CONSENT: A Negotiation Framework for Leveraging User Flexibility in Vehicle-to-Building Charging under Uncertainty

यहाँ शोध पत्र "CONSENT: A NEGOTIATION FRAMEWORK FOR LEVERAGING USER FLEXIBILITY IN VEHICLE-TO-BUILDING CHARGING UNDER UNCERTAINTY" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

इलेक्ट्रिक वाहनों (EVs) का तेजी से बढ़ता उपयोग व्हीकल-टू-बिल्डिंग (V2B) परिवेश में बिल्डिंग ऑपरेटरों और EV ड्राइवरों के बीच एक संघर्ष पैदा करता है:

• ऑपरेटरों को अनकॉर्डिनेटेड (अव्यवस्थित) चार्जिंग के कारण उच्च ऊर्जा लागत का सामना करना पड़ता है, जो विशेष रूप से समय-परिवर्तनीय ऊर्जा दरों और, अधिक महत्वपूर्ण रूप से, डिमांड चार्जेस (पीक पावर उपयोग पर आधारित शुल्क) द्वारा संचालित होती है।
• ड्राइवर्स सुविधा को प्राथमिकता देते हैं, उन्हें एक विशिष्ट प्रस्थान समय तक फुल बैटरी (स्टेट ऑफ चार्ज, SoC) की आवश्यकता होती है।

मुख्य चुनौतियाँ:

1. अनिश्चितता (Uncertainty): भविष्य में EV का आगमन, प्रस्थान का समय और बिल्डिंग लोड स्टोकेस्टिक (अनिश्चित) होते हैं।
2. प्रोत्साहन का गलत संरेखण (Incentive Misalignment): ऑपरेटर लागत बचाने के लिए ऑफ-पीक समय में चार्जिंग को टालना चाहते हैं, जबकि उपयोगकर्ता तत्काल पूर्ण चार्जिंग चाहते हैं।
3. रणनीतिक व्यवहार (Strategic Behavior): उपयोगकर्ता अपने लाभ के लिए आवश्यकताओं को गलत तरीके से रिपोर्ट कर सकते हैं (जैसे, आवश्यक SoC को बढ़ाकर बताना) ताकि बड़े प्रोत्साहन प्राप्त किए जा सकें, जिससे सिस्टम की अखंडता को नुकसान पहुँचता है।
4. सह-अनुकूलन अंतराल (Co-optimization Gap): मौजूदा शोध अक्सर चार्जिंग नियंत्रण (तकनीकी) और उपयोगकर्ता बातचीत (व्यवहार संबंधी) को अलग-अलग समस्याओं के रूप में देखते हैं। अनिश्चितता के तहत वास्तविक समय नियंत्रण नीतियों के साथ उपयोगकर्ता-केंद्रित बातचीत रणनीतियों को संयुक्त रूप से अनुकूलित करने वाले फ्रेमवर्क की कमी है।

2. कार्यप्रणाली: CONSENT फ्रेमवर्क (Methodology: The CONSENT Framework)

लेखक CONSENT प्रस्तावित करते हैं, जो एक नेगोशिएशन-आधारित फ्रेमवर्क है जो EV चार्जिंग को एक रणनीतिक संसाधन में बदल देता है। यह व्यक्तिगत, प्रोत्साहन-आधारित विकल्प उत्पन्न करने के लिए मॉडल प्रिडिक्टिव कंट्रोल (MPC) को सेमी-मार्कोव डिसीजन प्रोसेस (SMDP) के साथ जोड़ता है।

A. मुख्य आर्किटेक्चर (Core Architecture)

यह फ्रेमवर्क एक पांच-चरणीय लूप (चित्र 1) के रूप में कार्य करता है:

1. आगमन और असाइनमेंट (Arrival & Assignment): EVs आते हैं और उन्हें चार्जर्स को असाइन किया जाता है (बाइ-डायरेक्शनल चार्जर्स को प्राथमिकता दी जाती है)।
2. बेसलाइन अनुरोध (Baseline Request): उपयोगकर्ता अपना वांछित प्रस्थान समय और लक्ष्य SoC सबमिट करते हैं।
3. प्रोत्साहन सृजन (Incentive Generation - मुख्य भाग): सिस्टम $L$ बातचीत विकल्पों का एक मेनू बनाता है। प्रत्येक विकल्प प्रस्थान समय ($\Delta t$) या SoC ($\Delta e$) में एक विशिष्ट विचलन के बदले मौद्रिक छूट प्रदान करता है।
4. उपयोगकर्ता चयन (User Selection): उपयोगकर्ता एक विकल्प चुनता है (या सभी को अस्वीकार कर देता है)।
5. निष्पादन (Execution): एक MPC इंजन बातचीत किए गए बाधाओं (constraints) के आधार पर चार्जिंग शेड्यूल को निष्पादित करता है।

B. तकनीकी घटक (Technical Components)

• मोंटे कार्लो मॉडल प्रिडिक्टिव कंट्रोल (MC-MPC):
  • केवल एकल पॉइंट फोरकास्ट (पूर्वानुमान) पर निर्भर रहने के बजाय, कंट्रोलर वास्तविक टेलीमेट्री पर प्रशिक्षित एक जेनेरेटिव मॉडल का उपयोग करके कई भविष्य के परिदृश्यों (EV आगमन, लोड) को सैंपल करता है।
  • यह रोलिंग होराइजन पर एक मिक्स्ड-इंटिजर लीनियर प्रोग्राम (MILP) को हल करता है ताकि कुल बिल्डिंग लागत (ऊर्जा + डिमांड चार्जेस + पेनल्टी) को कम किया जा सके, जबकि उपयोगकर्ता बाधाओं को पूरा किया जा सके।
  • यह दृष्टिकोण रीइन्फोर्समेंट लर्निंग (RL) के लिए आवश्यक व्यापक रिट्रेनिंग के बिना अनिश्चितता को मजबूती से संभालता है।
• नेगोशिएशन पॉलिसी (SMDP):
  • बातचीत को एक SMDP के रूप में मॉडल किया गया है जहाँ स्टेट (state) में वर्तमान बिल्डिंग लोड, जुड़े हुए EVs और नए आगमन शामिल हैं।
  • एक्शन स्पेस (Action Space): प्रत्येक लचीलेपन के स्तर $l$ के लिए, सिस्टम इष्टतम विचलन सीमा और संबंधित उपयोगकर्ता लागत ($\zeta_v$) खोजने के लिए MILP को हल करता है।
  • उपयोगकर्ता लागत गणना: $\zeta_v = \text{Energy Cost} - \alpha \cdot U(\theta_v)$, जहाँ $U(\theta_v)$ उपयोगकर्ता द्वारा सिस्टम में लाया गया मार्जिनल यूटिलिटी (लागत में कमी) है, और $\alpha$ एक कॉस्ट-शेयरिंग पैरामीटर है।
• उपयोगकर्ता मॉडलिंग (User Modeling):
  • 28 प्रतिभागियों के सर्वेक्षण के आधार पर, उपयोगकर्ताओं को समय विलंब बनाम SoC कमी के प्रति उनकी संवेदनशीलता के आधार पर क्लस्टर में वर्गीकृत किया गया है।
  • एक लीनियर मॉडल विचलन के आधार पर "असुविधा लागत" ($I_v$) का अनुमान लगाता है।
  • एक लॉजिट-आधारित चॉइस फंक्शन उपयोगकर्ता द्वारा प्रस्ताव स्वीकार करने की संभावना की भविष्यवाणी करता है।

C. सैद्धांतिक गारंटी (Theoretical Guarantees)

यह तंत्र तीन औपचारिक गारंटियों के साथ डिज़ाइन किया गया है (परिशिष्ट D में सिद्ध):

1. रणनीति-प्रूफनेस (Strategy-Proofness): उपयोगकर्ता अपने वास्तविक प्रस्थान समय या SoC आवश्यकताओं को गलत तरीके से रिपोर्ट करके अपना यूटिलिटी नहीं बढ़ा सकते। सत्यपूर्ण रिपोर्टिंग ही प्रमुख रणनीति है।
2. बजट व्यवहार्यता (Budget Feasibility): उपयोगकर्ता को दिए जाने वाले प्रोत्साहन सहित बिल्डिंग की कुल लागत, उपयोगकर्ता के बिना बेसलाइन लागत से कभी अधिक नहीं होती है।
3. स्वैच्छिक भागीदारी (Voluntary Participation): कोई भी तर्कसंगत उपयोगकर्ता इससे खराब स्थिति में नहीं होता है; वे हमेशा भाग लेने या बाहरी रूप से चार्ज करने का विकल्प चुन सकते हैं।

3. मुख्य योगदान (Key Contributions)

1. सह-अनुकूलन फ्रेमवर्क (Co-optimization Framework): एक नवीन विधि जो अनिश्चितता के तहत वास्तविक समय नियंत्रण और उपयोगकर्ता बातचीत को संयुक्त रूप से अनुकूलित करती है, जो तकनीकी नियंत्रण और मानव व्यवहार के बीच के अंतर को पाटती है।
2. रणनीति-प्रूफ तंत्र (Strategy-Proof Mechanism): एक नेगोशिएशन प्रोटोकॉल जो रणनीतिक गलत रिपोर्टिंग को रोकता है और स्वैच्छिक भागीदारी सुनिश्चित करता है।
3. अनुभवजन्य सत्यापन (Empirical Validation): फ्रेमवर्क को वास्तविक दुनिया के सर्वेक्षण डेटा और सांता क्लारा, CA के एक वाणिज्यिक भवन और एक EV निर्माता के परिचालन डेटा का उपयोग करके कैलिब्रेट किया गया है।
4. प्रदर्शन बेंचमार्किंग (Performance Benchmarking): अनकॉर्डिनेटेड चार्जिंग, स्मार्ट चार्जिंग (मुफ्त/निश्चित लागत) और मेनू-आधारित नेगोशिएशन सहित बेसलाइनों के विरुद्ध व्यापक तुलना।

4. प्रयोगात्मक परिणाम (Experimental Results)

फ्रेमवर्क का मूल्यांकन 100 एपिसोड के वास्तविक डेटा (मई 2023 - नवंबर 2024) का उपयोग करके एक मॉड्यूलर सिम्युलेटर का उपयोग करके किया गया।

मुख्य मेट्रिक्स और निष्कर्ष:

• बिल्डिंग लागत में कमी:
  • Uncoordinated Charging की तुलना में: लागत में 5.83% की कमी आई।
  • Optimized Smart Charging (Free Access) की तुलना में: 3.5% की कमी आई।
  • Menu-based Negotiation (State-of-the-Art) की तुलना में: समान बिल्डिंग बचत प्राप्त की, लेकिन काफी बेहतर उपयोगकर्ता परिणामों के साथ।
• उपयोगकर्ता लागत में कमी:
  • उपयोगकर्ताओं ने उपयोगिता की रिटेल ऊर्जा दर से 22% कम भुगतान किया।
  • मेनू-आधारित बेसलाइन के $0.157/kWh और फिक्स्ड-कॉस्ट नीतियों के $0.178/kWh की तुलना में उपयोगकर्ता लागत $0.138/kWh थी।
• भागीदारी और अस्वीकृति दर (Participation & Rejection Rates):
  • अस्वीकृति दर (उपयोगकर्ताओं द्वारा बाहर निकलना) Menu-based (34.89%) से घटकर CONSENT (21.99%) हो गई।
  • यह प्रोत्साहन के बेहतर संरेखण को दर्शाता है, क्योंकि उपयोगकर्ताओं को प्रतिकूल सौदों में नहीं फंसाया जाता है।
• मजबूती (Robustness):
  • MC-MPC दृष्टिकोण विभिन्न अनिश्चितता परिदृश्यों (जैसे, प्रस्थान समय शोर, आउट-ऑफ-डिस्ट्रीब्यूशन SoC अनुरोध, मूल्य स्पाइक्स) के तहत स्थिर रहा, जिसने लागत और विश्वसनीयता (शून्य मिसिंग SoC) दोनों में RL और ह्यूरिस्टिक विधियों (LLF, EDF) को पछाड़ दिया।
• संवेदनशीलता विश्लेषण (Sensitivity Analysis):
  • फ्रेमवर्क विभिन्न उपयोगकर्ता लचीलापन प्रोफाइल के अनुकूल होता है। अधिक लचीले जनसंख्या समूह उच्च बिल्डिंग बचत प्रदान करते हैं, जबकि कम लचीले समूह उच्च उपयोगकर्ता लागत के साथ थोड़े अधिक परिणाम देते हैं, लेकिन फिर भी बेसलाइनों की तुलना में कम अस्वीकृति दर बनाए रखते हैं।

5. महत्व और प्रभाव (Significance and Impact)

• रणनीतिक सेतु (Strategic Bridge): CONSENT सफलतापूर्वक V2B चार्जिंग को परिचालन घर्षण के स्रोत से सहयोग के मंच में बदलने में सफल रहा। यह बिल्डिंग ऑपरेटरों के आर्थिक लक्ष्यों (पीक शेविंग, लागत में कमी) को उपयोगकर्ता की जरूरतों (सुविधा, कम लागत) के साथ संरेखित करता है।
• स्केलेबिलिटी (Scalability): मोंटे कार्लो सैंपलिंग के साथ MPC का उपयोग एक कम्प्यूटेशनल रूप से कुशल और स्केलेबल समाधान प्रदान करता है जिसके लिए डीप रीइन्फोर्समेंट लर्निंग से जुड़े भारी रिट्रेनिंग चक्रों की आवश्यकता नहीं होती है।
• निष्पक्षता और विश्वास (Fairness and Trust): रणनीति-प्रूफनेस और स्वैच्छिक भागीदारी की गारंटी देकर, यह फ्रेमवर्क विश्वास का निर्माण करता है, जो स्मार्ट चार्जिंग और V2B प्रौद्योगिकियों के व्यापक अपनाने के लिए आवश्यक है।
• व्यावहारिक तैनाती (Practical Deployment): वास्तविक वाणिज्यिक डेटा पर इसके सत्यापन से पता चलता है कि सैद्धांतिक लाभ वास्तविक दुनिया के सेटिंग्स में मूर्त परिचालन बचत में परिवर्तित होते हैं।

निष्कर्षतः, CONSENT अनिश्चित वातावरण में जटिल EV चार्जिंग को समन्वित करने की समस्या के लिए एक मजबूत, गणितीय रूप से आधारित और अनुभवजन्य रूप से सत्यापित समाधान प्रदान करता है, जो यह सिद्ध करता है कि उपयोगकर्ता लचीलेपन का निष्पक्ष, प्रोत्साहन-संगत बातचीत के माध्यम से प्रभावी ढंग से लाभ उठाया जा सकता है।