[論文レビュー] On-line Decentralized Charging of Plug-In Electric Vehicles in Power Systems

Qiao Li, Tao Cui+3 more|arXiv (Cornell University)|Jun 24, 2011

Electric Vehicles and Infrastructure参考文献 29被引用数 49

ひとこと要約

本稿では、将来の予測を必要とせず、現在のシステム状態のみを用いてリアルタイムで配電系統の負荷ばらつきを最小化するオンライン分散型充電アルゴリズムを提案する。このアルゴリズムは、将来の予測が不要なため、ランダムな走行パターンや間歇的再生可能エネルギー供給などの不確実性に対してもロバストであり、漸近的最適性と安定性を達成する。

ABSTRACT

The concept of plug-in electric vehicles (PEV) are gaining increasing popularity in recent years, due to the growing societal awareness of reducing greenhouse gas (GHG) emissions, and gaining independence on foreign oil or petroleum. Large-scale deployment of PEVs currently faces many challenges. One particular concern is that the PEV charging can potentially cause significant impacts on the existing power distribution system, due to the increase in peak load. As such, this work tries to mitigate the impacts of PEV charging by proposing a decentralized smart PEV charging algorithm to minimize the distribution system load variance, so that a `flat' total load profile can be obtained. The charging algorithm is myopic, in that it controls the PEV charging processes in each time slot based entirely on the current power system states, without knowledge about future system dynamics. We provide theoretical guarantees on the asymptotic optimality of the proposed charging algorithm. Thus, compared to other forecast based smart charging approaches in the literature, the charging algorithm not only achieves optimality asymptotically in an on-line, and decentralized manner, but also is robust against various uncertainties in the power system, such as random PEV driving patterns and distributed generation (DG) with highly intermittent renewable energy sources.

研究の動機と目的

• 大規模なPEVの充電に伴うピーク負荷の増加という課題に対処すること。
• ピーク時間帯における非協調的PEV充電が引き起こす可能性のあるグリッド混雑や電圧問題を緩和すること。
• 将来のシステム状態予測に依存しない分散型、リアルタイム充電戦略を開発すること。
• ピーク負荷の低減とシステム損失の削減、および高価なグリッドインfraの更新を延期するために平坦な負荷プロファイルを達成すること。
• 変動するPEVの走行パターンや間歇的分散型発電などの不確実性に対してもロバストであることを保証すること。

提案手法

• Lyapunov最適化フレームワークを用いて、配電網における負荷ばらつきの最小化としてPEV充電問題を定式化する。
• 現在の充電残量（SoC）およびシステム状態にのみ依存して、各時間スロットごとに各車両に対して二値の充電意思決定（充電する／しない）を行う、短視眼的でオンラインのアルゴリズムを採用する。
• 負荷ばらつきの最小化と充電コストのバランスをとるために二次罰則関数を用い、安定性を確保するための双対変数更新機構を導入する。
• 充電進行状況を追跡し、エネルギー供給制約およびバッテリ制限を強制するために仮想エネルギーキューを導入する。
• 時間変動するシステムダイナミクス下でも、Lyapunov関数のドリフトの境界を導出し、漸近的最適性と安定性を証明する。
• 集中型制御なしで充電を調整するために、リファレンス信号 $ U^{ ext{ref}}(n) $ と充電オフセット $ C_i $ を適用する。

実験結果

リサーチクエスチョン

• RQ1 将来のシステム状態を予測しない分散型オンライン充電アルゴリズムは、近似的に最適な負荷ばらつき低減を達成できるか？
• RQ2 ランダムなPEVの到着時刻や変動する再生可能エネルギー供給といった不確実性下でも、アルゴリズムはどのように性能を発揮するか？
• RQ3 長期的な最適性と安定性について、どのような理論的保証を提供できるか？
• RQ4 複数日間にわたり、負荷ばらつきを最小化しつつ、システムの安定性を維持できるか？
• RQ5 予測に基づくアプローチと比較して、ロバスト性と性能の面でアルゴリズムはどのように差をつけるか？

主な発見

• 提案アルゴリズムは、負荷ばらつきの最小化において漸近的最適性を達成し、日数 $ D \to \infty $ のとき平均コストが最適値に収束する。
• 平均バッテリエネルギーキューのサイズを有界に保つことで、安定性を確保し、容量制約に違反することなく充電要請を満たす。
• 理論的分析により、将来のシステムダイナミクスの知識がなくても、アルゴリズムの性能が最適解に収束することが証明された。
• 短視眼的かつオンラインの性質のおかげで、ランダムなPEV走行パターンや間歇的分散型発電などの不確実性に対しても、アルゴリズムはロバストである。
• Lyapunov関数のドリフトの境界により、システムが時間経過とともに安定を保ち、平均キュー長が有界に保たれる。
• 本手法は平坦な負荷プロファイルを達成し、PEVの充電をオフピーク時間帯に効果的に分散させ、ピーク負荷とシステム損失を低減する。