OCPI standartları kullanılarak elektrikli araç şarj istasyonlarının optimizasyonu

Abstract

Elektrikli araçların (EV) giderek artan şekilde benimsenmesi, verimli, ölçeklenebilir ve birlikte çalışabilir EV şarj istasyonu altyapılarına duyulan ihtiyacı artırmaktadır. EV kullanımının yaygınlaşmasıyla birlikte, istasyon seçiminin optimizasyonu, gerçek zamanlı veri entegrasyonu ve şarj noktası operatörleri (CPO'lar) ile e-mobilite hizmet sağlayıcıları (EMSP'ler) arasındaki birlikte çalışabilirlik gibi kritik sorunlar ortaya çıkmaktadır. Bu çalışma, Açık Şarj Noktası Arayüzü (OCPI) standardı ile Doğrusal Programlama (LP), Benzetilmiş Tavlama (SA), Parçacık Sürü Optimizasyonu (PSO) ve Pekiştirmeli Öğrenme (RL) gibi ileri hesaplamalı optimizasyon yöntemlerini bütünleştiren kapsamlı bir optimizasyon çerçevesi önermektedir. Bu bağlamda, Flutter ve Dart kullanılarak geliştirilen bir prototip mobil uygulama tanıtılmaktadır. Uygulama, güç erişilebilirliği, birim şarj maliyeti, mesafe ve aracın şarj durumu (SoC) gibi temel parametreler doğrultusunda çevredeki sekiz EV şarj istasyonunu değerlendirmek ve sıralamak üzere tasarlanmıştır. Her bir optimizasyon yöntemi için 0 ile 1 arasında değişen istasyon puanları hesaplanmakta; kullanıcı dostu bir arayüz aracılığıyla kullanıcı konumu, istasyon konumları ve ilgili ölçütler görsel olarak sunulmaktadır. Önerilen çözüm, kullanıcıların karar verme süreçlerini optimize etmekle kalmayıp, her bir optimizasyon algoritmasının pratik koşullar altında etkinliğine ve uygunluğuna ilişkin değerli bilgiler de sunmaktadır. Ayrıca uygulama, sonuçların CSV dosyaları olarak dışa aktarılmasına olanak sağlayarak, ileri düzey analizler veya daha geniş sistem entegrasyonları için kullanım imkanı sunmaktadır. Bu çalışma, EV şarj altyapılarında bütünleşmiş optimizasyon çerçevelerine ilişkin mevcut boşlukları ele almakta ve birlikte çalışabilirlik standartlarının ileri düzey optimizasyon teknikleriyle pratik uygulamasını göstererek alana önemli katkılar sağlamaktadır.

The increasing adoption of electric vehicles (EVs) highlights the critical need for efficient, scalable, and interoperable EV charging station infrastructure. As EV utilization expands, significant challenges arise in terms of optimal station selection, real-time data integration, and interoperability among charging point operators (CPOs) and e-mobility service providers (EMSPs). This study proposes a comprehensive optimization framework integrating the Open Charge Point Interface (OCPI) standard with advanced computational optimization methods, including Linear Programming (LP), Simulated Annealing (SA), Particle Swarm Optimization (PSO), and Reinforcement Learning (RL). A mobile application was developed using Flutter and Dart to dynamically evaluate and rank eight nearby EV charging stations based on essential parameters such as power availability, charging cost, distance, and vehicle state of charge (SoC). The application computes station scores ranging from 0 to 1 for each optimization method, providing a comparative analysis through an intuitive interface that visually presents the user's location, station locations, and relevant metrics. This proposed solution optimizes user decision-making processes and provides insights into the performance and applicability of each optimization algorithm under real-world conditions. Additionally, the application enables exporting results to CSV files, supporting further analysis and integration with broader systems. This research significantly contributes to addressing existing gaps in integrated optimization frameworks within EV charging infrastructures, illustrating the practical implementation of interoperability standards in conjunction with advanced optimization techniques.