[論文レビュー] A Dynamic Algorithm for Facilitated Charging of Plug-In Electric Vehicles

Nicole Taheri, Robert Entriken+1 more|arXiv (Cornell University)|Dec 3, 2011

Electric Vehicles and Infrastructure参考文献 7被引用数 5

ひとこと要約

本論文は、過去の走行パターンに基づいて調整された時間単位の料金を用いて充電をスケジューリングする、動的で自動化された需要応答アルゴリズムを、プラグイン電気自動車（PEV）のフリートに対して提案する。この手法は、ピーク負荷の増加を最小限に抑え（0％）、標準充電と比較して消費者のコストを30％以上削減する一方で、すべての車両が完全に充電され、リアルタイムでグリッド制約が満たされる。計算時間は1フリートあたり1分未塔。

ABSTRACT

Plug-in Electric Vehicles (PEVs) are a rapidly developing technology that can reduce greenhouse gas emissions and change the way vehicles obtain power. PEV charging stations will most likely be available at home and at work, and occasionally be publicly available, offering flexible charging options. Ideally, each vehicle will charge during periods when electricity prices are relatively low, to minimize the cost to the consumer and maximize societal benefits. A Demand Response (DR) service for a fleet of PEVs could yield such charging schedules by regulating consumer electricity use during certain time periods, in order to meet an obligation to the market. We construct an automated DR mechanism for a fleet of PEVs that facilitates vehicle charging to ensure the demands of the vehicles and the market are met. Our dynamic algorithm depends only on the knowledge of a few hundred driving behaviors from a previous similar day, and uses a simple adjusted pricing scheme to instantly assign feasible and satisfactory charging schedules to thousands of vehicles in a fleet as they plug-in. The charging schedules generated using our adjusted pricing scheme can ensure that a new demand peak is not created and can reduce the consumer cost by over 30% when compared to standard charging, which may also increase peak demand by 3.5%. In this paper, we present our formulation, algorithm and results.

研究の動機と目的

• 大規模なPEVフリート向けに、消費者コストとグリッド安定性の両立を図る自動的でスケーラブルな需要応答メカニズムを設計すること。
• 非調整的なPEVの充電によるピーク電力需要の増加を最小限に抑え、グリッドの不安定化を防ぐこと。
• リアルタイムで調整された料金を用いて充電スケジュールを最適化することで、消費者の充電コストを削減すること。
• 将来の車両接続を事前に把握しない状況でも、プラグイン直後に数千台の車両に対して即座に実行可能かつ妥当な充電スケジュールを割り当てられること。
• 市場が課す負荷上限およびグリッド制約を守りながら、すべての車両が完全に充電されることを保証すること。

提案手法

• 同様の前日からのわずか数百分の走行行動の履歴データを用いて、現在のフリート需要を予測する。
• 市場の負荷上限、車両のエネルギー需要、バッテリー残容量に基づき、各時間帯の制約調整付き電力料金を計算する。
• 中央集約者が、1台のワークステーションで1分未塔で解ける高速でスケーラブルな集約線形計画法（CLP）を用いて、これらの調整済み料金を計算する。
• 各車両は調整済み料金に基づき即座に充電スケジュールを受け取り、実行可能かつコスト効率の良い充電時間帯を保証する。
• システムは「参加型」サービスとして動作し、車両がプラグインすると自動的にスケジューリングされ、人的介入は不要である。
• 高水準のPEV浸透率（例：33％の世帯）下でも、負荷増加を0％に制限することで、新たなピーク需要が発生しないように保証する。

実験結果

リサーチクエスチョン

• RQ1 動的で自動化された料金メカニズムは、ピーク電力需要の増加を伴わせることなく、大規模なPEVフリートの充電をスケジューリングできるか？
• RQ2 このようなメカニズムは、標準充電や最安コスト充電手法と比較して、消費者の充電コストをどの程度削減できるか？
• RQ3 わずか数百分の車両からの歴史的走行データに依存する場合、アルゴリズムの性能はどの程度か？
• RQ4 市場の負荷上限を満たしつつ、グリッドの安定性を保ち、すべての車両が完全に充電されるか？
• RQ5 10,000台以上の車両を含むフリートにおいて、リアルタイムでの展開においてアルゴリズムのスケーラビリティと効率性はどの程度か？

主な発見

• 制約調整付き料金は、ピーク電力需要の増加を完全に防止（0％増加）、一方で標準充電では3.5％、最安コスト充電では9.8％の増加を示した。
• 消費者の充電コストは標準充電と比較して30％以上削減され、最安コスト充電と同等のコスト効率を達成した。
• シミュレーション全体で使用されたグリッドエネルギーは230.7～231.5 MWhに最小限に抑えられ、ガソリン使用量に増加はなかった。
• 調整済み料金を計算するために使用された集約線形計画法（CLP）は1分未塔で解け、リアルタイムのスケーラビリティを実現した。
• 負荷上限が100％および75％の両条件で、すべてのテスト条件下で、新たな需要ピークを防止し、すべての車両が完全に充電された。
• 制約調整付き料金は、コスト削減、ピーク需要制御、エネルギー効率のバランスにおいて、すべての代替手法を上回った。