論文の概要: A Grid-Aware Agent-Based Model for Analyzing Electric Vehicle Charging Systems

• arxiv url: http://arxiv.org/abs/2604.27849v1
• Date: Thu, 30 Apr 2026 13:33:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:54.109908
• Title: A Grid-Aware Agent-Based Model for Analyzing Electric Vehicle Charging Systems
• Title（参考訳）: グリッド対応エージェントを用いた電気自動車充電システム解析モデル
• Authors: Khalil Al-Rahman Youssefi, Marija Gojkovic, Walter Stefanutti, Mika Auer, Melanie Schranz,
• Abstract要約: このモデルは、異種EVの挙動、充電列の制約、およびアグリゲート電力割り当てを制御する共有エナジーサンドボックスを統合する。 このアプローチは、さまざまなシステムサイズ、チャージャー構成、スケジューリング戦略にわたる、スケーラブルでイベント駆動のシミュレーションをサポートする。
• 参考スコア（独自算出の注目度）: 0.5872014229110213
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a configurable, grid-aware Agent-Based Model (ABM) for the systematic analysis of electric vehicle (EV) charging systems under configurable infrastructure and operational conditions. The model integrates heterogeneous EV behavior, charging column constraints, and a shared Energy Sandbox that regulates aggregate power allocation, enabling the joint study of user-centric charging dynamics and facility-level power behavior. Implemented in Python using the SimPy discrete-event framework, the approach supports scalable, event-driven simulations across varying system sizes, charger compositions, and scheduling strategies. A representative workplace charging scenario is investigated to illustrate how infrastructure configuration and coordination mechanisms influence energy delivery performance, infrastructure utilization, and aggregate load characteristics. The results highlight the context-dependence of infrastructure suitability and demonstrate how charging strategies and charger types reshape both service-level outcomes and grid-facing behavior. The proposed ABM provides a flexible and extensible simulation environment for exploring technical, operational, and grid-aware aspects of EV charging ecosystems, and for serving as a methodological basis for subsequent studies on advanced coordination strategies beyond the specific scenario analyzed in this study.
• Abstract（参考訳）: 本稿では、構成可能なインフラと運転条件下での電気自動車(EV)充電システムの系統解析のための、グリッド対応エージェントベースモデル(ABM)を提案する。 このモデルは、異種EVの挙動、充電列の制約、およびアグリゲート電力割り当てを制御する共有エナジーサンドボックスを統合し、ユーザ中心の充電ダイナミクスと施設レベルの電力挙動の合同研究を可能にする。 SimPyの離散イベントフレームワークを使用してPythonで実装されたこのアプローチは、さまざまなシステムサイズ、チャージャー構成、スケジューリング戦略にわたるスケーラブルでイベント駆動のシミュレーションをサポートする。 代表的な職場充電シナリオとして, インフラ構成と調整機構が, エネルギー供給性能, インフラ利用量, 集約負荷特性にどのように影響するかを考察した。 結果は、インフラストラクチャ適合性のコンテキスト依存性を強調し、充電戦略と充電器タイプがサービスレベルの結果とグリッド対応の振る舞いの両方をいかに作り直すかを実証する。 提案したABMは,EV充電エコシステムの技術的,運用的,グリッド対応の側面を探索する上で,フレキシブルかつ拡張可能なシミュレーション環境を提供するとともに,本研究で分析した特定のシナリオを超えた高度な協調戦略の方法論的基礎として機能する。

関連論文リスト

• Networking-Aware Energy Efficiency in Agentic AI Inference: A Survey [64.20429885919701]
  本稿では,知覚・推論・行動サイクル全体にわたる計算・通信コストを同定するエネルギー会計フレームワークを提案する。 我々は、単純化、計算制御、インプット・アンド・アテンション最適化、ハードウェア・アウェア・推論にまたがる統一的な分類法を確立する。 我々は,第6世代移動通信(6G)ネイティブエージェントAI,自己維持システムといったグリーンラーニングのオープンな課題を特定した。
  論文  参考訳（メタデータ） (2026-04-09T06:13:59Z)
• 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)
• Power Grid Control with Graph-Based Distributed Reinforcement Learning [60.49805771047161]
  この作業は、リアルタイムでスケーラブルなグリッド管理のためのグラフベースの分散強化学習フレームワークを前進させる。 グラフニューラルネットワーク(GNN)を使用して、ネットワークのトポロジ情報を単一の低レベルエージェントの観測内にエンコードする。 Grid2Opシミュレーション環境での実験は、このアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2025-09-02T22:17:25Z)
• PowerGrow: Feasible Co-Growth of Structures and Dynamics for Power Grid Synthesis [75.14189839277928]
  本稿では,運用効率を維持しながら計算オーバーヘッドを大幅に削減する,共同生成フレームワークPowerGrowを提案する。 ベンチマーク設定による実験では、PowerGrowはフィデリティと多様性において、事前の拡散モデルよりも優れていた。 これは、運用上有効で現実的な電力グリッドシナリオを生成する能力を示している。
  論文  参考訳（メタデータ） (2025-08-29T01:47:27Z)
• 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)
• EV-EcoSim: A grid-aware co-simulation platform for the design and optimization of electric vehicle charging infrastructure [1.3271805797333298]
  EV-EcoSimは電気自動車の充電、バッテリーシステム、ソーラー太陽光発電システム、グリッドトランスフォーマー、制御戦略、配電システムを組み合わせたシミュレーションプラットフォームである。 このピソンベースのプラットフォームは、リアルタイム操作のための後退地平線制御スキームと、計画問題のためのワンショット制御スキームを実行することができる。 本研究では,電気自動車充電施設の計画において,電池の完全性は決定を完全に変えることができることを示す。
  論文  参考訳（メタデータ） (2024-01-09T18:08:34Z)
• A Dynamic Feedforward Control Strategy for Energy-efficient Building System Operation [59.56144813928478]
  現在の制御戦略と最適化アルゴリズムでは、そのほとんどはリアルタイムフィードバックから情報を受け取ることに依存している。 本稿では,システム制御のためのシステム特性を同時に構築することによる,ダイナミックな事前知識を組み込む,エンジニアフレンドリな制御戦略フレームワークを提案する。 典型的な制御戦略でシステム制御を加熱するケースでテストしたところ、我々のフレームワークは15%の省エネ性を持っていることがわかった。
  論文  参考訳（メタデータ） (2023-01-23T09:07:07Z)
• Evaluating the Planning and Operational Resilience of Electrical Distribution Systems with Distributed Energy Resources using Complex Network Theory [0.0]
  本稿では,極端事象下での配電系統の計画と運用のレジリエンスを評価する手法を提案する。 提案するフレームワークは,複雑なネットワーク理論を効果的に活用して開発されている。
  論文  参考訳（メタデータ） (2022-08-24T13:41:37Z)
• Explaining the distribution of energy consumption at slow charging infrastructure for electric vehicles from socio-economic data [2.1294627833637576]
  本研究では,低速帯電インフラ周辺環境の動作,機能,特性を解析し,低速帯電インフラで消費される電気の分布に影響を及ぼすようなデータ中心型アプローチを開発する。
  論文  参考訳（メタデータ） (2020-06-02T14:44:52Z)

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。