کد مقاله کد نشریه سال انتشار مقاله انگلیسی ترجمه فارسی نسخه تمام متن
1732686 1521481 2014 9 صفحه PDF 28 صفحه WORD دانلود کنید
عنوان انگلیسی مقاله ISI
Integrating electric vehicles as flexible load in unit commitment modeling
ترجمه فارسی عنوان
ترکیب خودروهای برقی به عنوان بارهایی انعطاف‌پذیر در مدلسازی تخصیص واحد
کلمات کلیدی
وسایل نقلیه الکتریکی، سیستم های تولید برق، تعهد واحد، بار قابل انعطاف، عدد صحیح برنامه ریزی خطی مختلط
فهرست مطالب مقاله
چکیده
مقدمه
مرور ادبیان فنی
توصیف داده‌ها و پردازش آن
سیستم تولید برقجدول1: پارامترهای نیروگاه‌های برق موجود در سیستم مبنا [24]. نمادهای مختلف به این ترتیب تعریف می‌شوند: Pmax: حداکثر خروجی؛ Pmin: حداقل خروجی (اگر آنلاین باشد)؛ mut : حداقل زمان up؛ mdt : حداقل زمان down؛ a، b و c : ضرایب رابطه‌ی خروجی- هزینه؛ hc : هزینه‌ی راه‌اندازی گرم ؛ cc : هزینه‌ی راه اندازی سرد؛ tcold : پارامتر تعیین راه‌اندازی گرم/ سرد.
خودروهای برقیجدول2: سطوح نفوذ خودروی برقی (P برحسب درصد) با تعداد خودروهای برقی متناظر به کار رفته در مدل، برای 66/1 میلیون فرد و 45/0 خودروی سرانه.جدول3: پارامترهای خودروهای برقی به کار رفته در این مقاله.
الگوهای رانندگیشکل 1 : زمان شروع انواع مختلف مسافرت‌ها در یک دوره‌ی 24 ساعته.
الگوریتم پردازش الگوی رانندگیشکل2. زمان شروع مسافرت‌های یکطرفه و دوطرفه در یک دوره‌ی 24 ساعته (منحنی مسافرت‌های دوطرفه برابر مجموع اولین سه پروفایل شکل1 است).شکل3. توزیع طول مسافرت‌ها (اتخاذ شده از مرجع [31]). جدول4: سرعت متوسط خودروها طبق طول مسافرت‌ و نوع آن.
نتایج شبیه‌سازی
تایید تجمع خودروهاجدول5: مقایسه‌ی هزینه‌ی تولید سیستم و زمان محاسبه: اولین مورد با خودروهای برقی مدل شده به صورت اشیاء منفرد (“Individually modeled”)، دومین مورد با خودروهای گروه‌بندی شده، همانند الگوریتم ارائه شده (“Modeled as one group”).
حدود سیستمشکل4. تقاصا، ذخیره و ظرفیت تولید موجود سیستم مبنا بدون خودروهای برقی. این سیستم مبنا سیستمی است که در کل این مقاله به کار رفته است، قبلا در جدول1 ارائه شده است و از مرجع [24] برگرقته شده است. ذخیره فرض می‌شود 10% تقاضای هر دوره‌ باشد [24].
سناریوهای زیرساختشکل5. اثر سطوح مختلف نفوذ خودروی برقی (P) روی تقاضای برق. ساختار کامل فرض شده است.شکل6. اثر سطوح مختلف نفوذ خودروی برقی روی تقاضای برق. زیرساخت متوسط فرض شده است.شکل7. افزایش هزینه‌ی تولید برای سطوح مختلف نفوذ خودروهای برقی نسبت به سیستم فاقد خودروهای برقی (P0%). مقایسه‌ی افزایش هزینه‌ی تولید زیرساخت‌های کامل (قرمز نقطه‌چین) و متوسط (سبز خط‌چین)، روی مقیاس LHS؛ خط پر آبی نشان دهنده‌ی اختلاف بین موارد با زیرساخت‌‌های کامل و متوسط است، روی مقیاس RHS.شکل8. تاثیر شارژ تصادفی روی تقاضای برق (شامل تقاضا برای ذخیره‌ها)، برای سطوح مختلف نفوذ خودروهای برقی (و زیرساخت کامل. در شبیه‌سازی‌ها، تقاضا در هر دوره به اندازه‌ی 200 مگاوات کاهش مقیاس دارد تا تقاضا در محدوده‌ی ظرفیت سیستم تولید قرار گیرد.شکل9. مقایسه‌ی هزینه‌ی تولید شارژ تصادفی و زیرساخت متوسط نسبت به زیرساخت کامل برای سطوح نفوذ مختلف خودروهای برقی.
خلاصه و نتیجه‌گیری
ترجمه چکیده
خودروهای کاملا برقی ( EVها) و خوروهای برقی هیبریدی پلاگین ( PHEVها) در سال‌های اخیر توجه زیادی را به خود جلب کرده‌اند. با توجه به افزایش سهم خودروهای برقی امکان‌ اقتصادی و تاثیر آنها روی شبکه‌ی توزیع برق با جزئیات کامل بررسی شده است. با وجود این، در زمینه‌ی تاثیر آنها روی سیستم‌های تولید برق کار تحقیقاتی آنچنانی صورت نگرفته است. این مقاله یک مدل تخصیص واحد MILP (برنامه‌نویسی خطی عدد صحیح مختلط) را با تمرکز بر روی اثر خودروهای برقی روی بخش تولید برق ارائه می‌دهد. مهم‌ترین مزیت روش ارائه شده توانایی حل سیستم‌هایی با تعداد زیادی از خودروهای برقی است. این الگوریتم روی یک سیستم مبنا به اثبات می‌رسد که در نوشته‌های فنی به طور گسترده به کار گرفته شده است و در اینجا برای همه‌ی سناریوها به کار می‌رود. نشان داده می‌شود که شارژ بهینه (با کنتر لمرکزی) در مقایسه با شارژ تصادفی، ارزان‌تر بوده و امکان نفوذ بالای خودروی الکتریکی را میسر می‌کند. شبیه‌سازی‌ها برای دو سناریو و بر اساس پیشرفت در زیرساخت شارژ اجرا شد: (1) زیرساخت مامل، با امکان شارژ در همه جا و (2) زیرساخت متوسط، که در آن شارژ تنها در منازل مالکین امکانپذیر است. در هر دو حالت، برای هر 10% افزایش نفوذ خودروی برقی، هزینه‌ی تولید 1% افزایش می‌یابد و حالت زیرساخت متوسط اندکی گرانبها‌تر است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی (عمومی)
چکیده انگلیسی
Fully EVs (electric vehicles) and PHEVs (plug-in hybrid electric vehicles) have attracted much attention in recent years. Towards an increasing share of EVs, their economic feasibility and impact on the electricity distribution have been studied in detail. However, little has been achieved in investigating the impact on the electricity generation systems. This paper presents a MILP (mixed-integer linear programming) unit commitment model with focus on the effect of EVs on the generation side. The most important advantage of the proposed method is the ability to solve systems with a very large number of EVs. The algorithm is demonstrated on a benchmark system, which has been widely used in the literature and has been used here for all scenarios. It is demonstrated that optimized charging (centrally controlled) is cheaper and allows for higher EV penetration, compared to random charging. Simulations were also run for two scenarios based on the advancement in the charging infrastructure: (1) perfect infrastructure, with opportunity for charging everywhere and (2) moderate infrastructure, where charging is possible only at the owners' homes. In both cases the generation cost increases by 1% for every 10% of additional EV penetration, the modest infrastructure case being slightly more expensive.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy - Volume 65, 1 February 2014, Pages 285–294
نویسندگان
, , ,