A Hierarchical Stochastic Model Predictive Control Framework for Integrated Request-aware Charge Scheduling and Service Allocation
تقترح هذه الورقة إطار عمل للتحكم التنبئي بالنماذج الموزع والهرمي القائم على القيود الاحتمالية، والذي يدمج الطلب العشوائي للعملاء وأسعار الكهرباء المتغيرة زمنياً لتحسين جداول الشحن وتخصيص الخدمة لمركبات التنقل عند الطلب الكهربائية، مما يقلل بفعالية من التكاليف وتدهور البطارية مقارنة بالطرق الحالية.
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 مدينة لا يمتلك فيها الأفراد السيارات، بل هي جزء من أسطول ضخم مشترك، يشبه نظام حافلات مدرسية عملاق لا ينام أبداً. هذه سيارات كهربائية (EVs) تُستخدم لطلب السيارات، حيث تنقل الغرباء وتوصلهم إلى حيثما يحتاجون للذهاب. لكن هنا تكمن العقبة: هذه السيارات تحتاج لتناول الكهرباء لتعمل، وهي تصبح "نزقة" إذا أطعمتها النوع الخاطئ من الطعام في الوقت الخاطئ. فإذا شحنتها عندما تكون الكهرباء باهظة الثمن، ستخسر الأسطول أموالاً. وإذا شحنتها بقوة مفرطة، ستتعب بطارياتها وتتعطل بشكل أسرع، مما يقصر عمرها الافتراضي. إنه توازن دقيق وصعب: عليك أن تخمن متى سيطلب العملاء رحلة (وهو أمر غير متوقع، مثل محاولة التنبؤ بموعد رد صديق على رسالتك)، بينما تراقب أيضاً تقلب أسعار الكهرباء مثل الأفعوانية. الهدف هو إبقاء السيارات سعيدة، والعملاء سعداء، والمحفظة سعيدة، وكل ذلك دون إتلاف البطاريات.
تتناول هذه الورقة البحثية هذا التحدي المتمثل في عملية التوازن هذه باستخدام "عقل ذكي" جديد لإدارة هذه الأساطيل الكهربائية. يقترح المؤلفان، ميناك دان وأرفيند إيسواران، نظاماً يسمى iCMS (الإدارة المتكاملة للشحن وتخصيص الخدمة). فكر في الأمر كمدرب منظم للغاية لفريق رياضي؛ فبدلاً من مجرد إخبار كل لاعب بأن يركض بأقصى سرعة ممكنة (وهو ما تفعله الأساليب الحالية غالباً)، ينظر هذا المدرب إلى اللعبة بأكملها. هو يعلم أن سعر الطاقة منخفض عند الساعة 3 صباحاً ولكنه مرتفع عند الساعة 6 مساءً. ويعلم أن البطارية تكره الشحن بسرعة كبيرة أو ببطء شديد، ويعلم أن العميل قد يطلب رحلة في أي لحظة. تقترح الورقة استخدام نهج "هرمي"، وهو يشبه وجود مدرب رئيسي ومدربين مساعدين. المدرب الرئيسي (المرحلة العليا) يتخذ القرارات الكبرى: "أي السيارات يجب أن تغادر المحطة ومتى؟". ثم يتولى المدربون المساعدون (المرحلة الدنيا) التفاصيل لكل سيارة على حدة: "حسناً، السيارة رقم 42، بما أنك ستغادر بعد ساعتين، فإليك جدول الشحن المثالي، الهادئ والمستقر، لتوفير المال وحماية بطاريتك".
اختبر الباحثون هذه الفكرة باستخدام عمليات محاكاة لـ 300 مركبة كهربائية على مدار 24 ساعة، باستخدام بيانات واقعية لأسعار الكهرباء في سنغافورة وطلبات الرحلات التاريخية. وقارنوا نظام "المدرب الذكي" الجديد هذا بطريقتين أخريين: نهج "العمل كالمعتاد" (مجرد التوصيل بالشاحن والشحن بأسرع ما يمكن) ونهج "القائم على المرونة" (الشحن بناءً فقط على مقدار الوقت المتبقي قبل الحاجة للسيارة). أظهرت نتائج هذه المحاكاة أن نظامهم الجديد كان الفائز الواضح في المطبخ؛ فقد تمكن من خفض تكاليف الكهرباء بشكل كبير — حيث خفض الفاتورة من قرابة 194 دولاراً إلى حوالي 138 دولاراً للأسطول — مع حماية البطاريات أيضاً من التآكل، مما قلل تكاليف التدهور بأكثر من النصف مقارنة بالأساليب القديمة.
ومع ذلك، تحذر الورقة أيضاً من أن كونك ذكياً جداً قد يكون عبئاً حسابياً ثقيلاً. فإذا حاولت حل المشكلة لـ 300 سيارة في وقت واحد في عقل مركزي واحد ضخم، فسيستغرق الكمبيوتر وقتاً طويلاً في التفكير، خاصة إذا كنت تريد فحص كل سيناريو محتمل. لهذا السبب فإن منهجهم "الهرمي" مهم جداً؛ فمن خلال تقسيم العمل، وجدوا طريقة للحصول على نتائج رائعة مشابهة جداً ولكن بشكل أسرع بكثير، مما يجعل من الممكن تشغيل هذا النظام في الوقت الفعلي. كما اكتشفوا أن النظام مرن: فمن خلال تعديل بعض الأرقام، يمكن لمديري الأساطيل اختيار إعطاء الأولوية لتوفير المال، أو حماية البطارية، أو ضمان عدم انتظار أي عميل أبداً، وذلك بناءً على ما تحتاجه الشركة أكثر في تلك اللحظة. باختاًصار، تشير هذه الورقة إلى أنه مع المزيج الصحيح من الرياضيات والاستراتيجية، يمكننا جعل مستقبلنا الكهربائي المشترك أرخص، وأطول عمراً، وأقل توتراً للجميع.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.