[論文レビュー] Planning of Fast Charging Infrastructure for Electric Vehicles in a Distribution System and Prediction of Dynamic Price

K. Victor Sam Moses Babu, Pratyush Chakraborty+1 more|arXiv (Cornell University)|Jan 17, 2023

Electric Vehicles and Infrastructure被引用数 18

ひとこと要約

論文は33バス配電系統に5台の1000 kW急速充電EVCIを最適配置し、修正多目的PSOを用いて電力損失と電圧偏差を最小化し、ARIMAを用いて動的EV充電価格を予測する。

ABSTRACT

The increasing number of electric vehicles (EVs) has led to the need for installing public electric vehicle charging stations (EVCS) to facilitate ease of use and to support users who do not have the option of residential charging. The public electric vehicle charging infrastructures (EVCIs) must be equipped with a good number of EVCSs, with fast charging capability, to accommodate the EV traffic demand, which would otherwise lead to congestion at the charging stations. The location of these fast-charging infrastructures significantly impacts the distribution system (DS). We propose the optimal placement of fast-charging EVCIs at different locations in the distribution system, using multi-objective particle swarm optimization (MOPSO), so that the power loss and voltage deviations are kept at a minimum. Time-series analysis of the DS and EV load variations are performed using MATLAB and OpenDSS. We further analyze the cost benefits of the EVCIs under real-time pricing conditions and employ an autoregressive integrated moving average (ARIMA) model to predict the dynamic price. The simulated test system without any EVCI has a power loss of 164.36 kW and squared voltage deviations of 0.0235 p.u. Using the proposed method, the results obtained validate the optimal location of 5 EVCIs (each having 20 EVCSs with a 50kWh charger rating) resulting in a minimum power loss of 201.40 kW and squared voltage deviations of 0.0182 p.u. in the system. Significant cost benefits for the EVCIs are also achieved, and an R-squared value of dynamic price predictions of 0.9999 is obtained. This would allow the charging station operator to make promotional offers for maximizing utilization and increasing profits.

研究の動機と目的

• 配電系統の電力損失を最小化する。
• EVCIを配置する際の母線間の電圧偏差を最小化する。
• 時間変動負荷と動的価格設定がEVCIの経済性に与える影響を示す。
• プロモーション戦略と収益最適化を可能にするために動的EVCI価格を予測する。

提案手法

• EVCI配置を2目的問題として定式化し、決定変数はIEEE 33-busシステムのバス2..Nbus上の5つのEVCI（各1000 kW）の配置場所とする。変電所は許容しない。
• 電力損失と電圧偏差の二乗に対して非支配パレート前方を生成するために、修正された多目的粒子群最適化（MOPSO）を用いる。
• 各MOPSO評価内でForward-Backward Sweep（FBS）配電潮流を組み込み、目的を計算する。
• 個人ベストアーカイブとクラウディング距離を用いたパレート前方を維持し、アーカイブサイズを制限する。
• ファジィメンバーシップに基づく正規化を用いて最良の妥協解を選択する。
• OpenDSS/MATLABを用いた時系列シミュレーションで、ランダムなEV到着と充電状態を含む時間変動負荷解析を含む。
• EVCI価格をEVCI_price = R_f + R_tとし、固定R_fとピーク・通常・オフピーク期間を区別する時間ベースのR_tを用いた動的価格設定をモデル化する。日次価格を予測するためにARIMA（p,d,q）を用いて価格を予測する。

実験結果

リサーチクエスチョン

• RQ1 33バス配電系統内で5台の1000 kW EVCIを最適配置して電力損失と電圧偏差を最小化できるか。
• RQ2 時間変動負荷と確率的EV到着が最適なEVCI設置と系統性能にどのように影響するか。
• RQ3 ARIMAベースの価格予測は動的価格設定とEVCIの収益性を支援する信頼できる予測を提供できるか。
• RQ4 現実的なグリッド価格とEV交通パターンの下で、EVCIの動的価格設定の経済的影響（コスト/収益）はどうなるか。

主な発見

パラメータ	Without EVCIs	With EVCIs
Optimal Locations of 5 EVCIs	-	8,15,16,17,18
Power Loss (kW)	164.36	201.40
Squared Voltage Deviation (p.u.)	0.0235	0.0182
Min Voltage at Bus (p.u.)	0.9183 (Bus18)	0.91729 (Bus18)
Min Power loss in line (kW)	0.0128 (Line 32)	0.0065 (Line 32)

• バス8,15,16,17,18に最適配置が見つかり、33-bus系統で電力損失は201.40 kW、平方電圧偏差は0.0182 p.u.になる。
• EVCIなしのベースケースと比較して、電圧偏差を低減し、損失は僅かに増加、よりバランスのとれた電圧プロファイル。
• MOPSOは各実行で51回の収束、最良妥協解は反復探索結果と一致。
• 最低バス電圧はバス18で0.9172 p.u.、最小系線損はライン32で0.0065 kW。
• ARIMA予測は動的EVCI価格予測で決定係数0.9999。
• 提示された価格モデル下で各EVCIの初日利益は136〜168（単位不明）。