基于新型收缩原始多对偶次梯度（SPMDS）算法的去中心化电动汽车充电控制
最优化与控制
2020-04-01 v1 系统与控制
系统与控制
摘要
大量电动汽车（EVs）的充电过程需要协调与控制，以缓解其对配电网的影响并提供各类电网服务。然而，现有电动汽车充电控制范式在可扩展性上受限于电动汽车数量或配电网维度，极大削弱了电动汽车的聚合服务能力与适用性。为突破可扩展性瓶颈，本文受填谷服务最优调度问题启发，（1）提出一种新颖的降维方法：对电动汽车（原始决策变量）进行分组，并为配电网中每个电动汽车组建立电压（全局耦合约束）更新子集；（2）开发一种新颖的去中心化收缩原始多对偶次梯度（SPMDS）优化算法以求解该降维问题。所提出的基于SPMDS的控制框架无需电动汽车间通信，在原始次梯度更新中降低超过43%的计算成本，在 dual 次梯度更新中最高降低68%的计算成本。所提算法的效率与有效性通过在改进的IEEE 13总线测试馈线与改进的IEEE 123总线测试馈线上的仿真得到验证。
引用
@article{arxiv.2003.14295,
title = {Decentralized Electric Vehicle Charging Control via a Novel Shrunken Primal Multi-Dual Subgradient (SPMDS) Algorithm},
author = {Xiang Huo and Mingxi Liu},
journal= {arXiv preprint arXiv:2003.14295},
year = {2020}
}
备注
8 pages, 5 figures, 2 tables, submitted to 2020 IEEE CDC (submission 728)