Dynamic Menu-Based Pricing for Electric Vehicle Charging with Vehicle-to-Grid Integration

Each language version is independently generated for its own context, not a direct translation.

Stel je voor dat een parkeerterrein niet alleen een plek is om je auto te parkeren, maar ook een levendige marktplein waar elektriciteit wordt verhandeld. Dit is het hart van het onderzoek van Mozhdeh Hematiboroujeni en haar team.

Hier is de uitleg in simpele taal, met een paar handige vergelijkingen:

1. Het Probleem: Een overvolle supermarkt

Stel je een supermarkt voor (het elektriciteitsnet) die 's middags en 's avonds overbelast raakt omdat iedereen tegelijkertijd boodschappen doet (auto's opladen). Dit kost veel geld en kan de stroomnetten doen instorten.
Aan de andere kant hebben elektrische auto's (EV's) vaak een volle batterij die ze niet nodig hebben. Ze staan daar als een opslagkast met gratis energie. Maar tot nu toe mochten deze auto's die energie niet teruggeven aan de supermarkt, of kregen ze er geen goede prijs voor. De huidige prijzen zijn als een statisch prijskaartje: het maakt niet uit of je om 10 uur 's ochtends of om 18 uur 's avonds komt, de prijs is hetzelfde. Dat werkt niet goed voor het net.

2. De Oplossing: Een slim menu (zoals bij een restaurant)

De auteurs stellen een nieuw systeem voor: Dynamisch Menu-Prijzen.

In plaats van één vaste prijs, krijgt elke auto die het parkeerterrein binnenrijdt een persoonlijk menu aangeboden, net als bij een restaurant.

De Auto (de gast): Zegt: "Ik moet hier 4 uur staan en ik wil mijn batterij van 30% naar 80% hebben."
De Exploitant (de chef): Kijkt naar de huidige prijs van elektriciteit in de stad (die verandert elke halfuur) en naar hoe vol het net is.
Het Menu: De chef biedt verschillende opties aan:
- Optie A: Laad snel op, maar het is duur (want het is nu piektijd).
- Optie B: Laad langzaam op, het is goedkoper (want nu is het rustig).
- Optie C (De V2G-magie): "Laad je op, maar geef ook wat energie terug aan het net. Dan krijg je korting of zelfs betaald!"

De auto kiest zelf het menu-item dat voor hen het beste uitkomt.

3. Hoe werkt het in de praktijk? (De Rol van de Chef)

De exploitant van het parkeerterrein is heel slim. Hij gebruikt een computer die elke seconde rekent (zoals een schakencomputer).

Als er een nieuwe auto binnenkomt, berekent de computer direct: "Als deze auto nu laadt, kost dat ons geld. Maar als hij 2 uur later laadt, of als hij 5 kWh teruggeeft, kunnen we geld verdienen."
De computer stelt dan een menu samen dat de auto aantrekkelijk maakt, maar waar de exploitant ook winst op maakt.
Het systeem houdt rekening met de capaciteit van de hoofdkabel (de "buizen" die naar het net lopen). Als de buis vol zit, biedt het menu geen snelle lading aan, maar juist teruglevering.

4. Waarom is dit zo geweldig? (De Resultaten)

De onderzoekers hebben dit getest met data uit Australië en de resultaten zijn als een dubbele winst:

Voor de Exploitant: Hij maakt 30% meer winst dan met oude systemen. Hij kan elektriciteit goedkoop kopen en duur verkopen, of juist energie terugleveren op het moment dat het net het hardst nodig heeft.
Voor de Eigenaar: De eigenaar betaalt 17% minder voor het opladen van zijn auto. Hij krijgt een prijs die past bij zijn situatie.
Voor het Net: Er wordt veel meer energie teruggeleverd (tot wel 235% meer dan bij andere methoden). Dit helpt om het net stabiel te houden en maakt ruimte voor zonne- en windenergie.

5. De "Magische" Wiskunde (Zonder hoofdpijn)

Het klinkt ingewikkeld, maar de auteurs hebben een wiskundige trucje bedacht (een bilevel optimalisatie omgezet naar één grote rekensom).
Stel je voor dat je een gigantische legpuzzel hebt. Vroeger duurde het dagen om te kijken hoe je alle auto's en stroomprijzen in één dag kon regelen. Met hun nieuwe methode duurt het minder dan een seconde om het menu voor een nieuwe auto te berekenen. Dat betekent dat dit systeem echt werkt in de echte wereld, zonder dat er dure supercomputers nodig zijn.

Samenvattend

Dit onderzoek toont aan dat we elektrische auto's niet alleen als "stroomverbruikers" moeten zien, maar als beweeglijke batterijen die het elektriciteitsnet kunnen helpen. Door slimme, persoonlijke menu's aan te bieden, winnen zowel de parkeergarage-eigenaar, de automobilist als de hele maatschappij. Het is een win-win-win situatie, net als een perfecte deal op de marktplein.

Each language version is independently generated for its own context, not a direct translation.

Titel: Dynamische menu-gebaseerde prijsbepaling voor het opladen van elektrische voertuigen met integratie van Vehicle-to-Grid (V2G)

Auteurs: Mozhdeh Hematiboroujeni, Pierre Le Bodic, Adel N. Toosi, en Markus Wagner.

1. Probleemstelling

De snelle groei van elektrische voertuigen (EV's) biedt kansen voor netflexibiliteit, maar brengt ook uitdagingen met zich mee, zoals overbelasting van het elektriciteitsnet tijdens piekmomenten door ongecoördineerd opladen. Hoewel Vehicle-to-Grid (V2G)-technologie (waarbij EV's energie terugleveren aan het net) een oplossing biedt om vraag en aanbod in balans te brengen, wordt de adoptie beperkt door:

Gebrek aan prikkels: Bestaande tariefstructuren (zoals Time-of-Use) bieden weinig stimulans voor ontladen.
Technische en gedragsmatige barrières: Gebruikers zijn bezorgd over batterijdegradatie en vinden de huidige financiële compensatie onvoldoende.
Beperkingen van bestaande modellen: Veel bestaande onderzoeken gaan uit van statische tarieven, negeren netbeperkingen (zoals de capaciteit van de voedingskabel/feeder), of veronderstellen perfecte informatie over toekomstige aankomsten.

Het doel van dit onderzoek is een dynamisch, menu-gebaseerd prijsbepalingssysteem te ontwikkelen voor een parkeergarage-exploitant. Dit systeem moet rekening houden met real-time wholesale-prijzen, netbeperkingen, en de individuele behoeften van elke EV, terwijl het tegelijkertijd de winst van de exploitant maximaliseert en de kosten voor de EV-eigenaar minimaliseert.

2. Methodologie

Het voorgestelde model is een rollend-horizon (rolling-horizon) aanpak die wordt geactiveerd bij de aankomst van elk nieuw voertuig.

A. Systeemmodel

Actoren: Een parkeergarage-exploitant (leider) en een reeks EV's die sequentieel arriveren.
Beperkingen: De exploitant heeft te maken met een maximale voedingskabelcapaciteit ( $Y_{max}$ ) en een maximale laad/ontlaadcapaciteit per lader ( $P_{max}$ ).
Invoer: Elke EV rapporteert zijn aankomsttijd, vertrektijd, batterijcapaciteit, start- en doellading (SoC).
Menu: Bij aankomst biedt de exploitant een menu van opties aan. Elke optie $d$ vertegenwoordigt een specifiek totaalbedrag aan energie dat de EV toestaat om terug te leveren aan het net tijdens zijn verblijf ( $d=0$ betekent alleen opladen).

B. Bi-niveau optimalisatieprobleem

De interactie wordt gemodelleerd als een bi-niveau optimalisatieprobleem:

Bovenste niveau (Exploitant): Maximaliseert de winst door een menu van prijzen ( $\pi_{n,d}$ ) te bepalen voor elke optie $d$ . De prijs is gebaseerd op de marginale kosten (toename in netafrekening) plus een opslag ( $\beta$ ).
Onderste niveau (EV): De EV kiest de optie die zijn eigen nut (utility) maximaliseert, gedefinieerd als de waarde van de benodigde energie minus de prijs en de kosten voor batterijdegradatie. De EV kiest alleen als het nut niet-negatief is.

C. Wiskundige Formulering en Reformulering

Het probleem wordt eerst als een bi-niveau model geformuleerd.
Om dit efficiënt op te lossen, worden de Karush-Kuhn-Tucker (KKT) condities van het onderste niveau gebruikt.
Deze niet-lineaire KKT-condities worden omgezet in lineaire beperkingen met behulp van indicator constraints.
Het resultaat is een Single-Level Mixed-Integer Linear Programming (MILP) model. Dit maakt het mogelijk om het probleem in real-time op te lossen.

D. Implementatie

Het algoritme werkt als volgt:

Een nieuwe EV arriveert.
De exploitant berekent voor elke mogelijke ontladingsoptie de optimale laad/ontlaadplanning voor alle actieve voertuigen (inclusief de nieuwe) over de resterende planningstijd.
De marginale kosten en de bijbehorende prijs worden berekend.
De EV selecteert de beste optie uit het menu.
De plannen en prijzen voor de reeds geaccepteerde voertuigen blijven behouden (geen heronderhandeling), maar de plannen worden aangepast binnen hun technische grenzen om de nieuwe situatie haalbaar te maken.

3. Belangrijkste Bijdragen

Rollend-horizon aanpak: Optimalisatie van het prijsmenu bij elke nieuwe aankomst, waardoor incentives worden afgestemd op real-time systeemcondities en individuele gebruikersbehoeften.
Realistische integratie van V2G en netbeperkingen: In tegenstelling tot eerdere studies, modelleert dit werk simultaan aankoop en verkoop van energie tegen wholesale-prijzen, ondersteunt het bidirectionele energiestroom, en respecteert het de capaciteit van de voedingskabel (feeder constraints).
Efficiënte wiskundige reformulering: Door de KKT-condities als indicator constraints te embedden, wordt het bi-niveau probleem omgezet in een oplosbaar MILP. Dit maakt real-time optimalisatie mogelijk (onder 1 seconde per aankomend voertuig).
Uitgebreide validatie: Het model is getest met 12 maanden real-world data van de Australische energiemarkt (AEMO) en vergeleken met drie geoptimaliseerde baselines (aangepaste real-time tarieven, vaste tarieven en hybride tarieven).

4. Resultaten

De simulaties tonen aan dat het voorgestelde mechanisme significant beter presteert dan bestaande methoden:

Vergelijking met "Geen V2G" (alleen opladen):
- Winst voor de exploitant: +30%.
- Betalingen voor EV's: -17%.
Vergelijking met geoptimaliseerde baselines:
- Winst exploitant: +22% tot +29%.
- Betalingen EV's: -9% tot -18%.
- Bijdrage aan V2G (teruglevering aan net): +87% tot +235%.
Sensitiviteitsanalyse:
- Het systeem blijft robuust bij variaties in het aantal EV's (tot 250), netcapaciteit en seizoensgebonden prijsschommelingen.
- Een menu met ongeveer 6-8 ontladingsopties is voldoende om het grootste deel van de voordelen te behalen.
- Het model is robuust tegen onzekerheid in wholesale-prijsschattingen (met 10% ruis is de afwijking in winst slechts ~2,4%).
Berekeningsprestaties:
- Een volledige dag met 100 EV's wordt opgelost in <40 seconden.
- 250 EV's in <200 seconden.
- De berekening voor een individueel aankomend voertuig duurt minder dan 1 seconde, wat real-time toepassing mogelijk maakt.

5. Betekenis en Conclusie

Dit onderzoek demonstreert dat dynamische menu-gebaseerde prijsbepaling een praktische, computationeel efficiënte en economisch voordelige oplossing is voor het real-time beheer van EV-laden en V2G-integratie.

Voor exploitanten: Het maximaliseert de winst door slimme arbitrage op de wholesale-markt en het optimaliseren van netgebruik.
Voor gebruikers: Het verlaagt de kosten en biedt transparante, op maat gemaakte opties die rekening houden met batterijdegradatie.
Voor het net: Het stimuleert aanzienlijk meer teruglevering van energie tijdens piekmomenten, wat helpt bij het balanceren van vraag en aanbod en het integreren van hernieuwbare energie.

De studie sluit de kloof tussen theoretische optimalisatie en praktische implementatie door een model te bieden dat rekening houdt met netwerkbepalingen, real-time marktprijzen en de sequentiële aard van voertuigbewegingen, zonder afhankelijk te zijn van onrealistische aannames over perfecte toekomstkennis.