[논문 리뷰] Dynamic Modeling and Real-time Management of a System of EV Fast-charging Stations

Dingtong Yang, Navjyoth J.S. Sarma외 2명|arXiv (Cornell University)|2020. 12. 17.

Electric Vehicles and Infrastructure참고 문헌 47인용 수 5

한 줄 요약

이 논문은 캘리포니아 남부 지역의 전기차 초고속 충전소 네트워크의 실시간 운영 및 전략적 계획 수립을 위한 확률적 동적 시뮬레이션 프레임워크를 제안한다. 다중항 로짓 선택 모델과 다중 서버 대기열 모델을 통합하여 전기차 운전자 행동과 충전소의 동적 특성을 시뮬레이션하고, 특히 이차형 DDRPA를 포함한 동적 수요 반응 가격 설정(DDRPA) 방식을 테스트한다. 이로 인해 정적 가격 설정 대비 평균 대기 시간이 26% 감소하고 사회적 복지가 2.7% 향상된다.

ABSTRACT

Demand for electric vehicles (EVs), and thus EV charging, has steadily increased over the last decade. However, there is limited fast-charging infrastructure in most parts of the world to support EV travel, especially long-distance trips. The goal of this study is to develop a stochastic dynamic simulation modeling framework of a regional system of EV fast-charging stations for real-time management and strategic planning (i.e., capacity allocation) purposes. To model EV user behavior, specifically fast-charging station choices, the framework incorporates a multinomial logit station choice model that considers charging prices, expected wait times, and detour distances. To capture the dynamics of supply and demand at each fast-charging station, the framework incorporates a multi-server queueing model in the simulation. The study assumes that multiple fast-charging stations are managed by a single entity and that the demand for these stations are interrelated. To manage the system of stations, the study proposes and tests dynamic demand-responsive price adjustment (DDRPA) schemes based on station queue lengths. The study applies the modeling framework to a system of EV fast-charging stations in Southern California. The results indicate that DDRPA strategies are an effective mechanism to balance charging demand across fast-charging stations. Specifically, compared to the no DDRPA scheme case, the quadratic DDRPA scheme reduces average wait time by 26%, increases charging station revenue (and user costs) by 5.8%, while, most importantly, increasing social welfare by 2.7% in the base scenario. Moreover, the study also illustrates that the modeling framework can evaluate the allocation of EV fast-charging station capacity, to identify stations that require additional chargers and areas that would benefit from additional fast-charging stations.

연구 동기 및 목표

• 제한된 지역적 배치 상황 속에서 증가하는 전기차 초고속 충전소 수요를 해결하기 위해.
• 한 단체가 운영하는 다수의 초고속 충전소 간 상호의존적 수요를 모델링하기 위해.
• 충전 수요를 균형 잡고 시스템 성능을 최적화하기 위한 실시간 운영 프레임워크를 개발하기 위해.
• 추가 충전기나 충전소가 필요한 곳을 식별하기 위해 자원 할당 전략을 평가하기 위해.
• 시스템 효율성과 사회적 복지 향상에 기여하는 동적 가격 설정 메커니즘의 효과를 평가하기 위해.

제안 방법

• 충전 가격, 기대 대기 시간, 돌아다니는 거리 등을 바탕으로 전기차 운전자의 충전소 선택 행동을 표현하기 위해 다중항 로짓 모델을 수립한다.
• 각 충전소에 다중 서버 대기열 모델을 통합하여 수요와 공급 간의 동적 상호작용을 시뮬레이션한다.
• 충전소 대기열 길이에 따라 실시간으로 가격을 조정하는 동적 수요 반응 가격 조정(DDRPA) 방식을 구현한다.
• 혼잡한 장소에서 가격을 인상함으로써 충전 수요를 균형 있게 분산시키기 위해 이차형 DDRPA 함수를 사용한다.
• 캘리포니아 남부 지역의 실제 데이터에 캘리브레이션된 확률적 동적 시뮬레이션 프레임워크를 사용하여 전체 시스템을 시뮬레이션한다.
• 다양한 가격 전략 하에서 평균 대기 시간, 수익, 사용자 비용, 사회적 복지 등 시스템 성능 지표를 평가한다.

실험 결과

연구 질문

• RQ1 충전 가격, 기대 대기 시간, 돌아다니는 거리가 전기차 운전자의 초고속 충전소 선택에 어떤 영향을 미치는가?
• RQ2 동적 가격 설정이 다수의 초고속 충전소 네트워크에서 평균 대기 시간을 얼마나 줄일 수 있는가?
• RQ3 동적 수요 반응 가격 설정(DDRPA)은 정적 가격 설정 대비 수익과 사회적 복지에 어떤 영향을 미치는가?
• RQ4 지역 네트워크 내에서 어느 충전소가 가장 혼잡해질 가능성이 높은가? 추가 충전기는 어디에 배치되어야 하는가?
• RQ5 이 시뮬레이션 프레임워크는 초고속 충전소 인프라 확장 전략적 계획 수립에 효과적으로 기여할 수 있는가?

주요 결과

• 이차형 DDRPA 방식은 DDRPA 미적용 기준 대비 평균 대기 시간을 26% 감소시켰다.
• 이차형 DDRPA 전략은 DDRPA 미적용 사례 대비 수익과 사용자 비용을 각각 5.8% 증가시켰다.
• 기본 시나리오에서 이차형 DDRPA 방식은 사회적 복지를 2.7% 향상시켜 전체 시스템의 효율성이 향상됨을 시사한다.
• 모델링 프레임워크는 추가 충전기가 필요한 충전소와 신규 초고속 충전소 설치로 혜택을 볼 수 있는 지역을 성공적으로 식별했다.
• 충전소 간 수요의 상호의존성은 개별 충전소 최적화가 아닌 체계적 수준의 관리가 필요하다는 점을 시사한다.
• 대기열 길이에 기반한 동적 가격 설정은 충전 수요를 효과적으로 재분배하고 고도로 이용되는 충전소의 혼잡을 방지한다.