論文の概要: A Digital Twin Framework for Decision-Support and Optimization of EV Charging Infrastructure in Localized Urban Systems
- arxiv url: http://arxiv.org/abs/2510.24758v1
- Date: Tue, 21 Oct 2025 12:26:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-30 15:50:44.394297
- Title: A Digital Twin Framework for Decision-Support and Optimization of EV Charging Infrastructure in Localized Urban Systems
- Title（参考訳）: 地方都市におけるEV充電インフラの意思決定と最適化のためのデジタル双極式フレームワーク
- Authors: Linh Do-Bui-Khanh, Thanh H. Nguyen, Nghi Huynh Quang, Doanh Nguyen-Ngoc, Laurent El Ghaoui,
- Abstract要約: この研究は、デジタルツインフレームワークの提案により、静的モデルを超えて進んでいる。
エージェントベースの意思決定サポートと組込み最適化を統合し、EV充電動作を動的にシミュレートする。
モデルはベトナムのハノイの地方都市に適用される。
- 参考スコア（独自算出の注目度）: 0.6640968473398454
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As Electric Vehicle (EV) adoption accelerates in urban environments, optimizing charging infrastructure is vital for balancing user satisfaction, energy efficiency, and financial viability. This study advances beyond static models by proposing a digital twin framework that integrates agent-based decision support with embedded optimization to dynamically simulate EV charging behaviors, infrastructure layouts, and policy responses across scenarios. Applied to a localized urban site (a university campus) in Hanoi, Vietnam, the model evaluates operational policies, EV station configurations, and renewable energy sources. The interactive dashboard enables seasonal analysis, revealing a 20% drop in solar efficiency from October to March, with wind power contributing under 5% of demand, highlighting the need for adaptive energy management. Simulations show that real-time notifications of newly available charging slots improve user satisfaction, while gasoline bans and idle fees enhance slot turnover with minimal added complexity. Embedded metaheuristic optimization identifies near-optimal mixes of fast (30kW) and standard (11kW) solar-powered chargers, balancing energy performance, profitability, and demand with high computational efficiency. This digital twin provides a flexible, computation-driven platform for EV infrastructure planning, with a transferable, modular design that enables seamless scaling from localized to city-wide urban contexts.
- Abstract（参考訳）: 都市環境において電気自動車(EV)の採用が加速するにつれて、ユーザの満足度、エネルギー効率、財務的可能性のバランスをとるために、充電インフラの最適化が不可欠である。
この研究は、エージェントベースの意思決定サポートと組込み最適化を統合し、EV充電動作、インフラレイアウト、シナリオ間のポリシー応答を動的にシミュレートするデジタルツインフレームワークを提案することによって、静的モデルを超えて進んでいる。
ベトナムのハノイにあるローカライズド・アーバン・サイト(大学キャンパス)に適用されたモデルでは、運用方針、EVステーション構成、再生可能エネルギー源を評価している。
インタラクティブダッシュボードは季節的な分析を可能にし、10月から3月までの太陽効率の20%低下を明らかにし、風力は需要の5%以下に寄与し、適応エネルギー管理の必要性を強調している。
シミュレーションでは、新たに利用可能な充電スロットのリアルタイム通知によってユーザの満足度が向上し、ガソリンの禁止とアイドル料金によってスロットのターンオーバーが最小限の複雑さで向上することが示された。
組込みメタヒューリスティック最適化は、高速(30kW)と標準(11kW)のソーラーパワーチャージャーをほぼ最適に混合し、高い計算効率でエネルギー性能、利益性、需要のバランスをとる。
このデジタルツインは、EVインフラ計画のためのフレキシブルで計算駆動型のプラットフォームを提供する。
関連論文リスト
- HYPE: Hybrid Planning with Ego Proposal-Conditioned Predictions [45.689599596306614]
Egoの提案条件付き予測を用いたハイブリッドプランニングを提案する。
学習された提案モデルからの多モード軌道提案を事前としてモンテカルロ木探索の改良に統合する。
提案手法を考慮し,コスト関数設計を大幅に単純化する。
論文 参考訳（メタデータ） (2025-10-14T17:11:04Z) - An Automated Framework for Assessing Electric Vehicle Charging Impacts on a Campus Distribution Grid [0.6978367196609415]
本稿では,カリフォルニア州立大学ノースリッジ校(CSUN)の配電・変圧器に対する電気自動車(EV)充電の影響評価を目的とした,統一的かつ自動化されたフレームワークを提案する。
私たちの主な貢献は、技術的コンピューティングのための高性能プログラミング言語JuliaとEasySimauto.jlパッケージを介してPowerWorld Simulatorを統合する柔軟なテストベッドの開発です。
提案システムは, トランスローディング, フィーダ利用, システム全体のストレスを評価する上で, 有用なツールを提供する。
論文 参考訳（メタデータ） (2025-09-09T01:17:59Z) - Joint Resource Management for Energy-efficient UAV-assisted SWIPT-MEC: A Deep Reinforcement Learning Approach [50.52139512096988]
6G Internet of Things (IoT)ネットワークは、地上インフラストラクチャが利用できない遠隔地や災害シナリオにおいて、課題に直面している。
本稿では、指向性アンテナにより強化された新しい無人航空機(UAV)支援コンピューティングシステムを提案する。
論文 参考訳（メタデータ） (2025-05-06T06:46:19Z) - LLM-Enabled EV Charging Stations Recommendation [0.0]
本稿では,Large Language Model (LLM) を利用したプロンプトベースのレコメンダシステムであるRecomBotを提案する。
リアルタイム異種データを用いた最適な充電ステーション(CS)を動的に提案する。
自然言語推論と微調整EV固有のデータセットを活用することで、RecomBotはパーソナライゼーションを強化し、充電効率を改善し、さまざまなEVタイプに適応する。
論文 参考訳（メタデータ） (2025-04-29T19:57:05Z) - Dynamic Rolling Horizon Optimization for Network-Constrained V2X Value Stacking of Electric Vehicles Under Uncertainties [4.43248614452072]
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。
論文 参考訳（メタデータ） (2025-02-13T13:06:56Z) - 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) - Electric Vehicle Charging Infrastructure Planning: A Scalable
Computational Framework [5.572792035859953]
交通システムと送電網のネットワーク規模が増大しているため, 大規模空間における最適充電インフラ計画問題は困難である。
本稿では,密に統合された輸送網と電力網網を網羅する電気自動車充電インフラ計画のためのスケーラブルな計算フレームワークの実証に焦点をあてる。
論文 参考訳（メタデータ） (2020-11-17T16:48:07Z) - Multi-Agent Meta-Reinforcement Learning for Self-Powered and Sustainable
Edge Computing Systems [87.4519172058185]
エッジコンピューティング機能を有するセルフパワー無線ネットワークの効率的なエネルギー分配機構について検討した。
定式化問題を解くために,新しいマルチエージェントメタ強化学習(MAMRL)フレームワークを提案する。
実験の結果、提案されたMAMRLモデルは、再生不可能なエネルギー使用量を最大11%削減し、エネルギーコストを22.4%削減できることが示された。
論文 参考訳（メタデータ） (2020-02-20T04:58:07Z) - NeurOpt: Neural network based optimization for building energy
management and climate control [58.06411999767069]
モデル同定のコストを削減するために,ニューラルネットワークに基づくデータ駆動制御アルゴリズムを提案する。
イタリアにある10の独立したゾーンを持つ2階建ての建物で、学習と制御のアルゴリズムを検証する。
論文 参考訳（メタデータ） (2020-01-22T00:51:03Z)
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。