[论文解读] Adaptive Distributionally Robust Planning for Renewable-Powered Fast Charging Stations Under Decision-Dependent EV Diffusion Uncertainty

Yujia Li, Feng Qiu+2 more|arXiv (Cornell University)|Oct 11, 2023

Electric Vehicles and InfrastructureEngineering被引用 3

一句话总结

该论文提出了一种两阶段决策依赖分布鲁棒快速充电站（D3R-FCSP）规划模型，通过决策依赖模糊集（DDASs）显式建模电动汽车（EV）采用率作为决策依赖不确定性（DDUs）。通过整合多时段容量弧覆盖-路径覆盖（MCACPC）模型，并利用强对偶性与McCormick松弛法将问题重构为单层混合整数线性规划，该模型实现了可适应、成本高效且安全的可再生能源供电FCS部署，同时通过FCS布局与EV扩散之间的正向反馈回路加速EV采用。

ABSTRACT

When deploying fast charging stations (FCSs) to support long-distance trips of electric vehicles (EVs), there exist indirect network effects: while the gradual diffusion of EVs directly influences the timing and capacities of FCS allocation, the decisions for FCS allocations, in turn, impact the drivers' willingness to adopt EVs. This interplay, if neglected, can result in uncovered EVs and security issues on the grid side and even hinder the effective diffusion of EVs. In this paper, we explicitly incorporate this interdependence by quantifying EV adoption rates as decision-dependent uncertainties (DDUs) using decision-dependent ambiguity sets (DDASs). Then, a two-stage decision-dependent distributionally robust FCS planning (D$^3$R-FCSP) model is developed for adaptively deploying FCSs with on-site sources and expanding the coupled distribution network. A multi-period capacitated arc cover-path cover (MCACPC) model is incorporated to capture the EVs' recharging patterns to ensure the feasibility of FCS locations and capacities. To resolve the nonlinearity and nonconvexity, the D$^3$R-FCSP model is equivalently reformulated into a single-level mixed-integer linear programming by exploiting its strong duality and applying the McCormick envelope. Finally, case studies highlight the superior out-of-sample performances of our model in terms of security and cost-efficiency. Furthermore, the byproduct of accelerated EV adoption through an implicit positive feedback loop is highlighted.

研究动机与目标

• 通过将EV采用率建模为决策依赖不确定性，解决EV采用与FCS部署之间的‘先有鸡还是先有蛋’问题。
• 通过集成本地可再生能源与储能系统，提升耦合交通与配电网中的电网安全性和成本效率。
• 开发一种鲁棒优化框架，以应对由于历史数据有限而导致的EV采用率概率分布模糊性。
• 通过采用多时段容量弧覆盖-路径覆盖（MCACPC）模型对EV充电模式进行建模，确保FCS位置与容量的可行性。
• 通过将原始双层问题重构为单层混合整数线性规划（MILP），实现自适应、样本外鲁棒的规划。

提出的方法

• D3R-FCSP模型使用决策依赖模糊集（DDASs）表示受FCS部署决策内生影响的不确定EV采用率。
• 嵌入多时段容量弧覆盖-路径覆盖（MCACPC）模型，以确保所有沿指定路径的EV行程均被至少一个具备足够容量的FCS覆盖。
• 利用强对偶性与McCormick松弛法处理双线性项，将问题的双层结构重构为单层混合整数线性规划（MILP）。
• 联合优化第一阶段的FCS、本地光伏（PV）、储能系统（ESS）、变电站容量及配电线路扩展投资。
• 目标函数最小化总成本，包括投资成本、运行成本，以及负荷削减、光伏弃用和未覆盖EV的惩罚成本。
• 公式中包含潮流约束、电压限值与线路载流量，以确保辐射状配电网的安全性。

实验结果

研究问题

• RQ1 在数据有限的条件下，如何在FCS规划中有效建模EV采用率的决策依赖不确定性？
• RQ2 在成本、安全性与EV覆盖方面，引入DDAs在样本外性能上的提升程度如何？
• RQ3 一种考虑EV采用率概率分布模糊性的鲁棒FCS规划模型，是否能优于传统确定性或分布鲁棒模型？
• RQ4 FCS部署与EV采用之间的反馈回路如何影响长期扩散率与系统性能？
• RQ5 在不同交通与敏感性条件下，FCS规划中引入DDUs的货币价值是多少？

主要发现

• 当TF设定为125%时，该D3R-FCSP模型在IF = 1和IF = 2 p.u.条件下分别实现25.9%与30.3%的预期成本节约，表明具有显著的经济收益。
• 通过各规划周期的电压分布与线路载流量分析，验证了模型维持了足够的安全裕度，有效防止了电压越限与线路过载。
• MCACPC模型确保所有EV行程均被具备足够容量的FCS覆盖，在样本外评估中无未覆盖EV。
• VD3RS指标在固定IF下于TF = 150%时达到峰值，表明在中等交通条件下信息价值最优，但在更高交通量下因电网容量限制而下降。
• 该模型通过正向反馈回路加速EV采用：更优的FCS布局提升EV采用率，后者反过来为进一步FCS投资提供合理性。
• 案例研究显示，与基线策略相比，该策略显著提升了EV采用率——例如在OD对3-19的第3个周期达到30.53%，证实了反馈机制的有效性。