[論文レビュー] Adaptive Distributionally Robust Planning for Renewable-Powered Fast Charging Stations Under Decision-Dependent EV Diffusion Uncertainty

Yujia Li, Feng Qiu+2 more|arXiv (Cornell University)|Oct 11, 2023

Electric Vehicles and InfrastructureEngineering被引用数 3

ひとこと要約

本稿では、電気自動車（EV）の普及率を意思決定に依存する不確実性（DDU）として明示的にモデル化する意思決定に依存する分布ロバストな高速充電ステーション（D3R-FCSP）計画モデルを提案する。決定に依存する不確実性集合（DDAS）を用いて、EV普及率を扱う。多期間容量制限付きアークカバー・パスカバー（MCACPC）モデルを統合し、強い双対性および McCormick 環境を用いて問題を単一レベルの混合整数線形計画（MILP）に再定式化することで、再生可能エネルギー駆動のFCSの適応的で費用対効果に優れ、かつ安全な展開が可能となり、FCS配置とEV拡散の正のフィードバックループによってEV普及が加速される。

ABSTRACT

When deploying fast charging stations (FCSs) to support long-distance trips of electric vehicles (EVs), there exist indirect network effects: while the gradual diffusion of EVs directly influences the timing and capacities of FCS allocation, the decisions for FCS allocations, in turn, impact the drivers' willingness to adopt EVs. This interplay, if neglected, can result in uncovered EVs and security issues on the grid side and even hinder the effective diffusion of EVs. In this paper, we explicitly incorporate this interdependence by quantifying EV adoption rates as decision-dependent uncertainties (DDUs) using decision-dependent ambiguity sets (DDASs). Then, a two-stage decision-dependent distributionally robust FCS planning (D$^3$R-FCSP) model is developed for adaptively deploying FCSs with on-site sources and expanding the coupled distribution network. A multi-period capacitated arc cover-path cover (MCACPC) model is incorporated to capture the EVs' recharging patterns to ensure the feasibility of FCS locations and capacities. To resolve the nonlinearity and nonconvexity, the D$^3$R-FCSP model is equivalently reformulated into a single-level mixed-integer linear programming by exploiting its strong duality and applying the McCormick envelope. Finally, case studies highlight the superior out-of-sample performances of our model in terms of security and cost-efficiency. Furthermore, the byproduct of accelerated EV adoption through an implicit positive feedback loop is highlighted.

研究の動機と目的

• EV普及とFCS展開の『鶏と卵』問題に対処するため、EV普及率を意思決定に依存する不確実性としてモデル化すること。
• 現地に設置された再生可能エネルギーおよびエネルギー貯蔵を統合することで、連携された輸送網と配電網におけるグリッドのセキュリティと費用対効果を向上させること。
• 限られた歴史的データによるEV普及率の確率分布の不確実性を考慮したロバスト最適化フレームワークを構築すること。
• 多期間容量制限付きアークカバー・パスカバー（MCACPC）モデルを用いてEVの充電パターンをモデル化することで、FCSの配置および容量の妥当性を保証すること。
• 元の二段階問題を単一レベルMILPに再定式化することで、適応的かつサンプル外に強い計画を可能とすること。

提案手法

• D3R-FCSPモデルは、FCS展開意思決定によって内生的に影響を受けるEV普及率の不確実性を、意思決定に依存する不確実性集合（DDAS）で表現する。
• FCSが指定された経路に沿ったすべてのEVの移動を、十分な容量を持つ少なくとも1つのFCSがカバーするよう保証するため、多期間容量制限付きアークカバー・パスカバー（MCACPC）モデルを組み込む。
• 強い双対性および McCormick 環境を用いて、二段階構造の問題を単一レベルの混合整数線形計画（MILP）に再定式化し、二重線形項を処理する。
• FCS、現地設置太陽光発電（PV）、電気蓄電システム（ESS）、変電所容量、配電線路拡張の第一段階投資を統合的に最適化する。
• 目的関数は、投資コスト、運用コスト、負荷遮断、PVの無効発電、未カバーのEVに対するペナルティコストを含む総コストを最小化する。
• 電力潮流制約、電圧制限、線路定格を組み込むことで、放射状配電網のセキュリティを確保する。

実験結果

リサーチクエスチョン

• RQ1 限られたデータ下で、EV普及率の意思決定に依存する不確実性をFCS計画においてどのように効果的にモデル化できるか。
• RQ2 DDAを組み込むことで、コスト、セキュリティ、EVカバー率という観点で、サンプル外性能がどの程度向上するか。
• RQ3 不確実な確率分布を考慮したロバストなFCS計画モデルは、従来の決定論的または分布ロバストモデルを上回る性能を示せるか。
• RQ4 FCS展開とEV普及の間のフィードバックループが、長期的な普及率およびシステム性能にどのように影響を与えるか。
• RQ5 交通量や感度条件の変動下で、DDUを組み込むことの経済的価値は何か。

主な発見

• TFを125%に設定した場合、IFが1および2 p.u.の下で、それぞれ25.9%および30.3%の期待コスト削減を達成し、顕著な経済的利点を示した。
• 全計画期間を通じて電圧プロファイルおよび線路定格解析により確認されたように、十分なセキュリティマージンを維持し、電圧違反や線路過負荷を効果的に防止した。
• MCACPCモデルにより、すべてのEV移動が適切な容量を持つFCSでカバーされ、サンプル外評価でも未カバーのEVは発生しなかった。
• IFを固定した下でTF = 150%でVD3RS指標がピークに達し、中程度の交通量下での情報の最適な価値を示したが、交通量が増加するとグリッド容量制限のため低下した。
• FCS配置の質が向上することでEV普及が促進され、その結果、さらなるFCS投資が正当化されるという正のフィードバックループにより、EV普及が加速された。
• 事例研究では、提案戦略がベースライン戦略に比べて高いEV普及率を示した。例えば、ODペア3-19では第3期に30.53%の普及率を達成した。フィードバックメカニズムの有効性が確認された。