論文の概要: Dynamic Rolling Horizon Optimization for Network-Constrained V2X Value Stacking of Electric Vehicles Under Uncertainties
- arxiv url: http://arxiv.org/abs/2502.09290v1
- Date: Thu, 13 Feb 2025 13:06:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-14 13:47:12.832756
- Title: Dynamic Rolling Horizon Optimization for Network-Constrained V2X Value Stacking of Electric Vehicles Under Uncertainties
- Title(参考訳): 不確実性下における電気自動車のネットワーク制約V2X値積み重ねに対する動的圧延水平最適化
- Authors: Canchen Jiang, Ariel Liebman, Bo Jie, Hao Wang,
- Abstract要約: 電気自動車(EV)のコーディネーションは、全車間(V2X)を通じて大きな利益をもたらすことができる
本研究の目的は、V2X価値構築フレームワーク(V2B)、V2G(V2G)、エネルギー取引など)を開発することである。
- 参考スコア(独自算出の注目度): 4.43248614452072
- License:
- Abstract: Electric vehicle (EV) coordination can provide significant benefits through vehicle-to-everything (V2X) by interacting with the grid, buildings, and other EVs. This work aims to develop a V2X value-stacking framework, including vehicle-to-building (V2B), vehicle-to-grid (V2G), and energy trading, to maximize economic benefits for residential communities while maintaining distribution voltage. This work also seeks to quantify the impact of prediction errors related to building load, renewable energy, and EV arrivals. A dynamic rolling-horizon optimization (RHO) method is employed to leverage multiple revenue streams and maximize the potential of EV coordination. To address energy uncertainties, including hourly local building load, local photovoltaic (PV) generation, and EV arrivals, this work develops a Transformer-based forecasting model named Gated Recurrent Units-Encoder-Temporal Fusion Decoder (GRU-EN-TFD). The simulation results, using real data from Australia's National Electricity Market, and the Independent System Operators in New England and New York in the US, reveal that V2X value stacking can significantly reduce energy costs. The proposed GRU-EN-TFD model outperforms the benchmark forecast model. Uncertainties in EV arrivals have a more substantial impact on value-stacking performance, highlighting the significance of its accurate forecast. This work provides new insights into the dynamic interactions among residential communities, unlocking the full potential of EV batteries.
- Abstract(参考訳): 電気自動車(EV)のコーディネーションは、グリッドや建物、その他のEVと相互作用することで、全車間(V2X)を通じて大きな利益をもたらすことができる。
本研究の目的は,V2B,V2G,エネルギートレーディングを含むV2X価値スタッキングフレームワークを開発し,配電電圧を維持しながら住宅コミュニティの経済的利益を最大化することである。
この研究は、建設負荷、再生可能エネルギー、EV到着に関連する予測エラーの影響の定量化も試みている。
動的転がり水平最適化(RHO)法は,複数の収益源を生かし,EV調整の可能性を最大化するために用いられる。
時限の局所的な建築負荷、太陽光発電(PV)生成、EV到着などのエネルギー不確実性に対処するため、GRU-EN-TFD(Gated Recurrent Units-Encoder-Temporal Fusion Decoder)と呼ばれるトランスフォーマーベースの予測モデルを開発した。
シミュレーションの結果、オーストラリアのナショナル・エレクトリック・マーケットと、ニューイングランドとニューヨークのインディペンデント・システム・オペレーターの実際のデータを用いて、V2X値の積み重ねがエネルギーコストを大幅に削減できることが判明した。
提案したGRU-EN-TFDモデルは,ベンチマーク予測モデルより優れている。
EVの到着の不確実性は、その正確な予測の重要性を浮き彫りにする価値スタッキングのパフォーマンスに、より重大な影響を与える。
この研究は、住宅コミュニティ間の動的相互作用に関する新たな洞察を与え、EVバッテリーの潜在能力を最大限に活用する。
関連論文リスト
- Uncertainty-Aware Critic Augmentation for Hierarchical Multi-Agent EV Charging Control [9.96602699887327]
ビルとEVの両方のエネルギー需要を規制する新しいリアルタイム充電制御であるHUCAを提案する。
HUCAは階層的なアクタークリティカルネットワークを使用して、動的価格シナリオにおけるEV充電の必要性を考慮して、建物の電力コストを動的に削減する。
実世界の電気データセットのシミュレーションと不確実な離脱シナリオによる実験により、HUCAは総電力コストにおいてベースラインを上回っていることが示された。
論文 参考訳(メタデータ) (2024-12-23T23:45:45Z) - Hybrid-Generative Diffusion Models for Attack-Oriented Twin Migration in Vehicular Metaverses [58.264499654343226]
Vehicle Twins (VTs) は、Vehicular Metaverse Users (VMUs) 向けに没入型仮想サービスを提供するデジタルツインである。
車両の高モビリティ、エッジサーバの不均一なデプロイ、潜在的なセキュリティ脅威は、効率的で信頼性の高いVTマイグレーションを実現する上での課題である。
車両メタバースにおけるセキュアで信頼性の高いVTマイグレーションフレームワークを提案する。
論文 参考訳(メタデータ) (2024-07-05T11:11:33Z) - Electric Vehicles coordination for grid balancing using multi-objective
Harris Hawks Optimization [0.0]
再生可能エネルギーの台頭は、地域グリッドのエネルギー収支に技術的および運用上の課題をもたらす電気自動車(EV)へのシフトと一致している。
複数のEVからグリッドへの電力フローの調整には、高度なアルゴリズムとロードバランシング戦略が必要である。
本稿では,安定した電力供給と安定したローカルグリッドの維持を目標として,一日のEVフリート調整モデルを提案する。
論文 参考訳(メタデータ) (2023-11-24T15:50:37Z) - Charge Manipulation Attacks Against Smart Electric Vehicle Charging Stations and Deep Learning-based Detection Mechanisms [49.37592437398933]
電気自動車充電ステーション(EVCS)は、グリーントランスポートの実現に向けた重要なステップとなる。
我々は、攻撃者がスマート充電操作中に交換された情報を操作しているEV充電に対する充電操作攻撃(CMA)を調査した。
本稿では,EV充電に関わるパラメータを監視してCMAを検出する,教師なしのディープラーニングに基づくメカニズムを提案する。
論文 参考訳(メタデータ) (2023-10-18T18:38:59Z) - MARL for Decentralized Electric Vehicle Charging Coordination with V2V
Energy Exchange [5.442116840518914]
本稿では、車両間エネルギー交換(V2V)を考慮したEV充電調整について述べる。
本稿では,EV充電とV2Vエネルギー交換を協調するマルチエージェント強化学習(MARL)手法を提案する。
論文 参考訳(メタデータ) (2023-08-27T14:06:21Z) - Federated Reinforcement Learning for Real-Time Electric Vehicle Charging
and Discharging Control [42.17503767317918]
本稿では、動的環境下で異なるEVユーザに対して最適なEV充電/放電制御戦略を開発する。
多様なユーザの行動や動的環境に適合する水平連合強化学習法(HFRL)を提案する。
シミュレーションの結果,提案したリアルタイムEV充電/放電制御戦略は,様々な要因において良好に機能することが示された。
論文 参考訳(メタデータ) (2022-10-04T08:22:46Z) - V2X-ViT: Vehicle-to-Everything Cooperative Perception with Vision
Transformer [58.71845618090022]
我々は、道路上のエージェント間で情報を融合するために、V2X-ViTという全体論的アテンションモデルを構築した。
V2X-ViTは異質なマルチエージェント自己アテンションとマルチスケールウィンドウ自己アテンションの交互層から構成される。
我々のアプローチを検証するために、我々は大規模なV2X知覚データセットを作成します。
論文 参考訳(メタデータ) (2022-03-20T20:18:25Z) - An Energy Consumption Model for Electrical Vehicle Networks via Extended
Federated-learning [50.85048976506701]
本稿では,フェデレートラーニングモデルに基づく不安度を測る新しい手法を提案する。
バッテリー消費を推定し、車両ネットワークにエネルギー効率の高いルートプランニングを提供する。
論文 参考訳(メタデータ) (2021-11-13T15:03:44Z) - Predicting vehicles parking behaviour in shared premises for aggregated
EV electricity demand response programs [3.448121798373834]
本稿では,共有駐車場における駐車時間推定手法を提案する。
我々は、駐車イベントの期間を予測するために、予測問題を教師付き機械学習タスクとして定式化する。
この予測期間は、ピーク時の電力需要を減少させる期間にわたって電力を割り当てるエネルギー管理システムに供給される。
論文 参考訳(メタデータ) (2021-09-20T16:33:17Z) - Fed-BEV: A Federated Learning Framework for Modelling Energy Consumption
of Battery Electric Vehicles [5.817576247456001]
バッテリ電気自動車(BEV)は、バッテリパックに蓄えられた化学エネルギーのみを推進に使用する。
BEV(Fed-BEV)のエネルギー消費をモデル化するための新しい枠組みを提案する。
具体的には、Fed-BEVフレームワークに関わるBEVのグループが互いに学び、エネルギー消費モデルを共同で強化することができる。
論文 参考訳(メタデータ) (2021-08-05T01:56:09Z) - Universal Battery Performance and Degradation Model for Electric
Aircraft [52.77024349608834]
電動垂直離着陸機(eVTOL)の設計、解析、運用には、Liイオン電池の性能の迅速かつ正確な予測が必要である。
我々は,eVTOLのデューティサイクルに特有の電池性能と熱的挙動のデータセットを生成する。
このデータセットを用いて,物理インフォームド機械学習を用いた電池性能・劣化モデル(Cellfit)を開発した。
論文 参考訳(メタデータ) (2020-07-06T16:10:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。