برنامه ریزی برای خودروهای الکتریکی با در نظر گرفتن بهینه سازی همزمان نسبت به اهداف مشتری و سیستم
چکیده
برنامه‌ریزی کارآمد برای خودروهای الکتریکی یک مسئله بهینه‌سازی با چند هدف است که منافع متناقض مشتری و اپراتور سیستم را شامل می‌شود. مخصوصا در پیاده‌سازی‌های خودرو به شبکه. شارژ مقرون به صرفه و همزمان با آن کمینه کردن استهلاک باتری و نیز برقرار داشتن پروفایل بار سیستم عواملی اند که این دو گروه منافع متناقض را به هم مرتبط می‌سازند. در این مقاله با تمرکز روی شناسایی رابطه بین این اهداف، تکنیکی مبتنی بر تحمیل اپسیلون بهبود یافته (AUGMECON) برای انجام بهینه‌سازی‌های دوگانه و سه‌گانه پیشنهاد می‌شود. همچنین اهمیت استفاده از این اهداف در اصلاح قله‌ها و پرکردن دره‌ها در مورد یک مجموعه خودروی برقی محلی مورد بحث قرار گرفته‌است. روش پیشنهاد شده یک نوع استراتژی با رویکرد نگاه به جلو برای برنامه‌ریزی مؤثر برای خودروهای برقی با بهینه‌سازی همزمان نسبت به چند هدف ارائه می‌دهد. به منظور ارائه اصول عملی به مشتریان می‌توان از یک راه‌حل بهینه از بین روش‌های پیشنهاد شده در جبهه‌های Pareto استفاده کرد.
مقدمه
پیدایش و تجاری‌سازی خودروهای برقی (EV) در بازار اتومبیل باعث بروز نگرانی‌های متعددی راجع به نیازمندی‌های غیرقابل کنترل شارژ آنها و آثار این خودروها روی عملکرد کارآمد سیستم برق فعلی با نیاز بار روزافزون شده‌است. افزایش بار مربوط به خودرو برقی ها ممکن است منجر به ازدحام در شبکه، تلفات بالا، فشار حرارتی شده و احتمالا نیاز به تقویت شبکه و افزایش هزینه کارکرد سیستم در ساعات اوج مصرف شود. بنابراین برنامه‌ریزی و کنترل بار خودرو برقی برای عملکرد مقرون به صرفه سیستم برق ضروری است. عملکرد خودرو به شبکه (V2G) خودرو برقی ها باعث تحمیل مشکلات بیشتری به شبکه می‌شوند، چرا که شبکه به صورت سنتی طوری طراحی شده‌است که تزریق توان به آن به صورت یک‌طرفه منظور شده‌است. فارغ از چالش‌های فنی، مدل‌ها و چارچوب های اقتصادی مناسبی برای تبدیل V2G لازم است تا V2G یک گزینه قابل قبول و سودآور باشد. [1-3].
Abstract
Efficient electric vehicle scheduling is a multiobjective optimization problem with conflicting customer and system operator interests, especially during vehicle-to-grid implementations. Economic charging while minimizing battery degradation and maintaining system load profiles couple the interests of these two entities. This paper focuses on identifying the relationships between these objectives and proposes to use an augmented epsilon-constrain (AUGMECON) based technique to implement two-way and three-way multi-objective optimizations. The importance of using these objectives in peakshaving and valley-filling for an aggregated (residential) EV fleet is discussed. The proposed solution provides a look-ahead strategy into effective electric vehicle scheduling by co-optimizing multiple objectives. To provide operational guidance to utilities and customers, an optimal solution may be selected from those represented by the Pareto fronts.
I. INTRODUCTION
COMMERCIALIZATION and adoption of electric vehicles (EV) in the automobile market has raised concerns over their uncontrolled charging demands and their impact of the present electrical power system to serve the increasing load demand efficiently. Increases in EV load may lead to network congestion, high losses, thermal stresses, and require network reinforcements, in addition to higher operating costs at peak demands. Therefore, scheduling and control of the EV load is essential for the economic operation of the power system. Vehicle-to-grid (V2G) operations of the EVs impose additional problems due to power injection into the electric grid traditionally designed for one-way power flow. Apart from the technical challenges, well designed financial models and transactive energy frameworks are required to make V2G a feasible and lucrative option [1]-[3].
چکیده
مقدمه
الف. مدلسازی تابع هدف
ب. قیود خودرو و سیستم
ج. روند بهینه‌سازی چندگانه
نتایج شبیه‌سازی و مشاهدات
الف. تعریف حالت‌ها:
ب. بهینه‌سازی با دو هدف
ج. بهینه‌سازی سه‌گانه
نتیجه‌گیری
منابع
Abstract
NOMENCLATURE
I. INTRODUCTION
II. PROBLEM FORMULATION AND METHODOLOGY
A. Objective Function Modeling
B. Vehicle and System Constraints
C. Multi-objective optimization procedure
III. SIMULATION RESULTS AND OBSERVATIONS
A. Case Definitions
B. Two-way multi-objective optimization
IV. CONCLUSION
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه