تسعى الدول حول العالم إلى تحسين استدامة قطاع النقل، وبرزت السيارات الكهربائية كحل جذري في هذا المجال. ولكن مع زيادة استخدام هذه السيارات، تواجه الشبكات الكهربائية تحديات جديدة تتعلق بزيادة الطلب عند الذروة وتقلبات الفولتية وزيادة تحميل الخطوط.

لحل هذه القضايا، توصلت دراسة حديثة إلى أهمية التنسيق الضمني بين المركبات الكهربائية (Electric Vehicles) باستخدام تعلم تعزيز متعدد الوكلاء (Multi-Agent Reinforcement Learning).

تتناول هذه الدراسة مقارنة بين نهجين مستقلين لتعلم تعزيز متعدد الوكلاء، وهما خوارزميات bandits الذاتية (Contextual Combinatorial Bandits) وخوارزميات Gradient Policy. وأظهرت التجارب التي أجريت في بيئة محاكاة واقعية أن استخدام وكلاء مستقلين يمكنه تحسين كفاءة الشحن تحت ظروف متنوعة من الازدحام.

يتمكن الوكلاء من اتخاذ قرارات تعتمد على معلومات محلية مثل إشارات الأسعار، حالة الشحن، والقيود الزمنية، مما يساعد في تجنب overloadات الشبكة وتخفيض التكاليف على المستخدمين.

باستخدام بيانات إنتاج الطاقة من الألواح الشمسية، تم اختبار الأداء لعدة سيناريوهات مختلفة، مما يظهر فعالية هذه التكنولوجيا في تعزيز التنسيق بين المركبات الكهربائية وتحسين التكامل مع مصادر الطاقة المتجددة.

إذا كانت لديك آراء أو تساؤلات حول هذا الابتكار، فلا تتردد في مشاركتها معنا في التعليقات!