[논문 리뷰] A Dynamic Algorithm for Facilitated Charging of Plug-In Electric Vehicles

Nicole Taheri, Robert Entriken외 1명|arXiv (Cornell University)|2011. 12. 03.

Electric Vehicles and Infrastructure참고 문헌 7인용 수 5

한 줄 요약

이 논문은 이전 일일 주행 패턴을 기반으로 조정된 시간대별 요금을 사용하여 충전을 스케줄링하는 동적이고 자동화된 수요 반응 알고리즘을 제안한다. 이 방법은 최대 부하 증가를 최소화(0%)하고 표준 충전 방식 대비 소비자 비용을 30% 이상 절감하면서도, 모든 차량이 완전 충전되고 전력망 제약 조건이 실시간으로 충족되며, 한 팀당 분당 이내의 계산 시간으로 처리된다.

ABSTRACT

Plug-in Electric Vehicles (PEVs) are a rapidly developing technology that can reduce greenhouse gas emissions and change the way vehicles obtain power. PEV charging stations will most likely be available at home and at work, and occasionally be publicly available, offering flexible charging options. Ideally, each vehicle will charge during periods when electricity prices are relatively low, to minimize the cost to the consumer and maximize societal benefits. A Demand Response (DR) service for a fleet of PEVs could yield such charging schedules by regulating consumer electricity use during certain time periods, in order to meet an obligation to the market. We construct an automated DR mechanism for a fleet of PEVs that facilitates vehicle charging to ensure the demands of the vehicles and the market are met. Our dynamic algorithm depends only on the knowledge of a few hundred driving behaviors from a previous similar day, and uses a simple adjusted pricing scheme to instantly assign feasible and satisfactory charging schedules to thousands of vehicles in a fleet as they plug-in. The charging schedules generated using our adjusted pricing scheme can ensure that a new demand peak is not created and can reduce the consumer cost by over 30% when compared to standard charging, which may also increase peak demand by 3.5%. In this paper, we present our formulation, algorithm and results.

연구 동기 및 목표

• 소비자 비용과 전력망 안정성을 균형 잡는 자동화되고 확장 가능한 PEV 대규모 펌웨어를 위한 수요 반응 메커니즘 설계.
• 비조정된 PEV 충전으로 인한 피크 전력 수요 증가를 최소화하여 전력망의 불안정성을 방지.
• 실시간 조정된 가격을 활용해 충전 스케줄 최적화를 통해 소비자 충전 비용을 절감.
• 미래의 차량 연결에 대한 사전 지식 없이도 플러그인 즉시 수천 대의 차량에 대해 실행 가능한 충전 스케줄을 할당할 수 있도록 보장.
• 시장에서 설정한 부하 제한과 전력망 제약 조건을 준수하면서도 모든 차량이 완전 충전되도록 보장.

제안 방법

• 유사한 이전 일일 주행 패턴에서 소수의 흐름(수백 개)을 사용해 현재 펌웨어의 수요를 예측한다.
• 시장 부하 제한, 차량의 에너지 수요, 배터리 충전 상태를 기반으로 매시간 제약 조정된 전기 요금을 계산한다.
• 중앙 집중식 집계기구가 단일 워크스테이션에서 1분 이내에 해결되는 빠르고 확장 가능한 집합 선형 프로그램(AGGREGATED LINEAR PROGRAM, CLP)을 통해 이러한 조정된 요금을 계산한다.
• 각 차량은 조정된 요금에 기반해 즉각적인 충전 스케줄을 수신하며, 실행 가능하고 비용 효율적인 충전 시간대를 확보한다.
• 시스템은 '참여자 선택' 서비스 방식으로 운영되며, 차량이 플러그인되자마자 인간 간섭 없이 자동으로 스케줄링된다.
• 시장에서 설정한 부하 증가율을 0%로 제한함으로써, 고도의 PEV 침투율(예: 33% 가정) 상황에서도 새로운 피크 수요가 발생하지 않도록 보장한다.

실험 결과

연구 질문

• RQ1 비조정된 피크 전력 수요 증가 없이 대규모 PEV 펌웨어의 충전을 동적이고 자동화된 가격 설정 메커니즘으로 스케줄링할 수 있는가?
• RQ2 이러한 메커니즘이 표준 충전 또는 최저비용 충전 방식에 비해 소비자 충전 비용을 얼마나 절감할 수 있는가?
• RQ3 수백 대의 차량에서 얻은 이전 주행 데이터만을 사용할 경우 알고리즘이 얼마나 잘 작동하는가?
• RQ4 시장 부하 제한을 준수하면서도 모든 차량이 완전 충전되고 전력망 안정성이 유지되는가?
• RQ5 10,000대 이상의 펌웨어에 실시간으로 구현할 때 알고리즘의 확장성과 효율성은 어떠한가?

주요 결과

• 제약 조정된 가격 설정은 피크 전력 수요 증가를 완전히 방지하여 0% 증가를 기록했고, 표준 충전은 3.5% 증가, 최저비용 충전은 9.8% 증가를 보였다.
• 표준 충전 대비 소비자 충전 비용은 30% 이상 절감되었으며, 최저비용 충전 방식과 동일한 비용 효율성을 확보했다.
• 모든 시뮬레이션에서 총 전력망 에너지 사용량은 230.7~231.5 MWh로 최소화되었고, 가솔린 사용량은 증가하지 않았다.
• 조정된 가격을 계산하는 데 사용된 집합 선형 프로그램(AGGREGATED LINEAR PROGRAM, CLP)은 1분 이내에 해결되어 실시간 확장성을 확보했다.
• 모든 시험 부하 제한 조건(피크의 100% 및 75%)에서 새로운 수요 피크를 방지하면서도 모든 차량이 완전 충전되었음을 확인했다.
• 비용 절감, 피크 수요 통제, 에너지 효율성 측면에서 제약 조정된 가격 설정은 모든 대안보다 뛰어난 성능을 보였다.