Controlling Large Electric Vehicle Charging Stations via User Behavior Modeling and Stochastic Programming

要約

このペーパーでは、スロット電力制限、契約しきい値超過ペナルティ、電気自動車 (EV) の早期切断などの現実世界の制約を組み込んだ電気自動車充電ステーション (EVCS) モデルを紹介します。
我々は、不確実性下でのEVCS制御の問題の定式化を提案し、ユーザー提供の情報を活用する2つの多段階確率的プログラミングアプローチ、すなわちモデル予測制御と二段階確率的プログラミングを実装します。
このモデルは、充電セッションの開始時間と終了時間、およびエネルギー需要の不確実性に対処します。
滞在時間依存の確率過程に基づくユーザーの行動モデルにより、顧客満足度を維持しながらコスト削減を強化します。
提案された 2 つの方法の利点は、実世界のデータセットを使用した 22 日間のシミュレーションにわたる 2 つのベースラインに対して示されています。
2 段階のアプローチは、最適化のためのより多くの不確実性シナリオを考慮して、早期の切断に対して堅牢であることが証明されています。
電気代よりもユーザー満足度を優先するアルゴリズムにより、業界標準のベースラインと比較して、2 つのユーザー満足度指標で 20% と 36% の向上が達成されました。
さらに、コストとユーザー満足度の最適なバランスをとるアルゴリズムは、非予期性制約が緩和された理論的に最適なベースラインと比較して、相対的なコスト増加はわずか 3% であり、同時に、ユーザー満足度パフォーマンスの 94% と 84% を達成しています。
2 つは満足度の指標を使用しました。

要約(オリジナル)

This paper introduces an Electric Vehicle Charging Station (EVCS) model that incorporates real-world constraints, such as slot power limitations, contract threshold overruns penalties, or early disconnections of electric vehicles (EVs). We propose a formulation of the problem of EVCS control under uncertainty, and implement two Multi-Stage Stochastic Programming approaches that leverage user-provided information, namely, Model Predictive Control and Two-Stage Stochastic Programming. The model addresses uncertainties in charging session start and end times, as well as in energy demand. A user’s behavior model based on a sojourn-time-dependent stochastic process enhances cost reduction while maintaining customer satisfaction. The benefits of the two proposed methods are showcased against two baselines over a 22-day simulation using a real-world dataset. The two-stage approach proves robust against early disconnections, considering a more significant number of uncertainty scenarios for optimization. The algorithm prioritizing user satisfaction over electricity cost achieves a 20% and 36% improvement in two user satisfaction metrics compared to an industry-standard baseline. Additionally, the algorithm striking the best balance between cost and user satisfaction exhibits a mere 3% relative cost increase compared to the theoretically optimal baseline – for which the nonanticipativity constraint is relaxed – while attaining 94% and 84% of the user satisfaction performance in the two used satisfaction metrics.

arxiv情報

著者 Alban Puech,Tristan Rigaut,William Templier,Maud Tournoud
発行日 2024-02-20 18:37:11+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.CE, cs.LG, cs.SY, eess.SY, math.OC パーマリンク