AI 加速电动汽车充电优化，实现规模化提速和成本节省
AI 加速电动汽车充电优化，实现规模化提速和成本节省
电动汽车（EV）充电正在获得一项创新的人工智能算法的推动，这项算法提高了效率，降低了成本，并防止电网在压力下短路。该实时智能解决方案由加拿大皇家军事学院（RMC）的研究团队开发，优化了大型停车场的充电时间表，平衡快速充电和能源可用性。通过提高充电速度、成本和可用性，人工智能驱动的算法可以帮助为更广泛地采用电动汽车铺平道路，电动汽车是减少排放和实现气候目标的更清洁选择。
电动汽车的普及程度与日俱增，而汽车充电站的可用性则是其中的一个主要缺陷。预测和管理该技术对电网的依赖对于保持驾驶员满意度和能源基础设施稳定至关重要。这一点在大型停车场尤为重要，因为数百位驾驶员需要同时为车辆充电。
为了解决这一问题，研究人员开发了一种 AI 驱动的算法，该算法可以根据车辆到达和出发时间、充电时间、能源需求、基于一天中时间的电力成本以及充电速率限制来优化充电计划。该算法使用这些数据，并计算停车场中的所有汽车，计算不同的充电计划组合，在避免电网超载的同时，根据成本最小化选择最佳方案。
图 1. 一辆电动汽车在停车场中充电
研究人员对不同的电动汽车停车场大小进行了模拟，以测试算法的性能。他们首先从一个 20 辆电动汽车的小型停车场开始，然后将模型扩展到拥有 40 到 500 辆汽车的停车场。
该团队使用通过NVIDIA 学术资助计划获得的两个 NVIDIA RTX A6000 GPU开发了该算法。该算法使用粒子群优化（PSO）算法，该算法由 NVIDIA CUDA 加速的 GPU 并行处理增强，可在车辆进出停车场时自动实时更新。据 RMC 电气和计算机工程系教授 Vincent Roberge 介绍，研究人员使用了计算智能领域的 AI 技术 PSO 来计算优化的电动汽车充电时间表。
“PSO 的工作原理是独立改进大量可能的解决方案，这些解决方案可以在 GPU 上并行评估，从而大大减少执行优化所需的时间，”Roberge 说。
该模型在多核 CPU 和 GPU 上运行，借助NVIDIA GeForce RTX 4070 Ti GPU实现了实时性能。CUDA 加速的 GPU 极大地加快了调度流程，将速度提高高达 247.6 倍，在 30 秒内优化了 500 辆电动汽车的停车场充电。
通过在非高峰时间安排电动汽车充电，该模型有助于减轻电网的压力，减少对矿物燃料发电厂的依赖，从而降低排放。优化的充电时间表还可以减轻对昂贵的基础设施升级的需求，提高电网稳定性，并通过减少峰值电力需求和避免高成本能源使用时期来最大限度地提高充电容量。
研究人员正在探索 CUDA 和 GPU 在大规模智能电网优化方面的其他应用。他们正在致力于重新配置配电网络，以适应可再生能源资源。
“这种重新配置将确保配电网络始终处于最佳状态，无论能源需求或可再生能源生产的变化如何，”Roberge 说。