[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
ثبت نام و اشتراک::
صاحب امتیاز::
درباره انجمن::
تماس با ما::
تسهیلات پایگاه::
cope::
metrics::
تعارض منافع::
::
پایگاه های نمایه کننده
..
DOI
کلیک کنید
..
DOR

..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
:: دوره 11، شماره 3 - ( 3-1401 ) ::
جلد 11 شماره 3 صفحات 39-31 برگشت به فهرست نسخه ها
تخمین برخط شارژ و دشارژ خودروهای الکتریکی در حضور نامعینی‌های توان منابع تجدیدپذیر و تعداد منابع تولید پراکنده
وحید باقری1 ، امیر فرهاد احیائی* 1، محمد حائری2
1- دانشکده فنی مهندسی- دانشگاه بین المللی امام خمینی (ره)- قزوین- ایران
2- دانشکده مهندسی برق- دانشگاه صنعتی شریف - تهران- ایران
چکیده:   (1914 مشاهده)
امروزه با توجه به پیشرفت در صنعت انرژی‌های تجدیدپذیر، فاصله زیاد منابع تولید انرژی از بارهای محلی، افزایش تعداد خودروهای الکتریکی و هزینه‌های گزاف انتقال توان، لزوم مدیریت منابع انرژی تولید پراکنده بیشتر شده است. در این راستا، چالش‌های مهمی از جمله نحوه تبادل توان بین منابع تولید پراکنده و باتری‌های خودروهای الکتریکی جهت استفاده بهینه از توان تولیدی این منابع مطرح شده است. یکی از راهکارهای افزایش منابع تولید پراکنده، تشویق مصرف کنندگان خانگی به نصب توربین بادی یا سلول­های خورشیدی جهت تامین بخشی از توان مصرفی است؛ در اینصورت تاثیر نامعینی موجود در باد و تشعشع خورشید بر میزان توان خروجی توربین بادی و سلول خورشیدی می‌بایست در نظر گرفته شود. در این مقاله، با در نظر گرفتن چالش‌های فوق، جهت هموار کردن منحنی اختلاف بین توان تولیدی منابع و توان مصرفی بارهای محلی، روشی کارآمد مبتنی بر روش میدان میانگین برای کنترل شارژ و دشارژ باتری خودروهای الکتریکی معرفی شده است. از سوی دیگر با توجه به افزایش تعداد خودروهای الکتریکی و افزایش تعداد منابع تولید پراکنده، کنترل شارژ و دشارژ تعداد بسیار زیادی از باتری‌ها مستلزم محاسبات سنگین و بسیار زمان­بر است. به همین دلیل در این مقاله، با استفاده از ضرایبی میزان شارژ ودشارژ باتری‌ها تخمین زده می­شود که این امر منجر به کاهش چشمگیر حجم محاسبات می­گردد. در این راستا، بین کیفیت پاسخ، کاهش حجم محاسبات و لزوم استفاده از این محاسبات مصالحه‌ای صورت گرفته است و نتایج شبیه‌سازی، کیفیت و کارائی تخمین شارژ و دشارژ باتری‌ها بر اساس روش پیشنهادی را نشان می‌دهد.
واژه‌های کلیدی: شارژ/دشارژ باتری، خودروی الکتریکی، میدان میانگین، مونت کارلو، حجم محاسبات، منحنی بار، توربین بادی، سلول خورشیدی
متن کامل [PDF 1507 kb]   (388 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: برق و کامپیوتر
دریافت: 1400/12/1 | پذیرش: 1401/2/18 | انتشار: 1401/3/10
فهرست منابع
1. Berinde, V., & Takens, F. (2007). Iterative Approximation of Fixed Points, vol. 1912, Berlin: Springer. [DOI:10.1109/SYNASC.2007.49]
2. Divshali, P.H., Choi, B.J., & Liang, H. (2017). "Multi-agent transactive energy management system considering high levels of renewable energy source and electric vehicles", IET Generation, Transmission & Distribution, vol. 11, no. 15, pp. 3713-3721. [DOI:10.1049/iet-gtd.2016.1916]
3. Ghobadzadeh, A. M., Bathaei, S. M. T., & Keshavarz-Mohammadiyan, A. (2020). "Peak Shaving and Valley Filling in Distribution Network Using Electric vehicles", In 2020 28th Iranian Conference on Electrical Engineering (ICEE), pp. 1-6. [DOI:10.1109/ICEE50131.2020.9260872]
4. Hou, X., Wang, J., Huang, T., Wang, T., & Wang, P. (2019). "Smart home energy management optimization method considering energy storage and electric vehicle", IEEE Access, vol. 7, pp. 144010-144020. [DOI:10.1109/ACCESS.2019.2944878]
5. Ibrahim, A., & Jiang, F. (2021). "The electric vehicle energy management: An overview of the energy system and related modeling and simulation", Renewable and Sustainable Energy Reviews, vol. 144, 111049. [DOI:10.1016/j.rser.2021.111049]
6. Jain, P., & Jain, T. (2018). "Application of V2G and G2V coordination of aggregated electric vehicle resource in load levelling", International Journal of Emerging Electric Power Systems, vol. 19, issue. 2. [DOI:10.1515/ijeeps-2017-0170]
7. Khan, S. U., Mehmood, K. K., Haider, Z. M., Rafique, M. K., Khan, M. O., & Kim, C. H. (2021). "Coordination of multiple electric vehicle aggregators for peak shaving and valley filling in distribution feeders", Energies, 14(2), 352. [DOI:10.3390/en14020352]
8. Khemakhem, S., Rekik, M., & Krichen, L. (2020). "A collaborative energy management among plug-in electric vehicle, smart homes and neighbors' interaction for residential power load profile smoothing", Journal of Building Engineering, vol. 27, 100976. [DOI:10.1016/j.jobe.2019.100976]
9. Koltsaklis, N., Panapakidis, I. P., Pozo, D., & Christoforidis, G. C. (2021). "A prosumer model based on smart home energy management and forecasting techniques", Energies, vol. 14, no. 6, 1724. [DOI:10.3390/en14061724]
10. Lee, S., & Choi, D.H. (2020). "Energy management of smart home with home appliances, energy storage system and electric vehicle: A hierarchical deep reinforcement learning approach", Sensors, vol. 20, no. 7, pp. 2157. [DOI:10.3390/s20072157]
11. Lin, Z. and Liu, X. (2020). "Wind power forecasting of an offshore wind turbine based on high-frequency SCADA data and deep learning neural network", Energy, vol. 201, 117693. [DOI:10.1016/j.energy.2020.117693]
12. Moghaddam, A.A., Seifi, A., Niknam, T., & Pahlavani, M.R.A. (2011). "Multi-objective operation management of a renewable MG (micro-grid) with back-up micro-turbine/fuel cell/battery hybrid power source", Energy, vol. 36, no. 11, pp. 6490-6507. [DOI:10.1016/j.energy.2011.09.017]
13. Ramadan, H., Ali, A., Nour, M., & Farkas, C. (2018). "Smart charging and discharging of plug-in electric vehicles for peak shaving and valley filling of the grid power", In 2018 Twentieth International Middle East Power Systems Conference (MEPCON), pp. 735-739. [DOI:10.1109/MEPCON.2018.8635173]
14. Reddy, K. R., & Meikandasivam, S. (2018). "Load flattening and voltage regulation using plug-in electric vehicle's storage capacity with vehicle prioritization using anfis", IEEE Transactions on Sustainable Energy (ITSE), vol. 11, issue. 1, pp. 260-270. [DOI:10.1109/TSTE.2018.2890145]
15. Reddy, K. R., & Meikandasivam, S. (2018). "Optimal distribution of Plug-In-Electric Vehicle's storage capacity using Water Filling Algorithm for load flattening and vehicle prioritization using ANFIS", Electric Power Systems Research (EPSR), vol. 165, pp. 120-133. [DOI:10.1016/j.epsr.2018.09.012]
16. Reddy, K. R., Meikandasivam, S., & Vijayakumar, D. (2019). "A novel strategy for maximization of plug-In electric vehicle's storage utilization for grid support with consideration of customer flexibility", Electric Power Systems Research, vol. 170, pp. 158-175. [DOI:10.1016/j.epsr.2018.12.031]
17. Safdarian, A., Degefa, M.Z., Lehtonen, M., & Fotuhi-Firuzabad, M. (2014). "Distribution network reliability improvements in presence of demand response", IET Generation, Transmission & Distribution, vol. 8, no. 12, pp. 2027-2035. [DOI:10.1049/iet-gtd.2013.0815]
18. Salama, H.S., Said, S.M., Aly, M., Vokony, I., & Hartmann, B. (2021). "Studying impacts of electric vehicle functionalities in wind energy-powered utility grids with energy storage device", IEEE Access, vol. 9, pp. 45754-45769. [DOI:10.1109/ACCESS.2021.3066877]
19. Shokri, M., & Kebriaei, H. (2018). "Mean field optimal energy management of plug-in hybrid electric vehicles", IEEE Transactions on Vehicular Technology, vol. 68, no. 1, pp. 113-120. [DOI:10.1109/TVT.2018.2878809]
20. Solanke, T. U., Khatua, P. K., Ramachandaramurthy, V. K., Yong, J. Y., Kanesan, J., Tariq, M., & Kasinathan, P. (2020). "Optimal design of EV aggregator for real-time peak load shaving and valley filling", In 2020 IEEE International Conference on Power Electronics, Drives and Energy Systems (PEDES), pp. 1-5. [DOI:10.1109/PEDES49360.2020.9379637]
21. Tiwari, D., Sheikh, M. A. A., Moyalan, J., Sawant, M., Solanki, S. K., & Solanki, J. (2020). "Vehicle-to-Grid Integration for Enhancement of Grid: A Distributed Resource Allocation Approach", IEEE Access, vol. 8, 175948-175957. [DOI:10.1109/ACCESS.2020.3025170]
22. VanDeventer, W. Jamei, E. Thirunavukkarasu, G. S. Seyedmahmoudian, M. Soon, T. K. Horan, B. Mekhilef, S. and Stojcevski, A. (2019). "Short-term PV power forecasting using hybrid GASVM technique", Renewable energy, vol. 140, pp. 367-379. [DOI:10.1016/j.renene.2019.02.087]
23. Wu, X., Hu, X., Moura, S., Yin, X., & Pickert, V. (2016). "Stochastic control of smart home energy management with plug-in electric vehicle battery energy storage and photovoltaic array", Journal of Power Sources, vol. 333, pp. 203-212. [DOI:10.1016/j.jpowsour.2016.09.157]
24. Wu, X., Hu, X., Yin, X., & Moura, S.J. (2016). "Stochastic optimal energy management of smart home with PEV energy storage", IEEE Transactions on Smart Grid, vol. 9, no. 3, pp. 2065-2075. [DOI:10.1109/TSG.2016.2606442]
25. Yousefi, M., Hajizadeh, A., & Soltani, M.N. (2019). "A comparison study on stochastic modeling methods for home energy management systems", IEEE Transactions on Industrial Informatics, vol. 15, no. 8, pp. 4799-4808. [DOI:10.1109/TII.2019.2908431]
26. Zhou, K., Cheng, L., Wen, L., Lu, X., & Ding, T. (2020). "A coordinated charging scheduling method for electric vehicles considering different charging demands", Energy, vol. 213, 118882. [DOI:10.1016/j.energy.2020.118882]


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Bagheri V, Ehyaei A F, Haeri M. Online Charge and Discharge Estimation of Electric Vehicles in Presence of Uncertainties in the Renewable Power and Number of Distributed Energy Resources. ieijqp 2022; 11 (3) :31-39
URL: http://ieijqp.ir/article-1-884-fa.html

باقری وحید، احیائی امیر فرهاد، حائری محمد. تخمین برخط شارژ و دشارژ خودروهای الکتریکی در حضور نامعینی‌های توان منابع تجدیدپذیر و تعداد منابع تولید پراکنده. نشریه کیفیت و بهره وری صنعت برق ایران. 1401; 11 (3) :31-39

URL: http://ieijqp.ir/article-1-884-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 11، شماره 3 - ( 3-1401 ) برگشت به فهرست نسخه ها
نشریه علمی- پژوهشی کیفیت و بهره وری صنعت برق ایران Iranian Electric Industry Journal of Quality and Productivity
Persian site map - English site map - Created in 0.05 seconds with 39 queries by YEKTAWEB 4645