کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6690294 501905 2014 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Optimal charging of an electric vehicle using a Markov decision process
ترجمه فارسی عنوان
شارژ بهینه از وسیله نقلیه الکتریکی با استفاده از فرآیند تصمیم گیری مارکوف
کلمات کلیدی
وسایل نقلیه الکتریکی، الگوهای رانندگی، شارژ بهینه، فرآیندهای مارکوف، برنامه ریزی پویا تصادفی،
ترجمه چکیده
ترکیبی از وسایل نقلیه الکتریکی و انرژی های تجدید پذیر به عنوان یک راننده بالقوه برای آینده بدون سوخت فسیلی شکل می گیرد. با این حال، مدیریت کارآمد ناوگان وسایل نقلیه الکتریکی از چالش ها معاف نیست. این امر شامل دخالت همه بازیگران مستقیما یا غیرمستقیم مربوط به بخش های انرژی و حمل و نقل می شود، از جمله دولت ها، خودروسازان و اپراتورهای سیستم انتقال، به نفع نهایی تغییر: کاربر نهایی. وسیله نقلیه الکتریکی عمدتا برای رفع نیازهای رانندگی مورد استفاده قرار می گیرد و بنابراین سیاست های شارژ باید در ابتدا برای این منظور طراحی شود. مدل های شارژ ارائه شده در ادبیات فنی، با این حال، طبیعت تصادف الگوهای رانندگی را نادیده می گیرند. در اینجا ما مدل برنامه ریزی دایمی تصادفی کارآمد را برای بهینه سازی یک وسیله نقلیه الکتریکی در نظر می گیریم و در نتیجه عدم اطمینان ذاتی آن استفاده می شود. با توجه به این هدف، الگوهای رانندگی توسط یک مدل مارکوف نامتقارن توصیف شده است که با استفاده از داده های جمع آوری شده از استفاده از وسیله نقلیه الکتریکی مطابقت دارد. ما نشان می دهیم که تصادفی بودن در مورد نیازهای رانندگی تأثیر قابل توجهی در استراتژی شارژ دارد که باید اجرا شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی مهندسی انرژی و فناوری های برق
پیش نمایش مقاله
شارژ بهینه از وسیله نقلیه الکتریکی با استفاده از فرآیند تصمیم گیری مارکوف
چکیده انگلیسی
The combination of electric vehicles and renewable energy is taking shape as a potential driver for a future free of fossil fuels. However, the efficient management of the electric vehicle fleet is not exempt from challenges. It calls for the involvement of all actors directly or indirectly related to the energy and transportation sectors, ranging from governments, automakers and transmission system operators, to the ultimate beneficiary of the change: the end-user. An electric vehicle is primarily to be used to satisfy driving needs, and accordingly charging policies must be designed primarily for this purpose. The charging models presented in the technical literature, however, overlook the stochastic nature of driving patterns. Here we introduce an efficient stochastic dynamic programming model to optimally charge an electric vehicle while accounting for the uncertainty inherent to its use. With this aim in mind, driving patterns are described by an inhomogeneous Markov model that is fitted using data collected from the utilization of an electric vehicle. We show that the randomness intrinsic to driving needs has a substantial impact on the charging strategy to be implemented.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Applied Energy - Volume 123, 15 June 2014, Pages 1-12
نویسندگان
, , ,