[논문 리뷰] Multi-Objective Optimization of Electric Vehicle Charging Schedule with Time of Use Tariff.

Hui Song, Chen Liu외 3명|arXiv (Cornell University)|2021. 08. 11.

Electric Vehicles and Infrastructure참고 문헌 26인용 수 3

한 줄 요약

이 논문은 시간에 따라 변하는 요금제(TOU) 요금제 하에서 전기자동차(EV) 충전을 최적화하는 다목표 전기자동차 충전 스케줄링(MOEVCS) 프레임워크를 제안한다. 이 프레임워크는 제약 조건이 있는 다목표 진화 알고리즘을 사용하여 EV 소유자 비용, 충전 스테이션 수익, 전력망 영향을 균형 있게 조정한다. 이 프레임워크는 네 가지 다른 충전 수요 시나리오에서 상충되는 목표 간의 효과적인 트레이드오프를 실현하여 조율 능력 향상과 이해관계자 이익 균형을 개선함을 보여준다.

ABSTRACT

The increased uptake of electric vehicles (EVs) leads to increased demand for electricity, and sometime pressure to power grids. Uncoordinated charging of EVs may result in putting pressure on distribution networks, and often some form of optimisation is required in the charging process. Optimal coordinated charging is a multi-objective optimisation problem in nature, with objective functions such as minimum price charging and minimum disruptions to the grid. In this manuscript, we propose a general multi-objective EV charging/discharging schedule (MOEVCS) framework, where the time of use (TOU) tariff is designed according to the load request at each time stamp. To obtain the optimal scheduling scheme and balance the competing benefits from different stakeholders, such as EV owners, EV charging stations (EVCS), and the grid operator, we design three conflicting objective functions including EV owner cost, EVCS profit, and the network impact. Moreover, we create four application scenarios with different charging request distributions over the investigated periods. We use a constraint multi-objective evolutionary algorithm (MOEA) to solve the problem. Our results demonstrate the effectiveness of MOEVCS in making a balance between three conflicting objectives.

연구 동기 및 목표

• 비협력적인 전기자동차(EV) 충전으로 인한 배전망에 가해지는 증가하는 압력에 대응하기 위해.
• EV 소유자, 충전 스테이션, 전력망 운영자 간의 상충되는 목표를 균형 있게 조절하는 통합된 EV 충전 프레임워크를 개발하기 위해.
• 각 시간 간격에서의 부하 요청에 동적으로 반응하는 시간에 따라 변하는(TOU) 요금제 메커니즘을 설계하기 위해.
• 다양한 충전 수요 분포 상황에서 제안된 프레임워크의 성능을 평가하기 위해.
• EV 소유자 비용을 최소화하고, EV 충전 스테이션 수익을 최대화하며, 네트워크 영향을 줄이는 데 최적의 트레이드오프를 달성하기 위해.

제안 방법

• EV 소유자 비용, EV 충전 스테이션(EVCS) 수익, 네트워크 영향이라는 세 가지 상충되는 목표를 가진 일반적인 다목표 전기자동차 충전/방전 스케줄링(MOEVCS) 프레임워크를 제안한다.
• 각 시간 간격에서 실시간 부하 요청에 기반한 동적 TOU 요금을 설계하여 전력망 상태를 반영한다.
• 이 문제를 이해관계자 이익을 나타내는 세 개의 목적 함수를 가진 제약 조건이 있는 다목표 최적화 문제로 수식화한다.
• 최적화 문제를 해결하고 파레토 최적 해를 생성하기 위해 제약 조건이 있는 다목표 진화 알고리즘(MOEA)을 적용한다.
• 시간 범위 동안 다양한 충전 요청 분포를 가진 네 가지의 구체적인 응용 시나리오를 정의하여 탄력성 테스트를 수행한다.
• MOEA를 사용하여 목표 간 트레이드오프를 탐색하고, 모든 시나리오에서 균형 잡힌 스케줄링 방안을 식별한다.

실험 결과

연구 질문

• RQ1 EV 충전을 어떻게 조율하여 EV 소유자의 비용을 최소화하면서 충전 스테이션의 수익성을 유지하고 전력망에 가해지는 압력을 줄일 수 있는가?
• RQ2 동적 시간에 따라 변하는(TOU) 요금제가 EV 충전 스케줄링에서 이해관계자 목표를 균형 있게 조절하는 데 어떤 영향을 미치는가?
• RQ3 제안된 MOEVCS 프레임워크는 시간대별로 다양한 패턴의 EV 충전 수요가 존재할 경우 어떻게 성능을 발휘하는가?
• RQ4 다목표 진화 알고리즘이 EV 충전 스케줄링에서 상충되는 목표를 효과적으로 균형 있게 조정할 수 있는 정도는 어느 정도인가?
• RQ5 조정된 충전 시나리오에서 EV 소유자 비용, EVCS 수익, 네트워크 영향 간에 어떤 트레이드오프가 발생하는가?

주요 결과

• MOEVCS 프레임워크는 EV 소유자 비용, EVCS 수익, 네트워크 영향이라는 세 가지 상충되는 목표 간에 균형 잡힌 트레이드오프를 성공적으로 달성하였다.
• 실시간 부하 요청에 기반한 동적 TOU 요금제의 사용은 충전 스케줄의 적응성과 공정성을 향상시켰다.
• 제약 조건이 있는 다목표 진화 알고리즘이 네 가지 응용 시나리오 전역에서 파레토 최적 해를 효과적으로 생성하였다.
• 시간대별로 다른 충전 수요 분포가 최적의 스케줄링 결과와 트레이드오프에 상당한 영향을 미쳤다.
• 비협력적 충전에 비해 프레임워크는 조율 효율성이 향상되어 전력망 부담과 운영 비용을 감소시켰다.
• 결과는 다목표 최적화가 공정하고 지속 가능한 전기자동차 충전 운영을 달성하기 위해 필수적임을 확인시켰다.