Zoptymalizowany hybrydowy model oparty na regulatorze PI do adaptacyjnego zarządzania energią w mikro-sieciach ładowania pojazdów elektrycznych zintegrowanych z fotowoltaiką

Dlaczego inteligentniejsze ładowanie ma znaczenie

Rozwój pojazdów elektrycznych obiecuje czystsze powietrze i cichsze ulice, ale stwarza też nowe wyzwanie: jak zasilić miliony samochodów bez przeciążania sieci energetycznej i podnoszenia kosztów. Artykuł bada sposób działania małych, lokalnych sieci energetycznych — zwanych mikrosieciami — które łączą panele słoneczne, ogniwa paliwowe, akumulatory i szybkie ładowarki, tak aby ładowanie EV było tanie, niezawodne i generowało znacznie mniej emisji gazów cieplarnianych.

Zasilanie samochodów słońcem i innymi źródłami

Badanie koncentruje się na mikrosieci prądu stałego (DC) zbudowanej wokół kilku czystych źródeł energii. Panele słoneczne w układzie dachowym dostarczają większość mocy, gdy świeci słońce. Jako czyste wsparcie przy słabym nasłonecznieniu stosowane jest ogniwo paliwowe na wodór, a duży pakiet akumulatorów absorbuje nadmiar energii lub oddaje ją przy nagłych skokach zapotrzebowania. Wszystkie urządzenia podłączone są do wspólnej szyny DC zasila­jącej ładowarki pojazdów. Ponieważ nasłonecznienie i wzorce jazdy są nieprzewidywalne, system musi stale decydować, kiedy pobierać moc z poszczególnych źródeł, kiedy ją magazynować, a kiedy korzystać z sieci głównej — przy jednoczesnym utrzymywaniu stabilnych napięć i działania ładowarek.

Mózg lokalnej sieci zasilania

Aby skoordynować tę „akrobację”, autorzy projektują warstwę zarządzania energią, która nadzoruje mikrosieć. W jej rdzeniu znajduje się powszechny w inżynierii regulator sprzężenia zwrotnego znany jako regulator PI, który koryguje pracę przetworników w celu utrzymania bezpiecznych napięć i prądów. Sam w sobie regulator ten może mieć trudności przy gwałtownych zmianach warunków. Artykuł wzmacnia go dwiema warstwami sztucznej inteligencji: logiką rozmytą, która naśladuje ludzkie rozumowanie typu „jeśli‑to” w niepewnych sytuacjach (np. „popyt jest wysoki” lub „słońca jest mało”), oraz metodą poszukiwania inspirowaną biologią, która stroi nastawy regulatora PI. Algorytm ten łączy pomysły z zachowań łowieckich i społecznych mangust karłowatych oraz pand czerwonych, aby efektywnie przebadać wiele możliwych ustawień sterowania i wybrać te, które minimalizują koszty ładowania przy zachowaniu stabilności sieci.

Jak system reaguje w praktyce

Badacze zbudowali szczegółowy model komputerowy mikrosieci w MATLAB/Simulink, uwzględniając realistyczne zachowanie słońca, charakterystykę akumulatorów, dynamikę ogniw paliwowych oraz przyjazdy pojazdów EV zatrzymujących się i odjeżdżających ze stacji. Testują wiele scenariuszy: różne poziomy energii odnawialnej, zmienne zapotrzebowanie na ładowanie oraz wzorce użytkowania w dni powszednie i weekendy. Inteligentny regulator ciągle mierzy produkcję słońca, stan naładowania baterii, status ogniwa paliwowego i zapotrzebowanie EV, a następnie dostosowuje przetworniki mocy tak, by najpierw wykorzystywać moc słoneczną i z ogniwa paliwowego, ładować lub rozładowywać baterię w bezpiecznych granicach, a moc z sieci zużywać tylko wtedy, gdy jest to konieczne. Warstwa decyzji rozmytej dodatkowo przesuwa większą część ładowania na godziny, gdy energia odnawialna jest obfita i taryfy są niskie, odciążając tym samym sieć główną.

Oszczędności, stabilność i czystsze powietrze

Symulacje pokazują znaczące korzyści w porównaniu z istniejącymi metodami zarządzania opartymi na sieciach neuronowych lub innych schematach optymalizacyjnych. W słoneczne godziny poza szczytem koszt ładowania spada do około 0,009–0,015 USD za kilowatogodzinę dostarczoną, znacznie poniżej typowych stałych stawek. Średnio koszty ładowania w dni powszednie i weekendy spadają do około 0,086 i 0,088 USD/kWh, co stanowi redukcje rzędu 45% i 56% w porównaniu z konwencjonalnymi rozwiązaniami. Ponieważ regulator priorytetyzuje lokalną moc z paneli i ogniwa paliwowego, mikrosieć może osiągnąć do 84% udziału źródeł odnawialnych, zmniejszając emisje gazów cieplarnianych nawet o około 55% względem stacji korzystającej wyłącznie z sieci. Jednocześnie dostrojony regulator utrzymuje napięcie szyny DC w wąskich granicach i szybko reaguje na nagłe podłączenia lub odłączenia, przewyższając kilka znanych algorytmów optymalizacyjnych pod względem szybkości i niezawodności.

Co to oznacza dla przyszłych hubów ładowania

Praca ta sugeruje, że połączenie lokalnej czystej energii z inteligentnym sterowaniem może przekształcić stacje ładowania EV w niskokosztowe, niskoemisyjne centra zasilania, które jednocześnie chronią sieć główną przed nagłymi skokami zapotrzebowania. Łącząc proste, szybkie sterowanie z adaptacyjnym, inspirowanym naturą strojeniem, proponowany system oferuje praktyczną ścieżkę do szerokodostępnego, szybkiego, przystępnego i przyjaznego dla klimatu ładowania wraz z rosnącą popularnością pojazdów elektrycznych.

Cytowanie: Natarajan, R., Selvaraj, J., Daniel, S. et al. Optimized PI controller-based hybrid model for adaptive energy management in photovoltaic integrated electric vehicle charging microgrids. Sci Rep 16, 10341 (2026). https://doi.org/10.1038/s41598-026-40839-2

Słowa kluczowe: ładowanie pojazdów elektrycznych, mikrosieci, energia odnawialna, zarządzanie energią, sterowanie rozmyte