論文の概要: Resilient Charging Infrastructure via Decentralized Coordination of Electric Vehicles at Scale

• arxiv url: http://arxiv.org/abs/2511.20943v1
• Date: Wed, 26 Nov 2025 00:32:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-27 18:37:58.908362
• Title: Resilient Charging Infrastructure via Decentralized Coordination of Electric Vehicles at Scale
• Title（参考訳）: 電気自動車の大規模分散配向によるレジリエント充電基盤
• Authors: Chuhao Qin, Alexandru Sorici, Andrei Olaru, Evangelos Pournaras, Adina Magda Florea,
• Abstract要約: 既存の分散化アプローチは、駅の停電や充電要求の予期せぬ急激な急激な急激な急激な増加など、厳しい状況下で苦労している。 我々は、EVがシステム全体の効率に対して、選択した個人の快適さをバランスさせることのできる、新しい学習ベースの協調フレームワークを提案する。 このフレームワークでは、EVは快適さと効率を優先的にシフトする適応的な充電行動のために推奨される。
• 参考スコア（独自算出の注目度）: 37.56003520528009
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rapid adoption of electric vehicles (EVs) introduces major challenges for decentralized charging control. Existing decentralized approaches efficiently coordinate a large number of EVs to select charging stations while reducing energy costs, preventing power peak and preserving driver privacy. However, they often struggle under severe contingencies, such as station outages or unexpected surges in charging requests. These situations create competition for limited charging slots, resulting in long queues and reduced driver comfort. To address these limitations, we propose a novel collective learning-based coordination framework that allows EVs to balance individual comfort on their selections against system-wide efficiency, i.e., the overall queues across all stations. In the framework, EVs are recommended for adaptive charging behaviors that shift priority between comfort and efficiency, achieving Pareto-optimal trade-offs under varying station capacities and dynamic spatio-temporal EV distribution. Experiments using real-world data from EVs and charging stations show that the proposed approach outperforms baseline methods, significantly reducing travel and queuing time. The results reveal that, under uncertain charging conditions, EV drivers that behave selfishly or altruistically at the right moments achieve shorter waiting time than those maintaining moderate behavior throughout. Our findings under high fractions of station outages and adversarial EVs further demonstrate improved resilience and trustworthiness of decentralized EV charging infrastructure.
• Abstract（参考訳）: 電気自動車(EV)の急速な普及は、分散型充電制御における大きな課題をもたらす。 既存の分散型アプローチは、多くのEVを効率よく調整し、充電ステーションを選択すると同時に、エネルギーコストを削減し、電力ピークを防ぎ、運転者のプライバシーを保護している。 しかし、駅の停電や充電要求の予期せぬ急激な急激な急激な急上昇など、厳しい状況下でしばしば苦労する。 これらの状況は、限られた充電スロットの競争を生み出し、長い待ち行列とドライバーの快適さを低下させる。 これらの制約に対処するために、EVはシステム全体の効率、すなわち全ステーションにわたるキュー全体に対して、それぞれの選択に対する快適さのバランスをとることができる、新しい学習ベースの協調フレームワークを提案する。 このフレームワークでは、快適性と効率を優先的にシフトする適応充電行動、ステーション容量の異なるパレート最適トレードオフ、動的時空間EV分布にEVを推奨する。 EVや充電ステーションからの実世界データを用いた実験では,提案手法がベースライン法より優れており,走行時間や待ち時間を大幅に短縮することが示された。 その結果、不確実な充電条件下では、正しいタイミングで自尊心的にまたは利他的に振る舞うEVドライバーは、中程度の動作を維持するドライバーよりも待ち時間が短いことがわかった。 本研究は, 駅の停電や敵EVの被害が比較的少なかった場合に, 分散電気自動車充電インフラのレジリエンスと信頼性が向上したことを示すものである。

関連論文リスト

• Profiling Electric Vehicles via Early Charging Voltage Patterns [56.4040698609393]
  電気自動車(EV)は、燃料駆動車に代わる持続可能な代替手段として急速に普及している。 近年の結果,攻撃者はリレー攻撃によってエネルギーを盗む可能性が示唆された。 1つの対策は、充電中に交換された電流でEVの指紋を活用することだ。
  論文  参考訳（メタデータ） (2025-06-09T12:57:37Z)
• Agent-Based Decentralized Energy Management of EV Charging Station with Solar Photovoltaics via Multi-Agent Reinforcement Learning [4.9855485718502015]
  電気自動車(EV)の採用は増え続けており、EV充電ステーションのエネルギー管理が極めて重要である。 従来の研究では、グリッド安定性を維持しながらEV充電のエネルギーコストを削減できた。 本稿では,各充電器をエージェントとして扱う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） (2025-05-24T15:34:37Z)
• 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)
• 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)
• Federated Reinforcement Learning for Electric Vehicles Charging Control on Distribution Networks [42.04263644600909]
  マルチエージェント深部強化学習(MADRL)はEV充電制御において有効であることが証明されている。 既存のMADRLベースのアプローチでは、配電ネットワークにおけるEV充電/放電の自然な電力フローを考慮できない。 本稿では,マルチEV充電/放電と最適電力流で動作する放射分布ネットワーク(RDN)を組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-08-17T05:34:46Z)
• 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)
• 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)

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。