Core Concepts
EVフリートの充電柔軟性を効果的に量化し、集約するためのULフレキシビリティアプローチは、スケーラビリティが高く、計算効率が向上します。
Abstract
集約はEVフリートの柔軟性を最適化するために重要である。
直接集約法とULフレキシビリティアプローチを比較して計算効率を検証した。
ULフレキシビリティアプローチは、時間ステップ数に依存せず、大規模なNに対しても計算効率が高いことが示された。
EVの充電行動を最適化する際にULフレキシビリティアプローチは有用である。
概要:
この研究では、電気自動車(EV)フリートの充電柔軟性を正確に集約するためにULフレキシビリティアプローチが提案されました。直接集約法と比較して、ULフレキシビリティアプローチは計算効率が高く、スケーラビリティが向上します。これにより、EVの充電行動を最適化する際に有益です。
指標:
集約: EV柔軟性を最適化する重要性。
比較: 直接集約法とULフレキシビリティアプローチの計算効率。
ULフレキシビリティ: 時間ステップ数やNに依存しない計算効率。
Stats
F. A. Taha, T. Vincent, and E. Bitar, “An efficient method for quantifying the aggregate flexibility of plug-in electric vehicle populations,” 2023.
H. R. Tiwary, “On the hardness of computing intersection, union and minkowski sum of polytopes,” Discrete & Computational Geometry, vol. 40, no. 3, pp. 469–479, jul 2008.
Quotes
"The proposed UL-flexibility approach improves on approximate flexibility aggregation algorithms by its exact aggregation properties."
"Unlike direct aggregation, the complexity of the proposed approach is independent of the number of assets to aggregate."