fa خودبرنامه‌ریزی تجمیع کننده خودروهای الکتریکی در بازار انرژی براساس طرح قیمت‌گذاری TOU برق و کامپیوتر پژوهشي Research <strong><span style="font-family:B Nazanin;"><span style="font-size:11.0pt;">در این مقاله، راهکاری جدید جهت خودبرنامه‌ریزی شارژ و دشارژ تجمیع‌کننده‌ی خصوصی خودروهای‌ ‌‌الکتریکی باهدف افزایش سودآوری آن‌ها در شبکه توزیع ارائه‌شده است. با توجه به مالکیت خصوصی تجمیع کننده، بدیهی است که تنها عامل مؤثر در برنامه‌ریزی، کاهش هزینه و یا افزایش سود بوده که درنتیجه اثر آن بر شاخص‌های شبکه همچون تلفات و پروفیل ولتاژ نامشخص و یا منفی می‌باشد. جهت حل این مسئله، یک مدل قیمت‌گذاری تجاری بر اساس پاسخگویی بار زمان استفاده (</span></span></strong><strong><span dir="LTR"><span style="font-size:10.0pt;">TOU</span></span></strong><strong><span style="font-family:B Nazanin;"><span style="font-size:10.0pt;">) توسط </span></span></strong><strong><span style="font-family:B Nazanin;"><span style="font-size:11.0pt;">بهره‌بردار شبکه توزیع (</span></span></strong><strong><span dir="LTR"><span style="font-size:10.0pt;">DSO</span></span></strong><strong><span style="font-family:B Nazanin;"><span style="font-size:11.0pt;">) ارائه‌شده که درنتیجه تجمیع کننده به‌گونه‌ای برای شارژ و دشارژ خودروها برنامه‌ریزی می‌کند تا ضمن سودآوری خود، بتواند شاخص‌هایی همچون تلفات و پروفیل ولتاژ شبکه را نیز بهبود بخشد. جهت در نظر گرفتن عدم قطعیت رفتار رانندگان خودروها و مدل کردن پارامترهای احتمالی <span style="color:black;">مربوط به آن، از توابع چگالی احتمال استفاده‌شده است. در پایان،</span></span></span></strong><strong><span style="color:black;"><span style="font-family:B Nazanin;"><span style="font-size:11.0pt;"> رویکرد پیشنهادی بر یک شبکه 33 شینه نمونه توسط الگوریتم بهینه‌سازی ژنتیک با در نظر گرفتن یک </span></span></span></strong><strong><span style="color:black;"><span style="font-family:B Nazanin;"><span style="font-size:11.0pt;">تجمیع‌کننده‌ی خصوصی </span></span></span></strong><strong><span style="color:black;"><span style="font-family:B Nazanin;"><span style="font-size:11.0pt;">&nbsp;به اجرا </span></span></span></strong><strong><span style="font-family:B Nazanin;"><span style="font-size:11.0pt;">درآمده است. نتایج</span></span></strong> <strong><span style="font-family:B Nazanin;"><span style="font-size:11.0pt;">شبیه‌سازی نشان داده که روش پیشنهادی علاوه بر حداکثر‌سازی سود تجمیع‌کننده، </span></span></strong><strong><span style="font-family:B Nazanin;"><span style="font-size:11.0pt;">منجر به هموار کردن منحنی بار شبکه شده که کاهش تلفات و بهبود ولتاژ مشترکین را به دنبال دارد.</span></span></strong> In recent years, the issue of air pollution caused by greenhouse gas emissions and rising energy prices have contributed to developing and increasing the number of electric vehicles. Despite the many advantages of these vehicles, their increasing number and consequently their simultaneous charging in the distribution network can have destructive effects such as increased peak load, increased losses, unauthorized voltage drop, etc. On the other hand, managing the charging of vehicles by aggregators and using them as flexible loads and, if there is vehicle-to-grid (V2G) capability, as distributed generation units distributed across the distribution network can bring many financial and technical opportunities for the network. Accordingly, managing and planning the charging and discharging of these vehicles from the view point of network operators, aggregators, or vehicle owners in a centralized and decentralized manner are among the interesting topics that many articles have dealt with so far. This paper presents, a new solution for self-scheduling the charging and discharging of the private aggregator of electric vehicles to increase their profitability in the distribution network. Given the private ownership of the aggregator, it is obvious that the only factor influencing planning is cost reduction or profit enhancement, so its effect is unknown and/or negative on network indicators such as losses and voltage profiles. To solve this problem, a Time of Use (TOU) pricing model has been proposed by the Distribution Network Operator (DSO), so the aggregator plans to charge and discharge vehicles so that it can improve indicators such as losses and voltage profiles of the network in addition to be profitable. Density functions might have been used to include the uncertainty of vehicle drivers&#39; behavior and to model the possible parameters related to him/her. Finally, the proposed approach is applied to a 33-bus test network by a genetic optimization algorithm using a private aggregator. The simulation results show that, in addition to maximizing the aggregator gain, the proposed method smoothes the network load curve, which reduces losses and improves voltage profile<span dir="RTL">.</span> It seems that in the probabilistic environment of vehicle behavior, the combination of TOU in private aggregator planning, which has led to an increase in their profits and at the same time in terms of the use of improved technical indicators, has not been studied yet.<br> &nbsp; تجمیع‌کننده‌ی خودروهای الکتریکی, مدیریت شارژ و دشارژ, قیمت گذاری TOU, بازار انرژی Electric Vehicle Aggregator, Charging and Discharging Management, TOU Pricing, Energy Market 38 46 http://ieijqp.ir/browse.php?a_code=A-10-1374-1&slc_lang=fa&sid=1 Atena tazikeh lemeski آتنا تازیکه لمسکی a.tazikeh@gorganiau.ac.ir 2110010495 10031947532846005182 No گروه مهندسی برق، واحد گرگان، دانشگاه آزاد اسلامی، گرگان، ایران Reza Ebrahimi رضا ابراهیمی r.ebrahimi@gorganiau.ac.ir 2181299471 10031947532846005183 Yes گروه مهندسی برق، واحد گرگان، دانشگاه آزاد اسلامی، گرگان، ایران Alireza Zakariazadeh علیرضا ذکریا زاده zakaria@mazust.ac.ir 0078868815 10031947532846005184 No دانشکده مهندسی برق و کامپیوتر، دانشگاه علم و فناوری مازندران، بهشهر، ایران