โมเดลการเรียนรู้ด้วยเครื่องเพื่อทำนายความต้องการในการอัดประจุรถยนต์พลังงานไฟฟ้า

Abstract

การควบคุมการอัดประจุรถยนต์พลังงานไฟฟ้าอัจฉริยะ (Smart Charging) เป็นวิธีการจัดกำหนดการอัดประจุรถยนต์ไฟฟ้าให้ได้อย่างเหมาะสม ทำให้สถานีอัดประจุสาธารณะทำกำไรได้มากขึ้น ผลกำไรดังกล่าวนี้มักมาจากการลดค่าใช้จ่ายของค่าความต้องการพลังงานไฟฟ้าสูงสุดโดยที่ยังคงสามารถตอบสนองความต้องการของผู้ใช้รถยนต์ไฟฟ้าได้ สถานีอัดประจุสาธารณะที่มีการใช้ Smart charging ส่วนใหญ่จะให้ผู้ใช้รถยนต์ไฟฟ้าเป็นผู้กำหนดความต้องการของพวกเขาเอง อย่างไรก็ตามผู้ใช้รถยนต์ไฟฟ้าอาจจะป้อนข้อมูลความต้องการที่ไม่ตรงกับความเป็นจริง ส่งผลให้ผลกำไรของสถานีอัดประจุสาธารณะลดลงได้ ในงานวิจัยนี้ผู้ทำจิจัยได้ทำการนำเสนอ End-to-end framework ซึ่งมีเป้าหมายในการสร้างกำไรสูงสุดแก่สถานีอัดประจุสาธารณะโดยที่ยังคงตอบสนองกับความต้องการของผู้ใช้รถยนต์ไฟฟ้า โดย framework จะประกอบด้วยโมดูลหลักสองอย่าง ได้แก่ โมดูลการพยากรณ์ความต้องการของผู้ใช้รถยนต์ไฟฟ้าอันได้แก่ระยะเวลาในการเชื่อมต่อและความต้องการพลังงานไฟฟ้า ที่ใช้เทคนิคการเรียนรู้ของเครื่อง (machine learning) ต่างๆ เช่น XGBoost, Random Forest (RF), และ TabNet กับโมดูลการหาค่าที่เหมาะสมที่สุดในการจัดกำหนดการอัดประจุของรถยนต์ไฟฟ้าที่มีพื้นฐานจากเทคนิค Model predictive control (MPC) ซึ่งโมดูลการหาค่าที่เหมาะสมที่สุดนี้ได้รับการปรับปรุงให้ดีขึ้นโดยใช้ข้อมูลจากการป้อนกลับและพฤติกรรมของการดึงกระแสของรถยนต์ไฟฟ้าที่เรียกว่า Constant Current Constant Voltage (CC-CV) การทดลองได้ทำกับข้อมูลธุรกรรมการอัดประจุจริงจากกับสี่สถานีอัดประจุ จากผลการทดลองพบว่า framework นั้นสามารถทำให้สถานีอัดประจุได้รับกำไรที่มากขึ้น