[論文レビュー] Electric Vehicle Charge Scheduling on Highway Networks from an Aggregate Cost Perspective

Sean Anderson, Vineet Jagadeesan Nair|arXiv (Cornell University)|Jan 10, 2019

Electric Vehicles and Infrastructure被引用数 5

ひとこと要約

本稿は、高速道路網における長距離走行電気自動車（BEV）の最適充電スケジューリングフレームワークを、ハイブリッドシステム理論を用いて提案する。このフレームワークは、電力会社、充電ステーション事業者、ユーザーの全システムコストを最小化することを目的としている。モデル予測制御を用いて、車両の運動、ネットワークのトポロジー、リアルタイムの電力割り当てを統合することで、動的制約と将来予測を考慮した協調的でコスト効率の良い充電を可能にするが、計算複雑性のため、小規模ネットワークを超えるスケーラビリティには限界がある。

ABSTRACT

In this paper, we attempt to optimally schedule the charging of long-range battery electric vehicles (BEVs) along highway networks, in order to minimize aggregate costs to the overall system consisting of utilities or electricity providers, station operators and other infrastructure, as well as EV users. Thus, we approach the problem from the perspective of both customers (EV car owners), as well as charging station operators and utilities using a hybrid systems based formulation.

研究の動機と目的

• 既存のEV充電研究が、電力会社やユーザーの1つのステークホルダーに最適化されているというギャップを埋めるために、全システム全体のコストを最小化すること。
• 電力会社、ステーション事業者、EVユーザーの複数のステークホルダー間で協調する統合型スケジューリングフレームワークを構築すること。
• ハイブリッドシステムの定式化を用いて、車両の軌道、充電ステーションの利用可能状況、電力網の制約の複雑な相互作用をモデル化すること。
• 将来の車両移動と充電需要の予測を、リcedevingホライズン最適化フレームワークに組み込むこと。
• 提案されたモデルのスケーラビリティと計算上の実行可能性を、現実的な高速道路網トポロジー上で評価すること。

提案手法

• 車両の運動とバッテリー状態の連続的ダイナミクスに加え、離散的スイッチング論理を組み合わせたハイブリッドシステム理論的アプローチを用いてEV充電問題を定式化する。
• ノードとエッジのインデックスを用いて有向高速道路網上での車両移動をモデル化し、車両がノードに到達した際にスイッチング条件が発火するように設定する。
• YALMIPで使用される混合整数線形プログラミング（MILP）定式化を導入し、論理制約（例：「含意」）を用いてエッジ間の正しい状態遷移を強制する。
• 電力会社（グリッド負荷）、ステーション事業者（容量とサービス）、EVユーザー（充電時間とエネルギーコスト）のコストを集約した多目的コスト関数を定義する。
• リcedevingホライズンを用いたモデル予測制御（MPC）を採用し、将来の車両到着と充電需要の予測を用いて、現在の充電意思決定を最適化する。
• 時間離散化された定式化を用い、小さな時間ステップを採用することで、正確な車両軌道追跡を確保し、ノードを飛び越えるのを防ぐ。

実験結果

リサーチクエスチョン

• RQ1 高速道路網全体でEV充電をどのようにスケジューリングすれば、電力会社、ステーション事業者、ユーザーを含む全システムのコストを最小化できるか？
• RQ2 予測ホライズン長がスケジューリングモデルの計算複雑性と解の正確性に与える影響は何か？
• RQ3 時間ステップサイズとネットワークサイズは、ハイブリッドシステムに基づく最適化の実行可能性と精度にどのように影響するか？
• RQ4 統合コスト関数は、EV充電における複数ステークホルダー間の対立する目的を効果的にバランスさせることができるか？
• RQ5 高密度のEV導入が見込まれる現実の高速道路網において、正確解法（例：Gurobi）のスケーラビリティにどのような限界があるか？

主な発見

• 予測ホライズンが長くなるとモデルの計算複雑性が急激に増加し、特に Hp = 10 を超えると正確な解法が大規模問題では非現実的になる。
• EV台数はある閾値を超えると計算時間に与える影響が小さくなり、予測ホライズン長さの方がボトルネックとして顕著になる。
• 大規模ネットワークでは計算時間の増加が顕著ではないが、大規模高速道路網ではまだテストが行われていない。
• 軌道追跡の正確性を維持し、エッジを飛び越えるのを防ぐために小さな時間ステップが必要であるが、これにより解空間と計算負荷が増加する。
• 時間ステップサイズと予測ホライズン長さの間に根本的なトレードオフがある。時間ステップが小さいと、終端ノードに到達するまでに長いホライズンが必要となり、複雑性が増加する。
• 現在のGurobiを用いた正確解法は、ホライズン長やエージェント数の増加に対してスケーリングがうまくいかないため、今後の研究ではヒューリスティックな代替手法の導入が求められる。