KR102052637B1 - 전기자동차 충전소 최적 운영 시스템 - Google Patents

전기자동차 충전소 최적 운영 시스템 Download PDF

Info

Publication number
KR102052637B1
KR102052637B1 KR1020180058660A KR20180058660A KR102052637B1 KR 102052637 B1 KR102052637 B1 KR 102052637B1 KR 1020180058660 A KR1020180058660 A KR 1020180058660A KR 20180058660 A KR20180058660 A KR 20180058660A KR 102052637 B1 KR102052637 B1 KR 102052637B1
Authority
KR
South Korea
Prior art keywords
charging station
charging
state
control module
action
Prior art date
Application number
KR1020180058660A
Other languages
English (en)
Other versions
KR20190133567A (ko
Inventor
이지애
이씨모바 자밀라
임혁
Original Assignee
광주과학기술원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 광주과학기술원 filed Critical 광주과학기술원
Priority to KR1020180058660A priority Critical patent/KR102052637B1/ko
Publication of KR20190133567A publication Critical patent/KR20190133567A/ko
Application granted granted Critical
Publication of KR102052637B1 publication Critical patent/KR102052637B1/ko

Links

Images

Classifications

    • G06Q50/40—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/30—Transportation; Communications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

본 발명의 일 실시 예에 따른 충전 시스템은 충전소 환경에 관한 상태 파라미터를 획득하고, 획득한 상태 파라미터에 기초하여 보상값을 업데이트하여, 업데이트된 보상값에 기초하여 서비스 영역을 결정하는 학습 제어 모듈 및 상기 결정된 서비스 영역에 기초하여 서비스 정보를 방송하는 통신 시스템을 포함한다.

Description

전기자동차 충전소 최적 운영 시스템{an electric vehicle charging optimal management system}
본 발명은 전기자동차 충전 시스템에 관한 것이다.
최근 전기 자동차(EV)가 운송 시장에 침투하는 속도는 환경 친화적인 설계, 높은 에너지 효율 에너지 저장 장치로서의 가능한 사용 등과 같은 많은 장점으로 설명할 수 있다. 또한, 전기 자동차는 석유 연료 차량에 비해 약 10%의 비용 절감 효과를 나타낼 수 있다. 정부의 재정적 인센티브 때문에 EV에 대한 수요가 증가하고 있다.
전기 자동차의 수가 크게 증가함에 따라 전기 자동차 인프라가 안정적인 에너지 공급을 제공하기 위해 신속한 개발이 필요하다. 전기 자동차 충전 인프라에서 충전 기술은 충전 시간에 큰 영향을 준다. 예를 들어 50kW 충전기의 경우 충전 시간은 약 30분이지만 3 ~ 10kW 충전기의 경우 충전 시간은 최대 5시간까지 증가할 수 있다.
충전 시간이 길기 때문에 충전기 수가 충전되는 전기 자동차 수보다 적으면 새로운 전기 자동차 고객은 충전이 완료된 후 최소 한 대의 차량이 스테이션을 떠날 때까지 사용 가능한 충전기를 오래 기다려야 한다. 대기 시간이 지연되면 고객 만족도가 떨어진다. 충전소 설치가 완료되면 시설 확장 / 업그레이드가 제한되어 충전소에서 충전 서비스 대기 시간을 줄여 고객 만족도를 높이기 위한 적절한 운영 방법이 필요하다.
본 발명의 일 실시 예에 따른 충전 시스템은 충전소 가동율 및 고객 만족도를 최적화하는 강화된 학습 제어 모듈을 포함하는 충전소에 관한 것이다.
본 발명의 일 실시 예에 따른 충전 시스템은 충전소 환경에 관한 상태 파라미터를 획득하고, 획득한 상태 파라미터에 기초하여 보상값을 업데이트하여, 업데이트된 보상값에 기초하여 서비스 영역을 결정하는 학습 제어 모듈 및 상기 결정된 서비스 영역에 기초하여 서비스 정보를 방송하는 통신 시스템을 포함한다.
본 발명의 일 실시 예에 따른 충전 시스템은 사용자 만족 증대를 위한 infra의 유지 및 보수에 대한 난항 극복이 가능하다.
또한, 본 발명의 일 실시 예에 따른 충전 시스템은 서비스 정보 방송 후, 충전소에 들어오는 전기자동차 수에 실시간 대처할 수 있다.
도 1은 전기 자동차 충전 서비스 시나리오이다.
도 2는 충전소를 위한 상태 전이 다이어그램을 나타낸다.
도 3은 본 발명의 일 실시 예에 따른 강화 학습의 블록 다이어그램이다.
도 4는 본 발명의 일 실시 예에 따른 충전소 동작 흐름도이다.
이하에서는 도면을 참조하여 본 발명의 구체적인 실시 예를 상세하게 설명한다. 그러나 본 발명의 사상은 이하의 실시 예에 제한되지 아니하며, 본 발명의 사상을 이해하는 당업자는 동일한 사상의 범위 내에 포함되는 다른 실시 예를 구성요소의 부가, 변경, 삭제, 및 추가 등에 의해서 용이하게 제안할 수 있을 것이나, 이 또한 본 발명 사상의 범위 내에 포함된다고 할 것이다.
첨부 도면은 발명의 사상을 이해하기 쉽게 표현하기 위하여 전체적인 구조를 설명함에 있어서는 미소한 부분은 구체적으로 표현하지 않을 수도 있고, 미소한 부분을 설명함에 있어서는 전체적인 구조는 구체적으로 반영되지 않을 수도 있다. 또한, 설치 위치 등 구체적인 부분이 다르더라도 그 작용이 동일한 경우에는 동일한 명칭을 부여함으로써, 이해의 편의를 높일 수 있도록 한다. 또한, 동일한 구성이 복수 개가 있을 때에는 어느 하나의 구성에 대해서만 설명하고 다른 구성에 대해서는 동일한 설명이 적용되는 것으로 하고 그 설명을 생략한다.
도 1은 전기 자동차 충전 서비스 시나리오이다.
도 1에 도시된 바와 같이, 전기 자동차 충전 서비스 시나리오에는 충전 소(1), 통신 시스템(announcing interface, 2) 그리고 전기 자동차(3)가 포함된다.
여기에서 통신 시스템(2)과 전기 자동차(3)는 무선 통신망을 통해 서비스 정보를 주고 받는다. 통신 시스템(2)은 충전소(1)와 연동되어 충전소로부터 서비스 정보를 획득할 수 있다.
통신 시스템(2)과 전기 자동차(3)가 주고 받는 서비스 정보는 충전소 위치, 전기 자동차를 기준으로 하는 충전소 방향, 충전소 상태 및 충전 가격 중 적어도 어느 하나를 포함할 수 있다. 그리고, 충전소 상태는 충전소에서의 충전 대기 상황 또는 충전소에 이용가능한 충전기의 수 정보를 포함할 수 있다.
도 1에 도시된 바와 같이, 충전소(1)는 서비스 지역(amax)의 전기 자동차에 대하여 서비스 정보를 통신 시스템(2)을 통해 방송한다. 전기 자동차(3)는 서비스 정보를 수신하고, 충전 서비스를 받고자 하는 경우 충전을 위해 충전소(1)로 이동한다.
일반적으로 충전소의 충전기 수가 고정되어 있으며, 전기 자동차의 배터리 개수가 다양하기 때문에 다음과 같이 충전소와 전기 자동차 간의 불균형이 존재한다. 먼저, 충전소로 들어오는 전기 자동차의 수가 적으면 많은 충전기가 유휴상태로서 충전소의 가동률이 낮을 수 밖에 없다. 반대로, 충전소로 들어오는 전기 자동차의 수가 충전기의 수보다 훨씬 많으며 전기 자동차의 고객이 적절한 대기 시간 내에 충전기에 접근하지 못할 수 있으며, 결과적으로 고객 불만이 증가할 수 밖에 없다.
상술한 불균형의 문제를 해결하기 위해 본 발명에서는 서비스 정보에 대한 방송 범위(aamx) 조정 방법을 제안한다. 여기에서 서비스 방송 범위(서비스 영역)은 고객 만족을 제공하고 수익을 극대화하도록 관리된다. 예를 들어 충전소는 서비스 영역을 최대한으로 확장하여 더 많은 전기 자동차 고객을 유치하여 수익을 극대화할 수 있다. 반대로 충전소는 서비스 영역을 최소한으로 축소하여 대기 시간을 줄일 수도 있다.
도 2는 본 발명의 일 실시 예에 따른 충전 시스템 블록도이다.
도 2는 단일의 충전소 시나리오로서, 충전소가 직접 방송 영역 제어 모듈(advertisement range control, ARC)과 상태 파라미터 및 액션 파라미터를 주고 받는다. 충전소는 액션 파라미터에 기초하여 서비스 영역을 결정하고, 결정된 서비스 영역에 기초하여 서비스 정보를 서비스 영역 내 전기자동차에 방송한다.
도 3은 본 발명의 또 다른 일 실시 예에 따른 다중 충전소를 통한 충전 서비스 시나리오이다.
도 3에 도시된 바와 같이, 복수개의 충전소를 운영하는 경우가 있을 수 있으며, 이 경우 복수의 충전소(5)를 통합 제어하는 충전소 제어 시스템(4)이 별도로 마련될 수 있다.
충전소 제어 시스템(4)는 충전소(5)간의 서비스 영역이 겹치는 경우, 충전소간의 인터랙션을 고려하여 충전소(5)간 서비스 영역이 겹치지 않도록 조정한다. 구체적인 조정 알고리즘은 이하 수학식 18 내지 수학식 20을 통해 설명한다.
도 4는 본 발명의 또 다른 일 실시 예에 따른 충전 시스템 블록도이다.
도 4는 복수의 충전소 시나리오로서, 복수의 충전소를 통합 관리하는 충전소 제어 시스템을 추가로 포함한다. 단일의 충전소 시나리오와 달리, 복수의 충전소 시나리오에서는 충전소가 직접 방송 범위 제어 모듈과 데이터를 주고 받지 않으며, 충전소 제어 시스템이 중계 역할을 한다. 따라서, 충전소 제어 시스템이 상태 파라미터 셋을 방송 범위 제어 모듈에 전달하고, 방송 범위 제어 모듈로부터 액션 파라미터 셋을 전달받아, 이를 각 충전소에 전달한다.
도 5는 충전소를 위한 상태 전이 다이어그램을 나타낸다.
본 발명에서는 서비스 영역을 조정하는 충전소의 동적 모델을 제안한다. 서비스 영역은 제어 매개 변수 u(0<=u<=1)로 제어된다. 주어진 u에 대하여 서비스 영역은 amax로 주어지며, amax는 최대 과금 서비스 영역이다. 서비스 영역의 반경(d)은 수학식 1와 같이 계산된다.
Figure 112018050728476-pat00001
도 2에 도시된 바와 같이, 충전소에 들어오는 전기 자동차의 수가 평균 속도 (λ)의 포아송 분포를 따르고, 서비스 지속 시간이 평균 지속 시간 1/μ로 지수 함수적으로 분배된다고 가정한다. 총 전기 자동차 도착률 r(t)은 충전소에 들어오는 전기 자동차이며 이는 수학식 2와 같이 표현된다.
Figure 112018050728476-pat00002
그리고 도 2에 도시된 바와 같이, 상태-공간 방정식은 수학식 3과 같이 표현된다.
Figure 112018050728476-pat00003
여기에서 pn(t)는 충전기 상태 확률, 즉 각 충전기의 점유 확률이다. 상술한 방정식을 이용하여 충전소 모델은 수학식 4와 같이 N개의 독립 상태 확률을 포함하는 상태 변수 벡터 x(t)로 표현된다.
Figure 112018050728476-pat00004
여기에서 모든 충전기가 비어있는 확률(p0)은
Figure 112018050728476-pat00005
이다. 상태 공간 방정식은 수학식 5와 같이 일반화되고 연속 시간 상태 공간 모델의 상태 변수 벡터와 결합된다.
Figure 112018050728476-pat00006
여기에서 A와 B는 아래와 같다.
Figure 112018050728476-pat00007
그리고 C는 수학식 6과 같이 표현된다.
Figure 112018050728476-pat00008
상태 확률을 감안할 때, 충전기 이용률(U(t))은 수학식 7과 같이 표현된다.
Figure 112018050728476-pat00009
여기에서 D는 수학식 8과 같이 표현된다.
Figure 112018050728476-pat00010
그리고 들어오는 전기 자동차의 차단 확률(pN(t))은 수학식 9와 같이 표현된다.
Figure 112018050728476-pat00011
여기에서
Figure 112018050728476-pat00012
이다. 최적의 u*가 주어지면, 안정 상태 확률(x*)은 평형에서
Figure 112018050728476-pat00013
으로 설정함으로써 수학식 10과 같이 얻어진다.
Figure 112018050728476-pat00014
안정 상태 활용 U* 및 차단 확률 P* b는 수학식 11과 같이 계산된다.
Figure 112018050728476-pat00015
도 6은 본 발명의 일 실시 예에 따른 충전소와 방송 영역 제어 모듈간 데어터 흐름을 나타내는 블록 다이어그램이다. 도 6에 도시된 바와 같이, 방송 영역 제어 모듈은 강화 학습 모듈을 포함할 수 있으며, 강화 학습 모듈은 액션 네트워크와 크리틱 네트워크로 구성될 수 있다.
도 6에 도시된 바와 같이, 본 발명에서 제안하는 강화 학습 제어(reinforcement learning control)는 최적의 서비스 영역을 제안하기 위한 학습 모델이다.
구체적인 일 실시 예에서 강화 학습 모델은 충전소로 들어오는 전기자동차의 차단 확률을 미리 정의된 바운드 PQoS 미만으로 보장하면서, 충전소로 들어오는 전기자동차의 허용 확률을 최대화하는 최적의 서비스 영역 제어를 제안한다. 이러한 강화 학습 모델은 수학식 12 내지 14을 통해 설명할 수 있다.
또 다른 일 실시 예에서, 강화 학습 모델은 QoS를 조절 하지 않고 차단률에 가중치를 주어 충전소로 들어오는 전기 자동차의 허용 확률을 최대화하는 최적의 서비스 영역 제어를 제안한다. 이러한 강화 학습 모델은 수학식 15 내지 17을 통해 설명할 수 있다.
Figure 112018050728476-pat00016
그리고 강화 학습 모델에는 이하 수학식 13의 제약조건이 적용된다.
Figure 112018050728476-pat00017
여기에서
Figure 112018050728476-pat00018
는 기대 연산자이며, γ는 할인 팩터이다.
본 발명에서는 수학식 12의 최적화 문제에 강화 학습 체계를 적용한다. 도 3에 도시된 바와 같이, 본 발명에서 제안하는 강화 학습 체계는 충전소의 상태가 MDP(Markov Decision Process)를 사용하여 유도된 상태 x(t)에 있을 때, 보상 신호 R(t)는 크리틱 네트워크가 성능을 평가할 수 있는 주요 수단으로서 제공된다. 보상 함수의 디자인 방법은 시스템이 무엇을 의도하느냐에 따라 결정된다. 크리틱 네트워크는 축적된 미래 보상의 예측값에 대응하는 비용 함수를 학습한다.
더하여, 크리틱 네트워크는 액션 네트워크에 내부 강화 신호(
Figure 112018050728476-pat00019
)를 제공한다. 내부 강화 신호는 예측된 보상값과 실제 보상값 간의 차이이며, 크리틱 네트워크를 학습하는데 이용되며, 액션 네트워크를 개선하는데 이용된다. 액션 네트워크는 내부 강화 신호를 최대화하기 위한 정책을 찾는 시도를 한다.
시스템의 QoS를 보장하기 위한 보상값은 수학식 14에 따라 계산된다.
Figure 112018050728476-pat00020
QoS 조건을 만족하는 경우, 보상은 충전소로 들어오는 전기자동차의 수용율(acceptance ratio)과 같다. 이 경우, 강화 학습 모델은 수용율을 최대화하도록 시도한다. 반면에 시스템은 R(t) <= 0에서 R(t) = (u-1)일 때 큰 페널티를 발생시킨다. 그러므로, 보상값은 -1 <= R(t) <=ㄴㄴ 1 의 범위내이다.
QoS를 조절 하지 않고 차단률에 가중치를 주어 수용율을 조절하는 두 번째 시나리오의 알고리즘도 수학식 15와 같이 계산할 수 있다.
Figure 112018050728476-pat00021
단일 충전소의 제2 시나리오로, 그리고 강화 학습 모델에는 이하 수학식 16의 제약조건이 적용된다.
Figure 112018050728476-pat00022
여기에서
Figure 112018050728476-pat00023
는 기대 연산자이며, γ는 할인 팩터이다. 는 차단 확률의 constant penalty로, 가중치를 주어 수용율을 조절한다.
본 발명에서는 수학식 15의 최적화 문제에도 수학식 12와 마찬가지로 강화 학습 체계를 적용한다.
시스템의 수용율을 조절하기 위한 보상값은 수학식 17에 따라 계산된다.
Figure 112018050728476-pat00024
현재의 충전소의 상태를 기반으로, 로 penalty를 가중시킨다. 0과 u(t)- 중에서 더 큰 값을 골라 서비스 영역을 조절한다. 수학식 21와 같이 비용 함수의 선형 근사화를 계산한다.
수학식 12와 15는 단일 충전소를 고려한 경우로, 다중 충전소의 운영을 고려하는 경우 다른 수학식을 제시한다. 여러 개의 충전소 간의 상호작용을 고려하여 최적화 문제인 수학식 18을 도출할 수 있다.
Figure 112018050728476-pat00025
그리고 강화 학습 모델에는 이하 수학식 19의 제약조건이 적용된다.
Figure 112018050728476-pat00026
여기에서
Figure 112018050728476-pat00027
는 기대 연산자이며, γ는 할인 팩터이다.
본 발명에서는 다중 충전소 최적화 문제인 수학식 18의 최적화 문제에도 수학식 12,15와 같이 강화 학습 체계를 적용한다.
시스템의 QoS를 보장하고 충전소 간의 상호작용을 고려한 보상값은 수학식 20에 따라 계산된다.
Figure 112018050728476-pat00028
다중 충전소의 경우, i번째 충전소의 보상값은 j번째 각 충전소의 서비스 가격 와 수용율 를 반영한 합이다. 는 i번째 충전소의 충전 서비스 가격을 지칭한다. 은 i번째 충전소의 차단률이다. 충전소 i는 다른 충전소 간의 상호작용을 고려하여 충전소 운영을 위한 이율을 최대화한다.
크리틱 네트워크는 수학식 21와 같이 비용 함수의 선형 근사화를 계산한다.
Figure 112018050728476-pat00029
여기에서 xk(t)는 x(t)의 k번째 엘리먼트이다. 이때, 가중치(θ)는 수학식 22과 같이 업데이트된다.
Figure 112018050728476-pat00030
α는 크리틱 네트워크의 학습율이고, υ는 적격성 벡터이다. 적격성 벡터는 수학식 23과 같이 업데이트 된다.
Figure 112018050728476-pat00031
여기에서, η는 양 가중치 팩터(0<=η<1)이다.
Figure 112018050728476-pat00032
은 동적 환경에서 현재 상태 / 액션 및 다음 상태/ 액션 모두와 관련된 시간적 차이로서, 수학식 24과 같이 정의된다.
Figure 112018050728476-pat00033
시간적 차이는 내부 강화 신호이며, 액션 네트워크의 입력으로 사용된다. 판단을 위해 액션 네트워크는 수용 확률(u)를 수학식 25에 따라 계산한다.
Figure 112018050728476-pat00034
여기에서 n(t)는 액션을 활성시키기 위한 가우시간 랜덤 노이즈이고, 시그모이드 함수는 수학식 26에 따라 정의된다.
Figure 112018050728476-pat00035
가중치(w)는 수학식 21에 따라 업데이트 된다.
Figure 112018050728476-pat00036
여기에서 β는 양 가중치 펙터(0<=δ<1)이다.
도 4는 본 발명의 일 실시 예에 따른 충전소 시스템 동작 흐름도이다.
방송 범위 제어 모듈은 충전소 환경에 관한 상태 파라미터를 획득한다(S101). 여기에서 상태 파라미터는 충전기 상태 확률의 집합일 수 있다. 상태 확률은 예를 들어 각각의 충전기의 점유 확률일 수 있다.
방송 범위 제어 모듈은 상태 파라미터 및 현재 액션 파라미터에 기초하여 보상값을 계산한다(S103). 보상값은 상술한 수학식 14에 기초하여 계산될 수 있다.
다른 실시 예에서, 복수의 충전소로부터 상태 파라미터 방송 범위 제어 모듈이 전달 받은 경우, 방송 범위 제어 모듈은 충전소 간의 상호작용을 고려한 보상값을 계산한다. 이 경우, 방송 범위 제어 모듈은 제1 충전소에 대한 보상 값을 제2 충전소의 서비스 가격과 수용율을 고려하여 결정할 수 있다.
방송 범위 제어 모듈은 계산된 보상값에 기초하여 동적 환경에서 현재 상태/액션 및 다음 상태/액션 모두에 관계된 시간적 차이를 계산한다(S105). 구체적으로, 시간적 차이는 상술한 수학식 24에 기초하여 계산될 수 있다.
방송 범위 제어 모듈은 시간적 차이를 액션 네트워크의 입력 값으로 하여 충전소 수용율을 계산한다(S107). 충전소 수용율은 상술한 수학식 25에 기초하여 계산될 수 있다.
일 실시 예에서, 충전소 수용율은 액션 파라미터로서, 충전소로 전달될 수 있다. 또 다른 실시 예에서, 충전소가 복수인 경우, 각 충전소에 대한 충전소 수용율은 액션 파라미터 셋으로서 충전소 제어 시스템을 통해 각 충전소로 전달될 수 있다.
충전소는 충전소 수용율에 기초하여 서비스 영역의 범위를 결정한다(S109). 서비스 영역의 범위는 상술한 수학식 1에 기초하여 계산될 수 있다.
충전소는 계산된 서비스 영역 범위에 기초하여 서비스 정보를 방송한다(S111). 서비스 정보의 방송은 통신 시스템에서 수행될 수 있다.
상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.

Claims (7)

  1. 충전소 환경에 관한 상태 파라미터를 획득하고, 획득한 상태 파라미터에 기초하여 보상값을 업데이트하여, 업데이트된 보상값에 기초하여 액션 파라미터를 생성하는 방송 범위 제어 모듈; 및
    상기 액션 파라미터에 기초하여 서비스 영역을 결정하고, 결정된 서비스 영역 내 전기자동차로 서비스 정보를 방송하는 충전소를 포함하고
    상기 방송 범위 제어 모듈은 상기 상태 파라미터에 기초하여 상기 보상값을 계산하고, 상기 보상값에 기초하여 시간적 차이를 계산하고, 상기 시간적 차이를 액션 네트워크의 입력 값으로 사용하여 충전소 수용율을 계산하고, 계산된 충전소 수용율을 상기 액션 파라미터로서 상기 충전소에 전달하고,
    상기 충전소는 상기 액션 파라미터에 포함된 충전소 수용율에 기초하여 상기 서비스 영역을 결정하는 충전 시스템.
  2. 삭제
  3. 제 1 항에 있어서,
    상기 서비스 정보는 충전소 위치, 전기 자동차를 기준으로 하는 충전소 방향, 충전소 상태 및 충전 가격 중 적어도 하나를 포함하는
    충전 시스템.
  4. 제 3 항에 있어서,
    상기 충전소 상태는 충전 대기 상황 또는 충전소에서 이용가능한 충전기의 수를 포함하는
    충전 시스템.
  5. 방송 범위 제어 모듈이 충전소 수용율을 계산하는 단계;
    상기 방송 범위 제어 모듈이 충전소 상태에 관한 상태 파라미터를 획득하는 단계;
    상기 방송 범위 제어 모듈이 상태 파라미터에 기초하여 보상값을 계산하는 단계;
    상기 방송 범위 제어 모듈이 상기 보상값에 기초하여 동적 환경에서 현재 상태/액션 및 다음 상태/액션 모두에 관계된 시간적 차이를 계산하는 단계;
    상기 방송 범위 제어 모듈이 시간적 차이를 액션 네트워크의 입력 값으로 상기 충전소 수용율을 계산하는 단계;
    충전소가 상기 충전소 수용율에 기초하여 서비스 영역의 범위를 결정하는 단계; 및
    상기 충전소가 결정된 서비스 영역의 범위에 기초하여 서비스 정보를 방송하는 단계를 포함하는
    충전 시스템 동작 방법.
  6. 제 5 항에 있어서,
    상기 서비스 정보는 충전소 위치, 전기 자동차를 기준으로 하는 충전소 방향, 충전소 상태 및 충전 가격 중 적어도 하나를 포함하는
    충전 시스템 동작 방법.
  7. 제 6 항에 있어서,
    상기 충전소 상태는 충전 대기 상황 또는 충전소에서 이용가능한 충전기의 수를 포함하는
    충전 시스템 동작 방법.
KR1020180058660A 2018-05-23 2018-05-23 전기자동차 충전소 최적 운영 시스템 KR102052637B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180058660A KR102052637B1 (ko) 2018-05-23 2018-05-23 전기자동차 충전소 최적 운영 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180058660A KR102052637B1 (ko) 2018-05-23 2018-05-23 전기자동차 충전소 최적 운영 시스템

Publications (2)

Publication Number Publication Date
KR20190133567A KR20190133567A (ko) 2019-12-03
KR102052637B1 true KR102052637B1 (ko) 2020-01-08

Family

ID=68837862

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180058660A KR102052637B1 (ko) 2018-05-23 2018-05-23 전기자동차 충전소 최적 운영 시스템

Country Status (1)

Country Link
KR (1) KR102052637B1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102350874B1 (ko) 2019-12-27 2022-01-13 주식회사 한국가스기술공사 수소 충전소의 유지보수를 위한 정비 서비스 제공방법
KR20210083892A (ko) 2019-12-27 2021-07-07 주식회사 한국가스기술공사 수소 충전소의 운영방법
KR20220112516A (ko) 2021-02-04 2022-08-11 (주)블루네트웍스 수상 충전 시스템
EP4125028A1 (en) * 2021-07-27 2023-02-01 Tata Consultancy Services Limited Method and system to generate pricing for charging electric vehicles
CN114118796A (zh) * 2021-11-26 2022-03-01 天津守中电力科技有限公司 一种电动汽车充电设施的规划方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013002917A (ja) * 2011-06-15 2013-01-07 Toyota Home Kk 充電施設利用支援装置及び方法、車両ナビゲーション装置及び方法
JP2017033096A (ja) * 2015-07-29 2017-02-09 富士通テン株式会社 サーバ、送信システム、送信方法、及び、プログラム

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160098766A (ko) * 2015-02-11 2016-08-19 (주) 대경엔지니어링 이동통신단말기를 이용한 전기자동차 충전소 현황 모니터링 시스템

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013002917A (ja) * 2011-06-15 2013-01-07 Toyota Home Kk 充電施設利用支援装置及び方法、車両ナビゲーション装置及び方法
JP2017033096A (ja) * 2015-07-29 2017-02-09 富士通テン株式会社 サーバ、送信システム、送信方法、及び、プログラム

Also Published As

Publication number Publication date
KR20190133567A (ko) 2019-12-03

Similar Documents

Publication Publication Date Title
KR102052637B1 (ko) 전기자동차 충전소 최적 운영 시스템
Liu et al. Smart and resilient EV charging in SDN-enhanced vehicular edge computing networks
Zhang et al. Flexible energy management protocol for cooperative EV-to-EV charging
Cao et al. An electric vehicle charging management scheme based on publish/subscribe communication framework
Zenginis et al. Analysis and quality of service evaluation of a fast charging station for electric vehicles
Sortomme et al. Optimal scheduling of vehicle-to-grid energy and ancillary services
Yuan et al. p^ 2charging: Proactive partial charging for electric taxi systems
Zhang et al. A bi-level optimization framework for charging station design problem considering heterogeneous charging modes
CN115547052B (zh) 改进自适应大邻域算法的动态需求响应电动公交调度方法
WO2013045449A2 (en) Method and system for charging electric vehicles
CN102202933A (zh) 分布式汽车充电管理系统和方法
Ji et al. A personalized fast-charging navigation strategy based on mutual effect of dynamic queuing
Bayram et al. A pricing-based load shifting framework for EV fast charging stations
Al-Hanahi et al. An optimal charging solution for commercial electric vehicles
Tao et al. Data-driven on-demand energy supplement planning for electric vehicles considering multi-charging/swapping services
Bayram et al. Location analysis of electric vehicle charging stations for maximum capacity and coverage
Lee et al. Dual battery management for renewable energy integration in EV charging stations
WO2018083781A1 (ja) 水素管理システムおよび水素管理方法
Kakillioglu et al. Self-controlling resource management model for electric vehicle fast charging stations with priority service
Shipman et al. Learning capacity: predicting user decisions for vehicle-to-grid services
Karbasioun et al. Optimal charging strategies for electrical vehicles under real time pricing
Liu et al. Towards reservation-based E-mobility service via hybrid of V2V and G2V charging modes
Wang et al. QoS guaranteed online management of battery swapping station under dynamic energy pricing
Honda et al. Dynamic mobile network architecture organized by drivers decision making
Ko et al. Software-defined electric vehicle (ev)-to-ev charging framework with mobile aggregator

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant