[論文レビュー] Dynamic Pricing and Energy Management Strategy for EV Charging Stations under Uncertainties

Chao Luo, Yih-Fang Huang+1 more|RePEc: Research Papers in Economics|Jan 9, 2018

Electric Vehicles and Infrastructure被引用数 4

ひとこと要約

本論文は、動的計画法（DP）を用いて、変動する小売電力価格、変動する再生可能エネルギーの発電、および空間的・時間的変動を示すEVの充電需要という3つの主要な不確実性を考慮した、EV充電ステーションの動的価格設定およびエネルギー管理フレームワークを提案する。DPに基づく手法は、利益、顧客満足度、および電力網の安定性の最適化を実現し、グリーディアルゴリズムよりも利益で最大9%の向上を示した。また、低コストのエネルギー貯蔵が価格変動を緩和し、「低価格で購入し高価格で売却する」電力アービタージュを可能にすることで利益を向上させることを示している。

ABSTRACT

This paper presents a dynamic pricing and energy management framework for electric vehicle (EV) charging service providers. To set the charging prices, the service providers faces three uncertainties: the volatility of wholesale electricity price, intermittent renewable energy generation, and spatial-temporal EV charging demand. The main objective of our work here is to help charging service providers to improve their total profits while enhancing customer satisfaction and maintaining power grid stability, taking into account those uncertainties. We employ a linear regression model to estimate the EV charging demand at each charging station, and introduce a quantitative measure for customer satisfaction. Both the greedy algorithm and the dynamic programming (DP) algorithm are employed to derive the optimal charging prices and determine how much electricity to be purchased from the wholesale market in each planning horizon. Simulation results show that DP algorithm achieves an increased profit (up to 9%) compared to the greedy algorithm (the benchmark algorithm) under certain scenarios. Additionally, we observe that the integration of a low-cost energy storage into the system can not only improve the profit, but also smooth out the charging price fluctuation, protecting the end customers from the volatile wholesale market.

研究の動機と目的

• 小売電力価格の変動、間歇的再生可能エネルギー発電、および変動するEV充電需要という3つの主要な不確実性に起因するEV充電ステーション運用の最適化課題に対処すること。
• 利益最大化、顧客満足度の向上、EV充電に起因する電力網への負荷低減という対立する目的をバランスさせること。
• 複数の時間スケールにわたる最適な動的価格設定および電力調達戦略を決定できる意思決定フレームワークを構築すること。
• エネルギー貯蔵コストと顧客満足度の重みパラメータが価格設定、調達戦略、および利益に与える影響を調査すること。
• 動的計画法とグリーディアルゴリズムの両者が、複雑で不確実なエネルギーおよび需要のダイナミクスを管理する際の有効性を評価すること。

提案手法

• 時間帯および空間的パターンに基づく線形回帰を用いて、各ステーションにおけるEV充電需要をモデル化する。
• 利益、顧客満足度（パラメータβで重み付けされたもの）、および電力網への影響（Qk）を統合した複合的効用関数を定義し、顧客満足度関数は形状および重みパラメータでパrameter化する。
• 意思決定が含まれる有限の計画期間Nの最適化問題を定式化する。意思決定変数には、充電価格（pkj）、電力調達量（ok）、エネルギー貯蔵の使用（Ik, uk）が含まれる。
• 多段階最適化問題を解くために動的計画法（DP）を適用し、各時間スパンから最終時刻までに総効用を再帰的に最大化する。
• 再生可能エネルギー発電（uk）および電力貯蔵（Ik）を制御可能なエネルギー源として扱い、貯蔵コストは単位あたりηでモデル化する。
• 基準電力調達量（o_ref）とペナルティ項（μ）を用いて、調達量の変動を最小化し、電力網の安定性を向上させる。

Figure 1: The EV Charging Market

実験結果

リサーチクエスチョン

• RQ1 不確実性下でのEV充電ステーションエネルギー管理において、動的計画法はグリーディアルゴリズムに比べてどのように利益を向上させるか？
• RQ2 低コストエネルギー貯蔵は、動的価格設定戦略において価格変動をどの程度低減させ、利益を向上させるか？
• RQ3 顧客満足度の重みパラメータβを変化させた場合、利益と顧客の維持のトレードオフにどのような影響を与えるか？
• RQ4 電力貯蔵コスト（η）が調達行動および「低価格で購入し高価格で売却する」戦略の採用に与える影響は何か？
• RQ5 再生可能エネルギーと貯蔵の統合は、充電価格の安定性および電力網への影響にどのような影響を与えるか？

主な発見

• テストされたシナリオ下で、動的計画法（DP）アルゴリズムはグリーディアルゴリズムに比べ最大9%の利益増を達成し、優れた最適化性能を示した。
• 顧客満足度の重みパラメータβが0から30,000に増加するに従い、顧客満足度は著しく向上するが、総利益は著しく低下するため、サービス品質と利益の間には明確なトレードオフがあることが示された。
• エネルギー貯蔵コスト（η）が低い場合（例：η = 0.5）、サービスプロバイダーは積極的な調達戦略を採用する。具体的には、低価格期（3:00–8:00）に多く購入し、高価格期（11:00–19:00）には少なく調達する。
• 貯蔵コストが高い場合（η = 1.5）、電力調達量はほぼ一定を保ち、収益性の高いアービタージュを実現できないため、コストが高いために消極的な戦略が採られる。
• 低コストエネルギー貯蔵は、バッファとして機能し、充電価格の変動を安定化させる。特に高小売電力価格期には、貯蔵コストが低い（η = 0.5）場合の価格変動が、コストが高い（η = 1.5）場合よりも小さい。
• 低コストエネルギー貯蔵の統合は、利益の増加に加え、最終顧客が小売市場の変動にさらされるリスクを低減する。その結果、価格安定性と顧客体験の両方が向上する。

Figure 2: Customer Satisfaction Functions ( $E=200$ )