Optimerad hybridmodell med PI-regulator för adaptiv energihantering i solcellsintegrerade elbilsladdningsmikronät

Varför smartare laddning spelar roll

Elbilarnas framväxt lovar renare luft och tystare gator, men skapar också ett nytt problem: hur man förser miljontals bilar med el utan att överbelasta elnätet eller höja kostnaderna. Denna artikel undersöker ett sätt att driva små, lokala elnät — så kallade mikronät — som kombinerar solpaneler, bränsleceller, batterier och snabbladdare så att elbilar kan laddas billigt, pålitligt och med avsevärt lägre växthusgasutsläpp.

Driva bilar med solenergi och mer därtill

Studien fokuserar på ett likströmsbaserat (DC) mikronät byggt kring flera rena energikällor. Taktegel-typade solpaneler förser det mesta av energin när solen skiner. En vätgasbränslecell träder in som ren reserv när solinsläppet är svagt, och ett stort batteripaket absorberar överskott eller levererar energi vid efterfrågetoppar. Alla dessa enheter kopplas till en gemensam DC-buss som matar elbilsladdare. Eftersom både solinstrålning och körmönster är oförutsägbara måste systemet ständigt besluta när det ska hämta kraft från varje källa, när den ska lagras och när huvudnätet ska utnyttjas — samtidigt som spänningar hålls stabila och laddarna fungerar.

En hjärna för det lokala elnätet

För att koordinera denna jonglering utformar författarna en ”energiförvaltnings”-hjärna som lägger sig ovanpå mikronätet. I sitt kärna finns en vanlig typ av återkopplingsregulator, känd inom ingenjörskonsten som en PI-regulator, som finjusterar omriktarhårdvara för att hålla spänningar och strömmar inom säkra gränser. På egen hand kan denna regulator ha svårt när förutsättningarna ändras snabbt. Artikeln förstärker den med två lager artificiell intelligens: fuzzylogik, som efterliknar mänskligt if‑then‑resonemang om osäkra situationer (såsom ”efterfrågan är hög” eller ”solen är svag”), och en bioinspirerad sökmetod som ställer in PI-regulatorns parametrar. Denna sökalgoritm blandar idéer hämtade från jakt- och socialt beteende hos dvärg-manguster och rödpanda för att effektivt pröva många möjliga styrinställningar och välja de som minimerar laddningskostnad och bibehåller nätstabilitet.

Hur systemet reagerar i verkligheten

Forskarlaget bygger en detaljerad datormodell av mikronätet i MATLAB/Simulink, inklusive realistiskt solbeteende, batterikarakteristik, bränslecelldynamik och elbilars ankomst i stopp‑och‑gå-mönster vid en station. De testar många scenarier: olika nivåer av förnybar energi, varierande laddningsbehov och vardag kontra helgbruk. Den smarta regulatorn känner kontinuerligt av solproduktion, batteriladdning, bränslecellens status och EV‑efterfrågan, och justerar sedan effektomriktare så att sol- och bränslecelkraft används först, batteriet laddas eller laddas ur inom säkra gränser och nätkraft endast tas när det behövs. Ett fuzzybeslutslager flyttar också mer laddning till de timmar då förnybar energi är riklig och tarifferna är låga, vilket minskar belastningen på det större nätet.

Besparingar, stabilitet och renare luft

Simuleringarna visar betydande fördelar jämfört med befintliga förvaltningsmetoder baserade på neurala nätverk eller andra optimeringsupplägg. Under soliga lågbelastningstimmar sjunker kostnaden för laddning till så lågt som cirka 0,009–0,015 USD per kilowattimme levererad, långt under typiska fasta priser. I genomsnitt sjunker laddningskostnaderna till omkring 0,086 respektive 0,088 USD per kilowattimme för vardag och helg, vilket motsvarar minskningar på ungefär 45 % respektive 56 % jämfört med konventionella system. Eftersom regulatorn prioriterar lokal sol- och bränslecellkraft kan mikronätet nå upp till 84 % förnybar andel, vilket minskar växthusgasutsläppen med upp till cirka 55 % jämfört med enbart nätanslutna stationer. Samtidigt håller den inställda regulatorn DC-bussens spänning inom snäva gränser och reagerar snabbt på plötsliga inkopplingar eller frånkopplingar, och överträffar flera välkända optimeringsalgoritmer både i snabbhet och tillförlitlighet.

Vad detta betyder för framtida laddningshubbar

Arbetet tyder på att kombinationen av lokal ren energi och intelligent styrning kan förvandla elbilsladdningsstationer till lågkostnads-, lågkoldioxidhaltiga kraftnav som också skyddar det större nätet mot plötsliga efterfrågetoppar. Genom att kombinera enkel, snabbverkande kontroll med adaptiv, naturinspirerad tuning erbjuder det föreslagna systemet en praktisk väg för att göra snabba, prisvärda och klimatvänliga laddningar allmänt tillgängliga i takt med att elbilar blir normen.

Citering: 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

Nyckelord: elbilsladdning, mikronät, förnybar energi, energiförvaltning, fuzzy-kontroll