⚡ electrical engineering

A MEC-Based Optimization Framework for Dynamic Inductive Charging

यह शोध पत्र शहरी यातायात में गतिशील प्रेरक चार्जिंग (इंडक्टिव चार्जिंग) शक्ति आवंटन को अनुकूलित करने के लिए एज कंप्यूटिंग का लाभ उठाने वाले एक मॉडल प्रिडिक्टिव कंट्रोल फ्रेमवर्क का प्रस्ताव करता है, जो इस्तांबुल-आधारित सिमुलेशन के माध्यम से यह प्रदर्शित करता है कि महत्वपूर्ण बैटरी अवस्था वाले वाहनों को प्राथमिकता देने से असंबद्ध वितरण की तुलना में संसाधन उपयोग और उपयोगकर्ता संतुष्टि दोनों में महत्वपूर्ण सुधार होता है।

मूल लेखक: Emre Akıskalıoğlu, Mustafa Atmaca, Lorenzo Ghiro, Giovanni Perin, Renato Lo Cigno

प्रकाशित 2026-05-01

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Emre Akıskalıoğlu, Mustafa Atmaca, Lorenzo Ghiro, Giovanni Perin, Renato Lo Cigno

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

एक व्यस्त राजमार्ग की कल्पना करें जहाँ इलेक्ट्रिक कारें केवल चलती ही नहीं हैं; वे चलते समय सड़क से वायरलेस तरीके से बिजली भी "पीती" हैं। इसे डायनेमिक इंडक्टिव चार्जिंग (DIC) कहा जाता है। इस सड़क को एक विशाल, अदृश्य पानी के पाइप की तरह समझें, और कारों को उन कपों की तरह जो सड़क पर दौड़ते हुए खुद को भरने की कोशिश कर रहे हैं।

हालाँकि, इसमें एक पेच है: "पानी के पाइप" (पावर ग्रिड) का प्रवाह सीमित है। यदि बहुत सारी कारें एक साथ बिजली पीने की कोशिश करती हैं, तो पानी का दबाव गिर जाता है, और कुछ कारों को अपनी यात्रा पूरी करने के लिए पर्याप्त बिजली नहीं मिल पाती है। यही वह समस्या है जिसे लेखकों ने हल करने का प्रयास किया है।

यहाँ उनके समाधान का विवरण दिया गया है, सरल उपमाओं का उपयोग करते हुए:

समस्या: "फ्री-फॉर-ऑल" बुफे (सबके लिए खुला भोजन)

वर्तमान में, यदि आप इस विशेष सड़क पर चलते हैं, तो आप जब भी चाहें बिजली प्राप्त कर सकते हैं।

समस्या: यदि एक खाली बैटरी वाली कार (एक "प्यासी" कार) और एक भरी हुई बैटरी वाली कार (एक "भरी हुई" कार) अगल-बगल में हैं, तो दोनों समान रूप से बिजली लेती हैं।
परिणाम: प्यासी कार अपनी मंजिल तक पहुँचने से पहले ही दम तोड़ सकती है, जबकि भरी हुई कार उस बिजली को बर्बाद करती है जिसकी उसे आवश्यकता नहीं है। यह एक बुफे की तरह है जहाँ हर कोई एक ही समय में प्लेट उठाने की कोशिश करता है, जिससे सबसे भूखे व्यक्ति के हाथ कुछ नहीं आता।

समाधान: "स्मार्ट ट्रैफिक पुलिस" (MEC और MPC)

लेखक मोबाइल एज कंप्यूटिंग (MEC) और मॉडल प्रेडिक्टिव कंट्रोल (MPC) का उपयोग करके एक नया सिस्टम प्रस्तावित करते हैं।

उपमा: एक पहाड़ी पर खड़े एक सुपर-स्मार्ट ट्रैफिक पुलिसकर्मी (द "एज") की कल्पना करें जो पूरी सड़क को देख सकता है। यह पुलिसकर्मी वॉक-टॉक़ी (V2X संचार) के माध्यम से हर कार से बात करता है।
यह कैसे काम करता है:
1. जरूरतों के बारे में पूछना: हर कार पुलिसकर्मी को बताती है, "मेरी बैटरी 10% बची है और मुझे 80% तक पहुँचना है," या "मैं पहले से ही 90% पर हूँ, मुझे बस थोड़ा सा टॉप-अप चाहिए।"
2. भविष्यवाणी करना: पुलिसकर्मी केवल यह नहीं देखता कि अभी वहाँ कौन है; वे यह देखते हैं कि अगले कुछ सेकंड में कारें कहाँ होने वाली हैं ("प्रेडिक्टिव" वाला हिस्सा)।
3. निर्णय लेना: पुलिसकर्मी एक निष्पक्ष रेफरी की तरह कार्य करता है। यदि बिजली की कमी है (जैसे सूखे के दौरान), तो पुलिसकर्मी कहता है, "ठीक है, खाली टैंक वाली कार को अभी सबसे बड़ा पाइप मिलेगा। जो कार पहले से भरी हुई है, उसे बस एक छोटी सी धार मिलेगी या वह कुछ देर प्रतीक्षा करेगी।"

प्रयोग: एक वास्तविक दुनिया का परीक्षण

शोधकर्ताओं ने इस विचार का परीक्षण इस्तांबुल, तुर्की में 10 किलोमीटर लंबे सड़क खंड पर किया। उन्होंने एक कंप्यूटर सिमुलेशन (वास्तविक शहर का डिजिटल ट्विन) का उपयोग करके तीन अलग-अलग यातायात परिदृश्य बनाए:

रात (कम ट्रैफिक): कम कारें। सभी को आसानी से पर्याप्त बिजली मिल जाती है। यहाँ नया सिस्टम ज्यादा बदलाव नहीं करता है।
लंच (मध्यम ट्रैफिक): कारें आ और जा रही हैं। पुराना सिस्टम संघर्ष करने लगता है, लेकिन नया "स्मार्ट पुलिस" चीजों को संतुलित रखता है।
रश ऑवर (भारी ट्रैफिक): सड़क खचाखच भरी है। यहीं पर असली जादू होता है।

परिणाम: गति से अधिक निष्पक्षता

जब सड़क भरी हुई थी और बिजली कम चल रही थी, तो अंतर स्पष्ट था:

पुराना तरीका (बिना पुलिस के): बिजली समान रूप से विभाजित की गई। हर किसी को थोड़ा-थोड़ा मिला, लेकिन खाली बैटरी वाली कारें खतरनाक रूप से कम हो गईं, जिससे उनके बीच रास्ते में फंसने का जोखिम बढ़ गया।
नया तरीका (स्मार्ट पुलिस के साथ): सिस्टम ने "प्यासी" कारों को प्राथमिकता दी। इसने उन कारों से बिजली ली जो पहले से भरी हुई थीं और उसे उन कारों को दे दिया जिन्हें इसकी सख्त जरूरत थी।
- परिणाम: कम कारें खाली बैटरी के साथ बीच रास्ते में फंसीं। "प्यासी" कारें बहुत खुश थीं, भले ही "भरी हुई" कारों को उनकी मांग से थोड़ा कम मिला।

यह क्यों महत्वपूर्ण है

लेख का तर्क है कि वायरलेस चार्जिंग सड़कों के सफल होने के लिए, हमें केवल हार्डवेयर बनाने की ही नहीं, बल्कि इसे प्रबंधित करने के लिए एक सॉफ्टवेयर मस्तिष्क की भी आवश्यकता है। इस स्मार्ट प्रबंधन के बिना, सिस्टम अक्षम और अनुचित है। इसके साथ, हम यह सुनिश्चित कर सकते हैं कि जिन कारों को वास्तव में बिजली की आवश्यकता है, उन्हें पहले मिले, जिससे इलेक्ट्रिक वाहन अधिक विश्वसनीय हो सकें और "रेंज एंग्जायटी" (बैटरी खत्म होने का डर) कम हो सके।

संक्षेप में: उन्होंने एक डिजिटल "ट्रैफिक पुलिस" बनाया है जो यह सुनिश्चित करता है कि जब आपूर्ति कम हो, तो सबसे भूखी कारों को पहले खाना मिले, जिससे कोई भी सड़क पर बीच में न फंसे।

यहाँ Akıskalıoğlu et al. के शोध पत्र "A MEC-Based Optimization Framework for Dynamic Inductive Charging" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

बैटरी इलेक्ट्रिक वाहनों (BEVs) का व्यापक प्रसार "रेंज एंग्जायटी" (दूरी की चिंता) और लंबी चार्जिंग अवधि के कारण बाधित हो रहा है। डायनेमिक इंडक्टिव चार्जिंग (DIC) वाहनों के चलते समय वायरलेस पावर ट्रांसफर को सक्षम करके एक समाधान प्रदान करता है, जिससे बैटरी के आकार और लागत को कम करने की संभावना बढ़ जाती है। हालाँकि, DIC बुनियादी ढांचे को दो गंभीर चुनौतियों का सामना करना पड़ता है:

उच्च लागत और शक्ति संबंधी बाधाएं: DIC सिस्टम को तैनात करना महंगा है और यह सख्त पावर बजट के तहत संचालित होता है।
अव्यवस्थित संसाधन आवंटन: वर्तमान साहित्य एकल-वाहन प्रदर्शन या बुनियादी ढांचे की योजना पर केंद्रित है। विविध आवश्यकताओं वाले कई वाहनों के बीच सीमित शक्ति आवंटित करने के लिए सिस्टम-स्तरीय रणनीतियों का अभाव है।
मुख्य मुद्दा: बुद्धिमान समन्वय के बिना, अव्यवस्थित चार्जिंग सबऑप्टिमल रिसोर्स यूटिलाइजेशन (जब मांग अधिक हो लेकिन शक्ति उपलब्ध हो) और गंभीर उपयोगकर्ता असंतोष (जब मांग क्षमता से अधिक हो जाए, जिससे बैटरी खत्म होने के कारण वाहन अपना सफर पूरा करने में असमर्थ हो जाएं) की ओर ले जाती है।

2. कार्यप्रणाली (Methodology)

लेखक एक मॉडल प्रेडिक्टिव कंट्रोल (MPC) फ्रेमवर्क प्रस्तावित करते हैं जो डायनेमिक इंडक्टिव चार्जिंग के लिए मोबाइल एज कंप्यूटिंग (MEC) और व्हीकल-टू-एवरीथिंग (V2X) संचार के साथ एकीकृत है।

A. सिस्टम आर्किटेक्चर

परिदृश्य: इस्तांबुल, तुर्की में एक वास्तविक 10 किमी शहरी सड़क खंड, जिसे SUMO ट्रैफिक सिम्युलेटर में मॉडल किया गया है। सड़क में दो लेन में फैले हुए 10 DIC "स्ट्राइप्स" (कॉइल्स वाले खंड) शामिल हैं।
संचार: वाहन अपनी बैटरी स्थिति (State of Charge - SoC), क्षमता, वांछित एग्जिट SoC, और रूट डेटा को एक ITS-PM (इंटेलिजेंट ट्रांसपोर्टेशन सिस्टम पावर मैनेजमेंट) यूनिट को भेजते हैं, जो एक MEC सर्वर पर होस्ट की गई है। सर्वर इष्टतम पावर असाइनमेंट की गणना करता है और उन्हें वापस वाहनों को भेजता है।
कंट्रोल लूप: सिस्टम एक प्रेडिक्शन होराइजन ( $K$ स्टेप्स) पर डिस्क्रीट टाइम स्टेप्स ( $\Delta T = 5$ सेकंड) में संचालित होता है।

B. ऑप्टिमाइज़ेशन फॉर्मूलेशन

कार्यप्रणाली का मूल एक कॉन्वेक्स क्वाड्रेटिक प्रोग्राम (QP) है जिसे प्रत्येक टाइम स्टेप पर एक कॉस्ट फंक्शन ( $J_t$ ) को न्यूनतम करने के लिए हल किया जाता है, जो भौतिक और परिचालन बाधाओं के अधीन है।

निर्णय चर (Decision Variables):
- $P_{v,k}$ : वाहन $v$ को आवंटित शक्ति।
- $P_{s,k}$ : स्ट्राइप $s$ को सौंपी गई शक्ति।
- $b_{v,k}$ : अनुमानित बैटरी SoC।
बाधाएं (Constraints):
- बैटरी डायनेमिक्स: खपत और चार्जिंग दक्षता के आधार पर SoC का विकास।
- पावर बाउंड्स: कॉइल क्षमता, वाहन पैड सीमाओं और कुल सिस्टम बजट ( $P_{tot}$ ) के आधार पर सीमाएं।
- स्ट्राइप बाधाएं: शक्ति को स्ट्राइप्स के बीच वितरित किया जाना चाहिए, जो आसन्न स्ट्राइप्स के बीच गतिशील पुनर्संतुलन (एक कारक $\rho$ तक) की अनुमति देता है।
ऑब्जेक्टिव फंक्शन ( $J_t$ ):
यह फंक्शन तीन घटकों को न्यूनतम करता है:
1. बैटरी ट्रैकिंग एरर: अनुमानित SoC और वांछित लक्ष्य SoC ( $b^{des}_v$ ) के बीच वर्ग अंतर (squared difference) को कम करता है।
2. अर्जेंसी वेटिंग (Urgency Weighting): उन वाहनों को प्राथमिकता देता है जिनके वर्तमान और वांछित SoC के बीच बड़ा अंतर है और जिनका शेष यात्रा समय ( $\tau_v$ ) कम है।
3. राजस्व और दक्षता: इसमें ऑपरेटर राजस्व (ऊर्जा मूल्य) और उपयोगिता को अधिकतम करने के लिए सौंपे गए स्ट्राइप पावर और वास्तविक वाहन अवशोषण के बीच के अंतर को कम करने वाले पद शामिल हैं।

3. मुख्य योगदान (Key Contributions)

MPC-आधारित पावर एलोकेशन एल्गोरिदम: एक अभिनव एल्गोरिदम जो व्यक्तिगत वाहन की तात्कालिकता (urgency), अनुमानित प्रक्षेपवक्र (trajectories), और सिस्टम-व्यापी क्षमता बाधाओं को संतुलित करके निष्पक्षता और दक्षता को अधिकतम करता है।
कम्युनिकेशन प्रोटोकॉल डिज़ाइन: मौजूदा V2X मानकों (ETSI ITS-G5) का उपयोग करते हुए वाहनों और इंफ्रास्ट्रक्चर के बीच न्यूनतम लेकिन महत्वपूर्ण डेटा (बैटरी स्तर, रूट, पावर असाइनमेंट) के आदान-प्रदान के लिए एक परिभाषित प्रोटोकॉल।
ओपन-सोर्स सिमुलेशन फ्रेमवर्क: लेखकों ने एक SUMO-आधारित सिमुलेशन टूल जारी किया है जो वास्तविक DIC बाधाओं (स्ट्राइप टोपोलॉजी, पावर बजट, ट्रैफिक परिवर्तनशीलता) को मॉडल करता है ताकि इस क्षेत्र में पुनरुत्पादक अनुसंधान संभव हो सके।

4. परिणाम (Results)

फ्रेमवर्क का मूल्यांकन तीन ट्रैफिक तीव्रताओं के तहत एक बेंचमार्क (BENCH) रणनीति (स्थिर, अव्यवस्थित आवंटन) के विरुद्ध किया गया: कम ( $\lambda=5$ ), मध्यम ( $\lambda=12$ ), और उच्च ( $\lambda=20$ वाहन/मिनट)।

कम ट्रैफिक (प्रचुर संसाधन): दोनों BENCH और OPT रणनीतियाँ समान रूप से कार्य करती हैं, सभी वाहन अनुरोधों को पूरा करती हैं। यहाँ समन्वय से मामूली लाभ मिलता है।
मध्यम ट्रैफिक (दोलायमान मांग):
- BENCH: चरम मांग के दौरान संघर्ष करता है, स्थिर आवंटन के कारण उपलब्ध पावर क्षमता का पूर्ण उपयोग करने में विफल रहता है।
- OPT: वास्तविक समय की मांग के आधार पर स्ट्राइप्स के बीच शक्ति को गतिशील रूप से पुनर्संतुलित करके लगभग पूर्ण संसाधन उपयोग प्राप्त करता है।
उच्च ट्रैफिक (संसाधन की कमी):
- संसाधन उपयोग: दोनों रणनीतियों ने कुल पावर बजट को संतृप्त (saturate) कर दिया।
- उपयोगकर्ता संतुष्टि ( $\phi_v$ ): यह सबसे महत्वपूर्ण विभेदक था।
  - BENCH: इसके परिणामस्वरूप गंभीर रूप से असंतुष्ट वाहनों की एक "हेवी टेल" (heavy tail) बनी। समान वितरण का अर्थ था कि कई वाहन अपर्याप्त चार्ज के साथ निकल गए, जिससे रेंज एंग्जायटी या आपातकालीन स्टॉप का जोखिम बना।
  - OPT: इसने एक "फेयरनेस-फर्स्ट" (निष्पक्षता-प्रथम) नीति लागू की। इसने कम चार्ज वाली बैटरी वाले वाहनों (Vehicles Under Test - VUTs) को अच्छी तरह से चार्ज किए गए वाहनों की कीमत पर आक्रामक रूप से प्राथमिकता दी।
  - परिणाम: संचयी वितरण फलन (CDF) ने दिखाया कि OPT ने गंभीर रूप से असंतुष्ट वाहनों की संख्या को काफी कम कर दिया (वितरण के निचले हिस्से में सुधार किया), यह सुनिश्चित करते हुए कि भले ही कुछ कम-महत्वपूर्ण वाहनों को उनके अधिकतम संभव चार्ज से थोड़ा कम मिले, फिर भी सबसे जरूरी जरूरतों को पूरा किया जा सके।

5. महत्व और भविष्य का कार्य (Significance and Future Work)

सिस्टम-स्तरीय व्यवहार्यता: यह पहला कार्य है जो ट्रैफिक फ्लो स्तर पर DIC सिस्टम का विश्लेषण करता है, जो यह सिद्ध करता है कि आर्थिक और परिचालन व्यवहार्यता के लिए बुद्धिमान पावर प्रबंधन आवश्यक है।
आर्थिक प्रभाव: पीक लोड के दौरान उपयोगकर्ता संतुष्टि को अधिकतम करके और डायनेमिक प्राइसिंग को सक्षम करके, यह फ्रेमवर्क DIC बुनियादी ढांचे की आर्थिक स्थिरता का समर्थन करता है।
बैटरी कमी की क्षमता: कुशल DIC वाहनों की छोटी और सस्ती बैटरी की अनुमति दे सकता है, जिससे BEV अपनाने की प्रक्रिया और तेज हो सकती है।
भविष्य की दिशाएँ: लेखक विभिन्न वातावरणों (हाईवे बनाम शहरी) में रणनीतियों की तुलना करने, 5G/6G के लिए संचार प्रोटोकॉल को अनुकूलित करने और बैटरी निर्माण आवश्यकताओं पर प्रभाव की जांच करने के लिए भविष्य के अनुसंधान का सुझाव देते हैं।

निष्कर्ष: यह पेपर प्रदर्शित करता है कि एक बुद्धिमान, MEC-आधारित ऑप्टिमाइज़ेशन फ्रेमवर्क के बिना, DIC सिस्टम पीक डिमांड के दौरान उपयोगकर्ता की जरूरतों को पूरा करने में विफल रहेंगे। प्रस्तावित MPC दृष्टिकोण एक सीमित संसाधन को एक निष्पक्ष, कुशल और उपयोगकर्ता-केंद्रित चार्जिंग नेटवर्क में सफलतापूर्वक बदल देता है।