PEAVE — Peak-Energy-Aware EV Scheduling

Peak-Energy-Aware EV scheduling — AC 완속 충전 deadline-aware LP peak-shaving 시뮬레이터

AC Level 2 EV 충전기의 deadline-aware LP 스케줄링을 인터랙티브로 보여주는 데모. 주차장 규모·방문 차량·유저 신뢰도(β)·정직성(δ)·충전요금을 입력하면, 알고리즘 **적용 전/후의 피크(kW)와 운영사 수익(₩)**을 비교하고 **이익 최적점 β***를 계산한다.

석사논문 "AC EV 충전기 PWM 스케줄링을 위한 ML 기반 출차시간 예측 + Deadline-Aware Peak Shaving" 의 재현성 artifact.

핵심: 논문과 같은 솔버

LP 엔진은 논문 파이프라인(CVXPY + HiGHS)과 동일한 HiGHS 솔버(WebAssembly 빌드 highs-js)를 브라우저에서 실행한다. 따라서 웹 데모의 수치가 Python 결과와 일치한다 ("웹이라 가짜 모델" 아님). 도착·체류·에너지 분포는 Phase B fleet(58,146 세션) 통계로 캘리브레이션.

정직한 포지셔닝: 본 데모는 검증된 모델의 인터랙티브 illustration이며 실측(real-world) 검증을 대체하지 않는다.

실행 (로컬)

빌드 불필요 — 정적 파일. 아무 정적 서버로:

python3 -m http.server 8080
# → http://localhost:8080

(WASM 로드 때문에 file:// 직접 열기는 불가, 서버 필요.)

입력 → 논문 변수 매핑

UI 입력	논문 변수
주차장 규모	N_chargers
방문 예상 차량	도착 process
유저 신뢰도 β	β (Peak-Energy Pareto lever)
유저 정직성 δ	δ (선언 정확도)
충전요금 / 기본요금	p_sell / c_dem (경제 모델)

결과

• 피크 비교: StatusQuo(미적용, 도착 즉시 최대전류) vs LP(deadline-aware min·maxₜ ΣP)
• 경제: 기본요금 절감(₩/월) + 운영 이익 Π = margin·E − c_dem·peak
• β–Pareto: β를 낮추면 피크↓ 그러나 에너지 충족↓ (ε deadline 압축). β* = 이익 최대점 (현실 단가에서 corner β=1)

기술

• Vanilla ES modules + highs-js (HiGHS WASM, vendor/) — zero build
• src/lp.mjs LP 엔진 (Python solve_day 포팅) · src/sim.mjs 세션 생성 + β/δ/ε · src/economics.mjs Π 모델
• node 검증: node test_lp.mjs, node test_sim.mjs

배포 (GitHub Pages)

정적 사이트라 그대로 Pages 호스팅 가능 (별도 빌드 없음): repo Settings → Pages → branch main / root.

라이선스

코드 MIT. HiGHS는 MIT (lovasoa/highs-js).