⚡ electrical engineering

A MEC-Based Optimization Framework for Dynamic Inductive Charging

本文提出了一种利用边缘计算优化城市交通动态无线充电功率分配的模型预测控制框架，并通过基于伊斯坦布尔的仿真证明，与无协调分配相比，优先为电池状态危急的车辆供电可显著提升资源利用率和用户满意度。

原作者： Emre Akıskalıoğlu, Mustafa Atmaca, Lorenzo Ghiro, Giovanni Perin, Renato Lo Cigno

发布于 2026-05-01

📖 1 分钟阅读☕ 轻松阅读

原作者： Emre Akıskalıoğlu, Mustafa Atmaca, Lorenzo Ghiro, Giovanni Perin, Renato Lo Cigno

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一条繁忙的高速公路，电动汽车不仅在此行驶，还能在行进中从路面本身无线“汲取”电能。这被称为动态感应充电（DIC）。不妨将道路想象成一根巨大而隐形的输水软管，而汽车则是试图在疾驰中接满水的杯子。

然而，存在一个关键问题：这根“输水软管”（即电网）的流量是有限的。如果太多汽车同时尝试“饮水”，水压就会下降，导致部分汽车无法获得足够的电量以完成行程。这正是作者们着手解决的问题。

以下是他们解决方案的分解，采用简单的类比说明：

问题所在：“自由取用”的自助餐

目前，如果你行驶在这条特殊道路上，只要有机会就会随意获取电能。

问题： 如果一辆电池几乎耗尽（“口渴”）的汽车与一辆电池已满（“饱足”）的汽车并排行驶，它们会以同等份额获取电能。
结果： 那辆“口渴”的汽车可能在抵达目的地前仍会耗尽电量，而“饱足”的汽车则浪费了它不需要的电能。这就像一场自助餐，所有人同时去取餐盘，结果最饥饿的人却一无所获。

解决方案：“智能交警”（MEC 与 MPC）

作者们提出了一种新系统，利用移动边缘计算（MEC）和模型预测控制（MPC）。

类比： 想象一位超级聪明的交警站在山坡上（即“边缘”），能够俯瞰整条前方道路。这位交警通过步话机（V2X 通信）与每辆汽车进行联络。
工作原理：
1. 询问需求： 每辆汽车向交警报告：“我仅剩 10% 电量，需要充至 80%"，或者“我已有 90% 电量，只需少量补电”。
2. 预测未来： 交警不仅关注当前在场的车辆，还会预测未来几秒内车辆将到达的位置（即“预测”部分）。
3. 做出决策： 交警扮演公平裁判的角色。如果电力稀缺（如同干旱），交警会下令：“好吧，油箱空的汽车现在获得最大的水流；已满的汽车则只获得微小滴流，或稍作等待。”

实验：现实世界测试

研究人员在土耳其伊斯坦布尔的一段10 公里长的道路上测试了这一构想。他们利用计算机模拟（真实城市的数字孪生）创建了三种不同的交通场景：

夜间（低交通量）： 车辆稀少。每个人都能轻松获得足够电力。新系统在此场景下变化不大。
午餐时段（中等交通量）： 车辆来来往往。旧系统开始显得吃力，但新的“智能交警”能保持平衡。
高峰时段（高交通量）： 道路拥挤不堪。这正是奇迹发生之处。

结果：公平优于速度

当道路拥挤且电力供应紧张时，差异显而易见：

旧方式（无交警）： 电力被平均分配。每个人都获得少量电力，但电池耗尽的汽车面临电量极低的风险，可能导致其被困在路上。
新方式（智能交警）： 系统优先照顾“口渴”的汽车。它从已满的汽车那里调配电力，转而供给那些陷入困境的车辆。
- 结果： 因电量耗尽而受困的车辆减少了。“口渴”的汽车状况大大改善，即使“饱足”的汽车获得的电量略少于其所需。

为何这很重要

该论文指出，要使无线充电道路发挥作用，我们不能仅建造硬件；还需要软件大脑来管理它。缺乏这种智能管理，系统将既低效又不公平。有了它，我们可以确保真正需要电力的车辆优先获得供电，从而提高电动汽车的可靠性，并减少“里程焦虑”（即对电量耗尽的恐惧）。

简而言之： 他们构建了一位数字“交警”，确保在食物供应不足时，最饥饿的车辆优先获得补给，防止任何车辆被困在路上。

以下是 Akıskalıo˘glu 等人论文《基于 MEC 的动态感应充电优化框架》的详细技术总结。

1. 问题陈述

电池电动汽车（BEV）的广泛普及受到“里程焦虑”和长充电时间的阻碍。**动态感应充电（DIC）**通过使车辆在行驶过程中实现无线电力传输，提供了一种解决方案，有望减小电池尺寸并降低成本。然而，DIC 基础设施面临两个关键挑战：

高成本与功率限制：DIC 系统的部署和运营成本高昂，且需在严格的功率预算下运行。
资源分配缺乏协调：现有文献多关注单车性能或基础设施规划。缺乏针对具有异构需求的多个车辆分配有限功率的系统级策略。
核心问题：若缺乏智能协调，无序充电将导致资源利用次优（当需求高但功率可用时）以及关键用户不满（当需求超过容量时，导致电池耗尽的车辆无法完成行程）。

2. 方法论

作者提出了一种结合模型预测控制（MPC）、**移动边缘计算（MEC）和车联万物（V2X）**通信的框架，以动态优化功率分配。

A. 系统架构

场景：在SUMO交通模拟器中建模土耳其伊斯坦布尔一条真实的 10 公里城市路段。该路段包含跨越两条车道的 10 个 DIC“条纹”（嵌入线圈的路段）。
通信：车辆将电池状态（荷电状态 - SoC）、容量、目标退出 SoC 和路线数据传输至托管在 MEC 服务器上的**ITS-PM（智能交通系统功率管理）**单元。服务器计算最优功率分配并将其发送回车辆。
控制循环：系统在离散时间步（ $\Delta T = 5$ 秒）内运行，覆盖预测时域（ $K$ 步）。

B. 优化公式

方法论的核心是一个凸二次规划（QP），在每个时间步求解，以在满足物理和运行约束的前提下最小化成本函数（ $J_t$ ）。

决策变量：
- $P_{v,k}$ ：分配给车辆 $v$ 的功率。
- $P_{s,k}$ ：分配给条纹 $s$ 的功率。
- $b_{v,k}$ ：预测的电池 SoC。
约束条件：
- 电池动态：基于消耗和充电效率的 SoC 演变。
- 功率边界：基于线圈容量、车辆接收板限制和系统总预算（ $P_{tot}$ ）的限制。
- 条纹约束：功率必须在条纹间分配，允许在相邻条纹间进行动态再平衡（最多达到因子 $\rho$ ）。
目标函数（ $J_t$ ）：
该函数最小化三个组成部分：
1. 电池跟踪误差：最小化预测 SoC 与目标 SoC（ $b^{des}_v$ ）之间的平方差。
2. 紧迫性加权：优先考虑当前 SoC 与目标 SoC 差距较大且剩余行程时间（ $\tau_v$ ）较短的车辆。
3. 收益与效率：包含运营商收益（电价）项，并最小化分配给条纹的功率与实际车辆吸收功率之间的差距，以最大化利用率。

3. 主要贡献

基于 MPC 的功率分配算法：一种新颖算法，动态平衡单车紧迫性、预测轨迹和系统级容量约束，以最大化公平性和效率。
通信协议设计：定义了一种协议，用于利用现有的 V2X 标准（ETSI ITS-G5）并辅以特定的功率管理消息，在车辆与基础设施之间交换最小但关键的数据（电池水平、路线、功率分配）。
开源仿真框架：作者发布了一个基于 SUMO 的仿真工具，该工具模拟了真实的 DIC 约束（条纹拓扑、功率预算、交通可变性），以支持该领域的可重复研究。

4. 结果

该框架在三种交通强度下与**基准（BENCH）**策略（静态、无协调分配）进行了评估：低流量（ $\lambda=5$ ）、中流量（ $\lambda=12$ ）和高流量（ $\lambda=20$ 辆/分钟）。

低流量（资源充足）：BENCH 和 OPT 策略表现相似，均满足了所有车辆请求。在此情况下，协调带来的收益微乎其微。
中流量（需求波动）：
- BENCH：在需求高峰期间表现挣扎，由于分配静态，未能充分利用可用功率容量。
- OPT：通过根据实时需求在条纹间动态重新平衡功率，实现了近乎完美的资源利用率。
高流量（资源稀缺）：
- 资源利用率：两种策略均使总功率预算饱和。
- 用户满意度（ $\phi_v$ ）：这是关键区分点。
  - BENCH：导致大量关键不满车辆的“长尾”效应。均匀分配意味着许多车辆以电量不足离开，面临里程焦虑或紧急停车的风险。
  - OPT：实施了公平优先策略。它积极优先处理电池耗尽的车辆（受测车辆 - VUTs），即使以牺牲电量充足车辆为代价。
  - 结果：累积分布函数（CDF）显示，OPT 显著减少了关键不满车辆的数量（改善了分布的下尾），确保即使这意味着某些非关键车辆获得的电量略低于其最大可能值，最紧迫的需求也能得到满足。

5. 意义与未来工作

系统级可行性：这是首项在交通流层面分析 DIC 系统的工作，证明了智能功率管理对于经济性和运营可行性至关重要。
经济影响：通过在高峰负荷期间最大化用户满意度并实现动态定价，该框架支持 DIC 基础设施的经济可持续性。
电池减量潜力：高效的 DIC 可能允许使用更小、更便宜的车辆电池，进一步加速 BEV 的普及。
未来方向：作者建议未来的研究包括比较不同环境（高速公路与城市）下的策略、优化面向 5G/6G 的通信协议，以及调查对电池制造需求的影响。

结论：本文证明，如果没有基于 MEC 的智能优化框架，DIC 系统将在高峰需求期间无法满足用户需求。所提出的 MPC 方法成功地将受限资源转化为公平、高效且以用户为中心的充电网络。