fa تعیین زمان شارژ خودروهای الکتریکی با احتساب نقش آن‌ها در خودترمیمی شبکه هوشمند تخصصي Special پژوهشي Research <p><span dir="RTL">تداوم برق رسانی بارهای مهم یکی از مهم‌ترین رویکردهای توانایی خودترمیمی یک شبکه هوشمند است. استفاده از خودروهای برقی به این منظور می‌تواند چالش برانگیز باشد. از طرفی مطلوب است که باتری خودروهای برقی به محض دسترسی به شبکه شارژ شود تا در مواقع اضطراری شارژ بیشتری داشته باشند؛ اما این روش می‌تواند منحنی بار را خراب کند، و مشکلات دیگری را در پی داشته باشد. لذا یک تابع هدف تعریف شده است تا زمان شارژ خودروهای برقی در یک شبکه هوشمند را با دو هدف مشخص کند: حداکثر سازی انرژی ذخیره شده در باتری خودرو برقی، حداقل سازی انحراف معیار منحنی بار شبکه با احتساب بار شارژ خودروها. در این مقاله نامعینی در زمان عزیمت و زمان رسیدن و مقدار سطح شارژ در زمان رسیدن در رفتار خودروهای برقی در نظر گرفته شده است. برای کاهش تعداد متغیرهای تابع بهینه سازی در شرایط نفوذ بالای خودروهای الکتریکی، با کمک روش‌های آماری خودروها دسته بندی شده‌اند. روش بهینه‌سازی تابع هدف بر اساس الگوریتم سیستم ایمنی مصنوعی است. شبیه‌سازی بر روی شبکه استاندارد&nbsp;IEEE</span><span dir="RTL"> 37 باس توسط الگوریتم ذکر شده و الگوریتم ژنتیک اجرا شده و نتایج آن با یکدیگر مقایسه شده است و موفقیت الگوریتم پیشنهاد شده را تأیید می‌کند.</span></p> <p style="margin: 0in 0in 0pt; text-align: justify; line-height: 115%; unicode-bidi: embed; direction: ltr; -ms-text-justify: kashida; text-kashida: 0%;"><span style=&quot;font-size: 12.0pt;line-height:115%;mso-bidi-font-family:&quot; normal&quot;=&quot;&quot; b=&quot;&quot;><font color="#000000" face="Times New Roman">Power continuation of vital loads is one of the most important feature of self-healing smart grid. It is desired to charge the batteries of Electric Vehicles (EVs) whenever they can be connected to the grid in order to have more energy reserved in the case of emergency. However, this method of charging can deteriorate the load curve, and has several other side effects. Therefore, using the vehicle-to-grid (V2G) for this purpose can be challenging. A multi-objective optimization is formulated that assigns the charging times of EVs in a smart grid by considering two goals; maximizing of energy stored in EVs and minimizing the standard deviation (SD) of the grid load curve counting the charging load. Uncertainty of arrival time, departure time and state of charge at arrival time of EVs are considered. In order to decrease the number of variables of optimization problem in case of high penetration of EVs, the EVs are clustered with statistical methods. The proposed optimization method is based on the artificial immune system algorithm (AISA). Simulation studies are performed on the IEEE 37-bus benchmark, showing that AISA provides better solutions compared to those of the genetic algorithm, as enough energy is stored in EVs while the SD of the load curve is better. </font></p> شبکه هوشمند , خودترمیمی , خودرو الکتریکی, شارژ هماهنگ, الگوریتم سیستم ایمنی مصنوعی Smart grid , Self-healing , Electric vehicle, coordinated charging, Artificial immune system algorithm 64 70 http://ieijqp.ir/browse.php?a_code=A-10-717-1&slc_lang=fa&sid=1 Mahdi Habibidoost مهدی حبیبی دوست mhabibidoost@gmail.com 10031947532846002134 10031947532846002134 Yes K. N. Toosi university دانشگاه خواجه نصیر الدین طوسی Seyed Mohammad Taghi Bathaee سید محمد تقی بطحائی bathaee@kntu.ac.ir 10031947532846002135 10031947532846002135 No K. N. Toosi university دانشگاه خواجه نصیر الدین طوسی