Optimization of electric vehicle charging schedules using real-world data and dynamic pricing

An intelligent optimization system for controlling large-scale EV charging under dynamic energy price and photovoltaic (PV) integration is presented in this thesis. The suggested model precisely depicts connection durations, energy needs, and power limitations by utilizing data from actual EV charging sessions. EVs are paired with available chargers according to temporal feasibility, with the time axis being discretized into 6-minute intervals. The CVX toolbox in MATLAB is used to define and solve a convex optimization problem with the goal of minimizing the overall cost of electricity while satisfying operational limitations and state-of-charge (SoC) targets. The model incorporates time-varying energy tariffs and real PV generation profiles to allow for grid-friendly and cost-effective scheduling. The framework effectively schedules hundreds of EVs while preserving system viability, according to simulation data. The effectiveness and usefulness of the suggested method are further confirmed by the charging power, SoC progression, power allocation, and charger use visualizations. This research advances data-driven, scalable approaches to smart EV charging in contemporary power systems.

In questa tesi viene presentato un sistema di ottimizzazione intelligente per il controllo della ricarica di veicoli elettrici su larga scala, in un contesto di integrazione dinamica del prezzo dell'energia e del fotovoltaico (FV). Il modello proposto descrive con precisione la durata della connessione, il fabbisogno energetico e i limiti di potenza, utilizzando i dati di sessioni di ricarica reali. I veicoli elettrici vengono abbinati ai caricabatterie disponibili in base alla fattibilità temporale, con l'asse temporale discretizzato in intervalli di 6 minuti. Il toolbox CVX in MATLAB viene utilizzato per definire e risolvere un problema di ottimizzazione convessa con l'obiettivo di minimizzare il costo complessivo dell'elettricità, soddisfacendo al contempo i limiti operativi e gli obiettivi di stato di carica (SoC). Il modello incorpora tariffe energetiche variabili nel tempo e profili di generazione FV reali per consentire una programmazione economica e rispettosa della rete. Il framework programma efficacemente centinaia di veicoli elettrici, preservando al contempo la vitalità del sistema, in base ai dati di simulazione. L'efficacia e l'utilità del metodo proposto sono ulteriormente confermate dalle visualizzazioni della potenza di ricarica, della progressione del SoC, dell'allocazione della potenza e dell'utilizzo dei caricabatterie. Questa ricerca promuove approcci scalabili e basati sui dati per la ricarica intelligente dei veicoli elettrici nei sistemi energetici contemporanei.