文献

J-GLOBAL ID：201702228191897438   整理番号：17A0274347

低複雑性電気自動車充電スケジューリングのためのモデル予測制御アプローチ:最適性とスケーラビリティ【Powered by NICT】

A Model Predictive Control Approach for Low-Complexity Electric Vehicle Charging Scheduling: Optimality and Scalability

著者 (2件)： Tang Wanrong (Department of Information Engineering, The Chinese University of Hong Kong, Shatin, Hong Kong) ,  Zhang Ying Jun (Shenzhen Research Institute and with the Department of Information Engineering, The Chinese University of Hong Kong, Shatin, Hong Kong)
資料名： IEEE Transactions on Power Systems  (IEEE Transactions on Power Systems)
巻： 32  号： 2  ページ： 1050-1063  発行年： 2017年 
JST資料番号： C0872B  ISSN： 0885-8950  CODEN： ITPSEG  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： プラグイン電気自動車(PEVs)の増加採用により,電力系統へのPEV統合のコストと影響を最小化する効率的な充電協調機構を開発することが重要である。本論文では,最適なPEV充電スケジューリング,将来のPEV到着に関する非因果的情報が事前に知られていないを考察したが,その統計情報を推定することができる。これは自然連続状態空間と行動空間を持つ有限水平動的計画法として定式化された「オンライン」充電スケジューリング問題をもたらした。このような動的計画法問題を解くための法外に高い複雑さを避けるために,計算量O(T~3),Tは時間段階の総数とモデル予測制御(MPC)に基づくアルゴリズムを提案した。を厳密にMPC手法の準最適解と外因性ランダム変数の分布のための最適解の間の性能ギャップを解析した。さらに,著者らの厳密な解析は,充電要求の到着を記述するランダム過程である一次周期的場合,提案アルゴリズムの計算量はO(1),T.広範なシミュレーション提案したオンラインアルゴリズムは,最適オンラインアルゴリズムに非常に近い性能を発揮することを示したとは無関係に低減できることを示している。性能ギャップはほとんどの場合0.4%以下であった。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *充電 ,  *スケジューリング ,  計算量 ,  動的計画法 ,  アルゴリズム ,  *電気自動車
準シソーラス用語： オンラインアルゴリズム ,  最適解 ,  ランダム変数 ,  準最適解 ,  オンライン ,  状態空間 ,  プラグイン電気自動車 ,  *最適性 ,  *モデル予測制御 , 【Automatic Indexing@JST】

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (7件)： 低複雑性 ,  電気自動車 ,  充電 ,  スケジューリング ,  モデル予測制御 ,  最適性 ,  スケーラビリティ