[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.
..
:: نسخه تابستان ۱۴۰۳ ::
برگشت به فهرست مقالات برگشت به فهرست نسخه ها
شارژ بهینه وسایل نقلیه الکتریکی در ایستگاه‌های هوشمند و اثرات آن بر شبکه توزیع با استفاده از الگوریتم بهینه‌سازی ازدحام ذرات
علیرضا کاشکی1 ، آزیتا آذرفر1 ، محمود سمیعی مقدم* 2، رضا داورزنی1 ، نسرین صالحی3
1- گروه مهندسی برق، واحد شاهرود، دانشگاه آزاد اسلامی، شاهرود، ایران
2- گروه مهندسی برق، واحد دامغان، دانشگاه آزاد اسلامی، دامغان، ایران
3- گروه علوم پایه، واحد شاهرود، دانشگاه آزاد اسلامی، شاهرود، ایران
چکیده:   (240 مشاهده)
گسترش وسایل نقلیه الکتریکی (EVs) یک چالش و فرصت مهم برای بخش انرژی است. این مطالعه یک رویکرد جدید برای بهینه‌سازی شارژ EV در ایستگاه‌های هوشمند با توجه به تأثیر آن بر شبکه توزیع پیشنهاد می‌کند. با استفاده از الگوریتم بهینه‌سازی ازدحام ذرات یا PSO به مشکل بهینه‌سازی پیچیده متعادل کردن تقاضاهای شارژ EV با محدودیت‌های شبکه می‌پردازیم. پیمایش پیچیدگی‌های مدیریت انرژی شبکه توزیع، از جمله منابع تجدیدپذیر و تقاضای پویا، چالش برانگیز است. ما یک مدل بهینه‌سازی پیچیده را معرفی می‌کنیم که برای عملیات شبکه طراحی شده است، که دارای فرمول‌های دقیق برای مدیریت انرژی است. این مدل استفاده از باتری، مدیریت انرژی EV، استفاده از جبران کننده، و توزیع تولید پراکنده را بهینه می کند. از طریق شبیه‌سازی‌های گسترده، اثربخشی این رویکرد را در به حداقل رساندن هزینه‌های شارژ، کاهش تراکم شبکه و افزایش عملکرد کلی سیستم نشان می‌دهیم. عملکرد چند هدفه تلفات انرژی، خرید برق، کاهش بار، تولید توزیع شده و هزینه باتری/EV را در 24 ساعت به حداقل می رساند. شبیه سازی ها کاهش قابل توجهی در هزینه عملیاتی شبکه توزیع را تایید می کند. این تحقیق پتانسیل تکنیک‌های بهینه‌سازی پیشرفته در زیرساخت‌های شارژ هوشمند را برای تسهیل پذیرش گسترده EV و در عین حال اطمینان از قابلیت اطمینان و کارایی شبکه، برجسته می‌کند. گنجاندن وسایل نقلیه الکتریکی (EVs) در سیستم باعث بهبود قابل توجهی در شاخص‌های عملکرد در مقایسه با سناریوهای بدون خودروهای الکتریکی می‌شود. نتایج حاکی از کاهش 14 درصدی در مقدار تابع هدف، با کاهش قابل توجه 60 درصدی در خرید انرژی و کاهش 40 درصدی در تلفات انرژی است. علاوه بر این، کاهش بار تقریباً 60٪ کاهش می یابد، در حالی که انحراف ولتاژ حدود 20٪ کاهش می یابد. نکته مهم، کاهش PV یا WD با ادغام EV مشاهده نمی شود، که سازگاری آن را با پروفایل های تولید انرژی تجدیدپذیر نشان می دهد و بر پتانسیل آن برای افزایش کارایی، قابلیت اطمینان و پایداری سیستم تاکید می کند.
 
واژه‌های کلیدی: شبکه توزیع، الگوریتم بهینه سازی PSO، پاسخ به تقاضا، ذخیره سازی، وسیله نقلیه الکتریکی
     
نوع مطالعه: پژوهشي | موضوع مقاله: برق و کامپیوتر
دریافت: 1403/3/4 | پذیرش: 1403/7/14
فهرست منابع
1. [1] V. Gali, P. K. Jamwal, N. Gupta, A. Kumar, "An adaptive dynamic power management approach for enhancing operation of microgrid with grid ancillary services," Renewable Energy, Volume 219, Part 1, 119413, 2023. [DOI:10.1016/j.renene.2023.119413]
2. [2] F. N. Budiman, M. A.M. Ramli, H. R.E.H. Bouchekara, A. H. Milyani, "Optimal scheduling of a microgrid with power quality constraints based on demand side management under grid-connected and islanding operations," International Journal of Electrical Power & Energy Systems, Volume 155, Part B, 109650, 2024. [DOI:10.1016/j.ijepes.2023.109650]
3. [3] V. Shahbazbegian, M. Shafie-khah, H. Laaksonen, G. Strbac, H. Ameli, "Resilience-oriented operation of microgrids in the presence of power-to-hydrogen systems," Applied Energy, Volume 348, 121429, 2023. [DOI:10.1016/j.apenergy.2023.121429]
4. [4] X. Chen, J. Zhai, Y. Jiang, C. Ni, S. Wang, P. Nimmegeers, "Decentralized coordination between active distribution network and multi-microgrids through a fast decentralized adjustable robust operation framework," Sustainable Energy, Grids and Networks, Volume 34, 101068, 2023. [DOI:10.1016/j.segan.2023.101068]
5. [5] Özge Erol, Ümmühan Başaran Filik, "A Stackelberg game-based dynamic pricing and robust optimization strategy for microgrid operations," International Journal of Electrical Power & Energy Systems, Volume 155, Part B, 109574, 2024. [DOI:10.1016/j.ijepes.2023.109574]
6. [6] B. Cortés-Caicedo, L. F. Grisales-Noreña, O. D. Montoya, R. I. Bolaños, "Optimization of BESS placement, technology selection, and operation in microgrids for minimizing energy losses and CO2 emissions: A hybrid approach," Journal of Energy Storage, Volume 73, Part B, 108975, 2023. [DOI:10.1016/j.est.2023.108975]
7. [7] Z. Li, B. Zhao, Z. Chen, C. Ni, J. Yan, X. Yan, X. Bian, N. Liu, "Low-carbon operation method of microgrid considering carbon emission quota trading," Energy Reports, Volume 9, Supplement 2, Pages 379-387, 2023. [DOI:10.1016/j.egyr.2023.03.045]
8. [8] M. H. Parvaneh, M. H. Moradi, S. M. Azimi, "The advantages of capacitor bank placement and demand response program execution on the optimal operation of isolated microgrids," Electric Power Systems Research, Volume 220, 109345, 2023. [DOI:10.1016/j.epsr.2023.109345]
9. [9] Y. Li, X. Zhang, Y. Wang, X. Qiao, S. Jiao, Y. Cao, Y. Xu, M. Shahidehpour, Z. Shan, "Carbon-oriented optimal operation strategy based on Stackelberg game for multiple integrated energy microgrids," Electric Power Systems Research, Volume 224, 109778, 2023. [DOI:10.1016/j.epsr.2023.109778]
10. [10] Z. Guo, W. Wei, J. Bai, S. Mei, "Long-term operation of isolated microgrids with renewables and hybrid seasonal-battery storage," Applied Energy, 121628, Volume 349, 2023. [DOI:10.1016/j.apenergy.2023.121628]
11. [11] J. Xu, Y. Yi, "Multi-microgrid low-carbon economy operation strategy considering both source and load uncertainty: A Nash bargaining approach," Energy, Volume 263, Part B, 125712, 2023. [DOI:10.1016/j.energy.2022.125712]
12. [12] Z. Shi, T. Zhang, Y. Liu, Y. Feng, R. Wang, S. Huang, "Optimal design and operation of islanded multi-microgrid system with distributionally robust optimization," Electric Power Systems Research, Volume 221, 109437, 2023. [DOI:10.1016/j.epsr.2023.109437]
13. [13] D. Krupenev, N. Komendantova, D. Boyarkin, D. Iakubovskii, "Digital platform of reliability management systems for operation of microgrids," Energy Reports, Volume 10, Pages 2486-2495, 2023. [DOI:10.1016/j.egyr.2023.09.048]
14. [14] Z. Liang, Z. Dong, C. Li, C. Wu and H. Chen, "A Data-Driven Convex Model for Hybrid Microgrid Operation With Bidirectional Converters," IEEE Transactions on Smart Grid, vol. 14, no. 2, pp. 1313-1316, March 2023. [DOI:10.1109/TSG.2022.3193030]
15. [15] O. M. Adeyanju, P. Siano and L. N. Canha, "Dedicated Microgrid Planning and Operation Approach for Distribution Network Support With Pumped-Hydro Storage," IEEE Transactions on Industrial Informatics, vol. 19, no. 7, pp. 8229-8241, July 2023. [DOI:10.1109/TII.2022.3216299]
16. [16] L. Tang, E. Shang, X. Chen, L. Li and S. Zou, "Optimization Effect Analysis of ACM-PSO Integrating Individual Adjustment and Cross Operation on Microgrid DG Technology," IEEE Access, vol. 11, pp. 59954-59967, 2023. [DOI:10.1109/ACCESS.2023.3285276]
17. [17] Y. Wang et al., "Optimal Operation Strategy for Multi-Energy Microgrid Participating in Auxiliary Service," IEEE Transactions on Smart Grid, vol. 14, no. 5, pp. 3523-3534, Sept. 2023. [DOI:10.1109/TSG.2023.3250482]
18. [18] D. A. Quijano, M. Vahid-Ghavidel, M. S. Javadi, A. Padilha-Feltrin and J. P. S. Catalão, "A Price-Based Strategy to Coordinate Electric Springs for Demand Side Management in Microgrids," IEEE Transactions on Smart Grid, vol. 14, no. 1, pp. 400-412, Jan. 2023. [DOI:10.1109/TSG.2022.3188847]
19. [19] G. Abdulnasser, A. Ali, M. F. Shaaban and E. E. M. Mohamed, "Optimizing the Operation and Coordination of Multi-Carrier Energy Systems in Smart Microgrids Using a Stochastic Approach," IEEE Access, vol. 11, pp. 58470-58490, 2023. [DOI:10.1109/ACCESS.2023.3284311]
20. [20] Sidong Xian, Xu Feng, "Meerkat optimization algorithm: A new meta-heuristic optimization algorithm for solving constrained engineering problems," Expert Systems with Applications, Volume 231, 120482, 2023. [DOI:10.1016/j.eswa.2023.120482]



XML   English Abstract   Print



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
برگشت به فهرست مقالات 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 4679