⚡ electrical engineering

A MEC-Based Optimization Framework for Dynamic Inductive Charging

تقترح هذه الورقة إطار عمل للتحكم التنبئي بالنماذج يستفيد من الحوسبة الطرفية لتحسين تخصيص قدرة الشحن الحثي الديناميكي في حركة المرور الحضرية، حيث أثبتت من خلال عمليات محاكاة قائمة في إسطنبول أن إعطاء الأولوية للمركبات ذات حالات البطارية الحرجة يحسن بشكل كبير كلاً من استغلال الموارد ورضا المستخدم مقارنة بالتوزيع غير المنسق.

المؤلفون الأصليون: Emre Akıskalıoğlu, Mustafa Atmaca, Lorenzo Ghiro, Giovanni Perin, Renato Lo Cigno

نُشر 2026-05-01

📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Emre Akıskalıoğlu, Mustafa Atmaca, Lorenzo Ghiro, Giovanni Perin, Renato Lo Cigno

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 طريقاً سريعاً مزدحماً حيث لا تكتفي السيارات الكهربائية بالقيادة فحسب، بل "تشرب" أيضاً الكهرباء لاسلكياً من الطريق نفسه أثناء حركتها. يُسمى هذا الشحن الحثي الديناميكي (DIC). فكر في الطريق كأنه خرطوم مياه ضخم وغير مرئي، والسيارات كأنها أكواب تحاول الامتلاء بينما تتسابق في الشارع.

ومع ذلك، هناك عقبة؛ فـ "خرطوم المياه" (شبكة الطاقة) له تدفق محدود. إذا حاولت سيارات كثيرة الشرب في وقت واحد، سينخفض ضغط المياه، وقد لا تحصل بعض السيارات على ما يكفي لإكمال رحلتها. هذه هي المشكلة التي سعى المؤلفون لحلها.

إليك تفصيل حلهم، باستخدام تشبيهات بسيطة:

المشكلة: بوفيه "الفوضى العارمة"

حالياً، إذا قدت سيارتك على هذا الطريق الخاص، فأنت تأخذ الطاقة كلما استطعت.

المشكلة: إذا كانت سيارة ببطارية شبه فارغة ("سيارة عطشى") وسيارة ببطارية ممتلئة ("سيارة ممتلئة") تسيران جنباً إلى جنب، فكلاهما سيأخذان الطاقة بالتساوي.
النتي نتيجة: قد تظل السيارة العطشى بدون طاقة قبل وصولها إلى وجهتها، بينما تهدر السيارة الممتلئة طاقة لا تحتاجها. الأمر يشبه بوفيه حيث يندفع الجميع لأخذ الأطباق في نفس الوقت، مما يترك الشخص الأكثر جوعاً بلا شيء.

الحل: "شرطي المرور الذكي" (MEC & MPC)

يقترح المؤلفون نظاماً جديداً يستخدم الحوسبة الحافية المتنقلة (MEC) والتحكم التنبئي بالنماذج (MPC).

التشبيه: تخيل شرطي مرور فائق الذكاء يقف على تلة ("الحافة") ويمكنه رؤية الطريق بأكمله أمامه. يتحدث هذا الشرطي مع كل سيارة عبر جهاز لاسلكي (اتصال V2X).
كيف يعمل:
1. السؤال عن الاحتياجات: تخبر كل سيارة الشرطي: "لدي 10% بطارية وأحتاج للوصول إلى 80%"، أو "أنا بالفعل عند 90%، أحتاج فقط لزيادة طفيفة".
2. التنبؤ بالمستقبل: لا ينظر الشرطي فقط إلى من هو موجود الآن؛ بل ينظر إلى أين ستكون السيارات في الثواني القليلة القادمة (الجزء "التنبئي").
3. القرار: يعمل الشرطي كحكم عادل. إذا كانت الطاقة شحيحة (مثل فترة الجفاف)، يقول الشرط: "حسناً، السيارة ذات الخزان الفارغ ستحصل على أكبر خرطوم الآن. أما السيارة الممتلئة بالفعل، فستحصل على قطرات ضئيلة أو تنتظر لحظة".

التجربة: اختبار من الواقع

اختبر الباحثون هذه الفكرة على طريق بطول 10 كيلومترات في إسطنبول، تركيا. استخدموا محاكاة حاسوبية (توأم رقمي للمدينة الحقيقية) لإنشاء ثلاثة سيناريوهات مختلفة لحركة المرور:

الليل (حركة مرور منخفضة): سيارات قليلة. الجميع يحصل على الطاقة بسهولة. النظام الجديد لا يغير الكثير هنا.
الغداء (حركة مرور متوسطة): السيارات تأتي وتذهب. يبدأ النظام القديم في المعاناة، لكن "الشرطي الذكي" الجديد يحافظ على التوازن.
ساعة الذروة (حركة مرور عالية): الطريق مزدحم للغاية. هنا يحدث السحر.

النتائج: العدالة فوق السرعة

عندما كان الطريق مزدحماً وكانت الطاقة منخفضة، كان الفرق واضحاً:

الطريقة القديمة (بدون شرطي): تم تقسيم الطاقة بالتساوي. حصل الجميع على القليل، لكن السيارات ذات البطاريات الفارغة بقيت منخفضة بشكل خطير، مما عرضها لخطر التوقف.
الطريقة الجديدة (مع الشرطي الذكي): أعطى النظام الأولوية للسيارات "العطشى". لقد أخذ الطاقة من السيارات التي كانت ممتلئة بالفعل وأعطاها للسيارات التي في ورطة.
- النتيجة: عدد أقل من السيارات تُركت عالقة ببطاريات فارغة. كانت السيارات "العطشى" أكثر سعادة بكاً، حتى لو حصلت السيارات "الممتلئة" على أقل مما طلبت قليلاً.

لماذا هذا مهم؟

تجادل الورقة البحثية بأنه لكي تعمل طرق الشحن اللاسلكي، لا يمكننا مجرد بناء الأجهزة؛ بل نحتاج إلى "العقل البرمجي" لإدارتها. بدون هذا الإدارة الذكية، سيكون النظام غير فعال وغير عادل. باستخدامها، يمكننا ضمان أن السيارات التي تحتاج حقاً إلى الطاقة تحصل عليها أولاً، مما يجعل المركبات الكهربائية أكثر موثوقية ويقلل من "قلق المدى" (الخوف من نفاد الطاقة).

باخت-القول: لقد صنعوا "شرطي مرور" رقمياً يضمن أن السيارات الأكثر جوعاً تحصل على الطعام أولاً عندما يكون الإمداد منخفضاً، مما يمنع أي شخص من التعطل على الطريق.

إليك ملخص تقني مفصل لورقة البحث بعنوان "إطار عمل تحسين قائم على الحوسبة الطرفية المتنقلة (MEC) للشحن الحثي الديناميكي" من إعداد أكيسكالي أوغلو وآخرون.

1. بيان المشكلة

يعيق تبني المركبات الكهربائية التي تعمل بالبطاريات (BEVs) على نطاق واسع ما يُعرف بـ "قلق المدى" وطول أوقات إعادة الشحن. يوفر الشحن الحثي الديناميكي (DIC) حلاً عبر تمكين نقل الطاقة لاسلكياً أثناء حركة المركبات، مما قد يقلل من حجم البطارية وتكاليفها. ومع ذلك، تواجه البنية التحتية للشحن الحثي الديناميكي تحديين حرجين:

التكلفة العالية وقيود الطاقة: أنظمة الشحن الحثي الديناميكي مكلفة في النشر والتشغيل تحت ميزانيات طاقة صارمة.
تخصيص الموارد غير المنسق: يركز الأدب الحالي على أداء مركبة واحدة أو تخطيط البنية التحتية. هناك نقص في الاستراتيجيات على مستوى النظام لتخصيص الطاقة المحدودة بين مركبات ذات احتياجات متباينة.
القضية الجوهرية: بدون تنسيق ذكي، يؤدي الشحن غير المنسق إلى استغلال غير أمثل للموارد (عندما يكون الطلب مرتفعاً ولكن الطاقة متاحة) وعدم رضا المستخدم بشكل حرج (عندما يتجاوز الطلب السعة، مما يترك المركبات ذات البطاريات المستنفدة غير قادرة على إكمال رحلاتها).

2. المنهجية

يقترح المؤلفون إطار عمل للتحكم التنبئي بالنموذج (MPC) متكاملاً مع الحوسبة الطرفية المتنقلة (MEC) واتصالات المركبة بكل شيء (V2X) لتحسين تخصيص الطاقة ديناميكياً.

أ. بنية النظام

السيناريو: مقطع طريق حضري واقعي بطول 10 كم في إسطنبول، تركيا، تم نمذجته في محاكي حركة المرور SUMO. يتميز الطريق بـ 10 "خطوط" شحن حثي ديناميكي (مقاطع تحتوي على ملفات مدمجة) عبر مسارين.
الاتصال: ترسل المركبات حالة البطارية (حالة الشحن - SoC)، والسعة، وحالة الشحن المطلوبة عند الخروج، وبيانات المسار إلى وحدة ITS-PM (وحدة إدارة طاقة الأنظمة الذكية للنقل) المستضافة على خادم MEC. يقوم الخادم بحساب تعيينات الطاقة المثلى ويرسلها مرة أخرى إلى المركبات.
حلقة التحكم: يعمل النظام في خطوات زمنية منفصلة ( $\Delta T = 5$ ثوانٍ) عبر أفق تنبؤي ( $K$ خطوة).

ب. صياغة التحسين

جوهر المنهجية هو برنامج تربيعي محدب (QP) يتم حله في كل خطوة زمنية لتقليل دالة التكلفة ( $J_t$ ) مع مراعاة القيود الفيزيائية والتشغيلية.

متغيرات القرار:
- $P_{v,k}$ : الطاقة المخصصة للمركبة $v$ .
- $P_{s,k}$ : الطاقة المخصصة للخط $s$ .
- $b_{v,k}$ : حالة الشحن المتوقعة للبطارية.
القيود:
- ديناميكيات البطارية: تطور حالة الشحن بناءً على الاستهلاك وكفاءة الشحن.
- حدود الطاقة: قيود بناءً على سعة الملف، وحدود لوحة المركبة، وإجمالي ميزانية النظام ( $P_{tot}$ ).
- قيود الخطوط: يجب توزيع الطاقة بين الخطوط، مما يسمح بإعادة التوازن الديناميكي (بمعامل يصل إلى $\rho$ ) بين الخطوط المتجاورة.
دالة الهدف ( $J_t$ ):
تقلل الدالة من ثلاثة مكونات:
1. خطأ تتبع البطارية: يقلل الفرق المربع بين حالة الشحن المتوقعة وحالة الشحن المستهدفة ( $b^{des}_v$ ).
2. وزن الاستعجال: يعطي الأولوية للمركبات التي لديها فجوة كبيرة بين الحالة الحالية والحالة المطلوبة، وتلك التي لديها أوقات سفر متبقية قصيرة ( $\tau_v$ ).
3. الإيرادات والكفاءة: تتضمن مصطلحات لإيرادات المشغل (سعر الطاقة) وتقليل الفجوة بين طاقة الخط المخصصة والامتصاص الفعلي للمركبة لتعظيم الاستفادة.

3. المساهمات الرئيسية

خوارزمية تخصيص الطاقة القائمة على MPC: خوارزمية مبتكرة توازن ديناميكياً بين استعجال المركبة الفردي، والمسارات المتوقعة، وقيود السعة على مستوى النظام لتعظيم العدالة والكفاءة.
تصميم بروتوكول الاتصال: بروتوكول محدد لتبادل الحد الأدنى من البيانات الضرورية (مستويات البطارية، المسارات، تخصيصات الطاقة) بين المركبات والبنية التحتية باستخدام معايير V2X الحالية (ETSI ITS-G5) مع تعزيزها برسائل محددة لإدارة الطاقة.
إطار محاكاة مفتوح المصدر: أصدر المؤلفون أداة محاكاة قائمة على SUMO والتي تنمذج قيود الشحن الحثي الديناميكي الواقعية (توبولوجيا الخطوط، ميزانيات الطاقة، تباين حركة المرور) لتمكين البحث القابل للتكرار في هذا المجال.

4. النتائج

تم تقييم إطار العمل مقابل استراتيجية المعيار المرجعي (BENCH) (تخصيص ثابت وغير منسق) تحت ثلاثة مستويات من كثافة حركة المرور: منخفضة ( $\lambda=5$ )، متوسطة ( $\lambda=12$ )، وعالية ( $\lambda=20$ مركبة/دقيقة).

حركة المرور المنخفضة (وفرة الموارد): أدت كل من استراتيجيتي BENCH وOPT أداءً متشابهاً، حيث لبت جميع طلبات المركبات. لم يقدم التنسيق فوائد كبيرة هنا.
حركة المرور المتوسطة (طلب متذبذب):
- BENCH: عانت خلال ذروة الطلب، وفشلت في الاستفادة الكاملة من سعة الطاقة المتاحة بسبب التخصيص الثابت.
- OPT: حققت استغلالاً شبه مثالي للموارد من خلال إعادة التوازن الديناميكي للطاقة بين الخطوط بناءً على الطلب في الوقت الفعلي.
حركة المرور العالية (ندرة الموارد):
- استغلال الموارد: وصلت كلتا الاستراتيجيتين إلى حد التشبع في إجمالي ميزانية الطاقة.
- رضا المستخدم ( $\phi_v$ ): كان هذا هو الفارق الحاسم.
  - BENCH: أدت إلى وجود "ذيل ثقيل" من المركبات غير الراضية بشكل حرج. التوزيع الموحد يعني أن العديد من المركبات غادرت بشحن غير كافٍ، مما يهدد بقلق المدى أو التوقف الطارئ.
  - OPT: طبقت سياسة تعطي الأولوية للعدالة أولاً. فقد أعطت الأولوية بشدة للمركبات ذات البطاريات المستنفدة (المركبات قيد الاختبار - VUTs) على حساب المركبات جيدة الشحن.
  - النتيجة: أظهر دالة التوزيع التراكمي (CDF) أن OPT قللت بشكل كبير من عدد المركبات غير الراضية بشكل حرج (تحسين الذيل السفلي للتوزيع)، مما ضمن تلبية الاحتياجات الأكثر إلحاحاً حتى لو كان ذلك يعني حصول بعض المركبات الأقل حرجاً على شحن أقل قليلاً من أقصى قدر ممكن لها.

5. الأهمية والعمل المستقبلي

قابلية التشغيل على مستوى النظام: هذا هو العمل الأول الذي يحلل أنظمة الشحن الحثي الديناميكي على مستوى تدفق حركة المرور، مما يثبت أن الإدارة الذكية للطاقة ضرورية للجدوى الاقتصادية والتشغيلية.
الأثر الاقتصادي: من خلال تعظيم رضا المستخدم أثناء أحمال الذروة وتمكين التسعير الديناميكي، يدعم إطار العمل الاستدامة الاقتصادية للبنية التحتية للشحن الحثي الديناميكي.
إمكانية تقليل البطارية: يمكن للشحن الحثي الديناميكي الفعال أن يسمح ببطاريات أصغر وأرخص للمركبات، مما يسرع من تبني المركبات الكهربائية.
الاتجاهات المستقبلية: يقترح المؤلفون أبحاثاً مستقبلية في مقارنة الاستراتيجيات عبر بيئات مختلفة (الطرق السريعة مقابل المناطق الحضرية)، وتحسين بروتوكولات الاتصال لتقنيات 5G/6G، والتحقيق في التأثير على متطلبات تصنيع البطاريات.

الخلاصة: يوضح البحث أنه بدون إطار عمل ذكي يعتمد على الحوسبة الطرفية المتنقلة (MEC)، ستفشل أنظمة الشحن الحثي الدينانيكي في تلبية احتياجات المستخدمين أثناء ذروة الطلب. نجح نهج MPC المقترح في تحويل مورد مقيد إلى شبكة شحن فعالة، عادلة، وتتمحور حول المستخدم.