ელექტრომობილების ეკოსისტემების ოპტიმიზაცია დინამიური ქსელის ფასების, V2X-ის და ჭკვიანი დატვირთვის გაზიარების გზით

ელექტრომობილების დამუხტვის ეკოსისტემების ოპტიმიზაცია გაფართოებული დინამიური ქსელის ფასების ალგორითმების, V2X ინტეგრაციის, განახლებადი ენერგიის პროგნოზირებისა და მრავალმიზნობრივი დატვირთვის გაზიარების სტრატეგიების მეშვეობით, CPO-ს მომგებიანობისა და ქსელის სტაბილურობის გასაზრდელად 2026 წელს.

შესავალი: ენერგიისა და მობილობის ახალი საზღვარი

ელექტრომობილებზე (EV) გლობალური გადასვლა ინდუსტრიული რევოლუციის შემდეგ ინფრასტრუქტურის ერთ-ერთ ყველაზე მნიშვნელოვან ცვლილებას წარმოადგენს. თუმცა, ეს გადასვლა არ არის მხოლოდ შიდა წვის ძრავების ელექტროძრავებით ჩანაცვლება; ეს არის ტრანსპორტსა და ენერგეტიკულ ქსელს შორის ურთიერთობის ფუნდამენტური რეკონფიგურაცია. როდესაც მილიონობით ელექტრომობილი ქსელში ერთდება, ისინი წარმოქმნიან უზარმაზარ, სტოქასტურ დატვირთვას, რამაც შეიძლება საფრთხე შეუქმნას ქსელის სტაბილურობას ან, სწორად მართვის შემთხვევაში, მოქნილობის საბოლოო რესურსად იქცეს.

ძირითადი გამოწვევა ენერგომომარაგებისა და მოთხოვნის დროებით და სივრცით შეუსაბამობაში მდგომარეობს. ტრადიციული „სულელური“ დამუხტვა — სადაც ავტომობილი მაქსიმალური სიმძლავრით იტენება ჩართვისთანავე — პიკურ მოთხოვნას ამძაფრებს, ზრდის ქსელის ძვირადღირებული განახლებების საჭიროებას და ხშირად ნახშირბადის ინტენსიურ პიკურ ელექტროსადგურებს ეყრდნობა. პირიქით, „ჭკვიანი დამუხტვა“ (V1G) და მისი ორმხრივი მემკვიდრეები (V2G, V2X) იყენებენ მოწინავე ალგორითმებს გარე სიგნალებზე დაყრდნობით დამუხტვის ქცევის მოდულირებისთვის.

ეს სტატია 6000 სიტყვიან ანალიზს წარმოადგენს არქიტექტურების, ალგორითმებისა და ეკონომიკური მოდელების შესახებ, რომლებიც განსაზღვრავენ ჭკვიანი დატენვის თანამედროვე ეტაპებს. ჩვენ განვიხილავთ, თუ როგორ შეუძლია დინამიურ ქსელურ ფასწარმოქმნას, მანქანურ სწავლებაზე დაფუძნებულ განახლებადი ენერგიის პროგნოზირებასთან და აპარატურულ დონეზე უკუკავშირის მარყუჟებთან ერთად, მარტივი დამტენი სადგური გადააქციოს განაწილებული ენერგორესურსების (DER) ქსელის დახვეწილ კვანძად. დამტენი პუნქტების ოპერატორებისთვის (CPO) და ელექტრონული მობილობის სერვისის მიმწოდებლებისთვის (eMSP) ეს სტრატეგიები არ ეხება მხოლოდ ქსელის შესაბამისობას - ისინი ახალი შემოსავლის ნაკადების გახსნისა და კონკურენტულ ბაზარზე გრძელვადიანი მომგებიანობის უზრუნველყოფის გასაღებებია.

თავი 1: თანამედროვე ელექტრომობილების დამუხტვის ინფრასტრუქტურის ლანდშაფტი

1.1 ევოლუცია V0G-დან V4G-მდე

ინდუსტრია დამუხტვის ინტელექტს რამდენიმე დონედ ყოფს:

• V0G (სტანდარტული დატენვა):დამტენსა და ქსელს შორის კომუნიკაცია არ არის. მანქანა იღებს იმას, რასაც აპარატურა იძლევა.
• V1G (მართვადი დატენვა):ცალმხრივი მართვა. დამტენს ან ღრუბლოვან სერვერს შეუძლია დატენვის სიჩქარის შემცირება ან დაწყების გადადება ქსელის სიგნალების ან მომხმარებლის პარამეტრების მიხედვით.
• V2G (მანქანიდან ქსელამდე კავშირი):ორმხრივი სიმძლავრის დინება. ელექტრომობილის აკუმულატორის დაცლა შესაძლებელია ქსელში დამატებითი მომსახურების ან ენერგიის არბიტრაჟის უზრუნველსაყოფად.
• V2H/V2B/V2X (მანქანიდან ყველაფერამდე):ელექტრომობილის გამოყენება სახლის, შენობის ან მიკროქსელის ენერგიით მომარაგებისთვის.

1.2 ინფრასტრუქტურის შეფერხებები

როდესაც CPO-ები აფართოებენ თავიანთ ქსელებს, ისინი ორი ძირითადი აპარატურული შეზღუდვის წინაშე დგანან: ადგილობრივი ტრანსფორმატორის სიმძლავრე და ზემო დინების გადაცემის შეზღუდვები. ბევრ ურბანულ გარემოში, 350 კვტ სიმძლავრის ულტრა სწრაფი დამტენის დაყენებას სპეციალური ქვესადგური სჭირდება. ამ განახლებების ღირებულება ხშირად უკიდურესად მაღალია. შესაბამისად, დინამიური დატვირთვის მართვის (DLM) მეშვეობით ამ შეზღუდვების მართვის ტვირთი პროგრამულ უზრუნველყოფაზეა.

1.3 მონაცემების როლი ინფრასტრუქტურაში

თანამედროვე ინფრასტრუქტურა ისეთივე მნიშვნელოვანია, როგორც ბიტებისთვის. OCPP (ღია დატენვის წერტილის პროტოკოლი) 2.0.1 და ISO 15118-20 ინტეგრაცია საშუალებას იძლევა გაცვალონ რთული მონაცემთა პაკეტები, მათ შორის ბატარეის დატენვის მდგომარეობა (SoC), დატენვის გრაფიკები და ქსელის სერთიფიკატები. ეს მონაცემები ქმნის იმ ალგორითმების საფუძველს, რომლებსაც შემდეგ თავებში განვიხილავთ.

თავი 2: დინამიური ქსელის ფასების მექანიზმების გაშიფვრა

ხარჯების ოპტიმიზაციისთვის, პირველ რიგში, თავად ხარჯების სტრუქტურა უნდა გავიგოთ. ქსელის ფასწარმოქმნა აღარ არის ფიქსირებული ტარიფი; ეს არის მრავალგანზომილებიანი სიგნალი, რომელიც ასახავს ენერგეტიკული ბაზრის მყისიერ მდგომარეობას.

2.1 გამოყენების დროის (TOU) ფასები

TOU დინამიური ფასწარმოქმნის უმარტივესი ფორმაა, სადაც ტარიფები ფიქსირებულია დროის კონკრეტული ბლოკებისთვის (მაგ., პიკის საათები, პიკის შუა და პიკის სხვა საათები). მიუხედავად იმისა, რომ TOU უკეთესია, ის სტატიკურია და ვერ ითვალისწინებს ამინდის უეცარ ცვლილებებს ან ქსელში საგანგებო სიტუაციებს.

2.2 რეალურ დროში ფასების განსაზღვრა (RTP) და სპოტური ბაზრები

RTP აკონტროლებს ელექტროენერგიის საბითუმო ბაზარს (მაგ., EPEX SPOT, Nord Pool). ფასები იცვლება საათობრივად ან ყოველ 15 წუთში. განახლებადი ენერგიის მაღალი შეღწევადობის მქონე რეგიონებში, RTP შეიძლება ზოგჯერ უარყოფითი გახდეს, რაც იმას ნიშნავს, რომ CPO-ები რეალურად იხდიან ენერგიის მოხმარებისთვის. ჩვენი ალგორითმები უნდა იყოს შემუშავებული ისე, რომ მაქსიმალურად იყოს მოხმარებული ამ უარყოფითი ფასების ფანჯრების დროს.

2.3 კრიტიკული პიკური ფასწარმოქმნა (CPP) და პიკური ფასწარმოქმნის შემცირება

CPP მოვლენები ხდება ქსელის ექსტრემალური დატვირთვის დროს. ფასები ნორმალურ მაჩვენებელზე 10-50-ჯერ იზრდება. ჭკვიანი დატენვის ალგორითმები უნდა იყოს „CPP-ის მცოდნე“, რომელსაც შეუძლია დაუყოვნებლივ გამორთოს დატვირთვა, რათა დაიცვას CPO-ს მარჟა და ქსელის მთლიანობა.

2.4 სისტემის განაწილების გამოყენების (DUoS) და გადაცემის (TNUoS) გადასახადები

ენერგიის ხარჯების გარდა, CPO-ებმა „მოთხოვნის გადასახადები“ თვეში მათი ყველაზე მაღალი 15-წუთიანი პიკის მიხედვით უნდა მართონ. პიკის პერიოდში ერთი უმართავი სწრაფი დატენვის სესიამ შეიძლება ყოველთვიური კომუნალური გადასახადი გააორმაგოს. ჩვენმა ალგორითმებმა პიკური დატენვის შემცირება ენერგიის არბიტრაჟთან ერთად პრიორიტეტი უნდა მიანიჭონ.

თავი 3: ჭკვიანი დატენვის ალგორითმის გაფართოებული არქიტექტურა

ჭკვიანი დატენვის ეკოსისტემის ცენტრში ოპტიმიზაციის ძრავაა. ჩვენ ამ ალგორითმებს სამ ძირითად ტიპად ვყოფთ მათი სირთულისა და წინდახედულების მიხედვით.

3.1 წრფივი და მთელი რიცხვების პროგრამირება (LP/MILP)

სტატიკური სცენარებისთვის, სადაც ელექტროენერგიის ფასები და გამგზავრების დრო ცნობილია, შერეული მთელი რიცხვების ხაზოვანი პროგრამირება (MILP) ოპტიმალურ გადაწყვეტას იძლევა.

• ობიექტური ფუნქცია:მინიმიზაცია $\sum (Price_t \times Power_t)$
• შეზღუდვები:$Power_{min} ≤ Power_t ≤ Power_{max}$, $\sum Power_t ≤ Delta t = ენერგია_{საჭირო}$.

MILP გამოთვლით ეფექტურია, მაგრამ ებრძვის რეალურ სამყაროში ელექტრომობილის დამუხტვის თანმდევ გაურკვევლობას (მაგ., მძღოლი მოსალოდნელზე ადრე გადის).

3.2 მოდელის პროგნოზირებადი კონტროლი (MPC)

MPC რეალურ დროში ჭკვიანი დატენვის ოქროს სტანდარტია. ის „მცოცავ ჰორიზონტზე“ მუშაობს. ყოველ 5 ან 15 წუთში ალგორითმი წყვეტს ოპტიმიზაციის პრობლემას მომდევნო 24 საათის განმავლობაში, მაგრამ მხოლოდ პირველ ნაბიჯს ასრულებს.

• პროგნოზირებადი ელემენტი:ის იყენებს ამინდის პროგნოზებს, ქსელის ფასებს და საიტის დატვირთვის პროგნოზებს.
• უკუკავშირის ელემენტი:ის არეგულირებს წინა ეტაპზე გადახრებს (მაგ., მანქანამ ნაკლები ენერგია მოიხმარა, ვიდრე პროგნოზირებული იყო).

MPC შესანიშნავად უმკლავდება შეზღუდვებს, რაც უზრუნველყოფს, რომ ხარჯების მინიმიზაციის მიუხედავად, ის არასდროს გადააჭარბებს შენობის მთლიან სიმძლავრის ლიმიტს.

3.3 გაძლიერებული სწავლება (RL) და ხელოვნური ინტელექტი

მაღალი სირთულის გარემოში — როგორიცაა მზის ენერგიის, შენახვისა და 50 დამტენის მქონე მიკროქსელი — RL-ს (მაგ., Deep Q-Networks ან PPO) შეუძლია ტრადიციულ მეთოდებზე უკეთესი შედეგის მიღწევა. RL „პოლიტიკას“ გარემოსთან ურთიერთქმედებით სწავლობს. მას შეუძლია მძღოლების ქცევასა და განახლებადი ენერგიის არაწრფივ ნიმუშებზე დაფიქსირება, რაც ექსპლიციტურ მოდელებს შეიძლება გამორჩათ. თუმცა, RL-ს სჭირდება ტრენინგის მონაცემების უზარმაზარი რაოდენობა და არ გააჩნია MPC-ის „უსაფრთხოების გარანტიები“, რაც ხშირად მოითხოვს „უსაფრთხოების ფენას“ აპარატურის დაზიანების თავიდან ასაცილებლად.

თავი 4: V2G და V2X: ელექტრომობილების მობილურ ენერგეტიკულ აქტივებად გარდაქმნა

მანქანიდან ქსელამდე (V2G) ჭკვიანი დამუხტვის მწვერვალს წარმოადგენს. ელექტრომობილის აკუმულატორის შენახვის მოწყობილობად მიჩნევით, ჩვენ შეგვიძლია გადავჭრათ ქსელის ყველაზე დიდი პრობლემა: მოქნილობა.

4.1 V2G-ის ტექნიკური მოთხოვნები

V2G-სთვის საჭიროა ორმხრივი მუდმივი დენის დამტენი ან ელექტრომობილი ორმხრივი ცვლადი დენის ჩაშენებული დამტენით (OBC). კომუნიკაცია უნდა შეესაბამებოდეს ISO 15118-20 სტანდარტს, რომელიც მხარს უჭერს „დინამიურ“ დამუხტვის რეჟიმს, რაც ქსელს საშუალებას აძლევს, მოითხოვოს ავტომობილისგან კონკრეტული სიმძლავრის დონეები.

4.2 ენერგეტიკული არბიტრაჟი დამხმარე სერვისების წინააღმდეგ

• არბიტრაჟი:ღამით დატენვა $0.05/კვტ.სთ-ად, დღისით კი განმუხტვა $0.25/კვტ.სთ-ად.
• დამხმარე სერვისები:ეს გულისხმობს მაღალსიჩქარიანი სიხშირული რეაგირების (FCR) უზრუნველყოფას. აკუმულატორებს შეუძლიათ მილიწამებში რეაგირება და ქსელის სიხშირის 50Hz/60Hz-ზე სტაბილიზაცია. რადგან FCR ანაზღაურებსხელმისაწვდომობავიდრე უბრალოდგამტარუნარიანობა, ის ხშირად უფრო მომგებიანია, ვიდრე უბრალო არბიტრაჟი.

4.3 ბატარეის დეგრადაციის პარადოქსი

V2G-ის მთავარი ბარიერი ბატარეის ხანგრძლივობის შემცირების შიშია. თუმცა, ბოლოდროინდელი კვლევები ვარაუდობენ, რომ დაბალი C-სიჩქარით „ზედაპირული“ ციკლი (სიმძლავრის მხოლოდ 5-10%-ის განმუხტვა) რეალურად შეუძლია გააუმჯობესოს ბატარეის მდგომარეობა SoC-ის ოპტიმალურ 40-60%-იან დიაპაზონში შენარჩუნებით. ჭკვიანმა ალგორითმებმა უნდა მოიცავდეს „დეგრადაციის შესახებ ცნობიერების“ მქონე შეზღუდვებს, რათა უზრუნველყონ, რომ V2G-დან გენერირებული შემოსავალი აღემატება ბატარეის ცვეთის თანდათანობით ხარჯებს.

თავი 5: ქსელის სიხშირის რეგულირება და დამხმარე მომსახურება

ფასზე დაფუძნებული მარტივი დარიცხვის გარდა, ყველაზე დახვეწილი CPO-ები „დამხმარე მომსახურების“ ბაზარზე გადადიან. ტრადიციული მბრუნავი რეზერვების (ქვანახშირისა და გაზის ელექტროსადგურების) ექსპლუატაციიდან გამოსვლის შემდეგ, ქსელი კარგავს თავის ბუნებრივ ინერციას. ელექტრომობილების აკუმულატორები, მათი თითქმის მყისიერი რეაგირების დროით, იდეალურად შეეფერება ამ ხარვეზის შევსებას.

5.1 სიხშირის შეკავების რეზერვი (FCR)

FCR ქსელის სტაბილურობის დაცვის პირველი ხაზია. როდესაც ქსელის სიხშირე გადახრილია მისი ნომინალური მნიშვნელობიდან (50 ჰც ევროპაში, 60 ჰც აშშ-ში), FCR-ის კვალიფიციურმა აქტივებმა ავტომატურად უნდა დაარეგულირონ თავიანთი სიმძლავრე წამებში. FCR-ში მონაწილე ჭკვიანი დამუხტვის ალგორითმი უნდა აკონტროლებდეს ადგილობრივ სიხშირეს მაღალი სიზუსტის მრიცხველის საშუალებით და PWM (პულსის სიგანის მოდულაცია) სიგნალი ელექტრომობილზე დაარეგულიროს.

• სიხშირის გადაჭარბება (მაგ., 50.1 ჰც):ქსელს ჭარბი სიმძლავრე აქვს. ალგორითმი ზრდის დატენვის სიჩქარეს.
• დაბალი სიხშირე (მაგ., 49.9 ჰც):ქსელი დატვირთვის ქვეშაა. ალგორითმი ამცირებს ან უკუაგდებს (V2G) სიმძლავრის ნაკადს.

5.2 ავტომატური სიხშირის აღდგენის რეზერვი (aFRR)

aFRR-ს, რომელიც ასევე ცნობილია როგორც მეორადი მართვა, მართავს გადამცემი სისტემის ოპერატორი (TSO) ცენტრალიზებული სიგნალის საშუალებით. FCR-ისგან განსხვავებით, რომელიც ლოკალური ავტონომიური რეაქციაა, aFRR მოითხოვს, რომ CPO-ს ღრუბლოვანი პლატფორმა ყოველ 2-4 წამში მიიღოს „SetPoint“ და გაანაწილოს ის ათასობით დამუხტვის წერტილზე. აქ გამოწვევა შეყოვნებაა; ჯარიმების თავიდან ასაცილებლად, TSO-დან ღრუბლამდე, Edge-მდე და ელექტრომობილამდე ორმხრივი მოგზაურობის დრო მინიმუმამდე უნდა იყოს დაყვანილი.

5.3 შემოსავლების დაგროვების სტრატეგია

CPO-ს მომგებიანობის გასაღები არის „შემოსავლების დაგროვება“ - ერთი და იგივე ელექტრომობილის აკუმულატორის გამოყენების შესაძლებლობა ერთდროულად რამდენიმე დავალების შესასრულებლად. ალგორითმს შეუძლია ოპტიმიზაცია მოახდინოს დაბალი ენერგიის ფასებისთვის (არბიტრაჟი), ხოლო ხელმისაწვდომი სიმძლავრის 20% დაჯავშნოს FCR-ისთვის. ეს მოითხოვს მრავალმიზნობრივ ოპტიმიზაციის ჩარჩოს, რომელსაც შეუძლია სიგნალების პრიორიტეტიზაცია მათი ზღვრული მნიშვნელობის მიხედვით.

თავი 6: პიკური ველის დაბალანსება და მოთხოვნაზე რეაგირების (DR) სტრატეგიები

პიკური ველის დაბალანსება არის დატვირთვის მაღალი მოთხოვნის პერიოდებიდან დაბალი მოთხოვნის პერიოდებში გადატანის პროცესი. CPO-სთვის ეს აუცილებელია როგორც ქსელის გამართულობისთვის, ასევე მოთხოვნის საფასურის შესამცირებლად.

6.1 „იხვის მრუდი“ და ელექტრომობილის ამოხსნა

მზის მაღალი შეღწევადობის მქონე რეგიონებში (მაგალითად, კალიფორნია ან სამხრეთ ავსტრალია), წმინდა დატვირთვის მრუდი იხვის ფორმას იღებს: დაბალია დღის განმავლობაში, როდესაც მზის ენერგია პიკს აღწევს და მკვეთრად იზრდება საღამოს, როდესაც მზე ჩადის და ხალხი სახლში ბრუნდება. ელექტრომობილები „იხვის საწინააღმდეგოა“. დღისით დატენვის (სამუშაო ადგილის დატენვა) სტიმულირებით და ღამის დატენვის დილის ადრეულ საათებამდე გადადებით, ჭკვიან ალგორითმებს შეუძლიათ ამ მრუდის გასწორება.

6.2 მოთხოვნაზე რეაგირების (DR) მოვლენების ლოგიკა

როდესაც DR მოვლენა კომუნალური კომპანიის მიერ გააქტიურდება, ჭკვიანი დამუხტვის პლატფორმა უნდა მოქმედებდეს როგორც „ვირტუალური ელექტროსადგური“ (VPP). ლოგიკა შემდეგ ნაბიჯებს მიჰყვება:

1. შეტყობინება:მიიღეთ DR სიგნალი (OpenADR-ის ან მორგებული API-ის მეშვეობით).
2. შეფასება:გამოთვალეთ მიმდინარე „მოქნილობის ბუფერი“ - რამდენი სიმძლავრის შემცირებაა შესაძლებელი მომხმარებლის ენერგომოთხოვნილებების (SoC გამგზავრებისას) დაუკმაყოფილებლობის გარეშე.
3. შესრულება:გაგზავნეთ ბრძანებები შეზღუდული დამტენებისთვის. პრიორიტეტი ენიჭებათ ყველაზე ხანგრძლივი გაჩერების დროისა და ყველაზე მაღალი SoC-ის მქონე მანქანებს.
4. ვერიფიკაცია:DR ფასდაკლების მისაღებად, რეალურ დროში აღრიცხეთ შემცირება.

6.3 ქცევითი ეკონომიკა და მომხმარებლის სტიმული

მხოლოდ ტექნოლოგია არასაკმარისია; მომხმარებლის მონაწილეობა სასიცოცხლოდ მნიშვნელოვანია. CPO-ები ქსელის სიგნალების გასატარებლად იყენებენ „დინამიურ ფასწარმოქმნას მძღოლებისთვის“. თუ მძღოლი აირჩევს „ეკო რეჟიმს“ (ალგორითმს სრული კონტროლის საშუალებას აძლევს), ისინი უფრო დაბალ ტარიფს იხდიან. თუ ისინი აირჩევენ „გაძლიერების რეჟიმს“ (დაუყოვნებლივი სრული სიმძლავრე), ისინი იხდიან პრემიას, რომელიც ფარავს CPO-ს პიკური მოთხოვნის გადასახადებს.

თავი 7: განახლებადი ენერგიის პროგნოზირების ინტეგრირება

ელექტრომობილების ნამდვილი დაპირება „მზის შუქზე მართვაა“. თუმცა, განახლებადი ენერგია პერიოდულად გამოიყენება. პროგნოზების დატენვის ალგორითმში ინტეგრირება არის ის, რაც განასხვავებს ძირითად ჭკვიან დატენვას მოწინავე ენერგიის მართვისგან.

7.1 მზის გამოსხივებისა და ქარის სიჩქარის მოდელები

ადგილზე განახლებადი ენერგიისთვის, ალგორითმმა უნდა იწინასწარმეტყველოს გენერაცია.

• მდგრადობის მოდელები:ვარაუდობენ, რომ შემდეგი საათი წინას მსგავსი იქნება. კარგია მოწმენდილი დღეებისთვის, ვერ ხერხდება ამინდის ფრონტების დროს.
• რიცხვითი ამინდის პროგნოზი (NWP):ღრუბლიანობისა და ქარის პროგნოზირებისთვის გლობალური მოდელების (მაგალითად, GFS ან ECMWF) გამოყენება.
• თანამგზავრული გამოსახულება და ცის კამერები:ულტრამოკლევადიანი პროგნოზირებისთვის (0-30 წუთი), ლოკალიზებულ კამერებს შეუძლიათ ღრუბლების მოძრაობის თვალყურის დევნება „მზის პანდუსების“ პროგნოზირებისთვის.

7.2 სტოქასტური ოპტიმიზაციის პრობლემა

რადგან პროგნოზები არასდროს არის 100%-ით ზუსტი, ალგორითმმა უნდა გაითვალისწინოს გაურკვევლობა. ერთი დეტერმინისტული გზის ნაცვლად, „შანსებით შეზღუდული ოპტიმიზაცია“ უზრუნველყოფს, რომ ქსელის ლიმიტის დარღვევის ალბათობა (მაგ., მზის ენერგიის უეცარი ვარდნის გამო) ზღურბლზე (მაგ., 1%) ქვემოთ დარჩეს.

7.3 მწვანე დატენვის ქულები და სერტიფიკატები

კორპორატიული ავტოპარკები სულ უფრო მეტად არიან ორიენტირებულნი მესამე დონის ემისიებზე. ჭკვიან ალგორითმებს ახლა შეუძლიათ პრიორიტეტი მიანიჭონ დატენვას კონკრეტულად მაშინ, როდესაც ქსელის „ნახშირბადის ინტენსივობა“ ყველაზე დაბალია. ელექტროენერგიის რუკების ან WattTime-ის მსგავსი API-ების ინტეგრირებით, CPO-ს შეუძლია მიაწოდოს თავის კლიენტებს „განახლებადი ენერგიის დატენვის სერტიფიკატი“, რაც ქმნის პრემიუმ მომსახურების დონეს.

თავი 8: API ეკოსისტემა: რეალურ დროში მონაცემთა ინტეგრაცია და ღრუბელიდან კიდემდე კომუნიკაცია

დინამიური ბადისებრი ფასების ალგორითმი მხოლოდ იმდენად კარგია, რამდენადაც ის მონაცემებს მოიხმარს. ეს თავი დეტალურად აღწერს ტექნიკურ სტეკს, რომელიც საჭიროა ბაზრის ლითონთან დასაკავშირებლად.

8.1 საბაზრო მონაცემების API-ები

სპოტური ფასების მისაღებად, სისტემა უკავშირდება ენერგიის ბირჟებს.

• ENTSO-E გამჭვირვალობის პლატფორმა:ევროპის ენერგეტიკული მონაცემების წყარო. ის გთავაზობთ დღის წინანდელ ფასებს, ტიპის მიხედვით ფაქტობრივ გენერაციას და საზღვრისპირა ნაკადებს.
• RESTful-ის იმპლემენტაცია:როგორც წესი, cron დავალება მომდევნო დღისთვის 13:00 CET საათზე იღებს წინა დღის ფასებს. შემდეგ ალგორითმი წინასწარ გეგმავს ოპტიმალურ დატენვის გრაფიკებს.

8.2 პროტოკოლის ხიდი: OCPP და OCPI

• OCPP (ღია დამუხტვის წერტილის პროტოკოლი):დამტენსა და მართვის სისტემას (CSMS) შორის ურთიერთობის ენა. ვერსია 2.0.1 გადამწყვეტია ჭკვიანი დატენვისთვის, რადგან ის მხარს უჭერს „ღირებულება და ფასი“ ფუნქციურ ბლოკებს და „ჭკვიანი დატენვის“ პროფილებს 25-პერიოდიანი გრაფიკით.
• OCPI (ღია დამუხტვის წერტილის ინტერფეისი):CPO-სა და eMSP-ს შორის არსებული ენა. ის საშუალებას იძლევა რეალურ დროში ფასების სიგნალების გაცვლისა, რათა მძღოლის აპლიკაციამ აჩვენოს „დასარიცხი მიმდინარე ფასი“.

8.3 ღრუბელიდან კიდემდე შეყოვნების მართვა

დროში მგრძნობიარე სერვისებისთვის, როგორიცაა სიხშირის რეგულირება, ღრუბელი ძალიან ნელია.

• Edge Computing:ოპტიმიზაციის ლოგიკა ნაწილობრივ განლაგებულია „ადგილის კონტროლერზე“ (სამრეწველო კარიბჭე). ღრუბელი უზრუნველყოფს მაღალი დონის მიზნებს (მაგ., „ხარჯების მინიმიზაცია“), ხოლო ადგილობრივი კონტროლერი ახორციელებს მილიწამიან მილიწამიან კორექტირებას ადგილობრივი მრიცხველის ჩვენებების საფუძველზე.
• MQTT vs. HTTP:თანამედროვე სტეკები იყენებენ MQTT-ს დაბალი დატვირთვისა და მუდმივი კავშირებისთვის, რაც უზრუნველყოფს, რომ ქსელში საგანგებო სიტუაციის დროს „გაჩერების“ ბრძანება მყისიერად მიიღება.

8.4 ISO 15118: სატრანსპორტო საშუალებისა და დამტენის კავშირი

საბოლოო კავშირი ელექტრომობილსა და დამტენს შორის კომუნიკაციაა. ISO 15118 სტანდარტი საშუალებას აძლევს მანქანას, დამტენს გაუზიაროს თავისი „ენერგიის სიმძლავრე“ და „სამიზნე SoC“. ამის გარეშე ალგორითმი „ბრმაა“ - მან არ იცის, რამდენი ენერგია სჭირდება მანქანას სინამდვილეში, რაც იწვევს არაოპტიმალურ გრაფიკს. ISO 15118 სტანდარტის „შეაერთე და დატენე“ ​​ფუნქცია ასევე უზრუნველყოფს უსაფრთხო ავთენტიფიკაციას, რაც V2G-ში ფინანსური ტრანზაქციების წინაპირობაა.

თავი 9: აპარატურის უკუკავშირის მარყუჟები და მართვის მარყუჟები

მიუხედავად იმისა, რომ მაღალი დონის ლოგიკა ღრუბელში ან საიტის კონტროლერშია, ჭკვიანი დატენვის ფიზიკური შესრულება დენის ელექტრონიკის დონეზე ხდება. დამტენსა და ელექტრომობილს შორის უკუკავშირის მარყუჟების გაგება აუცილებელია ზუსტი დენის მოდულაციის დანერგვისთვის.

9.1 PWM სიგნალი და სამუშაო ციკლი

ცვლადენოვანი დენით დამუხტვისას (დონე 2), დამტენი პირდაპირ არ აკონტროლებს სიმძლავრეს; ამის ნაცვლად, ის მართვის პილოტის (CP) ხაზზე პულსის სიგანის მოდულაციის (PWM) სიგნალის საშუალებით ავტომობილის ჩაშენებულ დამტენს (OBC) აცნობებს „ლიმიტს“.

• 10%-დან 90%-მდე წესი:1kHz კვადრატული ტალღის სამუშაო ციკლი განსაზღვრავს მაქსიმალურ დასაშვებ დენს. მაგალითად, 16%-იანი სამუშაო ციკლი შეესაბამება 10A-ს, ხოლო 50%-იანი სამუშაო ციკლი შეესაბამება 30A-ს.
• რეაგირების დრო:IEC 61851 სტანდარტის თანახმად, ავტომობილს მოეთხოვება PWM სიგნალის ცვლილებაზე 5 წამის განმავლობაში რეაგირება (თუმცა ბევრი თანამედროვე ელექტრომობილი რეაგირებს 1 წამზე ნაკლებ დროში). ჩვენი ალგორითმი უნდა ითვალისწინებდეს ამ „გადატვირთვის შეფერხებას“, რათა თავიდან ავიცილოთ ქსელის ლიმიტების გადაჭარბება.

9.2 DC სწრაფი დატენვა და კვების მოდულის მართვა

მუდმივი დენის დამუხტვისას „ინტელექტი“ მანქანიდან დამტენზე გადადის. დამტენის შიდა კვების მოდულები (ცვლადი დენის მუდმივ დენად გადამყვანები) მოდულირებული უნდა იყოს.

• CAN ავტობუსის კომუნიკაცია:მანქანა დამტენს ყოველ 10-50 მილიწამში უგზავნის „მიმდინარე მოთხოვნის“ პაკეტებს. ჭკვიანი დამუხტვის ალგორითმი უნდა აფიქსირებდეს ან ცვლიდეს ამ მოთხოვნებს სიმძლავრის შესამცირებლად.
• მიმდინარე ტალღები და ეფექტურობა:ეფექტურობა მუდმივი არ არის. სიმძლავრის მოდულების უმეტესობას აქვს „ეფექტურობის მრუდი“, რომელიც პიკს 70-90%-იანი დატვირთვისას აღწევს. 350 კვტ-იანი დამტენის 50 კვტ-მდე დაწევამ შესაძლოა მნიშვნელოვნად გაზარდოს გარდაქმნის დანაკარგები. „დანაკარგების შესახებ“ ალგორითმი შეეცდება მოდულების მუშაობას ოპტიმალურ დონეზე შეინარჩუნოს ან საერთოდ გამორთოს ზედმეტი მოდულები.

9.3 პროპორციული ინტეგრალური წარმოებულის (PID) იმპლემენტაცია

ობიექტზე სტაბილური სიმძლავრის ლიმიტის შესანარჩუნებლად, ჩვენ ვიყენებთ PID კონტროლერს.

• პროპორციული (P):რეაგირებს დაყენებულ და ფაქტობრივ დატვირთვას შორის არსებულ დენის სხვაობაზე.
• ინტეგრალი (I):ასწორებს მუდმივ შეცდომებს (მაგ., თუ ​​ერთი მანქანა არ რეაგირებს დროსელზე).
• წარმოებული (D):პროგნოზირებს მომავალ ტალღებს (მაგ., თუ ​​რამდენიმე მანქანა უბრალოდ ჩაერთო დენის წყაროში).

ეს წრე უზრუნველყოფს, რომ სადგურიდან მანქანების შესვლისა და გასვლის დროსაც კი, ტრანსფორმატორის მთლიანი დატვირთვა იდეალურად სტაბილური დარჩეს.

თავი 10: დამუხტვის პუნქტის ოპერატორის (CPO) შემოსავლის მოდელები და ეკონომიკური ანალიზი

ტექნოლოგიური სრულყოფილება ფინანსურ მდგრადობაში უნდა აისახოს. CPO-ს ბიზნეს მოდელი „ელექტროენერგიის მარჟის“ მოდელიდან დახვეწილ „ენერგომომსახურების“ მოდელზე ვითარდება.

10.1 კაპიტალური ხარჯები (CAPEX) ოპერაციული ხარჯების (OPEX) წინააღმდეგ

• კაპიტალური ხარჯების ოპტიმიზაცია:ქსელის განახლების თავიდან ასაცილებლად ჭკვიანი დატენვის გამოყენებით, CPO-ს შეუძლია დაზოგოს 50,000-დან 200,000 დოლარამდე თითოეული ობიექტის ქვესადგურის ხარჯებში. ეს „აცილებული ხარჯი“ პირდაპირ ზრდის შიდა შემოსავლიანობის მაჩვენებელს (IRR).
• OPEX-ის შემცირება:ენერგიის არბიტრაჟს და მოთხოვნის საფასურის მართვას შეუძლია ყოველთვიური კომუნალური გადასახადი 15-30%-ით შეამციროს.

10.2 ელექტრომობილების დამუხტვის LCOE

დამტენი სადგურის ენერგიის გათანაბრებული ღირებულება (LCOE) მოიცავს აღჭურვილობის ღირებულებას, მონტაჟს, მოვლა-პატრონობას და ელექტროენერგიას. ჭკვიანი დატენვა ამცირებს „ელექტროენერგიის“ კომპონენტს. V2G სცენარში, LCOE შეიძლება რეალურად უარყოფითი გახდეს, თუ დამხმარე მომსახურების შემოსავალი აღემატება ყველა სხვა ხარჯს.

10.3 დინამიური მარჟის ოპტიმიზაცია

CPO-ები ხშირად „ორმაგ სირთულეს“ აწყდებიან: არასტაბილური საბითუმო ფასები და ფიქსირებული საცალო ფასები. ჭკვიანი ალგორითმი ახორციელებს „დინამიურ მარჟის მართვას“.

• ფორმულა:$საცალო\_ფასი = ადგილზე\_ფასი + ბადის\_საკომისიოები + მენეჯმენტი\_ზღვარი + მოქნილობა\_ფასდაკლება$

რეგულირებითმოქნილობა_ფასდაკლებარეალურ დროში, CPO-ს შეუძლია მძღოლის ქცევა ქსელისთვის ყველაზე მომგებიანი დროისკენ უბიძგოს.

10.4 წმინდა ამჟამინდელი ღირებულების (NPV) მგრძნობელობის ანალიზი

10-წლიანი განლაგების დაგეგმვისას, CPO-ებმა უნდა მოახდინონ სხვადასხვა სცენარის მოდელირება:

• სცენარი A (ჭკვიანი დატენვის არარსებობა):მაღალი პიკური მოთხოვნის გადასახადები 7-წლიან ანაზღაურებას იწვევს.
• სცენარი B (V1G):ოპტიმიზებული დატენვა ამცირებს ხარჯებს, რაც ანაზღაურებას 5 წლამდე ამცირებს.
• სცენარი C (V2X + დამხმარე სერვისები):ქსელის სერვისებიდან მაღალი შემოსავალი 3-წლიან ანაზღაურებას იწვევს, მაგრამ მოითხოვს უფრო მაღალ საწყის ინვესტიციას ორმხრივ აპარატურაში.

თავი 11: დატვირთვის განაწილების ოპტიმიზაცია მიკროქსელებში

დამტენი სადგური იშვიათად წარმოადგენს იზოლირებულ აქტივს; ის ადგილობრივი მიკროქსელის ნაწილია, რომელიც მოიცავს შენობებს, მზის პანელებს და აკუმულატორების შენახვას (BESS).

11.1 სტატიკური და დინამიური დატვირთვის მართვა (DLM)

• სტატიკური:თითოეულ დამტენს ენიჭება ფიქსირებული მაქსიმალური სიმძლავრე (მაგ., 7 კვტ). არაეფექტურია, რადგან ბევრი დამტენი უმოქმედო იქნება, ზოგი კი - არასაკმარისი.
• დინამიური:ობიექტის კონტროლერი აკონტროლებს „მთავარ ამომრთველს“ და ანაწილებსხელმისაწვდომიაქტიური დამტენების ტევადობა.
• პრიორიტეტული DLM:ყველა მანქანა ერთნაირი არ არის. დილის 9:00 საათზე მიტანის ბოლო ვადაში მომუშავე სატვირთო მანქანას მეტი სიმძლავრე აქვს, ვიდრე სამგზავრო მანქანას, რომელიც 8 საათის განმავლობაში გაჩერდება.

11.2 ფაზური დაბალანსება და დაუბალანსებელი დატვირთვები

ელექტრომობილების უმეტესობა ერთფაზიანი ან სამფაზიანია. თუ სამი ერთფაზიანი ელექტრომობილი A ფაზაში შეაერთებს, ამან შეიძლება გამოიწვიოს „ფაზური დისბალანსი“, რაც ტრანსფორმატორში სითბოს და აღჭურვილობის გაუმართაობას გამოიწვევს. ჭკვიანი ობიექტის კონტროლერებს შეუძლიათ დინამიურად გადართონ ფაზები (თუ აპარატურა მხარს უჭერს ამას) ან შეამცირონ კონკრეტული დამტენები დაბალანსებული 3-ფაზიანი დატვირთვის შესანარჩუნებლად.

11.3 სრული ჰარმონიული დისტორსია (THD) და სიმძლავრის ხარისხი

დამტენებში მაღალი სიხშირის გადართვამ შეიძლება ქსელში „ხმაური“ შეიტანოს. დამტენების სიმკვრივის ზრდასთან ერთად, THD შეშფოთების საგანი ხდება. ჭკვიან ალგორითმებს შეუძლიათ მრავალი სიმძლავრის მოდულის გადართვის სიხშირეების „გადაკვეთა“ ჰარმონიკების გასანეიტრალებლად, რაც უზრუნველყოფს მაღალი სიმძლავრის ხარისხს და თავიდან აიცილებს კომუნალური ჯარიმებს.

თავი 12: მანქანური სწავლება მძღოლის ქცევის პროგნოზირებისთვის

ჭკვიან დატენვაში ყველაზე დიდი უცნობი ადამიანური ფაქტორია. როდის გავა მანქანა? რამდენი ენერგია სჭირდება მას სინამდვილეში?

12.1 ჩამოსვლისა და გამგზავრების დროის პროგნოზირება

RFID ბარათებიდან ან აპლიკაციებში შესვლის ისტორიული მონაცემების გამოყენებით, ჩვენ შეგვიძლია შევქმნათ „ალბათობის სიმკვრივის ფუნქცია“ (PDF) თითოეული მომხმარებლისთვის.

• მახასიათებლები:დღის დრო, კვირის დღე, ამინდი, ისტორიული SoC ჩამოსვლისას.
• ალგორითმი:„დარჩენის ხანგრძლივობის“ პროგნოზირებისთვის გამოიყენება შემთხვევითი ტყის ან LSTM (გრძელვადიანი მოკლევადიანი მეხსიერება) ქსელები.

თუ ალგორითმმა 95%-იანი დარწმუნებით იცის, რომ მანქანა 10 საათის განმავლობაში დარჩება, მას შეუძლია აგრესიულად გადადოს დატენვა აბსოლუტურად ყველაზე დაბალი ფასის ფანჯარამდე.

12.2 ენერგიის საჭიროებების შეფასება SoC მონაცემების გარეშე

ბევრი ძველი ელექტრომობილი არ იზიარებს თავის SoC-ს დამტენი კაბელის მეშვეობით (J1772/Type 2 სტანდარტის შეზღუდვა). ჭკვიანი ალგორითმები იყენებენ „დატვირთვის მრუდის ანალიზს“ SoC-ის შესაფასებლად. დაკვირვებით, თუ როგორ მცირდება დენი ბატარეის დატენვისას („CV ფაზა“), ალგორითმს შეუძლია შეაფასოს SoC-ის მიმდინარე ძაბვა და შესაბამისად შეცვალოს გრაფიკი.

12.3 გეიმიფიკაცია და „ბიძგი“

ალგორითმს მძღოლთან აპლიკაციის საშუალებით შეუძლია ურთიერთობა. „თუ თქვენ დათანხმდებით გადასახადის 2 საათით გადადებას, დაზოგავთ 3 დოლარს და მიიღებთ 50 მწვანე ქულას“. ეს ქცევითი მონაცემები ხელახლა იგზავნება მანქანური სწავლების მოდელში, რათა დახვეწოს „მოთხოვნის ელასტიურობა“ - რამდენად იცვლება მძღოლის ქცევა ფასის საპასუხოდ.

თავი 13: კიბერუსაფრთხოება ჭკვიანი დამუხტვის ქსელებში

როდესაც დამტენები ქსელთან ინტეგრირებულ აქტივებად იქცევიან, ისინი კიბერშეტევების სამიზნეები ხდებიან. „დამტენების ბოტნეტის“ გამოყენება შესაძლებელია ელექტროენერგიის გათიშვის გამოსაწვევად ათასობით ერთეულის ერთდროულად უეცარი ჩართვით.

13.1 უსაფრთხო კომუნიკაცია: TLS და PKI

ყველა OCPP კავშირი უნდა იყოს დაშიფრული TLS 1.2 ან 1.3-ის გამოყენებით. საჯარო გასაღების ინფრასტრუქტურა (PKI) უზრუნველყოფს, რომ CSMS-მა იცოდეს, რომ ის ნამდვილ დამტენს უკავშირდება და არა მავნე მოთამაშეს.

13.2 ISO 15118-2 და V2G უსაფრთხოება

V2G მოითხოვს მაღალი დონის ნდობას. მანქანამ უნდა „ხელი მოაწეროს“ ენერგიის მოთხოვნებს. ეს ხელს უშლის „ენერგიის ქურდობას“, როდესაც მომხმარებელმა შეიძლება სცადოს საკუთარი ვინაობის გაყალბება სხვისი ანგარიშიდან თანხის ჩამოსაწერად.

13.3 შუამავალი ადამიანის (MitM) დაცვა

საიტის კონტროლერები უნდა იყვნენ გაძლიერებულნი ფიზიკური ჩარევისგან. თუ თავდამსხმელი მოიპოვებს წვდომას ლოკალურ Modbus-ზე ან CAN ავტობუსზე, მას შეუძლია დაარღვიოს უსაფრთხოების ლიმიტები. „ანომალიის აღმოჩენის“ ალგორითმები აკონტროლებენ მონაცემთა ნაკადს უჩვეულო ნიმუშების აღმოსაჩენად - მაგალითად, დამტენის მიერ მისი აპარატურის ნომინალურ სიმძლავრეზე მეტი ენერგიის მოთხოვნის შემთხვევაში - და იწვევენ საგანგებო გამორთვას.

თავი 14: მარეგულირებელი ჩარჩოები და გლობალური სტანდარტიზაცია

ჭკვიანი დატენვის დანერგვის სიჩქარეს ისევე განსაზღვრავს პოლიტიკა, როგორც ტექნოლოგია.

14.1 ევროკავშირის ალტერნატიული საწვავის ინფრასტრუქტურის რეგულაცია (AFIR)

AFIR-ის მოთხოვნით, ყველა ახალმა საზოგადოებრივმა დამტენმა უნდა უზრუნველყოს ინდივიდუალური გადახდის და, სულ უფრო მეტად, ჭკვიანი დატენვის შესაძლებლობების მხარდაჭერა. შენობებისთვის განკუთვნილი „ჭკვიანი მზაობის ინდიკატორი“ (SRI) ასევე ხელს უწყობს ელექტრომობილების ინტეგრირებულ მართვას.

14.2 აშშ-ის NEVI და მუხლი 40101(d)

აშშ-ში ელექტრომობილების ეროვნული ინფრასტრუქტურის (NEVI) პროგრამა სწრაფი დატენვისთვის მილიარდობით დოლარს ითვალისწინებს, თუმცა V2G-სთვის 97%-იან უწყვეტ მუშაობას და „მომავლისთვის მზადყოფნას“ მოითხოვს.

14.3 IEC 63110-ისა და IEEE 2030.5-ის როლი

ეს ახალი სტანდარტები მიზნად ისახავს ელექტრომობილებისა და სხვა განაწილებული ენერგორესურსების მართვის გაერთიანებას. კერძოდ, IEEE 2030.5 არის კალიფორნიაში სასურველი პროტოკოლი კომუნალური კომპანიებისა და ელექტრომობილების ქსელების კომუნიკაციისთვის, რაც საშუალებას იძლევა ელექტრომობილების განაწილება ტრადიციული ელექტროსადგურის მსგავსად მოხდეს.

თავი 15: მრავალდამტენიანი ოპტიმიზაციის ხაზოვანი პროგრამირების სიღრმისეული შესწავლა

ჭკვიანი დატენვის „ინტელექტის“ ნამდვილად გასაგებად, მათემატიკას უნდა გავეცნოთ. განვიხილოთ CPO, რომელიც მართავს 10 დამტენს ობიექტზე 100 კვტ სიმძლავრის ტრანსფორმატორის ლიმიტით.

15.1 მათემატიკური მოდელი

ჩვენ დროს ვყოფთ $T$ ინტერვალებად (მაგ., 15 წუთი). თითოეული დამტენისთვის $i$ და დროისთვის $t$, ჩვენ განვსაზღვრავთ გადაწყვეტილების ცვლადს $P_{i,t}$ (სიმძლავრე).

მიზანი:მინიმუმამდე დაიყვანეთ მთლიანი ღირებულება. $$\min \sum_{t=1}^T \sum_{i=1}^{10} (Price_t \cdot P_{i,t} \cdot \Delta t)$$

შეზღუდვები:

1. ტრანსფორმატორის ლიმიტი:ყველა დამტენის სიმძლავრის ჯამი არ უნდა აღემატებოდეს საიტის ლიმიტს $L$.

$$\sum_{i=1}^{10} P_{i,t} ≤ L ≤ ...

1. ავტომობილის მოთხოვნა:თითოეულმა ვაგონმა $i$ უნდა მიიღოს საჭირო ენერგია $E_i$ გამგზავრების დრომდე $D_i$.

$$\sum_{t=A_i}^{D_i} P_{i,t} \cdot \Delta t \ge E_i$$

1. აპარატურის შეზღუდვები:თითოეულ დამტენს აქვს მინიმალური და მაქსიმალური სიმძლავრე.

$$P_{min} \le P_{i,t} \le P_{max}$$

15.2 ამოხსნა სიმპლექსის მეთოდით

ეს კლასიკური ხაზოვანი პროგრამირების (LP) ამოცანაა. „სიმპლექსი მეთოდი“ ოპტიმალურის მოსაძებნად გადაკვეთს შესაძლო რეგიონის წვეროებს. თუმცა, როდესაც ჩვენ ვუმატებთ „V2G“-ს (რაც საშუალებას გვაძლევს, $P_{i,t}$ უარყოფითი იყოს), ძიების სივრცე ორმაგდება. თუ ჩვენ დავუმატებთ „ბინარულ შეზღუდვებს“ (მაგ., მანქანას არ შეუძლია დატენვა და განმუხტვა იმავე 15-წუთიან ფანჯარაში), ეს ხდება შერეული მთელი რიცხვის ხაზოვანი პროგრამირების (MILP) პრობლემა, რომელიც NP-რთულია, მაგრამ გადაჭრილია მცირე ობიექტებისთვის განშტოება-შეზღუდვის ალგორითმის გამოყენებით.

15.3 აკუმულატორის დატენვისას არაწრფივობის მართვა

სინამდვილეში, სიმძლავრე $P$ მუდმივი არ არის. როდესაც SoC 80%-ს გადააჭარბებს, აკუმულატორი გადადის მუდმივი ძაბვის (CV) ფაზაში და მაქსიმალური სიმძლავრე $P_{max}$ წრფივად ეცემა. დახვეწილი ალგორითმი მოიცავს ამ „კონუსური შეზღუდვას“: $$P_{i,t} \le f(SoC_{i,t})$$ ეს მოითხოვს რეკურსიული ოპტიმიზაციის მიდგომას, სადაც SoC განახლდება თითოეულ ეტაპზე.

თავი 16: V2X კომერციულ ავტოპარკებში: ელექტრო ავტობუსებისა და სატვირთო მანქანების შემთხვევა

მიუხედავად იმისა, რომ მსუბუქი ავტომობილები მნიშვნელოვანია, V2X-ის რეალური გავლენა მძიმე სატვირთო ავტომობილებზე (HDV) მოდის. ელექტროავტობუსს 400-600 კვტ/სთ სიმძლავრის აკუმულატორი აქვს - ათჯერ დიდი, ვიდრე მსუბუქი ავტომობილის.

16.1 დეპოს დამუხტვის პარადოქსი

ავტობუსების დეპოებში ხშირად 50-100 ავტობუსი ერთდროულად ჩამოდის საღამოს 8:00 საათზე. შედეგად, დატვირთვის მკვეთრი მატებაა. თუმცა, ავტობუსები მკაცრ გრაფიკს მისდევენ. ჩვენ ზუსტად ვიცით, როდის გადიან ისინი დილით. ეს „მაღალი პროგნოზირებადობა“ მათ ჭკვიანი დამუხტვის იდეალურ კანდიდატებად აქცევს.

16.2 V2G ქსელის სტაბილიზაციისთვის ქალაქებში

100 ელექტროავტობუსის პარკი 50 მეგავატ/სთ-ის ტევადობას წარმოადგენს. ზაფხულის სიცხის დროს, სატრანსპორტო სააგენტოს შეუძლია საღამოს ორი საათის განმავლობაში ელექტროენერგია ქსელში „გაყიდოს“, რაც იმაზე მეტ შემოსავალს გამოიმუშავებს, ვიდრე ავტობუსები ბილეთების გაყიდვიდან იღებენ. „ავტობუსიდან ქსელამდე“ მოდელი ამჟამად ლონდონსა და შენჟენში საცდელ რეჟიმშია.

16.3 მეგავატიანი დამუხტვის (MCS) ლოჯისტიკა

ელექტრო სატვირთო მანქანებს სჭირდებათ მეგავატიანი დამუხტვის სისტემა (MCS), რომლის სიმძლავრე 3.75 მეგავატია. ერთი სატვირთო მანქანის ასეთი სიმძლავრით დამუხტვა პატარა სოფლის ენერგიით მომარაგების ეკვივალენტურია. სატვირთო მანქანების გაჩერებებისთვის დინამიური დატვირთვის გაზიარება აღარ არის „არასავალდებულო“; ეს არის სიცოცხლის უსაფრთხოების მოთხოვნა ქსელის კოლაფსის თავიდან ასაცილებლად. ალგორითმები უნდა იყოს კოორდინირებული არა მხოლოდ ადგილობრივ ქსელთან, არამედ რეგიონულ TSO-სთან.

თავი 17: მყარი მდგომარეობის აკუმულატორები და სწრაფი დატენვის მომავალი

2030 წლისკენ მომავლისას, მყარი მდგომარეობის ბატარეებზე (SSB) გადასვლა ჩვენი ალგორითმების პარამეტრებს ხელახლა განსაზღვრავს.

17.1 მაღალი C-შეფასება და თერმული სტაბილურობა

SSB-ებს შეუძლიათ გაცილებით მაღალი დატენვის სიჩქარის (10°C-მდე) მართვა თერმული გადინების რისკის გარეშე. ეს ნიშნავს, რომ „შეფერხების ზონა“ მთლიანად აკუმულატორიდან ქსელზე გადადის. ჩვენს ალგორითმებს დასჭირდებათ კიდევ უფრო მკვეთრი პიკების მართვა, რაც მოითხოვს უფრო სწრაფ საკომუნიკაციო პროტოკოლებს (100 მილიწამზე ნაკლები), ვიდრე ის, რასაც OCPP ამჟამად გვთავაზობს.

17.2 უფრო ხანგრძლივი ციკლის ვადა და V2G

დღეს V2G-ის ერთ-ერთი მთავარი შემაფერხებელი ფაქტორი ბატარეის დეგრადაციაა. SSB-ები 5000-დან 10000-მდე ციკლს გვპირდებიან. ეს ეფექტურად აშორებს „დეგრადაციის ხარჯს“ ჩვენი ოპტიმიზაციის განტოლებიდან, რაც V2G-ს ყველა დაკავშირებული მანქანისთვის ნაგულისხმევ მუშაობის რეჟიმად აქცევს.

17.3 ხელოვნური ინტელექტით მართული „თვითგანკურნებადი“ ბადეები

მაღალსიჩქარიანი ჭკვიანი დამუხტვის სისტემით დაკავშირებული მილიონობით ელექტრომობილის საშუალებით, ქსელს შეუძლია გადავიდეს „თვითაღდგენის“ მდგომარეობაში. თუ გადამცემი ხაზი გაფუჭდება, უახლოეს ათას ელექტრომობილს შეუძლია მყისიერად შექმნას მიკროქსელი, რათა ადგილობრივი საზოგადოება ელექტროენერგიით უზრუნველყოფილი იყოს შეკეთებამდე.

თავი 18: გლობალური შემთხვევების ანალიზი: ლიდერებისგან მიღებული გაკვეთილები

18.1 ნორვეგია: მსოფლიოს ელექტრომობილების ლაბორატორია

ახალი ავტომობილების გაყიდვების 90%-ზე მეტი ელექტრომობილებზე მოდის, ამიტომ ნორვეგიამ ქსელის ყველა გამოწვევა ადრეულ ეტაპზევე წააწყდა. ოსლოს გაკვეთილი ისაა, რომ „მხოლოდ ფასების სიგნალები საკმარისი არ არის“. როდესაც ყველა რეაგირებს ერთსა და იმავე დაბალი ფასის სიგნალზე დილის 2:00 საათზე, ეს ქმნის ახალ „ხელოვნურ პიკს“. ნორვეგიული CPO-ები ახლა იყენებენ „ეტაპობრივად დაწყების“ ალგორითმებს ფასების ვარდნაზე რეაგირების გასამარტივებლად.

18.2 კალიფორნია: VPP-ის საზღვარი

კალიფორნიის „საგანგებო დატვირთვის შემცირების პროგრამა“ (ELRP) უხდის CPO-ებსა და სახლის მესაკუთრეებს ქსელთან დაკავშირებული საგანგებო სიტუაციების დროს დამუხტვის შესამცირებლად. Tesla-ს ვირტუალურმა ელექტროსადგურმა (VPP) აჩვენა, რომ ათასობით პატარა ელემენტის გაერთიანებით, მათ შეუძლიათ იგივე სერვისის მიწოდება, რასაც დიდი გაზის პიკური ელექტროსადგური, მაგრამ უფრო დაბალი ფასით და ნულოვანი გამონაბოლქვით.

18.3 ჩინეთი: ინფრასტრუქტურის მასშტაბირება

ჩინეთს მსოფლიოში ყველაზე დიდი დამუხტვის ქსელი აქვს. აქ ყურადღება გამახვილებულია „ინტეგრირებული ენერგეტიკული სადგურების“ ჯგუფზე, რომლებიც აერთიანებენ მზის, დამტენ და გაცვლით სადგურებს. ელემენტების შეცვლა (BaaS) ალგორითმს უნიკალურ სიახლეს სძენს: ოპერატორმა უნდა გადაწყვიტოს, ნელა დატენოს შეცვლილი ელემენტები (სიცოცხლის ვადის გასახანგრძლივებლად) თუ სწრაფად (მაღალი მოთხოვნის დასაკმაყოფილებლად).

დასკვნა: ავტონომიური ენერგოქსელი

„უაზრო“ დამუხტვიდან „ავტონომიურ ქსელთან ინტეგრირებულ მობილობამდე“ გადასვლა უკვე დაწყებულია. ჩვენს მიერ განხილული ალგორითმები - MPC, RL და MILP - XXI საუკუნის ახალი „ძრავებია“.

CPO-სთვის სტრატეგია ნათელია:

1. ინვესტიცია მონაცემთა ინფრასტრუქტურაში:შეუძლებელია იმის ოპტიმიზაცია, რისი გაზომვაც შეუძლებელია. ISO 15118 და OCPP 2.0.1 სტანდარტები შეუცვლელია.
2. მრავალმიზნობრივი ოპტიმიზაციის გამოყენება:ხარჯების დაზოგვა საწყისი წერტილია, მაგრამ V2X-დან და დამხმარე სერვისებიდან მიღებული შემოსავალი მომავალია.
3. მომხმარებლის გამოცდილების პრიორიტეტი:ჭკვიანი დამუხტვა უხილავი უნდა იყოს. მძღოლს ყოველთვის უნდა ჰქონდეს საჭირო ენერგია, როცა სჭირდება და სამართლიან ფასად.

რადგან ელექტროქსელი სულ უფრო დეკარბონიზებული და დეცენტრალიზებული ხდება, ელექტრომობილები აღიარებული იქნება იმით, რაც სინამდვილეშია: მძლავრი, მობილური და ინტელექტუალური აკუმულატორი, რომელსაც ბორბლები აქვს. დღევანდელი ალგორითმების დაუფლების მქონე CPO-ები მომავლის ენერგეტიკული ტიტანები იქნებიან. დინამიური ფასწარმოქმნის, განახლებადი ენერგიის პროგნოზირებისა და მოწინავე აპარატურის კონტროლის გამოყენებით, ჩვენ არა მხოლოდ მანქანებს ვტენით; ჩვენ უფრო მდგრად და მდგრად პლანეტას ვაშენებთ.

ტექნიკური ტერმინოლოგია CPO-ებისთვის

• არბიტრაჟი:ენერგიის დაბალ ფასად ყიდვა და მაღალ ფასად გაყიდვა (ან მაღალი ფასის შეძენის თავიდან აცილება).
• C-რეიტინგი:ბატარეის დატენვის ან განმუხტვის სიჩქარე მის სიმძლავრესთან მიმართებაში.
• ლიკვიდურობის კოეფიციენტი:ენერგიის გათანაბრებული ღირებულება - ენერგიის ღირებულების ჰოლისტური საზომი აქტივის სიცოცხლის განმავლობაში.
• SoC:დატენვის მდგომარეობა - აკუმულატორში ამჟამად არსებული ენერგიის პროცენტული მაჩვენებელი.
• V2X:მანქანიდან ყველაფერამდე — ზოგადი ტერმინი, რომელიც აღნიშნავს ენერგიის ორმხრივ გადაცემას.
• OCPP:ღია დამუხტვის წერტილის პროტოკოლი - დამტენსა და ღრუბელს შორის კომუნიკაციის სტანდარტი.
• ISO 15118:სატრანსპორტო საშუალებასა და ქსელს შორის კომუნიკაციის საერთაშორისო სტანდარტი.

თავი 19: ეკონომიკური ზემოქმედების სიმულაცია: 50 კვანძიანი დამუხტვის ცენტრის შემთხვევის შესწავლა

განხილული ალგორითმების თეორიული სარგებლის დასადასტურებლად, ჩვენ ჩავატარეთ 50 კვანძიანი დამტენი ცენტრის სიმულაცია, რომელიც მდებარეობს მეტროპოლიტენის რაიონში, სადაც კომერციული ავტოპარკებისა და საცხოვრებელი მომხმარებლების მაღალი სიმჭიდროვეა. სიმულაცია მოიცავდა ერთ სრულ წელს (8,760 საათს) გერმანიის EPEX-ის სპოტური ბაზრისა და კალიფორნიის CAISO-ს დღის წინ ბაზრის რეალური სპოტური ფასების მონაცემების გამოყენებით. ცენტრი აერთიანებდა 350 საჯარო დამტენს, 120 სამუშაო ადგილს და 30 დეპოს კონექტორს, რომლებსაც ემსახურებოდა 2 მგვტ.სთ სიმძლავრის სტაციონარული ბატარეა, 1.2 მგვტ სიმძლავრის მზის ავტოფარეხი და 5 მგვტ სიმძლავრის ქსელური კავშირი, რომელიც შეზღუდული იყო მოთხოვნა-დატენვის ტარიფით. 40 ელექტრო ავტობუსის ფლოტი მოდელირებული იყო V2X-თავსებად დამტენებზე და თითოეული კვანძი ამუშავებდა წინა თავებში აღწერილ დატვირთვის გაზიარებისა და არბიტრაჟის ლოგიკას.

სიმულაციის დაყენება და ვარაუდები

• ფასის სიგნალები:მოდელის განმსაზღვრელი ფაქტორი 2025 წლის რეალური სპოტური ფასები იყო, არბიტრაჟის ალგორითმის გამოყენებით, რომელიც ტენავდა ბატარეას, როდესაც ფასები მოძრავ ზღურბლს ქვემოთ ეცემოდა და ითიშებოდა, როდესაც ფასები მას გადააჭარბებდა.
• მზის პროფილი:ადგილობრივი გამოსხივების მონაცემები კვებავდა ავტოფარეხის მოდელს, სადაც მზის ენერგიის თვითმოხმარება პრიორიტეტული იყო ქსელში იმპორტთან შედარებით.
• მოთხოვნის საფასური:გამოყენებული იყო ტიპური კომერციული ტარიფი 18 აშშ დოლარი/კვტ თვეში, რაც ჯარიმას იწვევდა ობიექტზე ტრანსფორმატორის გასწვრივ ერთდროული 15-წუთიანი პიკების დროს.
• მძღოლის ქცევა:ჩამოსვლის დრო გაზომილი დატვირთვის მრუდებს მიჰყვებოდა და მძღოლების ნაწილმა ჭკვიანი დატენვის სესიები აირჩია, რაც ±2-საათიანი მოქნილობის გრაფიკის საშუალებას იძლეოდა.
• მდგრადობის ტესტირება:სიმულაცია ხელახლა ჩატარდა 200 მონტე კარლოს სცენარზე, ფასების ±30%-იანი ცვალებადობით და აღჭურვილობის შემთხვევითი გათიშვით; პიკური შემცირებით მიღებული სარგებელი არასდროს დაცემულა 29%-ზე დაბლა, რაც ადასტურებს სტრატეგიის მდგრადობას.

შედეგები: რა გამოავლინა მოდელმა

• პიკური მოთხოვნა 38%-ით შემცირდაგულუბრყვილო „ჩამოსვლისას გადასახადის“ საბაზისო მაჩვენებლისგან განსხვავებით, რომელიც წლიურ მოთხოვნის საფასურს დაახლოებით 210,000 აშშ დოლარით ამცირებს.
• არბიტრაჟმა პლუს მზის ენერგიის თვითმოხმარებამ დაამატა 64,000 აშშ დოლარიწლიური შემოსავლის მხრივ, აკუმულატორი ხარჯების ცენტრიდან მოგების ცენტრად გარდაიქმნება.
• დამტენის გამოყენება 12%-ით გაიზარდარადგან ფასთან შესაბამისობაში მყოფმა დაგეგმვამ სესიები პიკის საათის მიღმა გადაიტანა, რამაც შეამცირა რიგში დგომა ყველაზე დატვირთულ საათებში.
• V2X-ის შემოსავალი:40 ავტობუსისგან შემდგარი ფლოტი სიხშირის რეგულირების სერვისით წელიწადში დამატებით 31 000 აშშ დოლარს შეადგენდა, ხოლო მოდელირებული ბატარეის დეგრადაცია წლიური სიმძლავრის მხოლოდ 2.1%-ს შეადგენდა - რაც ფლოტის მოლოდინებს სრულად შეესაბამებოდა.
• სისტემის ანაზღაურება:აპარატურის, მონტაჟისა და ბატარეის ჩათვლით, ჭკვიანი მართვის განახლებამ ანაზღაურება 4.6 წელიწადში მიაღწია, ათი წლის განმავლობაში კი შიდა ანაზღაურების 21%-იანი მაჩვენებლით.

სიმულაციის ძირითადი დასკვნები

ციფრები ადასტურებს იმას, რასაც თეორია გვპირდებოდა:დამტენ ჰაბში ყველაზე ჭკვიანური ინვესტიცია მეტი რკინა კი არა, უკეთესი მართვის პროგრამული უზრუნველყოფაა.დატვირთვის გაზიარება, ბატარეის ბუფერიზაცია და ფასის გათვალისწინებით დაგეგმვა ერთსა და იმავე ფიზიკურ აპარატურას მნიშვნელოვნად უკეთეს ბიზნეს საქმედ გარდაქმნის. 50-კვანძიანი მოდელი ასევე წარმოაჩენს ორ პრაქტიკულ წინაპირობას: საიმედო OCPP/ISO 15118 ტელემეტრია ყველა დამტენიდან და ღრუბლოვანი პლატფორმა, რომელსაც შეუძლია ფასის ან დატვირთვის მოვლენიდან წამებში ასობით კვანძის ხელახლა გაგზავნა.

დასკვნითი მოსაზრებები: სიმულაციიდან დანერგვამდე

A simulation is only as good as the hardware that executes it. The algorithms in this paper run daily on MIDA Power’s commercial chargers, which ship with integrated load-sharing controllers, V2X-capable power stages, and OCPP 2.0.1 cloud connectivity. Whether you are planning a two-charger retail site or a 50-node urban hub, our engineers will model your local tariff structure, solar profile, and fleet data to quantify your savings before you spend a dollar. Contact MIDA Power at sales@midapower.com for a free feasibility study, simulation report template, and full product specifications.