Uncertainty-Aware Critic Augmentation for Hierarchical Multi-Agent EV Charging Control
Created by
Haebom
저자
Lo Pang-Yun Ting, Ali \c{S}enol, Huan-Yang Wang, Hsu-Chao Lai, Kun-Ta Chuang, Huan Liu
개요
본 논문은 전력망 안정성 및 비상 운영 지원을 목표로 하는 양방향 EV 충전 및 방전 기술의 발전에 따라 증가하는 직장 내 응용 프로그램에 대한 관심에 초점을 맞추고 있습니다. 이 기술은 전기 요금 절감뿐만 아니라 피크 전력 제한, 변동하는 에너지 가격, 예측 불가능한 EV 출발 등 실질적인 문제 처리에 대한 복원력을 향상시킵니다. 이러한 요소들을 체계적으로 고려하면 사무실 건물과 EV 사용자 모두의 에너지 효율을 동시에 향상시킬 수 있습니다. 본 논문에서는 이러한 문제를 해결하기 위해 AI를 활용한 새로운 실시간 충전 제어 시스템인 HUCA를 제안합니다. HUCA는 계층적 행위자-비평가 네트워크를 사용하여 동적 가격 시나리오에서 EV 충전 요구 사항을 고려하여 건물의 전력 비용을 동적으로 줄입니다. 불확실한 EV 출발을 해결하기 위해 충전 결정 평가 시 출발 불확실성을 고려하는 새로운 비평가 증강 기능을 도입하여 충전 제어의 강력함을 유지합니다. 실제 전력 데이터 세트를 사용한 시뮬레이션된 확실한 및 불확실한 출발 시나리오에서의 실험을 통해 HUCA가 EV 충전 요구 사항을 충족하는 데 경쟁력 있는 성능을 유지하면서 총 전력 비용 측면에서 기준선보다 우수한 성능을 보임을 보여줍니다. 사례 연구를 통해 HUCA가 실시간 정보를 기반으로 건물과 EV 간의 에너지 공급을 효과적으로 조절하여 차량 충전 제어를 위한 AI 기반 솔루션으로서의 잠재력을 보여줍니다.
시사점, 한계점
•
시사점:
◦
AI 기반의 실시간 충전 제어 시스템 HUCA를 통해 건물과 EV의 전력 비용을 효율적으로 절감할 수 있음을 실증적으로 보여줌.
◦
불확실한 EV 출발 상황을 고려하여 충전 제어의 강건성을 확보하는 새로운 비평가 증강 기법을 제시함.
◦
실제 전력 데이터셋을 활용한 실험을 통해 HUCA의 우수성을 검증함.
◦
건물과 EV 간의 에너지 공급을 효과적으로 조절하는 HUCA의 잠재력을 사례 연구를 통해 제시함.
•
한계점:
◦
실험은 특정 지역의 실제 전력 데이터셋에 한정되어 일반화 가능성에 대한 추가 연구가 필요함.
