[논문 리뷰] Socio-technical Smart Grid Optimization via Decentralized Charge Control of Electric Vehicles

Evangelos Pournaras, Seoho Jung외 3명|arXiv (Cornell University)|2017. 01. 24.

Electric Vehicles and Infrastructure참고 문헌 54인용 수 3

한 줄 요약

이 논문은 스마트 그라이드에서 전기자동차(EV) 충전을 최적화하기 위해 자율 소프트웨어 에이전트를 사용하는 탈중앙화되고 프라이버시를 보장하는 학습 메커니즘을 제안한다. I-EPOS 알고리즘을 통해 EV들이 현지에서 생성된 충전 계획을 공동으로 선택함으로써, 전력 피크와 에너지 비용을 감소시키고 운전자 불편을 최소화하며 공정성을 확보한다. 100% 참여율 하에서 최대 26%의 피크 부하 감소와 99.6%의 공정성 확보를 달성한다.

ABSTRACT

The penetration of electric vehicles becomes a catalyst for the sustainability of Smart Cities. However, unregulated battery charging remains a challenge causing high energy costs, power peaks or even blackouts. This paper studies this challenge from a socio-technical perspective: social dynamics such as the participation in demand-response programs, the discomfort experienced by alternative suggested vehicle usage times and even the fairness in terms of how equally discomfort is experienced among the population are highly intertwined with Smart Grid reliability. To address challenges of such a socio-technical nature, this paper introduces a fully decentralized and participatory learning mechanism for privacy-preserving coordinated charging control of electric vehicles that regulates three Smart Grid socio-technical aspects: (i) reliability, (ii) discomfort and (iii) fairness. In contrast to related work, a novel autonomous software agent exclusively uses local knowledge to generate energy demand plans for its vehicle that encode different battery charging regimes. Agents interact to learn and make collective decisions of which plan to execute so that power peaks and energy cost are reduced system-wide. Evaluation with real-world data confirms the improvement of drivers' comfort and fairness using the proposed planning method, while this improvement is assessed in terms of reliability and cost reduction under a varying number of participating vehicles. These findings have a significant relevance and impact for power utilities and system operator on designing more reliable and socially responsible Smart Grids with high penetration of electric vehicles.

연구 동기 및 목표

• 비규제적인 EV 충전으로 인한 그리드 불안정성과 높은 비용을 초래하는 사회기술적 과제를 해결하기 위해.
• 운전자 선호도와 라이프스타일 습관을 존중하면서도 프라이버시를 보장하는 탈중앙화된 협업 메커니즘을 설계하기 위해.
• 신뢰성, 불편, 공정성의 균형을 고려해 스마트 그라이드 성능을 최적화하기 위해.
• 참여 수준이 피크 부하, 비용, 형평성과 같은 시스템 전체 성능 지표에 미치는 영향을 평가하기 위해.

제안 방법

• 각 EV는 현지 지식을 바탕으로 여러 가지 대체 충전 계획을 생성하는 자율 소프트웨어 에이전트에 의해 관리된다.
• 에이전트들은 중앙 집중식 조정 없이도 I-EPOS(반복 경제 계획 및 최적 선택) 알고리즘을 사용해 반복적으로 학습하고 공동 충전 계획을 선별한다.
• 충전 계획은 다양한 배터리 충전 방식을 포함하며, 에너지 비용, 전력 피크, 불편, 공정성 기준으로 평가된다.
• 불편은 충전 중 차량 사용 가능성이 높을 때의 충전 상태와의 곱으로 정량화되며, 정규화된 [0,1] 척도를 사용한다.
• 공정성은 에이전트 간 불편 분포의 균일성으로 측정되며, 높은 값일수록 더 공정한 영향을 의미한다.
• 시스템은 두 가지 목표를 최적화한다: MIN-COST(에너지 비용 최소화)와 MIN-DEV(균일한 부하 분포에서의 편차 최소화)이며, 0-1 다중 선택 조합 최적화 프레임워크를 사용한다.

실험 결과

연구 질문

• RQ1 탈중앙화된 EV 충전 조율은 운전자 불편을 고려하지 않고도 전력 피크와 에너지 비용을 어떻게 줄일 수 있는가?
• RQ2 제안된 방법이 EV 사용자 간 불편 분포의 공정성에 얼마나 기여하는가?
• RQ3 참여 수준은 스마트 그라이드 운영에서 신뢰성, 비용, 불편, 공정성 간의 트레이드오프에 어떻게 영향을 미치는가?
• RQ4 완전히 탈중앙화되고 프라이버시를 보장하는 메커니즘이 중심 집중 방식과 비교해도 시스템 전체 최적화를 달성할 수 있는가?
• RQ5 부하 변동성 최소화와 에너지 비용 최소화 중 어느 쪽이 운전자 불편과 시스템 성능에 더 큰 영향을 미치는가?

주요 결과

• 100% 참여율 하에서, 비협조적 충전 대비 최대 26%의 전력 피크 감소를 기록해 그리드 신뢰성을 크게 향상시켰다.
• MIN-COST 목표는 모든 참여 수준에서 평균 불편도 0.00197을 기록했고, MIN-DEV는 약간 낮은 불편도 0.00197을 기록해 비용과 부하 균형화 사이의 트레이드오프를 보여주었다.
• MIN-COST와 MIN-DEV 모두 공정성이 향상되었으며, 100% 참여율에서 MIN-COST는 평균 공정도 0.9960을 달성해 제어 데이터를 초월했다.
• 25% 참여율일 경우, 비참여 에이전트를 상쇄하기 위해 더 파괴적인 결정이 필요해 불편이 증가했으며, 이는 높은 참여율의 중요성을 강조한다.
• 평균 불편도는 25%일 때 0.00168에서 100%일 때 0.00197까지 변동했으며, 0.012 이하의 값은 고사용 가능성 확률 하에서 88% 충전 수준에서 고위험 불안감을 나타낸다.
• 결과는 부하 변동성 최소화(MIN-DEV)가 비용 최소화(MIN-COST)보다 더 높은 불편을 유발함을 확인하며, 이는 높은 사용률 시간대에 충전이 필요하기 때문이다.