Оптимизированная гибридная модель на основе ПИ-регулятора для адаптивного управления энергопотреблением в микрораспределительных сетях зарядки электромобилей с фотоэлементами

Почему умная зарядка важна

Рост числа электромобилей обещает чище воздух и тише улицы, но одновременно порождает новую проблему: как снабдить миллионы машин электроэнергией, не перегружая сеть и не повышая стоимость тарифа. В статье рассматривается подход к работе небольших локальных электросетей — так называемых микросетей — которые объединяют солнечные панели, топливные элементы, аккумуляторы и быструю зарядку, чтобы электромобили можно было заряжать дешево, надежно и с гораздо меньшими выбросами парниковых газов.

Питание автомобилей от солнца и не только

Исследование сосредоточено на постояннотоковой (DC) микросети, построенной вокруг нескольких чистых источников энергии. Солнечные панели кровельного типа обеспечивают основную часть энергии при наличии солнечного света. В качестве чистого резерва при слабом освещении подключается водородный топливный элемент, а крупный аккумулятор накапливает избыточную энергию или отдает её при всплесках потребления. Все эти устройства связаны общим DC-шиной, питающей зарядные устройства для электромобилей. Поскольку инсоляция и схемы вождения непредсказуемы, система должна постоянно принимать решения о том, откуда брать энергию, когда её сохранять и когда брать из основной сети, при этом поддерживая стабильное напряжение и работу зарядных устройств.

Мозг локальной энергетики

Для координации этой «жонглёрки» авторы разрабатывают «мозг управления энергией», расположенный поверх микросети. В его основе лежит распространённый в инженерии тип регулятора — ПИ‑регулятор, который подтаскивает работу преобразователей, чтобы удерживать напряжения и токи в безопасных пределах. Сам по себе такой регулятор может испытывать трудности при быстрых изменениях условий. Статья усиливает его двумя уровнями искусственного интеллекта: нечеткой логикой, имитирующей человеческое рассуждение типа «если‑то» в условиях неопределённости (например, «потребление высоко» или «солнечно мало»), и био‑вдохновлённым поисковым методом, который настраивает параметры ПИ‑регулятора. Этот поисковый алгоритм сочетает идеи охотничьего и социального поведения карликовых мангуст и красных панд, эффективно исследуя множество возможных настроек управления и выбирая те, которые минимизируют стоимость зарядки и обеспечивают стабильность сети.

Как система реагирует в реальной жизни

Исследователи создают детальную компьютерную модель микросети в MATLAB/Simulink, включая реалистичную модель солнечной генерации, характеристики аккумулятора, динамику топливного элемента и периодический подъезд электромобилей на станцию. Они тестируют множество сценариев: различные уровни возобновляемой энергии, меняющийся спрос на зарядку и различия в будние и выходные дни. Умный контроллер непрерывно отслеживает выход солнечных панелей, уровень заряда батареи, состояние топливного элемента и спрос со стороны электромобилей, затем корректирует работу преобразователей так, чтобы в первую очередь использовались солнечная и топливная энергии, аккумулятор заряжался или разряжался в безопасных пределах, а мощность из сети бралась только при необходимости. Слой нечетких решений также смещает большую часть зарядки на часы, когда возобновляемая энергия доступна в избытке и тарифы низки, снижая нагрузку на общую сеть.

Экономия, стабильность и чище воздух

Моделирование показывает значительные преимущества по сравнению с существующими методами управления на базе нейросетей или иных оптимизационных схем. В солнечные часы вне пиковой нагрузки стоимость зарядки падает до примерно 0,009–0,015 доллара США за переданную кВт·ч, что значительно ниже типичных фиксированных тарифов. В среднем стоимость зарядки в будни и в выходные снижается примерно до 0,086 и 0,088 долл. США за кВт·ч, что составляет сокращение примерно на 45% и 56% по сравнению с традиционными решениями. Поскольку контроллер отдает приоритет локальной солнечной и топливной энергии, вклад возобновляемых источников в работу микросети может достигать до 84%, сокращая выбросы парниковых газов примерно на 55% по сравнению со станцией, полностью питающейся от сети. При этом настроенный регулятор удерживает напряжение DC-шины в узких пределах и быстро реагирует на внезапные подключения или отключения, превосходя несколько известных оптимизационных алгоритмов по скорости и надежности.

Что это означает для будущих зарядных хабов

Эта работа показывает, что сочетание локальной чистой энергии и интеллектуального управления может превратить станции зарядки электромобилей в недорогие, с низким углеродным следом энергетические узлы, которые также защищают общую сеть от резких пиков спроса. Комбинируя простое быстрое регулирование с адаптивной, вдохновлённой природой настройкой, предлагаемая система предлагает практический путь к широкому распространению быстрой, доступной и климатически дружественной зарядки по мере того, как электромобили становятся нормой.

Цитирование: 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

Ключевые слова: зарядка электромобилей, микросети, возобновляемая энергия, управление энергией, нечеткое управление