Araçtan şebekeye enerji yönetimi için öngörücü zekâ ve öğrenmeye dayalı fiyatlandırma kullanan hiyerarşik füzyon çerçevesi

Arabanızın ışıkları açık tutmaya nasıl yardımcı olabileceği

Çoğu insan elektrikli bir arabayı A noktasından B noktasına daha temiz bir şekilde gitmenin bir yolu olarak düşünür. Bu makale daha büyük bir fikri irdeliyor: ya milyonlarca park halindeki elektrikli araç (EA) sessizce şebekeye yardımcı olabilseydi? Araçların ne zaman şarj olacağını zamanlayarak ve hatta enerji geri vererek, yazarlar akıllı yazılımın elektrik maliyetlerini nasıl düşürebileceğini, şebeke üzerindeki yükü nasıl azaltabileceğini ve güneş ile rüzgâr enerjisinin daha iyi kullanılmasını nasıl sağlayabileceğini gösteriyor.

Araçlar, prizler ve çift yönlü bir yol

Başlangıç noktası araçtan şebekeye kavramı, yani V2G. Sadece güç çekmek yerine, bir EA aynı zamanda şebeke için küçük bir batarya gibi davranabilir; elektrik ucuz ve bol olduğunda şarj olur, talebin yüksek olduğu zamanlarda enerji verir. Bu kulağa basit geliyor, ama uygulamada bir denge oyunu: sürücülerin araçlarının hazır olması gerekiyor, fiyatlar saat saat değişiyor ve güneş ile rüzgâr enerjisi hava koşullarına bağlı olarak dalgalanıyor. Bugün çoğu sistem bu parçaları ayrı ayrı ele alıyor; bu da kaçırılan tasarruflara ve gereksiz şebeke baskısına yol açıyor.

Makinelerin öngörmesini sağlamak

Önerilen çerçevenin ilk yapı taşı yakın geleceğe bakan bir yapay zekâ modülüdür. Bu modül, şebeke talebi, hava durumu, yenilenebilir üretim, elektrik fiyatları ve sürücü alışkanlıkları gibi geçmiş desenlerden öğrenerek elektriğin ne zaman ucuz ya da pahalı olacağını ve araçların ne zaman takılı olması muhtemel olduğunu tahmin eder. Bu tahminleri kullanarak bir şarj planı hazırlar: düşük talep ve düşük fiyat saatlerinde bataryaları doldurmak, talep ve fiyatların zirve yaptığı zamanlarda enerji beslemek ve aksi halde aracı beklemede bırakmak. Simülasyonlarda bu öngörülü yaklaşım şarj zirvelerini düzleştiriyor, ekipman üzerindeki stresi azaltıyor ve bataryaların zamanında dolmasını sağlıyor.

Fiyatları sürpriz değil, sinyal haline getirmek

İkinci parça, ekonomiden alınan fikirleri kullanarak herkesi yararlı bir yöne iten fiyatlar belirliyor. Burada EA sahipleri, şebeke operatörleri ve enerji piyasası bir oyundaki oyuncular gibi ele alınıyor. Her araç, batarya seviyesine ve mevcut fiyatlara dayanarak ne zaman şarj olmak ya da enerji satmak istediğine dair basit bir “teklif” verebilir. Fiyatlandırma katmanı, şebeke baskı altındayken araçlardan enerji satmanın daha cazip, şebeke rahat olduğunda ise şarjın ucuz olmasını sağlayacak şekilde oranları gerçek zamanlı ayarlar. Bu yaklaşım esnekliği ödüllendirir, herkesin aynı anda şarj olmasını caydırır ve toplam talebi güvenli sınırlar içinde tutar.

Sistemi deneyimle öğrenmeye öğretmek

Üçüncü katman, oyun oynayan robotlarda da kullanılan takviyeli öğrenmeye dayanan bir öğren‑yapıcı kontrolördür. Kontrolör, her aracın ve şebekenin şu anki durumunu — batarya seviyesi, talep, fiyat ve zamanı — “görür” ve şarj etme, deşarj etme veya bekleme arasında seçim yapmalıdır. Uygun seçimler için, örneğin güç ucuzken şarj etmek veya kıtlık sırasında deşarj etmek gibi, ödüller alır; israfçı davranışlar için cezalar verilir. Çok sayıda simüle edilmiş gün boyunca, beklenmedik değişiklikler olduğunda bile (örneğin rüzgâr gücünde ani düşüş) para tasarrufu sağlayan ve şebekeyi destekleyen stratejiler keşfeder.

Tek birini seçmek yerine beyinleri üst üste koymak

Bu çalışmanın kilit ilerlemesi, bu üç yöntemin ayrı çalışmamasıdır. Tahmin katmanı, oyun teorisi modülünün hangi fiyatları belirleyebileceğini şekillendirir, böylece fiyatlar gerçekçi kalır. Bu fiyatlar ise öğrenen kontrolörün bir sonraki hamlesini belirlerken kullandıkları arasında yer alır. Bu “hiyerarşik füzyon” üç rekabet eden sistem yerine tek, koordine edilmiş bir karar hattı yaratır. Gelişmiş sadece tahmin, çok‑ajanlı öğrenme ve standart optimizasyon teknikleri gibi diğer popüler yaklaşımlarla karşılaştırıldığında, birleşik sistem sürekli olarak daha düşük şarj maliyetleri ve daha düzgün şebeke yükleri sundu; üstelik sürücü bekleme sürelerini kısa tuttu.

Sürücüler ve şebeke için anlamı

Bir layperson için çıkarım basittir: doğru yazılımla park halindeki elektrikli arabalar sürücülerin fazla çaba sarf etmesine gerek kalmadan sessizce para kazanabilir ve şebekenin istikrarına yardımcı olabilir. Çalışma, tahmin, akıllı fiyatlandırma ve uyarlanabilir kontrolün birleştirilmesinin faturaları düşürebileceğini, elektrik kullanımındaki zirveleri azaltabileceğini ve temiz enerjinin daha iyi kullanılmasını sağlayabileceğini gösteriyor. Sonuçlar simülasyonlara dayansa da ve gerçek dünya denemeleri ile batarya aşınması üzerine daha fazla çalışmaya ihtiyaç olsa da, çerçeve arabanızın sadece ulaşım aracı olmaktan çıkıp milyonlarca diğer araçla iş birliği yapan küçük, akıllı bir enerji santrali haline geldiği bir geleceğe işaret ediyor.

Atıf: Nandagopal, V., Bhaskar, K., Periakaruppan, S. et al. A hierarchical fusion framework for vehicle to grid energy management using predictive intelligence and learning based pricing. Sci Rep 16, 6019 (2026). https://doi.org/10.1038/s41598-026-37243-1

Anahtar kelimeler: vehicle-to-grid, akıllı şarj, elektrikli araçlar, dinamik fiyatlandırma, takviyeli öğrenme