[논문 리뷰] Planning of Fast Charging Infrastructure for Electric Vehicles in a Distribution System and Prediction of Dynamic Price

K. Victor Sam Moses Babu, Pratyush Chakraborty외 1명|arXiv (Cornell University)|2023. 01. 17.

Electric Vehicles and Infrastructure인용 수 18

한 줄 요약

이 논문은 수정된 다목적 PSO를 사용하여 33-버스 배전 시스템에서 다섯 대의 1000 kW 고속충전 EVCI를 최적 배치하여 전력 손실 및 전압 편차를 최소화하고, ARIMA를 사용하여 동적 EV 충전 가격을 예측한다.

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.

연구 동기 및 목표

• 배전 시스템에서의 전력 손실 최소화.
• EVCI를 배치하는 동안 버스 간 전압 편차 최소화.
• 시간가변 부하 효과와 동적 가격이 EVCI 경제성에 미치는 영향을 시연한다.
• 프로모션 전략 및 수익 최적화를 가능하게 하는 동적 EVCI 가격 예측.

제안 방법

• IEEE 33-bus 시스템의 버스 2..Nbus에서 각 1000 kW인 5개의 EVCI 위치를 의사결정 변수로 하는 2객체 문제로 EVCI 배치를 수립하되 변전소는 허용하지 않음.
• 전력 손실과 제곱 전압 편차에 대한 비지배 Pareto 프런트를 생성하기 위해 수정된 다목적 입자 군집 최적화(MOPSO) 사용.
• 각 MOPSO 평가 내에 Forward-Backward Sweep(FBS) 배전 부하 흐름을 도입하여 목적을 계산.
• 개인 최고 기록 아카이브와 군집거리(crowding distance)가 있는 Pareto 프런트를 유지하여 아카이브 크기를 제한.
• 퍼지 멤버십 기반 정규화를 통한 목표 간의 최적 타협 해를 선택.
• OpenDSS/MATLAB를 사용한 시계열 시뮬레이션으로 무작위 EV 도착 및 충전 상태를 포함한 시간가변 부하 분석.
• EVCI 가격을 EVCI_price = R_f + R_t로 모델링하되 고정 R_f와 피크/일반/비혼합 구간을 구분하는 시간 기반 R_t를 사용; 일일 가격 예측을 위해 ARIMA(p,d,q)를 사용하여 가격을 예측한다.

실험 결과

연구 질문

• RQ1 33-버스 배전 계통에서 다섯 대의 1000 kW EVCI를 최적으로 배치하여 전력 손실과 전압 편차를 최소화할 수 있는가?
• RQ2 시간가변 부하와 확률적 EV 도착이 최적 EVCI 위치 선정과 시스템 성능에 어떤 영향을 미치는가?
• RQ3 ARIMA 기반 가격 예측이 동적 가격 책정과 EVCI의 수익성 지지를 위한 신뢰할 수 있는 예측을 제공할 수 있는가?
• RQ4 현실적인 그리드 가격과 EV 트래픽 패턴에서 EVCI의 동적 가격 책정이 경제적으로 미치는 영향(비용/수익)은 어느 정도인가?

주요 결과

• 최적 배치는 33-버스 시스템에서 버스 8, 15, 16, 17, 18에 위치하여 전력 손실은 201.40 kW, 제곱 전압 편차는 0.0182 p.u.이다.
• EVCI가 없는 기본 사례(손실 164.36 kW, 편차 0.0235 p.u.)와 비교하면 5대의 EVCI 설치로 전압 편차가 감소하고 손실은 소폭 증가하여 더 균형 잡힌 전압 프로파일을 시사한다.
• MOPSO는 실행당 51 반복에서 수렴했고 최적 타협 해가 반복 탐색 결과(201.40 kW 손실 및 0.0182 p.u. 편차)와 일치했다.
• 가장 낮은 버스 전압은 버스 18에서 0.9172 p.u., 최저 선로 손실은 선 32에서 0.0065 kW이다.
• ARIMA 기반 가격 예측은 동적 EVCI 가격 예측에 대해 R^2 값 0.9999를 달성한다.
• 제시된 가격 모델에서 각 EVCI의 초일 수익은 136에서 168까지(단위 미정).