← أحدث الأبحاث
⚡ الهندسة الكهربائية

The Hidden Lifecycle of Public EV Charging Infrastructure in the United States

تحلل هذه الدراسة بيانات شحن المركبات الكهربائية العامة الوطنية لتكشف أن خروج المحطات من الخدمة مدفوع بشكل أكبر بالإخفاقات التشغيلية والتقريرية المستمرة بدلاً من انخفاض معدلات الاستخدام، مما يثبت أن نماذج تعلم الآلة يمكنها تحديد المحطات عالية المخاطر بفعالية من أجل المراقبة المستهدفة لدورة الحياة والفحص.

المؤلفون الأصليون: Jiehong Lou, Jonathan Shan

نُشر 2026-11-03
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

المؤلفون الأصليون: Jiehong Lou, Jonathan Shan

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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

لم تعد المركبات الكهربائية مجرد ظاهرة عابرة على الطرقات الأمريكية؛ بل أصبحت هي المعيار للتنقل اليومي. ومع ذلك، ولكي ينجح هذا التحول، يجب أن تكون الشبكة التي تغذيها موثوقة بقدر موثوقية السيارات نفسها. يحتاج السائقون إلى معرفة أنه عندما يتوجهون إلى محطة شحن عامة، فإن المعدات ستعمل، ونظام الدفع سيعمل، والمنفذ سيكون متاحاً. وبينما تُضخ مليارات الدولارات لبناء محطات شحن جديدة في جميع أنحاء الولايات المتحدة، ظل سؤال حاسم بلا إجابة: ماذا يحدث لهذه المحطات بعد تركيبها؟ نحن نعرف عدد المحطات التي تُبنى، لكننا لا نعرف إلا القليل عن كيفية تقادمها، أو كيف تتعطل، أو لماذا تختفي بعضها ببساطة من الخريطة. وبدون فهم دورة حياة محطة الشحن بالكامل — من يوم تشغيلها الأول حتى إغلاقها النهائي — لن يتمكن المخططون من ضمان بقاء الشبكة قوية بما يكفي لدعم ملايين المركبات الكهربائية المتوقعة في العقود القادمة.

لقد وضع فريق من الباحثين في جامعة ميريلاند حداً لهذا الغموض من خلال النظر في دورة الحياة الخفية للبنية التحتية للشحن العام. فبدلاً من الاعتماد على قوائم ثابتة تخبرنا فقط بمواقع الشواحن، قاموا بتحليل تدفق هائل من البيانات اللحظية التي جُمعت كل عشر دقائق من يوليو 2023 حتى سبتمبر 2026. غطت هذه المجموعة من البيانات أكثر من 72,000 محطة شحن غير تابعة لشركة تسلا في جميع أنحاء البلاد، حيث تتبعت حالة كل منفذ بمفرده لمعرفة ما إذا كان متاحاً، أو قيد الاستخدام، أو معطلاً، أو أنه ببساطة لا يرسل أي معلومات على الإطلاق. ومن خلال مراقبة هذه المحطات بمرور الوقت، استطاع الباحثون تصنيفها إلى أربع مجموعات متميزة: تلك التي كانت جديدة تماماً، وتلك التي استقرت في روتين ثابت، وتلك التي ظهرت لفترة وجيزة ثم اختفت، وتلك التي عملت لفترة قبل أن تتلاشى من الشبكة.

كشفت الدراسة عن حقيقة مفاجئة حول سبب توقف محطات الشحن عن العمل. فهناك افتراض شائع بأن المحطات تتعطل بسبب عدم استخدامها، مما يجعلها غير مربحة ويؤدي إلى إزالتها. ومع ذلك، أظهرت البيانات أن هذا نادراً ما يكون هو الحال. فالعديد من المحطات التي غادرت الشبكة في نهاية المطاف كانت تُستخدم بالفعل بنفس القدر، أو حتى أكثر، من المحطات التي استمرت. فبدلاً من انخفاض الطلب، وُجدت علامات الإنذار الحقيقية في سلوك المحطة قبل اختفائها. فقد أظهرت المحطات التي كانت على وشك الخروج من الشبكة نمطاً متميزاً من التدهور: بدأت في إرسال تقارير حالتها بشكل أقل تكراراً، وأصبحت منافذها خارج الخدمة بشكل متكرر، واستغرقت وقتاً أطول للإصلاح. وفي كثير من الحالات، كانت المعدات لا تزال صالحة لشحن السيارة، لكن الإشارات الرقمية التي تُخبر النظام بأن المحطة "مفتوحة للعمل" قد توقفت عن العمل. وهذا ما أطلق عليه الباحثون اسم "محطات الشبح" (ghost stations) — وهي مواقع لا تزال تظهر على الخرائط العامة كشواحن نشطة، رغم أنها خارج الخدمة منذ أشهر أو سنوات.

وجد الباحثون أن هذه الأعطال التشغيلية لم تكن مجرد إزعاجات بسيطة؛ بل كانت مؤشرات قوية للتنبؤ بمصير المحطة. فعندما بدأت المحطة في فقدان تقارير بياناتها أو عندما ظلت منافذها خارج الخدمة لفترات طويلة، زادت احتمالية اختفائها من الشبكة بشكل كبير. وأظهرت البيانات أن المحطة التي تعاني من فجوات مستمرة في التقارير أو مشكلات متكررة في الصيانة كانت أكثر عرضة للخروج من الشبكة مقارنة بالمحطة التي تعاني ببساطة من انخفاض الاستخدام. وفي الواقع، حددت الدراسة أن أكثر الإنذارات المبكرة موثوقية بشأن تقاعد المحطة الوشيك لم يكن نقص العملاء، بل انقطاع التواصل والصيانة. فكلما عانت المحطة أكثر في إرسال حالتها أو إصلاح منافذها المعطلة، اقتربت أكثر من الاختفاء التام.

ولتحويل هذه النتائج إلى أداة عملية، بنى الباحثون نموذجاً حاسوبياً قادراً على رصد علامات المشكلات هذه قبل أن تختفي المحطة فعلياً. ومن خلال تغذية النموذج ببيانات حول فجوات التقارير، والمنافذ الخارجة عن الخدمة، وأوقات الإصلاح، تمكنوا من إنشاء "قائمة مراقبة" للمحطات عالية المخاطر. وقد أثبت النموذج فعالية ملحوظة في تركيز اهتمامه على المحطات الأكثر عرضة للفشل. فعلى سبيل المثال، عندما نظر الباحثون في أعلى 5% من المحطات المصنفة كأعلى خطورة، وجدوا أن أكثر من 11% من تلك المحطات قد غادرت الشبكة بالفعل في الأشهر التالية، وهو معدل يزيد عن خمسة أضعاف متوسط المحطات الأخرى. وهذا يشير إلى أن شركات المرافق ومخططي المدن يمكنهم استخدام مثل هذا النظام لتحديد أولويات عمليات التفتيش والإصلاح، وإصلاح المحطات الأكثر عرضة للخطر قبل أن تنطفئ تماماً، بدلاً من الانتظار حتى تفشل كلياً.

كما سلطت الدراسة الضوء على فجوة كبيرة في اللوائح الحالية. فبينما يأتي التمويل الفيدرالي للشواحن الجديدة مع قواعد صارمة تتطلب نسبة تشغيل تصل إلى 97% وتقارير منتظمة، فإن هذه القواعد غالباً لا تنطبق على المحطات المملوكة للقطاع الخاص أو تلك الممولة من مصادر محلية. ونتيجة لذلك، تعمل العديد من المحطات في الشبكة دون معايير قابلة للإنفاذ بشأن سرعة إصلاحها أو مدى اتساق تقارير حالتها. ويجادل الباحثون بأن سد هذه الفجوة التنظيمية أمر ضروري. فمن خلال تطبيق نفس متطلبات التقارير والصيانة الصارمة على جميع الشواحن العامة، بغض النظر عن الجهة التي مولتها، يمكن للمدن منع ظهور "محطات الشبح" وضمان بقاء شبكة الشحن مورداً موثوقاً للجميع. وتشير النتائج إلى أن مستقبل التنقل الكهربائي يعتمد على الحفاظ على المحطات التي نمتلكها بالفعل لتبقى تعمل، ومرئية، وموثوقة، أكثر من اعتماده على بناء المزيد من الشواحن.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →