A Social Welfare Theory-Inspired Lexicographic Optimal Charging Scheduling Framework for Modular EV Fast Charging Stations
Notice bibliographique
Résumé
Fast charging technology is crucial for widespread electric vehicle (EV) adoption. To enhance efficiency and scalability, charging equipment manufacturers are shifting towards a modular architecture in fast charging stations (FCSs). This architecture features multiple converter modules and charging ports, allowing flexible power allocation through module-to-port assignment. However, it introduces challenges, particularly when ports operate with fewer modules, necessitating EV charging scheduling schemes to allocate limited FCS capacity while maintaining high quality-of-service (QoS). Traditional scheduling methods are ill-suited for modular FCS settings due to unique characteristics such as discrete module-to-port allocation, state-of-charge-dependent charge curves, and power ramp rate limits. This work proposes a social welfare-inspired EV scheduling framework for modular FCSs, using lexicographic optimization and receding horizon control. The framework includes a computationally efficient charge curve model based on sliding convex hulls and a mathematical model tailored for modular FCSs. The three-stage lexicographic model, derived from Rawlsian and Benthamite social welfare theories, accommodates customer preferences and EV characteristics for high QoS provision. A welfare score metric, adapted from social welfare theories, is also introduced for multi-faceted QoS assessment. Across ceteris paribus experiments, the proposed framework consistently outperforms three benchmark methods, with a margin of up to 34% in welfare scores over the second-best method. In a diverse set of randomized EV arrival scenarios, the framework enables a median welfare around 85%, outperforming the benchmarks by at least 7.8%, with statistical tests confirming its significance. Moreover, ramp rate violations are kept at a minimum, while the computational efficiency and scalability are verified.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».