[論文レビュー] Electrical Vehicle Charging Station Profit Maximization: Admission, Pricing, and Online Scheduling

Shuoyao Wang, Suzhi Bi+3 more|arXiv (Cornell University)|May 5, 2017

Electric Vehicles and Infrastructure参考文献 17被引用数 4

ひとこと要約

本稿では、電気自動車（EV）充電ステーションの利益を最大化するため、収益と待機時間ペナルティのバランスを取る新たな共同入室制御、価格設定、オンラインスケジューリングフレームワーク「JoAP」を提案する。テンドムキューイングモデルを用いて平均的利益を解析的に特徴付け、実現可能な低複雑度のアルゴリズムを導出。実際の待機時間ペナルティ率のもとで、ベンチマーク手法と比較して最大531%の利益向上を達成した。

ABSTRACT

The rapid emergence of electric vehicles (EVs) demands an advanced infrastructure of publicly accessible charging stations that provide efficient charging services. In this paper, we propose a new charging station operation mechanism, the JoAP, which jointly optimizes the EV admission control, pricing, and charging scheduling to maximize the charging station's profit. More specifically, by introducing a tandem queueing network model, we analytically characterize the average charging station profit as a function of the admission control and pricing policies. Based on the analysis, we characterize the optimal JoAP algorithm. Through extensive simulations, we demonstrate that the proposed JoAP algorithm on average can achieve 330% and 531% higher profit than a widely adopted benchmark method under two representative waiting-time penalty rates.

研究の動機と目的

• 高コスト、限られた充電能力、長時間の待機時間によるユーザーの不満から生じるEV充電ステーションの低利益性を是正すること。
• キュー長のみに依存する従来の入室制御ポリシーの限界を克服し、将来のEV需要を無視するのを避けること。
• 長期的なステーション利益を最大化するために、入室制御、価格設定、スケジューリングを共同で最適化すること。
• 待機時間ペナルティがユーザー行動とステーション収益に与える影響をモデル化・分析すること。
• 低複雑度で解析的に裏付けられたアルゴリズムを開発し、リアルタイムのオンライン環境で近似的最適性能を達成すること。

提案手法

• EVがサービスを受けるために待機する段階と、実際に充電が行われる段階の2段階を持つテンドムキューイングネットワークモデルを提案。入室とサービスのダイナミクスを捉える。
• 複数のサブプロセスを用いた動的入室制御方式を導入。EVの充電需要をシステム状態と将来の予測に基づいて動的に評価し、受入を調整する。
• マコフ連鎖モデルの定常状態解析を用いて、平均待機時間および入室確率の閉形式表現を導出。
• 生成行列アプローチを用いて定常状態確率を再帰的に計算し、アルゴリズムパラメータの関数としてシステムの性能指標を導出。
• キングマンの近似およびラプラス変換技術を適用し、Ph/D/1キューイングシステムにおける平均待機時間を推定。これにより解析的最適化が可能になる。
• 解析的性能モデルに基づき、近似的最適な入室しきい値と価格設定ポリシーを計算する低複雑度のパrameter最適化アルゴリズムを開発。

実験結果

リサーチクエスチョン

• RQ1 入室制御、価格設定、スケジューリングの共同最適化は、EV充電ステーションの利益をどのように向上させるか？
• RQ2 システムパラメータ（例：入室しきい値、価格）と平均待機時間または利益の間の解析的関係は何か？
• RQ3 さまざまな待機時間ペナルティ率の下で、提案されたJoAPアルゴリズムは、従来のキュー長ベースの入室ポリシーと比べてどのように異なるか？
• RQ4 ランダムなEV到着を想定したオンライン充電スケジューリングにおいて、取り扱い可能な解析的モデルが性能を正確に予測できるか？
• RQ5 制限された充電ステーション環境下で、収益生成とユーザー待機時間の最適なトレードオフは何か？

主な発見

• 中程度の待機時間ペナルティ率のもとで、広く使われているベンチマーク手法と比較して、提案されたJoAPアルゴリズムは平均利益が330%高い。
• 高い待機時間ペナルティ率のもとで、同じベンチマークと比較してJoAPは平均利益を531%も上回り、ユーザーの不満に対する強い性能を示した。
• テンドムキューイングモデルは、入室制御と待機時間のトレードオフを効果的に捉えており、平均利益の正確な解析的特徴付けを可能にした。
• 平均待機時間は、入室しきい値パラメータdの凸増加関数として示され、既知のキューイング理論とモデルの一貫性が裏付けられた。
• 導出されたパrameter最適化アルゴリズムは、網羅的探索に比べて著しく低い計算複雑度で、近似的最適性能を達成した。
• システムの定常状態確率分布が閉形式で導出され、正確な性能評価とパrameterチューニングが可能になった。