A Hierarchical Stochastic Model Predictive Control Framework for Integrated Request-aware Charge Scheduling and Service Allocation

技術要約：統合的なリクエスト認識型充電スケジューリングおよびサービス割り当てのための階層的確率的モデル予測制御フレームワーク

問題提起
本論文は、柔軟なA-to-Bレンタルモデルの下で運用されるオンデマンド電気自動車（MoD-EV）フリートが直面する運用上の課題に対処している。この文脈では、車両は充電ステーション（CS）からレンタルされ、別のステーションに返却されるが、トリップの予約には距離やルートに関する正確な情報が欠けている。フリートオペレーターは、以下の複雑な最適化問題に直面している：

1. 確率的需要： 顧客のレンタルリクエストは不確実であり、断続的である。
2. 動的価格設定： 電気料金は時間とともに変動する。
3. 非線形バッテリーダイナミクス： 精度の高いモデリングには、温度効果、開回路電圧（OCV）の変化、容量劣化などの非線形挙動を捉える必要があるが、既存の文献ではこれらが簡略化されすぎていることが多い。
4. スケーラビリティ： 大規模なフリートに対する中央集権的な最適化アプローチは、混合整数制約と予測ホライゾンの大きさによる組合せ爆発のため、計算量的に困難となる。

核心となる目的は、不確実性の下で、バッテリーの健康状態を損なうことなく、サービスの信頼性（レンタルリクエストへの対応）を確保しながら、総運用コスト（電気、スイッチング、およびバッテリー劣化）を最小化することである。

手法
著者らは、確率的かつ多目的のモデル予測制御（MPC）フレームワークに基づいた、**統合的な充電管理およびサービス割り当てメカニズム（iCMS）**を提案している。

1. バッテリーモデリング：

   • 本研究では、内部温度、充電状態（SOC）、および端子電圧を捉えるために、強化された等価回路モデル（ECM）を利用している。
   • 線形計画法の枠組み内で非線形性を扱うため、著者らはバッテリーダイナミクスと容量劣化モデルの区分線形近似を採用している。SOC範囲は互いに排他的なセグメントに分割されており、これにより混合整数線形計画法（MILP）の使用が可能となる。
   • 単純な集計コストモデルを超え、平均SOC、SOC偏差、および充電量に基づいて劣化を定量化するために、循環容量劣化モデルが統合されている。

2. 確率的最適化（チャンス制約付きMPC）：

   • 本フレームワークは、不確実なライドリクエストを扱うためにチャンス制約を組み込んでいる。特定のパラメトリックな分布を仮定する代わりに、モデルは履歴データのシナリオを使用して、確率的にサービスレベルの制約（例：需要が満たされる信頼レベル $\alpha_{CON}$ の確保）を強制する。
   • 目的関数は、電気コスト、バッテリー劣化コスト、および充電モードのスイッチングコストの加重和を最小化する。

3. 階層的分散解法：

   • 中央集権的なMILP定式化の計算複雑性に対処するため、著者らは2段階の階層的分散アルゴリズムを開発した：
     • 上層（ライド割り当て）： 低次モデルを用いて、フリート全体の高レベルなサービス割り当てと車両出発時刻（$t_{dep}$）を最適化し、チャンス制約を満たす。
     • 下層（充電スケジューリング）： 個々の待機中のEVに対して分散最適化問題を解く。各車両は、上層から提供された出発時刻、ローカルなバッテリーダイナミクス、および電気価格に基づいて、詳細な充電シーケンス（電流、モード切り替え）を決定する。

主な貢献
本論文は、以下の具体的な貢献を主張している：

• 統合メカニズム： 確率的なリクエスト下でのサービス割り当てと非線形バッテリーダイナミクスを同時に扱う統一されたフレームワークの開発。
• 高度なバッテリーモデリング： 単純なSOC線形モデルに依存せず、非線形ダイナミクスを捉えるパラメトリックバッテリーモデルと詳細な循環容量劣化モデルの適応。
• 計算効率： 非線形ダイナミクスの区分線形緩和による、意思決定効率向上のためのMILP問題の構築。
• 離散モード切り替え： 遷移オートマトンを用いた、離散的な充電動作（V2G放電、複数の充電モード、およびOFF状態を含む）の定式化。
• スケーラブルなアーキテクチャ： 中央集権的な問題を分解して計算複雑性を軽減し、大規模なフリートでのリアルタイム実装を可能にする階層的分散アルゴリズムの開発。

結果と評価
本フレームワークは、シンガポールの卸売電気価格と履歴需要データを用い、300台のEVの24時間のホライゾンに対して評価された。提案された手法（中央集権型iCMSおよび分散型iCMS）を、BAU（従来通りの運用）ヘリスティックおよびLaxityベースの充電（LC）アプローチと比較した。

• コスト効率： 提案されたiCMSアプローチは、BAUおよびLCを大幅に上回った。分散型iCMS（D-iCMS）は、最も低いバッテリー劣化コスト（BAUの$21.04に対し$5.2）と、ほぼ最適な電気コスト（BAUの$193.95に対し$138.38）を達成した。
• 負荷プロファイル： 中央集権型アプローチ（C-iCMS）は、低価格期間を積極的に利用するため、ピーク・トゥ・平均比（PAR）が3.89と高くなった。D-iCMSは、2.33という中程度のPARを持つ、バランスの取れたソリューションを提供した。
• 確率的性能： 様々な信頼レベルの分析により、信頼レベルが高くなるほど、予測コストと実際のコストの偏差が小さくなり、より堅牢なソリューションが得られることが示されたが、リソース利用率とのトレードオフが生じることも示された。
• 計算のスケーラビリティ： 実行時間の分析により、中央集権型アプローチは予測ホライゾンとサンプリング間隔が増加するにつれて計算時間が指数関数的に増大することが示された。対照的に、分散型のD-iCMSアプローチは、問題を分解することで、低レベルの実行時間（例：30分間隔で1.3秒）を維持し、リアルタイムアプリケーションに適していることが示された。
• ハイパーパラメータの感度： スイッチングコストとペナルティ因子の影響を分析し、これらのパラメータを調整することで、オペレーターがグリッドの平滑化（低劣化）または運用の実現可能性（低ペナルティ）のどちらを優先するかを選択できることを示した。

意義
本論文は、本研究を実用的な意思決定支援ツールとして位置づけている。提案されたフレームワークは、以下の点を通じて、理論的なバッテリーモデリングと運用の現実との間の溝を埋めるとしている：

1. ピーク負荷の影響を緩和しつつ、価格インセンティブを活用するグリッド応答型のディスパッチングを可能にする。
2. 競合する目的（電気コスト、サービス信頼性、およびバッテリー寿命）のバランスを取るための、調整可能なコスト関数重みのメカニズムを提供する。
3. 分散計算を通じてスケーラビリティを提供し、中央集権的なソルバーの計算限界によってボトルネックになることなく、フリート運用を拡大することを可能にする。

著者らは、10%のSOC離散化が実行時間と精度のバランスを取るための堅牢な出発点となる一方で、非線形ダイナミクスと確率的需要を同時に扱う能力が、既存の簡略化されたスケジューリング戦略に対する重要な進歩であることを結論づけている。