کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
7165686 | 1462885 | 2014 | 11 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Intelligent optimization to integrate a plug-in hybrid electric vehicle smart parking lot with renewable energy resources and enhance grid characteristics
ترجمه فارسی عنوان
بهینهسازی هوشمند برای ترکیب کردن پارکینگ هوشمند خودروی برقی هیبرید پلاگین با منابع انرژی تجدیدپذیر و بهبود مشخصات شبکه
همین الان دانلود کنید
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
پلاگین در خودرو الکتریکی هیبریدی، بهینه سازی سرعت شارژ ، سیستم انرژی تجدید پذیر هیبریدی ، کالیبراسیون، قرار دادن، تولید پراکنده
فهرست مطالب مقاله
چکیدهکلیدواژههامقدمه
شکل 1. رویۀ به کار رفته در این مطالعه. یافتن اندازه و مکان بهینۀ تولید پراکنده شکل 2. طرح سیستم توزیع
شکل 3. نمودار گردشی الگوریتم ژنیتک برای یافتن اندازه و مکان بهینۀ DG. یافتن اندازۀ بهینۀ اجزای سیستم انرژی تجدیدپذیر هیبریدی
جدول 1: مشخصات و اطلاعات اقتصادی هر جزء. (ترجمۀ سطر اول از راست به چپ: دیزل، توربین بادی، ماژول فوتوولتائیک – ترجمۀ ستون اول از سمت چپ: مدل، ولتاژ، جریان، توان، هزینۀ کسب، هزینۀ O&M)
شکل 4. تابش خورشید در تهران، ایران (سال 2010).
شکل 5. نمودار گردشی الگوریتم ژنتیک برای یافتن اندازۀ بهینۀ اجزای سیستم انرژی تجدیدپذیر هیبریدی.بهینهسازی نرخ شارژ
شکل 6. شمای ساختاریافتۀ ارتباطات دو طرفه در یک محیط هوشمند.
شکل 7. تابع توزیع احتمالاتی نمایی برازششده.
شکل 8. تابع توزیع احتمالاتی ویبول سه پارامتری برازشیافته.نتایج و بحث
شکل 9. بهبود پروفیل ولتاژ (برحسب پریونیت) شینهها پس از قرار دادن سیستمهای انرژی پراکنده.
جدول 2: کاهش تلفات کلی توان پس از نصب اندازۀ بهینۀ سیستمهای انرژی پراکنده در مکانهای بهینه.
(ترجمۀ سطر اول از راست به چپ: کل تلفات توان پس از بهینهسازی (مگاوات)، (کل تلفات توان قبل از بهینهسازی (مگاوات)، توان تزریقی (کیلووات)، شمارۀ شینه).
شکل 10. ماتریس طرح رنگی تلفات توان موجود در خطوط، پس از قرار دادن سیستمهای انرژی پراکنده.شکل 11. نتایج شبیهسازی و بهینهسازی
شکل 12. تعاملات نرخهای ورود، بار کل و نرخهای شارژ برای 24 ساعت مطالعهشده.نتیجهگیریها
شکل 1. رویۀ به کار رفته در این مطالعه. یافتن اندازه و مکان بهینۀ تولید پراکنده شکل 2. طرح سیستم توزیع
شکل 3. نمودار گردشی الگوریتم ژنیتک برای یافتن اندازه و مکان بهینۀ DG. یافتن اندازۀ بهینۀ اجزای سیستم انرژی تجدیدپذیر هیبریدی
جدول 1: مشخصات و اطلاعات اقتصادی هر جزء. (ترجمۀ سطر اول از راست به چپ: دیزل، توربین بادی، ماژول فوتوولتائیک – ترجمۀ ستون اول از سمت چپ: مدل، ولتاژ، جریان، توان، هزینۀ کسب، هزینۀ O&M)
شکل 4. تابش خورشید در تهران، ایران (سال 2010).
شکل 5. نمودار گردشی الگوریتم ژنتیک برای یافتن اندازۀ بهینۀ اجزای سیستم انرژی تجدیدپذیر هیبریدی.بهینهسازی نرخ شارژ
شکل 6. شمای ساختاریافتۀ ارتباطات دو طرفه در یک محیط هوشمند.
شکل 7. تابع توزیع احتمالاتی نمایی برازششده.
شکل 8. تابع توزیع احتمالاتی ویبول سه پارامتری برازشیافته.نتایج و بحث
شکل 9. بهبود پروفیل ولتاژ (برحسب پریونیت) شینهها پس از قرار دادن سیستمهای انرژی پراکنده.
جدول 2: کاهش تلفات کلی توان پس از نصب اندازۀ بهینۀ سیستمهای انرژی پراکنده در مکانهای بهینه.
(ترجمۀ سطر اول از راست به چپ: کل تلفات توان پس از بهینهسازی (مگاوات)، (کل تلفات توان قبل از بهینهسازی (مگاوات)، توان تزریقی (کیلووات)، شمارۀ شینه).
شکل 10. ماتریس طرح رنگی تلفات توان موجود در خطوط، پس از قرار دادن سیستمهای انرژی پراکنده.شکل 11. نتایج شبیهسازی و بهینهسازی
شکل 12. تعاملات نرخهای ورود، بار کل و نرخهای شارژ برای 24 ساعت مطالعهشده.نتیجهگیریها
ترجمه چکیده
کاربرد گستردۀ خودروهای برقی هیبرید پلاگین (PHEVها) به عنوان بخشی مهم از شبکههای هوشمند نیازمند آن است که قیود مربوط به رانندگان و خود شبکۀ قدرت به طور همزمان برآورده شوند. ما در مقالۀ جاری به این دو چالش در حضور انرژی تجدیدپذیر و بهینهسازی نرخ شارژ میپردازیم. ابتدا، اندازه و مکان بهینۀ نصب یک سیستم تولید پراکنده (DG) در یک شبکه با توجه به حداقلسازی تلفات توان و بهبود ولتاژ انجام میشود. به دلیل مزایای آن، مکان بهینۀ بدست آمده به عنوان مکان بهینه برای ساخت یک آمفی تئاتر فیلم مجهز به یک پارکینگ PHEV در نظر گرفته میشود. برای ارضای اندازۀ بدست آمده برای DG، یک سیستم انرژی تجدیدپذیر هیبریدِ روی شبکه (HRES) انتخاب میشود. در گام بعدی بهینهسازیها، اندازۀ بهینۀ HRES اجرا میشود تا هزینۀ انرژی کمینه شده و بهترین تعداد متغیرهای تصمیمگیری، که تعداد اجزای سیستم است، مشخص شود. در نهایت، با توجه به عدم قطعیت تقاضا به دلیل غیرقابل پیش بینی بودن زمانهای ورود و خروج خودروها، بهینهسازیهای نرخ شارژ وابسته به زمان خودروها (PHEVها) در فاصلۀ زمانی 1 ساعته برای 24 ساعت از یک روز انجام میشوند.
همۀ مسائل بهینهسازی با استفاده از الگوریتمهای ژنتیک (GA) انجام میگیرند. خروجی مجموعههای بهینهسازی ارائه شده را میتوان به عنوان گامهای طراحی یک پارکینگ کارآمد دوستدار شبکه برای خودروهای برقی هیبرید پلاگین تلقی کرد. نتایج نشان دهندۀ کاهش تلفات توان حقیقی و بهبود پروفیل ولتاژ خط توزیع است. همچنین نشان دهندۀ قابلیت روش تحویل انرژی بهرهبرداریشده در تصمیمهای هوشمند وابسته به زمان در زمانهای غیرپیک و پیک برای پارکینگهای هوشمند است.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی انرژی
انرژی (عمومی)
چکیده انگلیسی
Widespread application of plug-in hybrid electric vehicles (PHEVs) as an important part of smart grids requires drivers and power grid constraints to be satisfied simultaneously. We address these two challenges with the presence of renewable energy and charging rate optimization in the current paper. First optimal sizing and siting for installation of a distributed generation (DG) system is performed through the grid considering power loss minimization and voltage enhancement. Due to its benefits, the obtained optimum site is considered as the optimum location for constructing a movie theater complex equipped with a PHEV parking lot. To satisfy the obtained size of DG, an on-grid hybrid renewable energy system (HRES) is chosen. In the next set of optimizations, optimal sizing of the HRES is performed to minimize the energy cost and to find the best number of decision variables, which are the number of the system’s components. Eventually, considering demand uncertainties due to the unpredictability of the arrival and departure times of the vehicles, time-dependent charging rate optimizations of the PHEVs are performed in 1 h intervals for the 24-h of a day.
All optimization problems are performed using genetic algorithms (GAs). The outcome of the proposed optimization sets can be considered as design steps of an efficient grid-friendly parking lot of PHEVs. The results indicate a reduction in real power losses and improvement in the voltage profile through the distribution line. They also show the competence of the utilized energy delivery method in making intelligent time-dependent decisions in off-peak and on-peak times for smart parking lots.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy Conversion and Management - Volume 77, January 2014, Pages 250–261
Journal: Energy Conversion and Management - Volume 77, January 2014, Pages 250–261
نویسندگان
Farivar Fazelpour, Majid Vafaeipour, Omid Rahbari, Marc A. Rosen,