அதிவேக ஹாரிஸ் ஹாக்ஸ் நுட்பத்தைப் பயன்படுத்தி மின்சார வாகனத்தின் மின்னேற்றம் செய்தல் எவ்வாறு?

நவீன போக்குவரத்து அமைப்பின் ஒருங்கிணைப்பு அறிவார்ந்த நுட்பங்கள் என்பது தகவல் வகைப்படுத்தல் மற்றும் அதன் பகுப்பாய்வு ஆகியவற்றை பெரிதும் சார்ந்துள்ளது. மின்சார வாகனங்களின் (EV-Electric Vehicle) மின்னேற்றம் செய்தலில்  தகவல் வகைப்படுத்தலில் சென்சார்கள் முக்கிய பங்கு வகிக்கின்றன. ஐக்கிய நாடுகளின் நிலையான வளர்ச்சி இலக்குகளின்படி, அந்ததந்த  நாடுகளின் உள்ளார்ந்த பொருளாதார பங்களிப்பு, காலநிலை மேம்பாடு மற்றும் சமூக பண்புகளின் காரணமாக EV-கள் தவிர்க்க முடியாததாகிவிடுகின்றன. புதிய பசுமை போக்குவரத்துத் துறைகளில் ஒன்றாக இருப்பதால் EV-இன் புதுமை பல ஆராய்ச்சியாளர்களின் ஆர்வத்தைப் பெற்றுள்ளது. மேலும், வழக்கமான எரிபொருட்களைப் பாதுகாப்பதற்கும், புதுப்பிக்கத்தக்க ஆதாரங்களின் பயன்பாட்டை அதிகப்படுத்துவதற்கும் EVகள் அவசியம். ஆயினும்கூட, EVகள் அவற்றின் பேட்டரி வரம்பு காரணமாக குறுகிய ஓட்டுநர் வரம்பைக் கொண்டுள்ளன, இது நம்பகத்தன்மையைத் தடுக்கிறது.

EVகளுக்கான சார்ஜிங் நிலையங்களும் (CS-Charge Station) சீரற்ற முறையில் விநியோகிக்கப்படுகின்றன. EV, CSகளில் சார்ஜிங் புள்ளிகளை திட்டமிடுவதற்கான ஒரு புதிய உத்தியை Ramkumar Devendiran, et. al., (2021) அவர்களின் ஆராய்ச்சி வழங்குகிறது. Vehicular Ad-hoc Network (VANET) மாதிரியின் மூலம் EVகளுக்கான வசதியான CS-ஐ தீர்மானிப்பதே இலக்காகும். இந்த மாதிரியில், ஓட்டுதல், சார்ஜ் திட்டமிடல், சார்ஜிங் திட்டமிடல் மற்றும் பேட்டரி சார்ஜிங் போன்ற நான்கு கட்டங்களைப் பயன்படுத்தி CS-கள் தீர்மானிக்கப்பட்டு முன்னுரிமை அளிக்கப்படுகின்றன. சார்ஜிங் திட்டமிடல், Harris Hawks optimization (HHO) மற்றும் exponential weighted moving average (EWMA) ஆகிய இரண்டு அல்காரிதங்களை ஒருங்கிணைக்கும், அதிவேக ஹாரிஸ் ஹாக்ஸ் ஆப்டிமைசேஷன் (எக்ஸ்போனன்ஷியல் HHO) அல்காரிதம், புதிதாக உருவாக்கப்பட்ட மேம்படுத்தல் உத்தியைப் பயன்படுத்தி வடிவமைக்கப்பட்டது. மேலும், சராசரி காத்திருப்பு நேரம், மீதமுள்ள ஆற்றல், EVகளின் எண்ணிக்கை மற்றும் தூரம் போன்ற  அளவுருக்களைக் கருத்தில் கொண்டு உடற்பயிற்சி செயல்பாடும் புதிதாக வடிவமைக்கப்பட்டது. முன்மொழியப்பட்ட அதிவேக HHO VANET உருவகப்படுத்துதலைப் பயன்படுத்தி சரிபார்க்கப்பட்டது மற்றும் செயல்திறன் 52.709 Whr, குறைந்தபட்ச தூரம் 27.256 km மற்றும் அதிகபட்ச சராசரி காத்திருப்பு நேரம் 0.352 நிமிடங்களாகவும் இருக்கும் மேம்படுத்தப்பட்டது. குறிப்பாக, அதிக எண்ணிக்கையிலான வாகனங்களைக் கருத்தில் கொள்ளும்போது முன்மொழியப்பட்ட அதிவேக HHO சிறந்த முன்னேற்றத்தை அளித்தது.

References:

• Devendiran, R., Kasinathan, P., Ramachandaramurthy, V. K., Subramaniam, U., Govindarajan, U., & Fernando, X. (2021). Intelligent optimization for charging scheduling of electric vehicle using exponential Harris Hawks technique. International Journal of Intelligent Systems.
• Pal, A., Bhattacharya, A., & Chakraborty, A. K. (2021). Allocation of electric vehicle charging station considering uncertainties. Sustainable Energy, Grids and Networks, 25, 100422.
• Ebrahim, M. A., Talat, B., & Saied, E. M. (2021). Implementation of self-adaptive Harris Hawks Optimization-based energy management scheme of fuel cell-based electric power system. International Journal of Hydrogen Energy, 46(29), 15268-15287.
• Çetinbaş, İ., Tamyürek, B., & Demirtaş, M. (2021). Sizing optimization and design of an autonomous AC microgrid for commercial loads using Harris Hawks Optimization algorithm. Energy Conversion and Management, 245, 114562.
• Nandi, A., & Kamboj, V. K. (2021). A meliorated Harris Hawks optimizer for combinatorial unit commitment problem with photovoltaic applications. Journal of Electrical Systems and Information Technology, 8(1), 1-73.