文献

J-GLOBAL ID：202002233787266461   整理番号：20A2443458

再グループ化EV電池によるEVアゲーゲータのための最適入札と運転戦略【JST・京大機械翻訳】

Optimal Bidding and Operation Strategies for EV Aggegators by Regrouping Aggregated EV Batteries

著者 (3件)： Han Sini (Department of Electrical and Electronics Engineering, Konkuk University, Seoul, South Korea) ,  Lee Duehee (Department of Electrical and Electronics Engineering, Konkuk University, Seoul, South Korea) ,  Park Jong-Bae (Department of Electrical and Electronics Engineering, Konkuk University, Seoul, South Korea)
資料名： IEEE Transactions on Smart Grid  (IEEE Transactions on Smart Grid)
巻： 11  号： 6  ページ： 4928-4937  発行年： 2020年 
JST資料番号： W2294A  ISSN： 1949-3053  CODEN： ITSGBQ  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： 電気自動車(EV)アグリゲータ(AGG)の最適運転戦略を提案し,エネルギー市場でエネルギー裁量を実行し,集約EVから補助サービスを提供し,一方,将来のエネルギー市場における利益を最大化するためにEVに充電サービスを提供する。多段確率最適化(MSSO)において複数のスケジュールを同時に実装するために,それらの出発時間と段階に関して,EV電池をいくつかの仮想電池(VB)としてグループ化した。それらは連続的にグループ分けされ,EVが到着し,デパートとして再グループ化された。段階的EV駆動経路のVBシナリオツリーを予測し,不確実なEV運動に応答する決定を最適化した。VB状態は,EVが入って,段階を通して出口として変化し,したがって,著者らは,各段階で時変VB特性を間接的に追跡しなければならない。次に,著者らは個々のEVsにVBsのために調節入札を分配した。VBsに対する入札量とEVsに対する実際の変換量の間のミスマッチを低減するために,VB操作を迅速に決定するための新しいバイナリ進行ヘッジングアルゴリズムを提案した。歴史的車両統計からのデータに基づいて,MSSOモデルによる著者らの戦略が2段階確率モデルよりもAGGに対してより高い利益を提供することを検証した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *電池 ,  不確実性 ,  電気自動車 ,  デパート ,  充電 ,  確率モデル
準シソーラス用語： 最適運転 ,  エネルギー市場 ,  バイナリー , 【Automatic Indexing@JST】

分類 (2件)： 電気自動車  (QG07020B) ,  送電  (NB05030G)

タイトルに関連する用語 (5件)： グループ化 ,  EV ,  電池 ,  入札 ,  戦略