[论文解读] Socio-technical Smart Grid Optimization via Decentralized Charge Control of Electric Vehicles

Evangelos Pournaras, Seoho Jung+3 more|arXiv (Cornell University)|Jan 24, 2017

Electric Vehicles and Infrastructure参考文献 54被引用 3

一句话总结

本文提出一种去中心化、保护隐私的学习机制，利用自主软件代理优化智能电网中的电动汽车（EV）充电。通过使电动汽车利用 I-EPOS 算法协作选择本地生成的充电计划，该系统在降低电力峰值和能源成本的同时，最小化驾驶员不适感并确保公平性——在 100% 参与度下，实现高达 26% 的峰值负荷降低和 99.6% 的公平性。

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.

研究动机与目标

• 解决无监管电动汽车充电带来的电网不稳定和高成本等社会技术挑战。
• 设计一种保护隐私的去中心化协调机制，尊重驾驶员偏好和生活习惯。
• 通过平衡可靠性、不适感和公平性，优化智能电网在电动汽车充电调度中的性能。
• 评估参与度对系统级性能指标（如峰值负荷、成本和公平性）的影响。

提出的方法

• 每辆电动汽车由一个自主软件代理管理，基于本地知识生成多个替代充电计划。
• 代理使用 I-EPOS（迭代经济规划与优化选择）算法，无需中央协调，迭代学习并选择集体充电计划。
• 充电计划编码了不同的电池充电模式，并根据能源成本、功率峰值、不适感和公平性进行评估。
• 不适感通过荷电状态与充电期间车辆使用可能性的乘积来量化，采用归一化的 [0,1] 尺度。
• 公平性通过代理之间不适感分布的均匀性来衡量，数值越高表示影响越公平。
• 系统采用 0-1 多重选择组合优化框架，同时优化两个目标：MIN-COST（最小化能源成本）和 MIN-DEV（最小化负载分布偏离均匀性）。

实验结果

研究问题

• RQ1 去中心化的电动汽车充电协调如何在不损害驾驶员舒适度的前提下降低电力峰值和能源成本？
• RQ2 所提出的方法在多大程度上改善了电动汽车用户之间不适感分布的公平性？
• RQ3 参与度如何影响智能电网运行中可靠性、成本、不适感和公平性之间的权衡？
• RQ4 完全去中心化、保护隐私的机制能否实现与集中式方法相当的全局优化？
• RQ5 最小化负载方差与最小化能源成本相比，对驾驶员不适感和系统性能有何影响？

主要发现

• 在 100% 参与度下，与非协调充电相比，系统将电力峰值降低了高达 26%，显著提升了电网可靠性。
• MIN-COST 目标在所有参与度水平下平均不适感为 0.00197，而 MIN-DEV 的不适感略低，为 0.00197，表明成本与负载平滑之间存在权衡。
• 在 MIN-COST 和 MIN-DEV 下，公平性均得到提升，其中 MIN-COST 在 100% 参与度下平均公平性达 0.9960，优于对照数据。
• 仅 25% 参与度时，不适感上升，因需对非参与代理采取更具破坏性的决策以进行补偿，凸显高参与度的重要性。
• 平均不适感值在 0.00168（25%）至 0.00197（100%）之间，低于 0.012 的值对应于在高使用可能性下充电至 88% 时的高范围焦虑风险。
• 结果证实，最小化负载方差（MIN-DEV）导致的不适感高于最小化成本（MIN-COST），因为后者需要在使用率更高的时段进行充电。