة البطاريات (BESS).

محدودية المركزية: التحكم المركزي التقليدي للضبط في الوقت الفعلي مكلف حاسوبياً، ويثير مخاوف تتعلق بالخصوصية، ويواجه صعوبة في التوسع مع زيادة عدد المركبات الكهربائية.
تحديات اللامركزية: غالباً ما تفشل النهج اللامركزية البحتة في مواءمة أهداف المركبات الكهربائية الفردية (مثل تقليل وقت الشحن أو التكلفة) مع أهداف مشغل النظام (مثل استقرار الشبكة، تعظيم الربح، أو العدالة) بسبب الافتقار إلى آليات التنسيق.
الفجوة: تفتقر الأساليب الهرمية الموجودة (مثل ADMM متعدد الطبقات) غالباً إلى آلية قوية لنمذجة ديناميكية "القائد-التابع" (Leader-Follower) بشكل صريح، حيث يمكن لمحطة الشحن (القائد) الالتزام بالحوافز لتوجيه المركبات الكهربائية (التابعين) نحو الأمثلية العالمية.

2. المنهجية

يقترح المؤلفون نظام إدارة طاقة (EMS) هرمي ثلاث الطبقات حيث تستخدم طبقة التحكم في الوقت الفعلي خوارزمية مبتكرة هي طريقة تعميم أرجوحة الأدوار المعتمدة على لعبة ستيكلبيرج (SG-ADMM).

أ. إطار نظام إدارة الطاقة (EMS) ثلاث الطبقات

طبقة اليوم التالي (DA): نموذج تحسين مقيد بالاحتمالية يولد خطة توزيع لسوق اليوم التالي (DAM). يأخذ في الاعتبار المتغيرات العشوائية (إنتاج الطاقة الشمسية PV، طلب المركبات الكهربائية) ويحدد جدولاً زمنياً قوياً لتقليل التكاليف وتدهور البطارية.
طبقة صقل ما بين اليوم واليوم التالي (Intraday Refinement): تحسين يعتمد على "النافذة المنزلقة" يقوم بصقل جدول اليوم التالي بناءً على التوقعات المحدثة وأسعار عدم التوازن في الوقت الفعلي. وهي تحدد "ميزانية طاقة الشبكة" (الحدود العليا والدنيا) لطبقة الوقت الفعلي.
طبقة التحكم في الوقت الفعلي (المساهمة الجوهرية): تستخدم هذه الطبقة خوارزمية SG-ADMM لإدارة عملية شحن $N$ من المركبات الكهربائية المتصلة في الوقت الفعلي (بدقة دقيقة واحدة).

ب. خوارزمية SG-ADMM

الابتكار الجوهري هو صياغة التفاعل بين محطة الشحن (القائد) والمركبات الكهربائية (التابعين) كـ لعبة ستيكلبيرج (Stackelberg Game) يتم حلها عبر خوارزمية ADMM موزعة.

هيكل اللعبة:
- القائد (محطة الشحن - CS): يهدف إلى تقليل الانحراف في تخصيص القدرة عن هدف عادل (العدالة) مع احترام قيود الشبكة. يتحكم القائد في الحوافز ( $\theta_i$ ) ومتغير الارتخاء ( $s_L$ ).
- التابعين (المركبات الكهربائية - EVs): تقوم كل مركبة كهربائية بتقليل دالة التكلفة الخاصة بها، والتي توازن بين وقت الشحن وتدهور البطارية. تستجيب المركبات الكهربائية للحوافز المقدمة من القائد.
آلية الحوافز:
- لا تتحكم محطة الشحن مباشرة في قدرة شحن المركبة ( $P_i$ ) بل تصمم دالة حافز $\Phi_i$ تعدل هدف المركبة الكهربائية.
- الحافز هو خصم سعري ( $\theta_i$ ) يتم حسابه بناءً على التكلفة الحدية لدالة هدف المركبة الكهربائية.
- الهدف هو إيجال توازن ستيكلبيرج حيث تقوم المركبات الكهربائية بتعديل سلوك الشحن طواعية ليتماشى مع الأمثلية العالمية لمحطة الشحن.
الهيكل الخوارزمي (حلقتان متداخلتان):
1. الحلقة الداخلية (ADMM): مع ثبات الحوافز من القائد، تقوم المركبات الكهربائية بحل مشاكل التحسين المحلية الخاصة بها بالتتابع. وتقوم بتحديث طلبات القدرة ( $P_i$ ) والمتغيرات المزدوجة للوفاء بقيود الاقتران (ميزانية القدرة الإجمالية وحدود قدرة الأعمدة).
2. الحلقة الخارجية (لعبة ستيكلبيرج): يراقب القائد استجابات المركبات الكهربائية. وباستخدام طريقة التنصيف (Bisection Method)، يقوم القائد بتحديث الحوافز ( $\theta_i$ ) ومتغير الارتخاء ( $s_L$ ) لدفع النظام نحو التوازن. تبحث طريقة التنصيف عن الحد الأدنى من الارتخاء المطلوب لاستيفاء القيود مع إبقاء الحوافز ضمن الحدود المقبولة.

ج. أبرز ملامح الصياغة الرياضية

دوال الهدف:
- القائد: يقلل من انحراف القدرة النسبي (العدالة).
- التابعين: دالة مجزأة تقلل من الانحراف عن القدرة المطلوبة (الموازنة بين الوقت مقابل التدهور).
القيود:
- قيد الاقتران: يجب أن يتطابق مجموع قدرات المركبات الكهربائية مع ميزانية الشبكة المستمدة من طبقة "ما بين اليوم واليوم التالي".
- القيود المحلية: حدود قدرة أعمدة الشحن وحدود المركبات الكهربائية الخاصة.

3. المساهمات الرئيسية

تطبيق مبتكر لـ SG-ADMM: تعد هذه أول دراسة تصيغ العلاقة بين محطة الشاحن والمركبة الكهربائية صراحةً كلعبة ستيكلبيرج ضمن سياق شحن المركبات الكهربائية في الوقت الفعلي، حيث تم تكييف الخوارزمية المقترحة أصلاً للحوسبة الضخمة/حوسبة الحافة (Zheng et al.) لتناسب قطاع الطاقة.
آلية تصميم الحوافز: تقترح الورقة آلية محددة حيث يصمم القائد حوافز (خصومات سعرية) لمواءمة أهداف المركبات الكهربائية الفردية مع أمثلية النظام، مما يحل مشكلة "نقص الحوافز" في التحكم اللامركزي.
التكامل الهرمي: يدمج هذا العمل متحكم SG-ADMM في الوقت الفعلي ضمن نظام إدارة طاقة (EMS) شامل ثلاث الطبقات، مما يسد الفجوة بين التخطيط لليوم التالي والتنفيذ في الوقت الفعلي.
التكيف الخوارزمي: قام المؤلفون بتعديل خوارزمية SG-ADMM القياسية للتعامل مع:
- قيود الاقتران المتغيرة (ميزانيات الشبكة الديناميكية).
- حلقة خارجية تعتمد على طريقة التنصيف لضبط الارتخاء والحوافز بكفاءة.
- تحديثات التابعين المتتالية لتحسين التقارب في السيناريوهات واسعة النطاق.

4. النتائج (سياقية)

ملاحظة: بما أن هذا هو الجزء الأول من ورقة بحثية مكونة من جزأين، فإن التركيز الأساسي ينصب على الصياغة، وتصميم الخوارزمية، ومراجعة الأدبيات. أما نتائج المحاكاة الكمية (مثل الزيادات المحددة في الأرباح، أو أوقات التقارب، أو أداء دراسة الحالة) فقد حُفظت للجزء الثاني.

التحقق النظري: تثبت الورقة معايير التقارب لكل من حلقة ADMM الداخلية (البواقي الأولية/المزدوجة) وحلقة ستيكلبيرج الخارجية (فرق لاغرانج).
الجدوى: تثبت الصياغة أن نهج SG-ADMM قابل للتوسع وقادر على التعامل مع الأهداف المتضاربة للمتحكم المركزي والوكلاء المستقلين دون الحاجة إلى تبادل كامل للمعلومات (الحفاظ على الخصوصية).

5. الأهمية

القابلية للتوسع: من خلال استخدام نهج لامركزي يعتمد على التحسين المحلي وتبادل المعلومات المحدود (فقط الحوافز والمتغيرات المزدوجة)، يعد هذا الأسلوب مناسباً لمحطات الشحن واسعة النطاق التي تضم مئات المركبات الكهربائية، متجاوزاً الاختناقات الحسابية للتحكم المركزي.
استقرار الشبكة والعدالة: يضمن هذا النهج قدرة محطة الشحن على تلبية قيود الشبكة (عقوبات عدم التوازن، حدود السعة) مع الحفاظ على العدالة بين المستخدمين، وهو عامل حاسم للقبول العام لشحن المركبات الكهربائية.
الكفاءة الاقتصادية: تسمح آلية الحوافز لمحطة الشحن بتوجيه سلوك المستخدمين اقتصادياً (عبر التسعير الديناميكي/الخصومات) بدلاً من التحكم الصارم بالأوامر والسيطرة، مما قد يزيد من ربحية النظام الإجمالية ويقلل من ازدحام الشبكة.
التأثير المستقبلي: يضع هذا العمل الأساس النظري لمحطات الشحن "الذكية" التي يمكنها التفاوض مع المستخدمين ذاتياً في الوقت الفعلي، وهي خطوة حاسمة نحو التوسع الواسع في تقنيات المركبة إلى الشبكة (V2G) والاستجابة المرنة للطلب في الشبكات الذكية.