[論文レビュー] Online Coordinated Charging Decision Algorithm for Electric Vehicles without Future Information

Xiaoying Tang, Suzhi Bi+2 more|arXiv (Cornell University)|Oct 14, 2013

Electric Vehicles and Infrastructure参考文献 17被引用数 7

ひとこと要約

本稿では、将来の情報なしでエネルギーコストを最小化するオンライン連携充電アルゴリズムORCHARDを提案する。将来の情報がなくても、すべての充電要件を締切までに満たすという制約を満たすことで実行可能性を保証し、2.39という競合比を達成する。これは現在までに報告された中で最高の結果であり、シミュレーションではオフライン最適解との平均性能差が14%にとどまるが、最適パラメータチューニングにより6%未満にまで低減可能である。

ABSTRACT

The large-scale integration of plug-in electric vehicles (PEVs) to the power grid spurs the need for efficient charging coordination mechanisms. It can be shown that the optimal charging schedule smooths out the energy consumption over time so as to minimize the total energy cost. In practice, however, it is hard to smooth out the energy consumption perfectly, because the future PEV charging demand is unknown at the moment when the charging rate of an existing PEV needs to be determined. In this paper, we propose an Online cooRdinated CHARging Decision (ORCHARD) algorithm, which minimizes the energy cost without knowing the future information. Through rigorous proof, we show that ORCHARD is strictly feasible in the sense that it guarantees to fulfill all charging demands before due time. Meanwhile, it achieves the best known competitive ratio of 2.39. To further reduce the computational complexity of the algorithm, we propose a novel reduced-complexity algorithm to replace the standard convex optimization techniques used in ORCHARD. Through extensive simulations, we show that the average performance gap between ORCHARD and the offline optimal solution, which utilizes the complete future information, is as small as 14%. By setting a proper speeding factor, the average performance gap can be further reduced to less than 6%.

研究の動機と目的

• 将来のPEVの到着時刻、充電要件、出発時刻の情報が一切ない状況下で、プラグインEV（PEV）のオンライン充電協調アルゴリズムを設計すること。
• 到着時刻、出発時刻、充電要件、最大充電レートの制約を満たすように、各PEVが期限までに充電を完了する厳密な実行可能性を保証すること。
• 将来の情報が欠如している状況下でも、到着済みPEVからのリアルタイム情報のみを用いて、総エネルギーコストを最小化すること。
• 将来の情報が欠如しているにもかかわらず、オフライン最適解に近い競合比を達成すること。
• 性能を損なわせずに、新たな低複雑度最適化ルーチンを用いて計算複雑度を著しく低減すること。

提案手法

• ORCHARDアルゴリズムは、現在の負荷と時間帯別料金に基づき、充電レートを動的にスケーリングするためのスピード要因$ q $を用いる。これはオフライン最適スケジュールを模倣するものである。
• 凸最適化フレームワークを用いて、個々のPEVの制約（到着時刻、出発時刻、充電要件、最大充電レート）を満たしつつ、総コストを最小化する充電レートを計算する。
• 累積充電容量が各PEVの締切までに要件を満たすように設計されているため、厳密な実行可能性が保証される。
• 標準的な凸最適化を簡素化されたルーチンに置き換えることで、計算コストを低減した低複雑度バージョンを導入し、性能をほとんど損なわずに実現する。
• 最悪ケース性能解析を用いて、解析的に競合比を導出し、2.39という上限を証明する。
• 多様な交通状況下で広範なシミュレーションを実施し、ORCHARDをオフライン最適解および他のオンラインベースライン（AVG、EG、OA）と比較評価する。

実験結果

リサーチクエスチョン

• RQ1 将来のPEV情報が入手不可な状況下でも、オンライン充電アルゴリズムがエネルギーコスト最小化において近似的に最適な性能を達成できるか？
• RQ2 任意の到着および要件パターン下で、厳密に実行可能なオンラインPEV充電アルゴリズムの達成可能な最高の競合比は何か？
• RQ3 スピード要因$ q $の選定が、オフライン最適解との平均性能差にどのように影響するか？
• RQ4 オンラインPEV充電において、性能を損なわせずに計算複雑度を著しく低減できるか？
• RQ5 特にピーク需要状況下において、交通負荷パターンの違いに応じてアルゴリズムの性能はどのように変化するか？

主な発見

• ORCHARDは、将来の情報なしで動作するオンラインPEV充電アルゴリズムとして、2.39という競合比を達成し、これは現在までに報告された中で最高の結果である。
• 全テストシナリオにおいて、ORCHARDとオフライン最適解との平均性能差は14%である。
• スピード要因$ q $を適切にチューニングすることで、平均性能差を6%未満にまで低減可能である。
• 交通が重く予測困難な状況下では、$ q = 2.3 $に設定した場合、平均性能比が1.050にまで低下し、$ q = 1.46 $のときと比較して8%の改善が得られる。
• ORCHARDは、特に変動が激しい交通状況下で、ベースラインのオンラインアルゴリズム（AVG、EG、OA）を常に上回る性能を示す。
• 低複雑度バージョンは、計算オーバーヘッドを著しく低減しながらも、優れた性能を維持しており、リアルタイム実装に適している。