[论文解读] 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 4

一句话总结

本文提出 JoAP，一种用于电动汽车（EV）充电站的新型联合准入控制、定价与在线调度框架，通过平衡收入与等待时间惩罚，以最大化利润。基于串联排队模型，该研究在理论上刻画了平均利润，并推导出一种低复杂度算法，在现实等待时间惩罚率下，其利润最高可达基准方法的531%。

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.

研究动机与目标

• 为解决由于高成本、有限充电容量以及用户因长时间等待而失去耐心导致的电动汽车充电站盈利能力低下问题。
• 克服现有准入控制策略仅依赖队列长度或忽略未来电动汽车需求的局限性。
• 联合优化准入控制、定价与调度，以最大化长期充电站利润。
• 建立并分析等待时间惩罚对用户行为与充电站收入的影响。
• 开发一种低复杂度、基于理论分析的算法，在实时在线环境中实现接近最优的性能。

提出的方法

• 提出一种两级串联排队网络模型：第一级为等待服务的电动车，第二级为正在充电的电动车，以捕捉准入与服务的动态过程。
• 引入一种多子过程准入控制方案，动态评估电动汽车的充电需求，并根据系统状态和未来预期调整接受策略。
• 通过马尔可夫链模型的稳态分析，推导出平均等待时间与准入概率的闭式表达式。
• 采用生成矩阵方法递归计算稳态概率，并将系统性能指标表示为算法参数的函数。
• 应用 Kingman 近似与拉普拉斯变换技术，估算 Ph/D/1 排队系统中的平均等待时间，从而实现理论优化。
• 开发一种低复杂度的参数优化算法，基于理论性能模型计算接近最优的准入阈值与定价策略。

实验结果

研究问题

• RQ1 如何通过联合优化准入控制、定价与调度来提升电动汽车充电站的盈利能力？
• RQ2 系统参数（如准入阈值、定价）与平均等待时间或利润之间的理论关系是什么？
• RQ3 在不同等待时间惩罚率下，所提出的 JoAP 算法与传统基于队列长度的准入策略相比表现如何？
• RQ4 是否能够通过可处理的理论模型准确预测随机电动汽车到达情况下的在线充电调度性能？
• RQ5 在充电容量受限的环境中，如何实现收入生成与用户等待时间之间的最优权衡？

主要发现

• 在中等等待时间惩罚率下，所提出的 JoAP 算法实现的平均利润比广泛使用的基准方法高出330%。
• 在高等待时间惩罚率下，JoAP 相较同一基准方法实现的平均利润高出531%，表明其在用户易怒情况下的强大性能。
• 串联排队模型成功捕捉了准入控制与等待时间之间的权衡，实现了对平均利润的精确理论刻画。
• 平均等待时间被证明是准入阈值参数 d 的凸递增函数，验证了模型与已知排队论的一致性。
• 所推导的参数优化算法在显著降低计算复杂度的前提下，实现了接近最优的性能。
• 系统稳态概率分布以闭式形式推导得出，实现了精确的性能评估与参数调优。