[논문 리뷰] Online Coordinated Charging Decision Algorithm for Electric Vehicles without Future Information

Xiaoying Tang, Suzhi Bi외 2명|arXiv (Cornell University)|2013. 10. 14.

Electric Vehicles and Infrastructure참고 문헌 17인용 수 7

한 줄 요약

이 논문은 향후 정보 없이 에너지 비용을 최소화하는 온라인 공동 충전 알고리즘인 ORCHARD을 제안한다. 모든 충전 수요가 마감 시간 이전에 완료되도록 보장함으로써 타당성을 확보하고, 경쟁 비율 2.39를 달성한다. 이는 현재까지 알려진 바 중 최고 수준이며, 시뮬레이션 결과 오프라인 최적해 대비 평균 성능 격차가 14%로 나타났다. 최적의 파rameter 조정을 통해 이 격차는 6% 미만으로 줄일 수 있다.

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%.

연구 동기 및 목표

• 미래의 전기차 도착 시간, 충전 수요, 출발 시간을 알지 못하는 조건에서 플러그인 전기차(PEVs)를 위한 온라인 충전 조율 알고리즘을 설계한다.
• 가능한 수요 프로파일을 가정할 때, 각 PEV의 마감 시간 이전에 모든 충전 수요를 완료함으로써 엄격한 타당성을 보장한다.
• 미래 정보 없이도 실시간으로 도착한 PEV들로부터의 정보만을 사용하여 총 에너지 비용을 최소화한다.
• 미래 정보 부족에도 불구하고 오프라인 최적해에 가까운 경쟁 비율을 달성한다.
• 성능을 유지하면서도 새로운 저복잡도 최적화 루틴을 통해 계산 복잡도를 크게 줄인다.

제안 방법

• ORCHARD 알고리즘은 현재 부하와 시간대별 요금 정보에 기반해 충전 속도를 동적으로 조절하기 위해 가속 인자 $ q $ 를 사용한다. 이는 오프라인 최적 스케줄을 모방한다.
• 각 PEV의 도착 시간, 출발 시간, 충전 수요, 최대 충전 속도 제약 조건을 만족시키면서 총 비용을 최소화하는 충전 속도를 계산하기 위해 볼록 최적화 프레임워크를 활용한다.
• 누적 충전 용량이 각 PEV의 마감 시간까지 수요를 충족하도록 보장함으로써 타당성을 철저히 확보하도록 알고리즘을 설계하였다.
• 표준 볼록 최적화를 간소화된 루틴으로 대체함으로써 계산 비용을 낮춘 저복잡도 변형을 도입하였으며, 이는 거의 최적 성능를 유지한다.
• 최악의 성능 분석을 통해 경쟁 비율을 분석적으로 유도하였으며, 2.39의 상한선을 증명하였다.
• 다양한 교통 상황에서의 광범위한 시뮬레이션을 통해 ORCHARD의 성능을 오프라인 최적해 및 기타 온라인 기준(예: AVG, EG, OA)과 비교 평가하였다.

실험 결과

연구 질문

• RQ1 미래의 PEV 정보에 접근할 수 없음에도 불구하고, 온라인 충전 알고리즘이 에너지 비용 최소화에서 거의 최적의 성능을 달성할 수 있는가?
• RQ2 임의의 도착 및 수요 패턴 하에서, 엄격한 타당성을 보장하는 온라인 PEV 충전 알고리즘의 최고 성능 경쟁 비율은 얼마인가?
• RQ3 가속 인자 $ q $ 의 선택이 오프라인 최적해 대비 평균 성능 격차에 어떤 영향을 미치는가?
• RQ4 성능을 희생시키지 않고도 온라인 PEV 충전의 계산 복잡도를 크게 줄일 수 있는가?
• RQ5 특히 피크 수요 조건에서, 다양한 교통 부하 패턴에 따라 알고리즘의 성능은 어떻게 변하는가?

주요 결과

• ORCHARD는 향후 정보 없이도 2.39의 경쟁 비율을 달성하였으며, 이는 현재까지 알려진 바 중 최고 성능이다.
• 모든 테스트 시나리오에서 ORCHARD와 오프라인 최적해 사이의 평균 성능 격차는 14%였다.
• 적절한 가속 인자 $ q $ 를 조정하면 평균 성능 격차를 6% 미만으로 줄일 수 있다.
• 높은 예측 불가능성과 밀도 높은 교통 상황에서는 $ q = 2.3 $ 으로 설정했을 때 평균 성능 비율이 1.050으로 가장 낮아졌으며, 이는 $ q = 1.46 $ 대비 8% 향상된 결과이다.
• ORCHARD는 특히 변동성이 큰 교통 조건에서 기존 온라인 알고리즘(Baselines: AVG, EG, OA)보다 뛰어난 성능을 보였다.
• 저복잡도 변형은 계산 오버헤드를 크게 줄였으며, 同시에 뛰어난 성능을 유지하여 실시간 구현에 적합하다.