ترجمه مقاله برنامه ریزی و زمان بندی بهینه وسیله نقلیه به شبکه با استفاده از الگوریتم چند هدفه دو لایه – سال 2016
مشخصات مقاله:
عنوان فارسی مقاله:
برنامه ریزی و زمان بندی بهینه وسیله نقلیه به شبکه با استفاده از الگوریتم چند هدفه دو لایه
عنوان انگلیسی مقاله:
Optimal vehicle to grid planning and scheduling using double layer multi-objective algorithm
کلمات کلیدی مقاله:
شارژر باتری، جریان انرژی دو جهته، وسیله نقلیه الکتریکی، بهینه سازی، وسیله نقلیه به شبکه، تنظیم ولتاژ
مناسب برای رشته های دانشگاهی زیر:
مهندسی انرژی و برق
مناسب برای گرایش های دانشگاهی زیر:
سیستم های انرژی، مهندسی الکترونیک، الکترونیک قدرت و ماشینهای الکتریکی
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1- مقدمه
2- روش ها
3- ارائه شارژر V2G دو جهته در یک شبکه آزمایشی کلی
4- مدل سازی سناریو و فرمول بندی مسئله الگوریتم بهینه سازی V2G چند هدفه دو لایه
4-1 توابع هدف
4-2 محدودیت ها
4-3 فلوچارت الگوریتم بهینه سازی V2G
5- نتایج و بحث
5-1 شارژ دهی EV سازمان دهی نشده بدون تنظیم ولتاژ
5-2 شارژ دهی EV سازمان دهی شده بدون تنظیم ولتاژ
5-3 شارژ دهی EV سازمان دهی نشده با تنظیم ولتاژ
5-4 شارژ دهی EV سازمان یافته با تنظیم ولتاژ
6- اجرای واقعی یک سیستم V2G بزرگ
7- نتیجه گیری
قسمتی از مقاله انگلیسی و ترجمه آن:
Abstract
Vehicle to grid is a revolutionary technology that allows energy exchange between electric vehicles and power grid for mutual advantages. The implementation of appropriate vehicle to grid energy management system can maximize the potential of electric vehicles to provide grid ancillary services. This paper proposes an optimal vehicle to grid planning and scheduling by utilizing a novel double layer multi-objective algorithm. This optimization algorithm utilizes the grid-connected electric vehicles to perform peak load shaving and load levelling services to minimize the power grid load variance in the first layer optimization. Meanwhile, the second layer optimization minimizes the reactive power compensation for grid voltage regulation and therefore, optimizes the vehicle to grid charger’s capacitor sizing. The second layer optimization algorithm utilizes an approximated formula from the simulation of a vehicle to grid charger. The proposed vehicle to grid optimization algorithm considers various power grid and electric vehicle constraints for practicality purpose. With the real time implementation of the proposed algorithm, the optimization results show that the power load curve is effectively followed the preset constant target loading, while the grid voltage is successfully regulated to the predetermined voltage level with minimal amount of reactive power supply from the optimal charger’s capacitor.
چکیده
تکنیک وسیله نقلیه به شبکه به عنوان یک تکنولوژی بسیار مهم و کارا شناخته می شود که موجب تبادل انرژی بین وسایل نقلیه الکتریکی و شبکه انرژی جهت ایجاد مزیت دو سویه برای هر دو بخش می گردد. اجرای سیستم مدیریت انرژی وسیله نقلیه به شبکه مناسب می تواند ظرفیت وسایل نقلیه الکتریکی را جهت ایجاد سرویس های فرعی شبکه به حداکثر برساند. این مقاله یک روش برنامه ریزی و زمان بندی وسیله نقلیه به شبکه بهینه را با استفاده از یک الگوریتم چند هدفه دو لایه جدید پیشنهاد می کند. این الگوریتم بهینه سازی از وسایل نقلیه الکتریکی متصل به شبکه جهت اجرای اجرای بار حداکثر و خدمات تعدیل بار جهت حداقل کردن تغییرات بار شبکه انرژی در طی بهینه سازی لایه اول استفاده می کند. با این حال، بهینه سازی لایه دوم جبران توان راکتیو را برای تنظیم ولتاژ شبکه به حداقل رسانده و بنابراین اندازه ذخیره کننده تامین انرژی وسیله نقلیه به شبکه را بهینه می کند. الگوریتم بهینه سازی لایه دوم از یک رابطه مناسب با استفاده از شبیه سازی سیستم تامین انرژی وسیله نقلیه به شبکه استفاده می کند. الگوریتم پیشنهادی بهینه سازی وسیله نقلیه به شبکه محدودیت های مختلف شبکه انرژی و وسیله نقلیه الکتریکی را جهت اهداف اجرایی در نظر می گیرد. با اجرای زمان واقعی الگوریتم پیشنهادی، نتایج بهینه سازی نشان می دهند که منحنی بار انرژی به طور موثر تحت تاثیر بارگذاری هدف ثابت از پیش تعیین شده قرار دارد، در حالی که ولتاژ شبکه به طور مناسب نسبت به سطح ولتاژ از پیش تعیین شده با حداقل مقدار تامین انرژی از منبع تامین کننده بهینه تنظیم شده است.
