Kwantowo-inspirowany NSGA-II do optymalizacji wielokryterialnej stacji ładowania pojazdów elektrycznych

Dlaczego inteligentniejsze stacje ładowania mają znaczenie

W miarę jak samochody elektryczne stają się powszechniejsze, miasta stają przed zagadką: gdzie umieścić stacje ładowania, aby kierowcy mieli do nich łatwy dostęp, firmy energetyczne mogły utrzymać dostawy energii, a koszty nie eksplodowały? Za mało ładowarek to kolejki i oczekiwanie. Zbyt wiele w niewłaściwych miejscach oznacza drogi sprzęt stojący bezczynnie, a sieć jest przeciążana. W artykule przedstawiono nową metodę planowania, która zaczerpnęła pomysły z fizyki kwantowej, aby zaprojektować sieci ładowania tańsze, bardziej sprawiedliwe i mniej obciążające sieć energetyczną.

Żonglowanie kosztami, wygodą i siecią energetyczną

Projektowanie sieci ładowania to nie tylko rozsypywanie gniazd na mapie. Operatorzy muszą równocześnie zważyć co najmniej trzy konkurujące cele: utrzymanie niskich kosztów instalacji i eksploatacji, zapewnienie kierowcom dobrego dostępu w całym mieście oraz unikanie niebezpiecznego przeciążenia sieci elektroenergetycznej. Tradycyjne narzędzia planistyczne często koncentrują się na jednym celu lub słabną, gdy problem staje się duży i złożony — tak jak w rzeczywistych miastach, gdzie ruch, ceny i produkcja energii słonecznej wszystko zmieniają. Autorzy traktują planowanie stacji ładowania jako prawdziwie wielokryterialny problem i szukają całych zestawów rozwiązań kompromisowych, zamiast jednej „najlepszej” odpowiedzi.

Wykorzystywanie trików ze świata kwantowego

Aby przeszukać to splątane pole możliwości, badacze rozbudowali ewolucyjną metodę optymalizacji znaną jako NSGA-II, wzbogacając ją o ideę „inspirowaną kwantowością”. Zamiast traktować każdą decyzję — czy umieścić ładowarkę w danym punkcie — jako stałe tak lub nie, algorytm reprezentuje ją jako kubit, niewielki obiekt matematyczny, który może kodować prawdopodobieństwa obu wyborów jednocześnie. Specjalne reguły aktualizacji, inspirowane tym, jak stany kwantowe się rotują i splatają (entanglement), pozwalają metodzie efektywnie eksplorować wiele zestawień, jednocześnie skupiając się na obiecujących wzorcach. W praktyce oznacza to, że potrafi utrzymać zróżnicowany zbiór opcji, jednocześnie stopniowo je ulepszając.

Uchwycenie powiązań z życia miejskiego i sieci

Kluczową innowacją jest sposób, w jaki metoda powiązuje ze sobą decyzje. Budowa dużej stacji w jednej dzielnicy może zmniejszyć potrzebę stacji w sąsiedztwie i jednocześnie przeformować przepływ energii w lokalnych liniach. Algorytm naśladuje tę współzależność, „splatając” pewne pary decyzji tak, że zmiana jednej zwykle pociąga za sobą zmianę drugiej. Dostosowuje też kroki przeszukiwania w zależności od tego, o ile lepsze lub gorsze jest nowe rozwiązanie, wykonując duże skoki przy wyraźnych poprawach i mniejsze korekty, gdy zysk nie jest jednoznaczny. Na to nakłada się ukierunkowane przeszukiwanie lokalne, które dopracowuje najbardziej obiecujące układy przez dodawanie, usuwanie lub zamianę pojedynczych stacji, cały czas sprawdzając, czy budżety i limity bezpieczeństwa sieci pozostają nienaruszone.

Testy na rzeczywistych danych ładowania i standardowej sieci

Zamiast polegać wyłącznie na małych przykładach demonstracyjnych, autorzy przetestowali swoje podejście na trzech dużych zbiorach rzeczywistych sesji ładowania z Palo Alto, Boulder oraz wieloregionowym zbiorze ponad 70 000 zdarzeń, wraz z powszechnie stosowanym modelem sieci rozdzielczej o 33 węzłach. We wszystkich tych przypadkach metoda inspirowana kwantowo konsekwentnie znajdowała układy stacji, które zmniejszały całkowite koszty instalacji o około jedną trzecią w porównaniu z klasyczną wersją NSGA-II, jednocześnie zwiększając udział zapotrzebowania, które można obsłużyć, i wyrównując przepływy mocy. Uzyskiwała lepsze pokrycie rozwiązań kompromisowych, bardziej niezawodnie zbiegała do wysokiej jakości rozwiązań i utrzymywała napięcia w sieci w bezpiecznych granicach, przy tylko umiarkowanym wzroście czasu obliczeń.

Co to oznacza dla przyszłej mobilności elektrycznej

Mówiąc prosto, badanie pokazuje, że sprytniejsza matematyka może przekształcić chaotyczną rozbudowę sieci ładowania w bardziej uporządkowany, efektywny system. Poprzez jednoczesne badanie wielu możliwych układów i zachowanie tych, które osiągają różne kompromisy między kosztem, dostępem i zdrowiem sieci, metoda inspirowana kwantowo daje planistom bogate „menu” wyborów zamiast jednego sztywnego planu. Miasta i przedsiębiorstwa energetyczne mogłyby użyć takich narzędzi, by zdecydować, ile stacji zbudować, gdzie je umieścić i jak skoordynować je z fotowoltaiką dachową i magazynami, przy jednoczesnym utrzymaniu płynności ruchu i stabilności sieci. W miarę jak pojazdy elektryczne się upowszechniają, a zapotrzebowanie na ładowanie staje się bardziej złożone, podejścia tego typu oferują drogę do skalowania infrastruktury bez nadbudowywania jej lub przeciążania przewodów, które zasilają nasze codzienne życie.

Cytowanie: Kumar, L., Solanki, S., Jhariya, M.K. et al. Quantum-inspired NSGA-II for multi-objective optimization of electric vehicle charging stations. Sci Rep 16, 14666 (2026). https://doi.org/10.1038/s41598-026-44141-z

Słowa kluczowe: ładowanie pojazdów elektrycznych, planowanie stacji ładowania, stabilność sieci energetycznej, optymalizacja wielokryterialna, algorytmy inspirowane kwantowo