Квантово-вдохновлённый NSGA-II для многокритериальной оптимизации станций зарядки электромобилей

Почему важны более умные станции зарядки

По мере роста числа электромобилей города сталкиваются с задачей: где размещать зарядные станции, чтобы водителям было удобно подзаряжаться, энергетические компании могли поддерживать подачу электроэнергии, а затраты не взлетали? Если установить слишком мало зарядок, водителям придётся ждать в очереди. Поставить слишком много — и дорогое оборудование будет простаивать, а сеть окажется под чрезмерной нагрузкой. В этой работе предложён новый метод планирования, заимствующий идеи из квантовой физики, который проектирует сети зарядки дешевле, справедливее и с меньшим воздействием на электросеть.

Балансируя между стоимостью, удобством и сетью

Проектирование сети зарядки — это не просто размещение розеток на карте. Операторы должны одновременно учитывать по крайней мере три конкурирующие цели: снижение затрат на установку и эксплуатацию, обеспечение хорошего доступа для водителей по всему городу и предотвращение опасных перегрузок в электросети. Традиционные инструменты планирования часто ориентируются на одну цель или теряются, когда задача становится большой и запутанной — как это происходит в реальных городах с переменным трафиком, ценами и выработкой солнечной энергии. Авторы рассматривают планирование станций как действительно многокритериальную задачу и стремятся получить целые множества компромиссных решений, а не один «лучший» ответ.

Заимствование приёмов из квантового мира

Чтобы исследовать этот запутанный ландшафт возможностей, исследователи опираются на эволюционный метод оптимизации NSGA-II и усиливают его «квантово-вдохновлёнными» идеями. Вместо того чтобы рассматривать каждое решение — устанавливать ли зарядку в конкретной точке — как фиксированное «да» или «нет», алгоритм представляет его в виде кубита, маленького математического объекта, который кодирует вероятности обоих вариантов одновременно. Специальные правила обновления, вдохновлённые тем, как квантовые состояния вращаются и связываются (спутываются), позволяют методу эффективно исследовать множество комбинаций, одновременно фокусируясь на многообещающих шаблонах. На практике это означает, что алгоритм сохраняет разнообразие вариантов, постепенно улучшая их.

Учет реальных связей в городах и сетях

Ключевая инновация — способ, которым метод связывает между собой зависимые решения. Установка крупной станции в одном районе может уменьшить потребность в станциях поблизости и одновременно изменить поток электричества по локальным линиям. Алгоритм моделирует эту взаимозависимость, «спутывая» определённые пары решений так, что изменение одного обычно влечёт изменение другого. Он также регулирует шаги поиска в зависимости от того, насколько лучше или хуже новое кандидатное решение: делает большие прыжки при очевидном улучшении и мелкие корректировки, когда выгода неясна. Кроме того, фокусированный локальный поиск тонко настраивает наиболее перспективные схемы, добавляя, удаляя или меняя отдельные станции, постоянно проверяя соблюдение бюджетов и ограничений по безопасности сети.

Тестирование на реальных данных зарядок и стандартной сети

Вместо того чтобы полагаться лишь на небольшие игрушечные примеры, авторы проверяют свой подход на трёх больших наборах реальных сессий зарядки из Пало-Альто, Боулдера и многорегионального датасета более чем из 70 000 событий, а также на широко используемой модели распределительной сети с 33 узлами. Во всех случаях квантово-вдохновлённый метод стабильно находит схемы размещения станций, которые сокращают общие затраты на установку примерно на треть по сравнению с классическим NSGA-II, одновременно увеличивая долю обслуживаемого спроса и выравнивая потоки мощности. Метод обеспечивает лучшее покрытие вариантов компромиссов, надёжнее сходится к качественным решениям и удерживает напряжения в сети в пределах безопасных пределов, при этом требуя лишь умеренного увеличения вычислительных затрат.

Что это значит для будущей электромобильности

Проще говоря, исследование показывает, что более умная математика может превратить нынешнее беспорядочное развертывание зарядных станций в более упорядоченную и эффективную систему. Исследуя сразу множество возможных схем и сохраняя те, которые предлагают разные балансы между стоимостью, доступностью и здоровьем сети, квантово-вдохновлённый метод даёт планировщикам богатое «меню» вариантов вместо единого жёсткого плана. Города и энергокомпании могли бы использовать такие инструменты, чтобы решать, сколько станций строить, где их размещать и как координировать их с солнечными панелями и батареями на крышах, при этом обеспечивая движение транспорта и стабильность сети. По мере распространения электромобилей и усложнения требований к зарядке такие подходы предлагают путь масштабирования инфраструктуры без избыточного строительства или перегрузки проводов, которые питают нашу повседневную жизнь.

Цитирование: 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

Ключевые слова: зарядка электромобилей, планирование зарядных станций, стабильность электроэнергетической сети, многокритериальная оптимизация, алгоритмы, вдохновлённые квантовой механикой