Do số lượng xe điện (EV) ngày càng tăng, xuất hiện thách thức ngày càng lớn trong hoạt động quản lý sạc pin EV hiệu quả, đồng thời giảm thiểu sự căng thẳng cho lưới điện.
Máy học tăng cường hoạt động cải thiện quy trình sạc xe điện
Để giải quyết thách thức này, nhóm nghiên cứu sử dụng phương pháp máy học tăng cường, kỹ thuật đào tạo máy học dựa trên sự kết hợp giữa khen thưởng các hành vi mong muốn và trừng phạt những hành vi không mong muốn để huấn luyện một thuật toàn AI, cho phép nhận thức và xử lý môi trường sạc xe điện.
Thuật toán này sẽ thực hiện lập lịch trình và quản lý quá trình sạc pin cho một nhóm xe điện đa dạng, khiến quy trình trở nên thông minh, tiết kiệm chi phí hơn và thân thiện với môi trường.
Giai đoạn đầu của dự án tập trung vào những EV, được sạc tại Trung tâm Năng lượng thông minh (Smart Energy Plaza) của Argonne, cung cấp cả bộ sạc thông thường và bộ sạc nhanh. Do nhân viên thường không sử dụng xe trong giờ làm việc nên thời gian sạc có thể linh hoạt.
Mục tiêu của dự án là tối ưu hóa lịch sạc trên thời gian khởi hành của từng nhân viên, tính toán đến thời điểm tải trọng cao nhất của lưới điện, từ đó hình thành các giải pháp sạc pin EV hiệu quả và chi phí thấp.
Theo nhóm nghiên cứu, một trong những vấn đề chính là giảm thiểu tối đa thời gian sạc trong giờ cao điểm, do nhu cầu điện đối với các trạm phát điện tăng lên, khiến quá trình sạc EV có khoản phí cao hơn. Thông qua Máy học tăng cường, thuật toán xem xét kết quả tích cực và tiêu cực từ các phiên sạc tính phí trước đó, đáp ứng mức sạc mong muốn hoặc vượt quá ngưỡng chi phí cao nhất.
Trên cơ sở những tính toán này, thuật toán dự kiến sẽ đưa ra quyết định phân phối thời gian sạc thông minh, sắp xếp các EV sạc những các thời điểm khác nhau, phù hợp với nhu cầu của người dùng, giảm thiểu căng thẳng cho lưới điện và chi phí của chủ sở hữu EV.
Mặc dù trọng tâm của dự án là điều chỉnh hoạt động các trạm sạc của Argonne, nhưng tiềm năng mở rộng của nghiên cứu ra ngoài phòng thí nghiệm rất lớn. Điển hình là mô hình sạc tại các cơ quan, bãi đỗ xe chung cư hoặc tại nhà, tạo nên sự linh hoạt sạc EV dựa trên tính toán thời gian xuất xe của người dùng và thời điểm sạc qua đêm, cho phép lưới điện phân phối tải sạc hiệu quả và giảm chi phí của người dùng.
Phương pháp tiếp cận toàn diện cho kỹ thuật sạc thông minh
Nhóm nghiên cứu thừa nhận, sạc thông minh thực sự đòi hỏi một phương thức tiếp cận toàn diện, nghiên cứu xem xét tất cả các bên liên quan trong hệ sinh thái cộng đồng. Hệ sinh thái sạc EV sẽ bao gồm các công ty phân phối điện, chủ sở hữu trạm sạc và người lái xe EV hoặc chủ nhà, được trang bị thiết bị sạc 2 chiều V2G.
Nhóm nghiên cứu, trên cơ sở dự án đang được thử nghiệm tại Argonne hướng tới việc phát triển một giải pháp điều chỉnh tổng thể mạng lưới sạc EV trong một cộng đồng. Công nghệ sạc thông minh, sử dụng thuật toán Máy học tăng cường sẽ xác định nhu cầu và hạn chế của từng nhóm sử dụng xe điện, điều chỉnh thời điểm sạc EV có lợi nhất cho tất cả các bên liên quan như lưới điện, trạm sạc và chủ sở hữu EV.
Theo các nhà khoa học, dự án là một mô hình sinh thái nhỏ, mô phỏng mạng lưới sạc có quy mô lớn hơn nhiều lần bằng phương pháp tận dụng nguồn dữ liệu, thu thập từ các bộ sạc của Argonne. Trong tương lai, công nghệ Máy học tăng cường trên một cộng đồng rộng lớn hơn sẽ tiếp tục tinh chỉnh thuật toán và khả năng tối ưu hóa việc xác định thời điểm sạc của các EV và tối ưu hóa chi phí sạc cho người dùng, phù hợp với tình huống và địa điểm khác nhau.
Song song với tiến trình phát triển thuật toán AI, tính toán thời điểm sạc EV cho người dùng trong một cộng đồng cụ thể, nhóm nghiên cứu ra mắt một ứng dụng dành cho phương tiện di động, được gọi là EVrest. Phần mềm này ban đầu được thiết kế dành riêng cho nhân viên của Argonne, cho phép người dùng đặt hàng trạm sạc và tham gia lập lịch sạc thông minh cho EV.
Dữ liệu thu thập được từ phần mềm này đóng một vai trò quan trọng trong quy trình đào tạo những mô hình AI bằng kỹ thuật Máy học tăng cường, nâng cao khả năng quản lý và kiểm soát hoạt động sạc EV trong một cộng đồng dân cư, một cơ quan hoặc tại một gia đình, đạt được sự tích hợp liền mạch giữa EV với lưới điện.
Theo Tech Times
