استراتيجية شحن مثلى مدفوعة بالذكاء الاصطناعي للمركبات الكهربائية مع تحسين متكامل لجودة الطاقة في شبكات الطاقة الكهربائية

لماذا يهم الشحن الأذكى

مع انتقال المركبات الكهربائية من كونها استثناءً إلى أمر اعتيادي، باتت مقابسنا تهمنا بقدر أنابيب العادم. ملايين السيارات التي تشحن في وقت واحد يمكن أن تثقل خفاءً نفس الأسلاك والمحولات التي تغذي المنازل والمستشفيات والمصانع. تبحث هذه الورقة كيف يمكن للذكاء الاصطناعي أن يحول شحن المركبات الكهربائية من سحب عشوائي للطاقة إلى تنسيق منسق يكاد يكون غير مرئي مع الشبكة—يحافظ على ثبات الإضاءة وسلامة الأجهزة وتكلفة معقولة بينما يحصل السائقون على المدى الذي يحتاجونه.

الضغط الخفي على الأسلاك

اليوم، تشحن معظم السيارات الكهربائية متى ما وصُلت بالمقبس، مع اعتماد بسيط على تسعير حسب وقت اليوم لتوجيه السلوك. عندما يشحن العديد من السائقين في وقت واحد، يمكن للطلب المجمّع أن يدفع خطوط الحي والمحولات إلى ما يتجاوز ما صُممت لتحمله. الشواحن السريعة، التي تعتمد على إلكترونيات الطاقة، تضيف تعقيدًا آخر: فهي قد تشوّه الشكل الجيبي السلس لجهد الشبكة، مما يؤدي إلى وميض، وتدفّق حراري زائد، وتآكل مبكّر في الأجهزة الحساسة. تُظهر الدراسة أنه في خط تغذية واقعي يضم 20 شاحنًا متنوعًا، دفع الشحن غير المُتحكم به تذبذب الجهد إلى ما يتجاوز الحدود الموصى بها ورفع تشوّهات التوافقيات إلى ما فوق معايير الصناعة بكثير.

تعليم الشبكة التطلع إلى الأمام

لمعالجة هذا التحدي، يمنح المؤلفون الشبكة شكلًا من الاستشراف. يستخدمون نموذج تعلّم آلي حديث يُسمى المحول الاندماجي الزمني (Temporal Fusion Transformer) لدراسة أنماط الشحن الماضية وقياسات الشبكة وأنواع الشواحن. من خلال ذلك، يتنبأ النظام، بخطوات زمنية دقيقة، ليس فقط بكمية الطاقة المطلوبة بل أيضًا بكيفية احتمال أن تُحدث تلك الطلبات اضطرابًا في الجهد والأمواج. بدلاً من التنبؤ بالحمولة الإجمالية فقط، يتوقع مؤشرات الضغط—مثل مدى انحراف الجهد ومدى تشوه التيار—بحيث يمكن إعداد إجراءات تصحيحية قبل ظهور المشكلات.

السماح لمدرّب ذكاء اصطناعي بتنسيق الشحن

التنبؤات وحدها لا تحمي الشبكة؛ بل الأفعال هي التي تفعل. الجزء الثاني من الإطار هو وحدة تحكم قائمة على التعلّم تعامل كل فترة تحكم على أنها خطوة جديدة في لعبة طويلة الأمد. هذه الوحدة، المدربة بطريقة تعرف بالتعلّم العميق بالتعزيز، تختبر في المحاكاة طرقًا مختلفة لإبطاء أو تسريع أو نقل الشحن بين المركبات. تتلقى مكافآت عندما تحافظ على الجهود قرب قيمها المثالية، وتقلل تشوّهات الموجات، وتخفض تكاليف الكهرباء، وفي الوقت نفسه تملأ البطاريات في الوقت المحدد. عبر آلاف الحلقات التجريبية، تكتشف أنماط شحن توازن بين احتياجات السائقين وصحة الشبكة، متجنبةً الذروات الحادة وموزعةً الطلب بسلاسة أكبر على مدار اليوم والليل.

تنقية الطاقة أثناء تدفّقها

حتى مع الجدولة الدقيقة، تظل هناك لحظات تدفع الشبكة بالقرب من حدودها. لتلك الأوقات، يضيف الإطار طبقة أخيرة: مُحسّن لجودة الطاقة مرتبط بأجهزة يمكنها حقن أو امتصاص القدرة التفاعلية وتصفيّة الضوضاء الكهربائية. يقوم هذا المحسّن بضبط خطة الشحن التي تقترحها وحدة التحكم بحيث تبقى الفولتية ضمن نطاقات أمان ضيقة وتلتزم تشوّهات التوافقيات بالمعايير الصارمة. يقرر متى يُفعّل معوّض التوزيع ومرشحات التوافقيات، مختارًا إعدادات تحافظ على نقاء الطاقة مع تقليل الخسائر الإضافية وتكاليف التشغيل.

ما تكشفه المحاكيات

باستخدام نموذج حاسوبي مفصّل لخط توزيع بجهد 11 كيلوفولت يغذي 20 شاحنًا مختلفًا للمركبات الكهربائية، يقارن المؤلفون بين الشحن غير المسيطر عليه وبين نهجهم الموجّه بالذكاء الاصطناعي. مع تنشيط النظام الذكي، تنخفض متوسّطات تشوّهات التوافقيات بما يقارب الثلث، بينما تتراجع أسوأ القمم بأكثر من ثلثيها، مما يعيد الشبكة إلى ما دون الحدود الموصى بها. تتقلص تذبذبات الجهد، ويُقلّص الوقت الذي تقضيه الشبكة خارج نطاق الأمان بحوالي ثلاثة أرباع. يرتفع عامل القدرة المتوسط—مقياس لكفاءة نقل الشبكة للطاقة المفيدة—من قيمة هامشية إلى ما فوق المتطلبات النموذجية بشكل مريح. وفي الوقت نفسه، يخفض الإطار تكاليف التشغيل الإجمالية، إلى حد كبير عن طريق تجنّب الذروات المهدرة والخسائر غير الضرورية.

موازنة احتياجات السائقين والشبكة

لغير المتخصّصين، الخلاصة أن المشكلة ليست في السيارات الكهربائية نفسها بل في كيفية ومتى تسحب الطاقة. تُظهر هذه الدراسة أنه بالمزيج الصحيح من التنبؤ والتحكم التكيفي والأجهزة الموجّهة لتنظيف الإشارة، يمكن إدماج أعداد كبيرة من المركبات الكهربائية في الشبكات الحالية دون تقليل الإضاءة أو إتلاف المعدات. يعمل النظام المقترح القائم على الذكاء الاصطناعي فعليًا كمرقّب لحركة الإلكترونات، موجهًا جلسات الشحن بحيث تُملأ البطاريات في الوقت المناسب، وتبقى الشبكة ضمن نطاقها المريح، وتنخفض تكاليف التشغيل الإجمالية. إذا تم تطبيقه على نطاق واسع، قد يجعل هذا النوع من التنسيق الذكي اعتماد المركبات الكهربائية واسع النطاق أسهل وأرخص بكثير من مجرد توسيع البنية التحتية للشبكة.

الاستشهاد: K, S., C, M. Artificial intelligence-driven optimal charging strategy for EV with integrated power quality enhancement in electric power grids. Sci Rep 16, 10884 (2026). https://doi.org/10.1038/s41598-026-36546-7

الكلمات المفتاحية: شحن المركبات الكهربائية, الشبكة الذكية, الذكاء الاصطناعي, جودة الطاقة, النقل المتجدد