Performance comparison of solar PV fed PI, MPC & AI controller for fast battery charging system in Electric Vehicles

إن الطريق نحو مستقبل أكثر نظافة معبد بالسيارات الكهربائية، ولكن لكي تحل هذه السيارات محل محركات الاحتراق الداخلي حقاً، يجب عليها التغلب على عقبتين مستعصيتين: القلق من نفاد الطاقة، والإحباط الناتج عن الانتظار لساعات لإعادة الشحن. وبينما توجد التقنية اللازمة لتخزين الطاقة في البطاريات، فإن التحدي يكمن في كيفية تقديم تلك الطاقة. ويعد تزويد محطات الشحن بالطاقة مباشرة من ضوء الشمس حلاً واعداً؛ غير أن الشمس شريك غير موثوق، إذ تتغير شدتها باستمرار مع مرور السحب أو تقدم ساعات النهار. هذا التقلب يخلق بيئة فوضوية للكيمياء الدقيقة داخل بطارية الليثيوم أيون. فإذا كان تدفق الكهرباء غير منتظم للغاية أو عدوانياً بشكل مفرط، فقد يؤدي ذلك إلى تلف البطارية أو تفعيل أنظمة السلامة التي توقف عملية الشحن. وللتغلب على ذلك، يعتمد المهندسون على "عقل" لنظام الشحن، وهو وحدة تحكم تضبط تدفق الطاقة باستمرار، تماماً مثل سائق ماهر يتحكم في دواسة الوقود للحفاظ على حركة السيارة بسلاسة فوق طريق وعر.

لقد سعى باحثون في معهد بابو باناراسي داس للتكنولوجيا والإدارة، بالتعاون مع زملائهم من جامعة ماهاريشي لتكنولوجيا المعلومات، لتحديد نوع وحدة التحكم الأنسب لهذه المهمة المتطلبة. وقد ركزوا على ثلاثة نهج متميزة: طريقة تقليدية تُعرف باسم "المتحكم التناسبي التكاملي" (Proportional-Integral controller)، ونظام تنبؤي متطور يُسمى "التحكم التنبئي بالنموذج" (Model Predictive Control)، ونهج حديث يعتمد على البيانات باستخدام الذكاء الاصطناعي. لم يكتف الفريق بوضع نظريات حول هذه الأساليب، بل بنوا محاكاة تفصيلية لمحطة شحن تعمل بالطاقة الشمسية واختبروا كيفية استجابة كل وحدة تحكم عندما يتغير ضوء الشمس فجأة، محاكيين بذلك مرور سحابة فوق الألواح الشمسية. ثم ذهبوا بنتائجهم خطوة أبعد عبر اختبار وحدات التحكم على أجهزة مادية متصلة ببيئة محاكاة، وهي عملية تُعرف باختبار "الأجهزة في الحلقة" (Hardware-in-the-Loop)، لمعرفة كيفية أدائها عند مواجهة الواقع الفوضوي للضجيج الإلكتروني والعيوب في المستشعرات.

لقد عانت وحدة التحكم التقليدية، التي كانت المعيار الصناعي لعقود بسبب بساطتها، بشكل كبير في هذه الاختبارات. فعندما انخفض ضوء الشمس، استجابت هذه الوحدة بحركة متذبذبة ومتقطعة؛ حيث تجاوزت تيار الشحن المستهدف بنحو خمسة عشر بالمائة، مما تسبب في تذبذب النظام ذهاباً وإياباً قبل أن يستقر أخيراً. هذا عدم الاستقرار يعني أن النظام استغرق قرابة نصف ثانية ليستقر، وهو تأخير يبدو لحظياً بالنسبة للآلة ولكنه يمثل فقداناً للطاقة الثمينة وضغطاً محتملاً على البطارية. وفي اختبارات الأجهزة في العالم الحقيقي، أصبح هذا السلوك المرتعش أكثر وضوحاً، حيث كانت وحدة التحكم "تطارد" الإعداد الصحيح وتستهلك الطاقة كحرارة. وقد انخفضت كفاءتها الإجمالية في هذه الظروف الصاخبة إلى حوالي تسعين بالمائة، وهو رقم يشير إلى أن قدراً كبيراً من الطاقة الشمسية المحصودة كان يُفقد بدلاً من تخزينه.

أما النهج الأكثر تقدماً، وهو "التحكم التنبئي بالنموذج"، فقد قدم تحسناً ملحوظاً. فبدلاً من مجرد التفاعل مع الأخطاء فور حدوثها، يستخدم هذا النظام نموذجاً رياضياً للنظر إلى الأمام، والتنبؤ بكيفية سلوك البطارية واللوح الشمسي في اللحظات القادمة. سمحت هذه الاستباقية بتعديل تيار الشحن بسلاسة، وتجنب التجاوزات العنيفة التي شهدتها الطريقة التقليدية. وفي عمليات المحاكاة، جعل النظام يستقر في حوالي عُشر ثانية مع عدم وجود تجاوز تقريباً. ومع ذلك، فإن هذا الذكاء يأتي بثمن باهظ؛ إذ يتطلب النظام معالجاً قوياً لحل المسائل التحسينية المعقدة في الوقت الفعلي. وعند اختباره على أجهزة فعلية، أدى الوقت المستغرق لمعالجة هذه الأرقام إلى حدوث تأخر طفيف، واستقرت الكفاءة الإجمالية عند أقل قليلاً من ثمانية وتسعين بالمائة. ورغم متانة هذا النظام، أشار الباحثون إلى أن المتطلبات الحسابية قد تجعل من الصعب تطبيقه في الأنظمة التي تحتاج إلى تشغيل وإيقاف الطاقة بسرعة فائقة.

جاءت النتائج الأكثر إثارة للإعجاب من وحدة تحكم الذكاء الاصطناعي، والتي تعمل بشكل مختلف من خلال التعلم من البيانات بدلاً من الاعتماد على قواعد رياضية جامدة أو نماذج تنبؤية. لقد تم تدريب هذا النظام على آلاف الأمثلة لكيفية سلوك الألواح الشمسية والبطاريات تحت ظروف متنوعة. وعندما تغير ضوء الشمس أثناء الاختبارات، تعرّف متحكم الذكاء الاصطناعي على النمط الجديد فوراً وعدّل تيار الشحن دون تردد. وقد وصل إلى حالة الاستقرار في أقل من واحد من مئة من الثانية، مما قضى فعلياً على التجاوز والتذبذب اللذين عانى منهما الأسلوبان الآخران. وفي اختبارات الأجهزة، التي تضمنت تداخل الضجيج الحقيقي للمستشعرات، حافظ متحكم الذكاء الاصطناعي على منحنى تتبع شبه مثالي، متجاهلاً التشويش الإلكتروني الذي أربك المتحكم التقليدي. وقد ارتفعت كفاءته إلى ما يقرب من تسعة وتسعين فاصل سبعة بالمائة، مما يعني أن معظم الطاقة الملتقطة من الشمس قد نُقلت بنجاح إلى البطارية.

تخلص الدراسة إلى أنه بينما يعد المتحكم التقليدي رخيصاً وسهل البناء، إلا أنه غير مناسب للمتطلبات الديناميكية للشحن الشمسي السريع. ويقدم المتحكم التنبئي حلاً وسطاً قوياً، لكنه مقيد بمتطلباته الحسابية الثقيلة. وقد برز متحكم الذكاء الاصطناعي كالحل الأكثر فعالية، حيث يجمع بين دقة التنبؤ المتقدم والسرعة التي تسمح له بالعمل على الأجهزة القياسية للسيارات. ومن خلال تعلم السلوك المعقد وغير الخطي للنظام، ينجح في تصفية الضجيج والحفاظ على الاستقرار حيث تخفق الأساليب الأخرى. وبالنسبة لمستقبل المركبات الكهربائية، يشير هذا إلى أن المفتاح للشحن الشمسي الموثوق والسريع والفعال قد لا يكمن في بناء نماذج رياضية أفضل، بل في تعليم النظام كيف يتعلم من الخبرة.