論文の概要: EVTradeMatch: A Mobility-Aware Multi-Objective Matching Framework for EV--EV Energy Trading
- arxiv url: http://arxiv.org/abs/2609.10551v1
- Date: Mon, 06 Jul 2026 11:06:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.491994
- Title: EVTradeMatch: A Mobility-Aware Multi-Objective Matching Framework for EV--EV Energy Trading
- Title（参考訳）: EVTradeMatch:EV-EVエネルギー取引のためのモビリティ対応多目的マッチングフレームワーク
- Abstract要約: 電気自動車(EV)間のピアツーピアエネルギー取引は、限られた充電インフラの下での充電の柔軟性を向上させることができる。
効果的なEV-EVトレーディングには、旅行特化条件下での消費者マッチングの調整が必要である。
本稿では,モビリティを意識したEV-EVエネルギ取引のための予測誘導多目的最適化フレームワークEVTradeMatchを提案する。
- 参考スコア（独自算出の注目度）: 3.4712047883160184
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Peer-to-peer energy trading among electric vehicles (EVs) can improve charging flexibility under limited charging infrastructure, but effective EV--EV trading requires coordinated provider--consumer matching under journey-specific conditions. This paper proposes EVTradeMatch, a prediction-guided multi-objective optimization framework for mobility-aware EV--EV energy trading. Building on the EVNextTrade study, a prior learning-to-rank model for charging-node recommendation, we define charging-node suitability as a prediction-derived score reflecting the appropriateness of assigning a provider--consumer pair to a candidate charging node based on mobility, energy, and contextual trading features. This score is used as a guidance signal and as an explicit optimization objective rather than as a hard selection rule. The EV--EV matching problem is formulated as a multi-objective mixed-integer linear program that maximizes matching coverage, transferred energy, and charging-node suitability while minimizing mobility cost under spatial, temporal, one-to-one matching, and charging-node capacity constraints. To approximate Pareto-efficient solutions in wide-area dynamic settings, we develop a tailored non-dominated sorting genetic algorithm II (NSGA-II). Experimental results show that EVTradeMatch improves transferred energy by 74.2--82.8% and charging-node suitability by 8.3--84.4% compared with proximity- and auction-based state-of-the-art methods, while improving matching coverage by 3.74--25.07 percentage points. Balanced NSGA-II solutions achieve 53.07$\pm$0.76% matching coverage and transfer 1701.94$\pm$17.03 kWh, with higher mobility cost as an explicit trade-off against travel-minimizing methods. Pareto-front analysis shows that the framework supports flexible selection among high-coverage, high-energy, low-mobility-cost, and high-suitability solutions according to operational priorities.
- Abstract（参考訳）: 電気自動車(EV)間のピアツーピアエネルギー取引は、限られた充電インフラ下での充電の柔軟性を向上させることができるが、効果的なEV-EV取引には、旅行特有の条件下での消費者マッチングの調整が必要である。
本稿では,モビリティを意識したEV-EVエネルギ取引のための予測誘導多目的最適化フレームワークEVTradeMatchを提案する。
充電ノードレコメンデーションの先行学習モデルであるEVNextTrade研究に基づいて、充電ノード適合性を、移動性、エネルギー、文脈的取引特性に基づいて、消費者対を候補充電ノードに割り当てる適切性を反映した予測に基づくスコアとして定義する。このスコアは、誘導信号として、ハードセレクションルールよりも明確な最適化目的として用いられる。EV-EVマッチング問題は、空間的、時間的、一対一マッチング、充電ノード容量の制約を最小化しつつ、カバー範囲、転送エネルギー、充電ノード適合性を最大化する多目的混合整数線形プログラムとして定式化される。
広域動的設定におけるパレート効率を近似するために, 最適化された非支配的ソート遺伝的アルゴリズム (NSGA-II) を開発した。
実験の結果、EVTradeMatchは、近接およびオークションベースの最先端手法と比較して、転送エネルギーを74.2--82.8%改善し、充電ノード適合性を8.3--84.4%改善し、マッチングカバレッジを3.74--25.07ポイント改善した。
バランスの取れたNSGA-IIソリューションは、53.07$\pm$0.76%の対応範囲を獲得し、1701.94$\pm$17.03 kWhを転送する。
Pareto-front分析によると、このフレームワークは高カバレッジ、高エネルギ、低モビリティコスト、高適合性ソリューションの柔軟な選択をサポートする。
関連論文リスト
- Hybrid Advantage Estimation with Unified Critic for VLM Agentic Reinforcement Learning [69.23931086069983]
HyGAEは、トークンとターンレベルの目的を、ハイブリッドのアドバンテージと統一された批判とともに共同で最適化するアクタ批判フレームワークである。
平均成功率は91%であり、他の手法に比べて10%も大幅に改善されている。
論文 参考訳（メタデータ） (2026-07-26T11:16:59Z) - EVNextTrade: Learning-to-Rank-Based Recommendation of Next Charging Nodes for EV-EV Energy Trading [3.4712047883160184]
電気自動車(EV)間のピアツーピアエネルギー取引は、サプライサイドレジリエンスを改善するための有望なソリューションとして、ますます研究されている。
そこで本稿では,大規模都市EVモビリティデータセットに適用した教師付きランキングフレームワークを提案する。
我々は、候補充電ノードに富んだEV走行記録に基づいて、LightGBMを含む勾配ブースト学習 to ランクモデルの評価を行った。
論文 参考訳（メタデータ） (2026-03-14T12:33:33Z) - CONSENT: A Negotiation Framework for Leveraging User Flexibility in Vehicle-to-Building Charging under Uncertainty [6.820103523878096]
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。
論文 参考訳（メタデータ） (2026-01-04T15:59:52Z) - Amortized Active Generation of Pareto Sets [48.56811624922571]
A-GPSは、オンラインの離散ブラックボックスマルチオブジェクト最適化のための新しいフレームワークである。
メソッドは、非支配関係を予測するためにクラス確率推定器を使用する。
この非支配的CPEは,超ボリューム改善の確率を暗黙的に見積もっている。
論文 参考訳（メタデータ） (2025-10-23T23:49:23Z) - 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) - 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)
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。