[論文レビュー] An EV Charging Scheduling Mechanism to Maximize User Convenience and Cost Efficiency

Hwei-Ming Chung, Bahram Alinia+2 more|arXiv (Cornell University)|Jun 3, 2016

Electric Vehicles and Infrastructure参考文献 10被引用数 5

ひとこと要約

本稿では、二目的最適化と短期負荷予測を用いて、マイクログリッドにおける総充電コストとユーザーの利便性を共同で最適化する、集中型でオンラインのEV充電スケジューリングアルゴリズムを提案する。この手法は最適なコストとほぼ最適なユーザー利便性を達成し、先行手法と比較して平均充電時間を36%短縮するとともに、負荷予測の正確性を4.1%向上させた。

ABSTRACT

This paper studies charging scheduling problem of electric vehicles (EVs) in the scale of a microgrid (e.g., a university or town) where a set of charging stations are controlled by a central aggregator. A bi-objective optimization problem is formulated to jointly optimize total charging cost and user convenience. Then, a close-to-optimal online scheduling algorithm is proposed as solution. The algorithm achieves optimal charging cost and is near optimal in terms of user convenience. Moreover, the proposed method applies an efficient load forecasting technique to obtain future load information. The algorithm is assessed through simulation and compared to the previous studies. The results reveal that our method not only improves previous alternative methods in terms of Pareto-optimal solution of the bi-objective optimization problem, but also provides a close approximation for the load forecasting.

研究の動機と目的

• コストまたはユーザー利便性のいずれかを別個に最適化する既存のEV充電スケジューリング研究におけるギャップを埋める。
• 中央アグリゲーターが複数の充電ステーションを管理するマイクログリッドにおけるEV充電の二目的最適化問題を定式化する。
• 電力制約を尊重し、コスト効率を損なわずにユーザー利便性を向上させる近似的最適なオンラインスケジューリングアルゴリズムを開発する。
• 将来の負荷を予測し、グリッドの過負荷を回避するため、信頼性の高い短期負荷予測技術（ARIMA）を統合する。
• 重みパラメータの変化に応じた、コスト最小化と利便性最大化のトレードオフを評価する。

提案手法

• 総充電コストとユーザー利便性を組み合わせた二目的最適化問題を定式化し、ユーザー利便性はバッテリーのSOC（State of Charge）と総充電時間で定義する。
• コストと利便性の両方を1つのスカラー指標に統合するために重み付き和法を用い、両者のバランスを調整可能なパrameter α を導入する。
• EDF（Earliest Deadline First）戦略に基づくオンラインスケジューリングアルゴリズムを実装し、締切が早いEVを優先的に充電し、可能な限り最大レートで充電を実行する。
• 短期負荷予測のための季節的ARIMAモデルを導入し、将来のグリッド負荷を予測し、利用可能な容量を超えないようにスケジューリングを保証する。
• アグリゲーターがEVの到着時刻、締切、エネルギー需要を収集し、最適な充電スケジュールを計算する集中型制御フレームワークを採用する。
• 凸最適化問題を効率的に解くためにCVXを活用し、計算効率と近似的最適解への収束を確保する。

実験結果

リサーチクエスチョン

• RQ1 マイクログリッド環境下で、EV充電スケジューリングを総充電コストとユーザー利便性の両面で共同最適化する方法は何か？
• RQ2 負荷予測は、EV充電スケジューリングアルゴリズムの性能と信頼性をどの程度向上させ得るか？
• RQ3 コスト最小化と利便性最大化の間のトレードオフは何か？バランスの取れた解決策はどのように達成できるか？
• RQ4 本手法は、コストのみまたは利便性のみを最適化する既存手法と比べて、どのように差をつけるか？
• RQ5 本手法は、最適なコストを維持しながら平均充電時間を短縮できるか、かつほぼ最適な利便性を達成できるか？

主な発見

• 提案手法は、[6]で提示されたコスト最小化手法と同等の最適な充電コストを達成するとともに、ユーザー利便性を著しく向上させた。
• EDFに基づく戦略のおかげで、[6]および[9]の手法と比較して平均充電時間が36%短縮された。
• ARIMAベースの負荷予測手法は2.67%の予測誤差を示し、[6]で用いられた「前日平均法」と比較して6.77%の誤差を記録した前日平均法に比べて4.1%の精度向上を達成した。
• α = 0.5（等重み）の場合、提案手法は指標Qにおいて[6]および[9]を上回り、バランスの取れた優位性を示した。
• αが1に近づく（コスト優先）につれて、提案手法の性能は[6]と一致し、コスト最適性が確認された。
• 予測負荷が常に実際の負荷を下回るように保証されるため、予測手法はグリッドの安定性と信頼性を向上させた。これは、前日平均法とは対照的である。