Eine hybride Optimierung und Graph-Netzwerk für nachhaltiges Laden von Elektrofahrzeugen mit einem Dual Active Bridge-Konverter und erneuerbarer Energie

Warum saubereres Laden von Autos wichtig ist

Elektrofahrzeuge versprechen sauberere Straßen und geringere CO2‑Emissionen, doch die Art und Weise, wie wir sie laden, stützt sich noch stark auf das konventionelle Stromnetz. Diese Studie untersucht, wie man eine intelligentere Ladestation bauen kann, die ihre Energie überwiegend aus Sonne und Brennstoffzellen gewinnt, Batterien als Rückfalloption nutzt und dennoch zuverlässiges, erschwingliches Laden bietet. Durch die Kombination eines effizienten Leistungswandlers mit fortschrittlichen Algorithmen, die Elemente aus der Natur und moderner künstlicher Intelligenz verbinden, zeigen die Autorinnen und Autoren, wie künftige Ladestationen zugleich grüner und kostengünstiger sein könnten.

Sonne, Wasserstoff und Batterien kombiniert

Die in dieser Arbeit untersuchte Ladestation verwendet eine Mischung aus Solarmodulen, einer Brennstoffzelle und einem Batteriepaket, die alle an einen gemeinsamen Gleichstrom‑"Bus" angeschlossen sind – eine Art Energieweg. Solarmodule liefern kostengünstigen Strom, wenn Sonnenlicht verfügbar ist, während die Brennstoffzelle steuerbare Reserveleistung bietet, wenn Wolken aufziehen oder die Nachfrage steigt. Eine Batterie speichert überschüssige Energie und schließt Versorgungslücken, wodurch die natürlichen Schwankungen bei Erzeugung und Fahrverhalten geglättet werden. Zusammen sollen diese drei Quellen das Laden von E‑Fahrzeugen stabil halten, obwohl sowohl das Angebot an Energie als auch das Verhalten der Fahrer stark variabel sind.

Die Leistungselektronik im Zentrum der Station

Zwischen diesem gemeinsamen Energiebus und der Fahrzeugbatterie sitzt ein zentrales Bauteil, der sogenannte Dual Active Bridge‑Konverter. Er fungiert wie ein intelligentes Getriebe für Elektrizität, das den bidirektionalen Leistungsfluss mit hoher Effizienz und elektrischer Trennung für die Sicherheit ermöglicht. Durch gezieltes Verschieben des Schaltzeitpunkts seiner internen Schalter kann der Konverter regeln, wie viel Leistung zum Fahrzeug oder zur Stationsbatterie fließt. Diese feine Steuerung hilft, die Busspannung annähernd konstant zu halten und formt den Ladestrom so, dass die Fahrzeugbatterie zunächst schnell und anschließend schonender geladen wird, was die Lebensdauer der Batterie schont.

Von der Natur inspirierte Planung für günstigere Energie

Hardware allein reicht nicht aus; die Station braucht auch ein Steuerungskonzept, das entscheidet, wann Solarstrom genutzt, wann die Brennstoffzelle zugeschaltet und wann die Batterie geladen oder entladen wird. Dafür greifen die Forschenden auf einen "Pelican-Optimierungsalgorithmus" zurück, eine mathematische Methode, die dem kooperativen Jagdverhalten von Pelikanen nachempfunden ist. In der Studie repräsentiert jeder virtuelle "Pelikan" eine andere Strategie zur Planung von Leistungsflüssen und Konvertereinstellungen. Durch wiederholtes Erkunden und Verfeinern dieser Optionen sucht der Algorithmus nach Betriebsplänen, die die langfristigen Energiekosten minimieren und dabei Gerätegrenzen sowie das schwankende Verhalten von Fahrern und Erneuerbaren berücksichtigen.

Ein Graph-basiertes Gehirn für Echtzeitentscheidungen

Zur Ergänzung dieses Planers verwendet das Team ein fortgeschrittenes neuronales Netz, ein sogenanntes attributed multi-order graph convolutional network. Anstatt jede Energiequelle oder Last isoliert zu betrachten, behandelt dieses Modell die Station als ein Netzwerk miteinander verbundener Knoten: Solarertrag, Verhalten der Brennstoffzelle, Ladezustand der Batterie, Busspannung und Fahrzeugladebedarf. Es lernt, wie sich Änderungen an einem Punkt über das System hinweg auswirken und erfasst mehrstufige Beziehungen, die einfachere Modelle übersehen. Nach dem Training sagt dieses graphbasierte "Gehirn" die besten Steuerbefehle für den Dual Active Bridge‑Konverter voraus und hilft der Station, in Echtzeit auf plötzliche Schwankungen bei Sonneneinstrahlung oder Ladebedarf zu reagieren.

Was die Simulationen zeigen

Mit detaillierten Computersimulationen zeigen die Autorinnen und Autoren, dass ihr hybrides Steuerungskonzept die wichtigen elektrischen Größen – wie die zentrale Busspannung, den Laststrom und die Fahrzeugbatteriespannung – innerhalb von Sekunden nach Inbetriebnahme stabil hält. In ihrem Testszenario flaut die Solarleistung allmählich ab, während Brennstoffzelle und Batterie ihre Beiträge so anpassen, dass das Fahrzeug nahezu konstant mit Leistung versorgt wird. Das Ladeprofil der Fahrzeugbatterie entspricht dem, was Fahrer erwarten: ein schneller Anstieg von Spannung und Strom zu Beginn, gefolgt von einer sanfteren Phase, die die Batterie vor Belastung schützt. Insgesamt liefert die Station etwa 4 Kilowatt stabile Ladeleistung mit nur geringfügigen, schnell korrigierten Einbrüchen.

Niedrigere Kosten für grüßeres Laden

Am deutlichsten ist das ökonomische Ergebnis. Verglichen mit einer Reihe gängiger Planungsmethoden erzielt die neue Methode – die Pelican‑Optimierung kombiniert mit dem graphbasierten neuronalen Netz – die niedrigsten Kosten pro gelieferter Energieeinheit. Die Studie berichtet von einem nivellierten Energiekostenwert von etwa fünfeinhalb Cent pro Kilowattstunde, eine Reduktion um rund die Hälfte gegenüber einer Standard‑Particle‑Swarm‑Methode und um mehr als 70 Prozent gegenüber einigen anderen heuristischen Ansätzen. Für Laien bedeutet das: Indem gesteuert wird, wann und wie verschiedene saubere Energiequellen den Lader speisen, und indem die Leistungselektronik präzise geführt wird, kann die Station zuverlässiges, erneuerbares Laden zu einem Preis anbieten, der mit oder besser ist als bei konventionellen netzgebundenen Optionen.

Zitation: Narayanan, P., Kandasamy, P., Kandasamy, N. et al. A hybrid optimization and graph network for sustainable electric vehicle charging using a dual active bridge converter and renewable energy. Sci Rep 16, 8868 (2026). https://doi.org/10.1038/s41598-026-36280-0

Schlüsselwörter: Aufladen von Elektrofahrzeugen, erneuerbare Energien, intelligente Netze, Leistungselektronik, Energieoptimierung