[논문 리뷰] Dynamic Pricing and Energy Management Strategy for EV Charging Stations under Uncertainties

Chao Luo, Yih-Fang Huang외 1명|RePEc: Research Papers in Economics|2018. 01. 09.

Electric Vehicles and Infrastructure인용 수 4

한 줄 요약

이 논문은 세 가지 주요 불확실성—변동하는 도매 전기 요금, 변동하는 재생 가능 에너지 발전, 공간-시간적 전기차 충전 수요—하에 이동 전기차 충전소의 수익성, 고객 만족도, 전력망 안정성을 최적화하기 위해 동적 프로그래밍(DP)을 활용한 동적 가격 설정 및 에너지 관리 프레임워크를 제안한다. DP 기반 접근 방식은 이론적 최적화 성능을 확보하여 이전의 탐욕 알고리즘 대비 수익을 최대 9% 향상시키며, 저비용 에너지 저장 시스템이 '낮게 사고 높게 팔기' 전력 차익거래를 가능하게 하여 가격 변동성 감소와 수익성 향상을 동시에 달성함을 보여준다.

ABSTRACT

This paper presents a dynamic pricing and energy management framework for electric vehicle (EV) charging service providers. To set the charging prices, the service providers faces three uncertainties: the volatility of wholesale electricity price, intermittent renewable energy generation, and spatial-temporal EV charging demand. The main objective of our work here is to help charging service providers to improve their total profits while enhancing customer satisfaction and maintaining power grid stability, taking into account those uncertainties. We employ a linear regression model to estimate the EV charging demand at each charging station, and introduce a quantitative measure for customer satisfaction. Both the greedy algorithm and the dynamic programming (DP) algorithm are employed to derive the optimal charging prices and determine how much electricity to be purchased from the wholesale market in each planning horizon. Simulation results show that DP algorithm achieves an increased profit (up to 9%) compared to the greedy algorithm (the benchmark algorithm) under certain scenarios. Additionally, we observe that the integration of a low-cost energy storage into the system can not only improve the profit, but also smooth out the charging price fluctuation, protecting the end customers from the volatile wholesale market.

연구 동기 및 목표

• 도매 전기 요금 변동성, 간헐적인 재생 가능 에너지 발전, 변동하는 전기차 충전 수요라는 세 가지 주요 불확실성 하에서 충전소 운영 최적화 문제 해결.
• 충전소 수익 극대화, 고객 만족도 향상, 전기차 충전으로 인한 전력망 부담 최소화라는 상충되는 목표 간 균형 조절.
• 다중 시간 범위에 걸쳐 최적의 동적 가격 설정 및 전력 조달 전략을 수립할 수 있는 의사결정 프레임워크 개발.
• 에너지 저장 비용 및 고객 만족도 가중치가 가격 설정, 조달 전략, 수익성에 미치는 영향 분석.
• 복잡한 불확실성 하에서 동적 프로그래밍과 탐욕 알고리즘의 성능 비교를 통한 에너지 및 수요 역학 관리 효과성 평가.

제안 방법

• 시간대 및 공간 패턴을 기반으로 선형 회귀를 활용해 각 충전소의 전기차 충전 수요 모델링.
• 수익, 고객 만족도(가중치 파라미터 β로 조정), 전력망 영향(Qk)을 통합한 복합 유틸리티 함수 정의. 고객 만족도 함수는 형태 및 가중치 파라미터로 매개변수화.
• 결정 변수로 충전 가격(pkj), 전력 조달(ok), 에너지 저장 사용(Ik, uk)을 포함한 유한 계획 기간 N 동안 최적화 문제 설정.
• 다단계 최적화 문제를 해결하기 위해 동적 프로그래밍(DP) 적용. 각 단계에서 끝까지의 총 유틸리티를 순차적으로 최대화.
• 재생 가능 에너지 발전(uk)과 전력 저장(Ik)을 제어 가능한 에너지 자원으로 간주. 저장 비용은 단위당 η로 모델링.
• 기준 전력 조달(o_ref)과 페널티 항목(μ)을 도입해 조달 변동성 최소화. 이는 전력망 안정성 향상에 기여.

Figure 1: The EV Charging Market

실험 결과

연구 질문

• RQ1 불확실성 하에서 전기차 충전소 에너지 관리에 동적 프로그래밍이 탐욕 알고리즘 대비 수익성에 어떤 영향을 미치는가?
• RQ2 저비용 에너지 저장이 동적 가격 설정 전략에서 가격 변동성 감소 및 수익성 향상에 어느 정도 기여하는가?
• RQ3 고객 만족도 가중치 파라미터(β)가 변화할 경우 수익성과 고객 유지를 위한 균형 관계는 어떻게 변화하는가?
• RQ4 전력 저장 비용(η)이 조달 행동 및 '낮게 사고 높게 팔기' 전략 수용에 미치는 영향은 무엇인가?
• RQ5 재생 가능 에너지와 저장 시스템 통합이 충전 가격 안정성과 전력망 영향에 어떤 영향을 미치는가?

주요 결과

• 테스트 시나리오 하에서 동적 프로그래밍(DP) 알고리즘이 탐욕 알고리즘 대비 최대 9% 높은 수익을 달성하며, 더 뛰어난 최적화 성능을 입증한다.
• 고객 만족도 가중치 파라미터 β가 0에서 30,000으로 증가함에 따라 고객 만족도는 크게 향상되지만, 총 수익은 뚜렷이 감소함. 이는 서비스 품질과 수익성 간 명확한 트레이드오프 존재를 시사한다.
• 에너지 저장 비용(η)이 낮을 경우(예: η = 0.5), 서비스 제공자는 공격적인 조달 전략을 택함—낮은 가격 기간(3:00–8:00)에는 더 많이 구매하고, 높은 가격 기간(11:00–19:00)에는 덜 구매함.
• 고비용 저장(η = 1.5) 상황에서는 전력 조달 수준이 거의 일정하게 유지되며, 이는 저장 비용이 너무 높아 수익성 있는 차익거래가 어려운 상황에서 보수적인 전략을 취함을 의미한다.
• 저비용 에너지 저장은 충전 가격을 안정화시키는 역할을 함—저비용 저장(η = 0.5) 시나리오에서는 고도의 도매 전기 요금 기간 동안 고비용 저장(η = 1.5) 대비 가격 변동성이 뚜렷이 낮음.
• 저비용 에너지 저장 통합은 수익 증가뿐만 아니라, 최종 고객이 도매 시장 변동성에 노출되는 정도도 감소시켜 가격 안정성 향상과 고객 경험 향상에 기여한다.

Figure 2: Customer Satisfaction Functions ( $E=200$ )