Рамочная оптимизация управления здоровьем батареи в системах vehicle‑to‑grid с интеграцией трансформерного прогноза деградации и требований сети

Почему важна умная зарядка

По мере того как электромобили становятся более распространёнными, они перестают быть просто транспортом — это движущиеся аккумуляторы. Когда их подключают к сети, эти батареи могут возвращать энергию обратно в сеть, помогая поддерживать подачу электроэнергии и сглаживать колебания солнечной и ветровой генерации. Эта идея, называемая vehicle‑to‑grid, выглядит взаимовыгодной, но есть оговорка: каждое дополнительное заряд‑разрядное действие постепенно изнашивает батарею. В этой статье ставится практический вопрос, который волнует водителей, коммунальные службы и городских планировщиков: можно ли использовать припаркованные автомобили для поддержки сети и при этом сохранить ресурс батарей и финансы их владельцев?

Преобразование машин в полезных соседей

В схеме vehicle‑to‑grid припаркованные электромобили действуют как местный энергонакопитель. Когда электроэнергия дешева и в наличии, они заряжаются; при всплесках спроса и росте цен — отдают энергию обратно. Авторы отмечают, что в большинстве предыдущих работ цель сводилась к минимизации счетов за электроэнергию или к удовлетворению потребностей сети, в то время как износ батареи рассматривался как побочный эффект. Это рискованно, поскольку глубокие разряды, резкие колебания мощности и экстремальные состояния заряда могут существенно сократить срок службы батареи. В данном исследовании основное внимание уделено здоровью батареи как центральному аспекту планирования, при этом сохраняется стремление к экономической выгоде и надёжной поддержке сети.

Обучение модели «чувствовать» износ батареи

Чтобы защитить батарею, команде в первую очередь нужна модель, способная предсказывать скорость её старения при различных режимах эксплуатации. Вместо сложных химических уравнений они используют современный подход на основе данных, вдохновлённый инструментами из области машинного перевода. Модель «Transformer», более известная по задачам обработки длинных последовательностей в тексте, дообучается на длинных историях поведения батареи: уровень заряда во времени, скорость потока тока при зарядке/разрядке, температура и уже потерянная ёмкость. Обучаясь на подробных экспериментальных данных из университетской лаборатории батарей, модель может прогнозировать дополнительный износ, вызванный предложенным графиком заряд‑разрядов, даже когда эффекты накапливаются медленно в течение многих часов или дней.

Баланс здоровья, стабильности и прибыли

Прогнозы износа батареи затем интегрируют в оптимизационную схему, которая ищет наилучший план зарядки на сутки. План должен уравновесить три цели. Во‑первых, минимизировать добавленный ущерб батарее. Во‑вторых, избегать резких скачков мощности, которые могут повредить как батарею, так и сеть. В‑третьих, получать прибыль, покупая электроэнергию при низких тарифах и продавая при высоких в рамках тарифов по времени использования. Авторы формулируют это как нелинейную задачу с множеством ограничений: мощность должна оставаться в безопасных пределах, уровень заряда не может быть слишком высоким или слишком низким, а изменения от часа к часу не должны быть слишком резкими. Для эффективного и надёжного решения они применяют метод последовательного квадратичного программирования, который использует информацию о градиенте — как износ меняется при небольших изменениях мощности — чтобы быстро находить допустимый и близкий к оптимальному график.

Как показывает себя умный график

Исследователи тестируют свой метод на реалистичной модели автомобильной батареи и 24‑часовом профиле цен. Они сравнивают три оптимизатора: выбранный ими метод последовательного квадратичного программирования, другой метод на основе градиентов и популярный эвристический алгоритм роя частиц (particle swarm optimization), который исследует варианты, имитируя стаю птиц в поиске. Все три соблюдают ограничения безопасности батареи, но различия в результатах существенны. Методы на основе градиента последовательно находят планы, которые активно заряжают при низких ценах и сильно разряжают при высоких, используя порядка 70% диапазона ёмкости батареи без чрезмерной нагрузки. Это приносит чистую прибыль при очень малом дополнительном износе по оценкам. Подход роя частиц, напротив, часто выбирает осторожные режимы зарядки и разрядки, пропуская наиболее выгодные моменты и в среднем даже приводя к убыткам, особенно при случайных вариантах ценовой динамики.

Что это значит для водителей и сети

Для непрофессионала вывод обнадёживающий: при более продуманном планировании припаркованные электромобили могут помогать стабилизировать сеть и приносить доход, не сокращая существенно срок службы батареи. Сочетая продвинутую модель прогноза, «понимающую» процессы старения батарей, с оптимизатором, учитывающим физические ограничения и ценовые сигналы, авторы показывают, что можно найти графики, одновременно выгодные и щадящие для оборудования. Их результаты предполагают, что коммунальные службы и операторы зарядных станций должны отказаться от эмпирических правил и внедрять планирование с учётом здоровья батареи, если хотят, чтобы программы vehicle‑to‑grid были устойчивыми и привлекательными для водителей в долгосрочной перспективе.

Цитирование: Zhong, C., Ma, Q., Ren, M. et al. An optimization framework for battery health management in vehicle-to-grid systems integrating transformer-based degradation prediction and grid service requirements. Sci Rep 16, 12258 (2026). https://doi.org/10.1038/s41598-026-38862-4

Ключевые слова: vehicle-to-grid, деградация батареи, электромобили, умная зарядка, энергетическая оптимизация