Een hybride optimalisatie en grafennetwerk voor duurzame elektrische voertuiglaadstations met een dual active bridge-omzetter en hernieuwbare energie

Waarom schoner opladen van auto’s ertoe doet

Elektrische voertuigen beloven schonere straten en lagere CO2-uitstoot, maar de manier waarop we ze opladen is nog sterk afhankelijk van het conventionele elektriciteitsnet. Deze studie onderzoekt hoe je een slimmer laadstation kunt bouwen dat voornamelijk stroom haalt uit zon en waterstofbrandstofcellen, batterijen als back-up ondersteunt en toch betrouwbaar en betaalbaar opladen levert. Door een efficiënte vermogenselektronica te combineren met geavanceerde algoritmen geïnspireerd door de natuur en moderne kunstmatige intelligentie, laten de auteurs zien hoe laadpunten van de toekomst zowel groener als goedkoper kunnen zijn.

Het mengen van zon, waterstof en batterijen

Het in deze studie onderzochte laadstation gebruikt een mix van zonnepanelen, een brandstofcel en een batterijbank die allemaal zijn verbonden met een gemeenschappelijke gelijkstroom-‘bus’, een soort energie-autosnelweg. Zonnepanelen leveren goedkope elektriciteit wanneer er zonlicht is, terwijl de brandstofcel controleerbare reservekracht biedt als er wolken komen of de vraag toeneemt. Een batterij slaat overtollige energie op en vult tekortkomingen aan, waardoor de natuurlijke schommelingen in hernieuwbare opwekking en rijgedrag worden geëgaliseerd. Samen streven deze drie bronnen ernaar het opladen van elektrische auto’s stabiel te houden, ook al zijn zowel de energieaanvoer als het gedrag van bestuurders sterk variabel.

De vermogenselektronica in het hart van het station

Tussen deze gedeelde energiebus en de batterij van het voertuig bevindt zich een cruciaal onderdeel: een dual active bridge-omzetter. Die fungeert als een slimme versnellingsbak voor elektriciteit, waardoor vermogen in beide richtingen met hoge efficiëntie en elektrische isolatie voor veiligheid kan stromen. Door zorgvuldig de timing van zijn interne schakelaars te verschuiven, kan de omzetter regelen hoeveel vermogen naar of van de auto en de opslagbatterij wordt gestuurd. Deze fijne sturing helpt de busspanning rond een constante waarde te houden en vormt de stroom zo dat de voertuigbatterij eerst snel en daarna geleidelijker wordt opgeladen, wat de batterijgezondheid ten goede komt.

Door de natuur geïnspireerde planning voor goedkopere energie

Hardware alleen is niet genoeg; het station heeft ook een brein nodig om te beslissen wanneer zonenergie te gebruiken, wanneer de brandstofcel in te schakelen en wanneer de batterij te laden of ontladen. Hiervoor gebruiken de onderzoekers een “pelican optimization algorithm”, een wiskundige methode gebaseerd op hoe pelikanen samenwerken bij het vissen. In de studie staat elke virtuele “pelikaan” voor een andere manier om vermogensstromen en omzetterinstellingen in te plannen. Door deze opties herhaaldelijk te verkennen en te verfijnen, zoekt het algoritme naar bedrijfsplannen die de langetermijnkosten van energie minimaliseren, rekening houdend met apparatuurbeperkingen en het fluctuerende gedrag van bestuurders en hernieuwbare bronnen.

Een grafengebaseerd brein voor realtime beslissingen

Als aanvulling op deze planner gebruikt het team een geavanceerd neuraal netwerk genaamd een attributed multi-order graph convolutional network. In plaats van elke energiebron of belasting geïsoleerd te bekijken, behandelt dit model het station als een web van onderling verbonden knooppunten: zonneopbrengst, gedrag van de brandstofcel, laadtoestand van de batterij, busspanning en vraag naar voertuigladen. Het leert hoe veranderingen op één punt doorwerken naar de rest van het systeem en legt multi-staprelaties vast die eenvoudigere modellen missen. Eenmaal getraind voorspelt dit grafengebaseerde brein de beste stuursignalen voor de dual active bridge-omzetter, waardoor het station in realtime kan reageren op plotselinge verschuivingen in zonlicht of laadvraag.

Wat de simulaties onthullen

Met gedetailleerde computersimulaties tonen de auteurs aan dat hun hybride regelschema de belangrijkste elektrische grootheden — zoals de centrale busspanning, belastingsstroom en batterijspanning van het voertuig — binnen enkele seconden na opstart stabiel houdt. In hun testsituatie loopt de zonneopbrengst geleidelijk terug, terwijl de brandstofcel en batterij hun bijdragen aanpassen zodat de auto vrijwel constant vermogen blijft ontvangen. Het laadprofiel van de voertuigbatterij weerspiegelt wat bestuurders verwachten: een snelle stijging van spanning en stroom in het begin, gevolgd door een zachtere fase die de batterij tegen stress beschermt. Al met al levert het station ongeveer 4 kilowatt aan continu laadvermogen met slechts kleine, snel gecorrigeerde dipjes.

Lagere kosten voor groener opladen

Misschien wel het meest opvallende resultaat is economisch van aard. Wanneer de nieuwe methode — die pelicaangebaseerde optimalisatie combineert met het grafneuraal netwerk — wordt vergeleken met verschillende populaire planningsmethoden, levert deze de laagste kosten per eenheid geleverde energie op. De studie rapporteert een genivelleerde energiekost van ongeveer vijf en een halve cent per kilowattuur, een vermindering van grofweg de helft vergeleken met een standaard particle swarm-methode en meer dan 70 procent vergeleken met sommige andere heuristische benaderingen. Voor de niet-specialist betekent dit dat door te orkestreren wanneer en hoe verschillende schone energiebronnen de lader voeden, en door de vermogenselektronica nauwkeurig te sturen, het station betrouwbaar, hernieuwbaar laden kan bieden tegen een prijs die concurrerend is met of beter dan conventionele netgebaseerde opties.

Bronvermelding: 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

Trefwoorden: opladen van elektrische voertuigen, hernieuwbare energie, slimme netten, vermogenselektronica, energieoptimalisatie