人工智能驱动的电动汽车充电优化承诺提升效率和节省成本
realtime news Oct 15, 2024 02:49
由RMC研究人员开发的人工智能算法旨在提高电动汽车充电效率，降低成本，并稳定电网，从而促进更广泛的电动汽车采用。
电动汽车（EV）充电领域正在经历一场革新性的转变，引入了一种创新的人工智能算法，旨在提高效率、降低成本并维护电网稳定。这项由加拿大皇家军事学院（Royal Military College of Canada, RMC）的研究人员开发的实时智能解决方案，优化了大型停车设施的充电计划，在快速充电与能源可用性之间取得平衡。据NVIDIA技术博客报道，该发展预计将加速电动汽车的采用，这是一种降低排放和实现气候目标的更清洁的替代方案。
优化充电计划
RMC电气与计算机工程系教授，也是该研究的首席作者Vincent Roberge强调了优化电动汽车充电计划的环境和经济利益。Roberge表示：“在智能停车场中优化电动汽车的充电计划，将影响消费者费用降低和最大化电力使用高峰时段的环保效益。”
随着电动汽车日益普及，充电站的可用性成为一个关键问题。高效管理电网的需求尤其在那些需要同时为多辆车提供充电的大型停车场中至关重要。人工智能驱动的算法通过根据各种因素（包括车辆到达和离开时间、能源需求、电费和充电速率限制）优化计划来解决此问题。这种方法在防止电网过载的同时最大限度地降低了成本。
高级算法测试
研究人员对不同规模的电动汽车停车设施进行了模拟测试，从一个可容纳20辆电动汽车的停车场开始，逐步扩大到能容纳500辆汽车的设施。算法通过NVIDIA RTX A6000 GPU开发，该硬件由NVIDIA学术资助计划提供。它采用粒子群优化（PSO）算法，增强了NVIDIA CUDA加速GPU并行处理，实现自动化、实时更新。
"PSO独立改善了许多潜在解决方案，这些方案在GPU上并行评估，大大减少了优化时间," Roberge解释道。该模型在多核CPU和GPU上运行，在NVIDIA GeForce RTX 4070 Ti GPU上实现实时性能。CUDA加速GPU提供了高达247.6倍的加速，可在不到30秒内优化500辆电动汽车停车场的充电计划。
环境和基础设施效益
通过在非高峰时段安排电动汽车充电，该模型减少了电网压力，并减少了对化石燃料发电厂的依赖，从而降低排放。优化的充电计划还可以减轻对昂贵基础设施升级的需求，增强电网稳定性，并通过最大限度地减少峰值功率需求和避免高成本能源时期来最大化充电能力。
研究人员正在探索CUDA和GPU在大规模智能电网优化中的进一步应用，包括为适应可再生能源重新配置电力分配网络。Roberge指出：“这种重新配置将确保分配网络在任何能源需求或可再生能源生产波动情况下的最佳运行。”
欲了解详情，请阅读研究报告关于多核处理器和图形处理单元的并行算法在电动汽车充电计划优化中的应用。
Image source: Shutterstock