論文の概要: CONSENT: A Negotiation Framework for Leveraging User Flexibility in Vehicle-to-Building Charging under Uncertainty

• arxiv url: http://arxiv.org/abs/2601.01581v1
• Date: Sun, 04 Jan 2026 15:59:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-06 16:25:22.543988
• Title: CONSENT: A Negotiation Framework for Leveraging User Flexibility in Vehicle-to-Building Charging under Uncertainty
• Title（参考訳）: CONSENT: 不確実性下での車間充電におけるユーザフレキシビリティ向上のためのネゴシエーションフレームワーク
• Authors: Rishav Sen, Fangqi Liu, Jose Paolo Talusan, Ava Pettet, Yoshinori Suzue, Mark Bailey, Ayan Mukhopadhyay, Abhishek Dubey,
• Abstract要約: 電気自動車(EV)の成長は、非コーディネート充電による高エネルギーコストに直面している建築事業者と、利便性とフルチャージを優先するドライバーとの衝突を引き起こす。 本稿では、自発的な参加、戦略保護、予算実現性を保証する交渉ベースの枠組みを提案する。 EV充電は、ドライバーに、出発時間や要求された充電状態における控えめな柔軟性に対するインセンティブによって支えられた様々なオプションを提供することによって、戦略的リソースに変換される。
• 参考スコア（独自算出の注目度）: 6.820103523878096
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The growth of Electric Vehicles (EVs) creates a conflict in vehicle-to-building (V2B) settings between building operators, who face high energy costs from uncoordinated charging, and drivers, who prioritize convenience and a full charge. To resolve this, we propose a negotiation-based framework that, by design, guarantees voluntary participation, strategy-proofness, and budget feasibility. It transforms EV charging into a strategic resource by offering drivers a range of incentive-backed options for modest flexibility in their departure time or requested state of charge (SoC). Our framework is calibrated with user survey data and validated using real operational data from a commercial building and an EV manufacturer. Simulations show that our negotiation protocol creates a mutually beneficial outcome: lowering the building operator's costs by over 3.5\% compared to an optimized, non-negotiating smart charging policy, while simultaneously reducing user charging expenses by 22\% below the utility's retail energy rate. By aligning operator and EV user objectives, our framework provides a strategic bridge between energy and mobility systems, transforming EV charging from a source of operational friction into a platform for collaboration and shared savings.
• Abstract（参考訳）: 電気自動車(EV)の成長は、非コーディネート充電による高エネルギーコストに直面している建築事業者と、利便性とフルチャージを優先するドライバーとの衝突を引き起こす。 これを解決するため、我々は、自発的な参加、戦略保護、予算実現性を保証する交渉ベースの枠組みを提案する。 EV充電は、出発時間や要求された充電状態(SoC)で控えめな柔軟性をドライバーに提供することで、戦略的リソースに転換する。 当社のフレームワークは,ユーザ調査データを用いて校正し,商業ビルとEVメーカーの実際の運用データを用いて検証する。 シミュレーションにより,我々の交渉プロトコルは,最適化された非交渉型スマート充電ポリシと比較して,建築作業者のコストを3.5倍以上削減し,同時にユーザ課金コストを22%削減する,相互に有益な結果をもたらすことが示された。 オペレータとEVユーザの目標を整合させることにより、当社のフレームワークは、エネルギとモビリティシステム間の戦略的ブリッジを提供し、EV充電を運用上の摩擦源から、コラボレーションと共有のためのプラットフォームに変換する。

関連論文リスト

• Safe and Sustainable Electric Bus Charging Scheduling with Constrained Hierarchical DRL [43.715336081857394]
  太陽光発電(PV)パネルなどの再生可能エネルギー源を備えた電気バス(EB)は、持続可能な低炭素公共交通を推進するための有望なアプローチである。 本稿では,EB充電スケジューリング問題(EBCSP)を多ソース不確実性下で解決するための安全な深層強化学習フレームワークを提案する。 我々は新しいHDRLアルゴリズム、すなわちDouble ActorCritic MultiAgent Proximal Policy Optimization Lagrangian(DACMAPPO-Lagrangian)を開発した。
  論文  参考訳（メタデータ） (2025-11-25T20:00:02Z)
• A Digital Twin Framework for Decision-Support and Optimization of EV Charging Infrastructure in Localized Urban Systems [0.6640968473398454]
  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。
  論文  参考訳（メタデータ） (2025-10-21T12:26:35Z)
• 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)
• 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 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)
• Risk Adversarial Learning System for Connected and Autonomous Vehicle Charging [43.42105971560163]
  我々は、コネクテッドかつ自律的な自動車充電インフラ(CAV-CI)のための合理的意思決定支援システム(RDSS)の設計について検討する。 検討されたCAV-CIでは、配電系統オペレーター(DSO)が電気自動車供給装置(EVSE)を配備し、人間駆動のコネクテッドカー(CV)と自動運転車(AV)のためのEV充電設備を提供する。 人力EVによる充電要求は、実際の需要よりもエネルギーと充電時間を必要とすると不合理になる。 我々は,CAV-CIが解決する新たなリスク対向型マルチエージェント学習システム(ALS)を提案する。
  論文  参考訳（メタデータ） (2021-08-02T02:38:15Z)
• Intelligent Electric Vehicle Charging Recommendation Based on Multi-Agent Reinforcement Learning [42.31586065609373]
  電気自動車(ev)はその環境とエネルギーの持続可能性のために現代の交通システムで選択されている。 多くの都市では、限られた充電インフラとほとんどバランスの取れない充電需要のために、EVドライバーは充電に適した場所を見つけることができません。 公共充電ステーションをインテリジェントに推奨する,マルチエージェント時空間時空間学習(MasterReinforce)というフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-15T06:23:59Z)

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。