دانلود مقاله ISI انگلیسی شماره 141154
ترجمه فارسی عنوان مقاله

مدل‌سازی احتمالاتی الگوی شارژ خودروی برقی در یک شبکه توزیع خانگی

عنوان انگلیسی
Probabilistic modeling of electric vehicle charging pattern in a residential distribution network
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
141154 2018 8 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Electric Power Systems Research, Volume 157, April 2018, Pages 126-133

فهرست مطالب ترجمه فارسی
چکیده

کلمات کلیدی

1.مقدمه

2. مدل‌سازی احتمالاتی شارژ EV

2.1. چارچوب زمان حرکت و رسیدن به مقصد

3. مدل الگوی فعالیت EV

4. مدل‌سازی احتمال گذار حالت EV و استفاده از باتری 

شکل 1. احتمال گذار حالات EV

4.1. تخمین پروفایل شارژ و مصرف باتری

5. مطالعه موردی

شکل 2. طرح شبیه‌سازی

جدول 1. پارامترهای مربوط به PDF سفرهای مختلف

6. نتیجه

7. ویژگی‌های متمایز روش اتخاذ شده و مطالعه موردی

8. نتیجه‌گیری
ترجمه کلمات کلیدی
وسایل نقلیه الکتریکی، سیستم توزیع،
کلمات کلیدی انگلیسی
Electric vehicles; Distribution system;
ترجمه چکیده
مشخص شده که افزایش نفوذ خودروهای برقی (EVs) ممکن است بطور بالقوه منجر به تغییر پروفایل بار در شبکه توزیع گردد. الگوی شارژینگ Evs و الگوی بار الکتریکی متناظر با آن را می‌توان با استفاده از یک روش قطعی و یا احتمالاتی ارزیابی و مشخص نمود. با این حال، در روش قطعی طبیعت تصادفی کاربران EV که بر الگوی بار اثر می‌گذارد و همچنین طبیعت تصادفی شرایط شبکه لحاظ نمی‌گردد. بنابراین، از یک روش تصادفی برای گسترش مدل احتمالاتی الگوی شارژ EV استفاده می‌شود که عوامل مختلفی از جمله کلاس وسیله نقلیه، ظرفیت باتری، وضعیت شارژ (SOC)، عادات و نیازهای رانندگی مثل هدف و نوع طی مسافت، زمان اتصال به برق، مسافت طی شده توسط خودرو، فرکانس شارژ مجدد در روز، نرخ توان شارژینگ و قیمت شارژینگ دینامیکی EV تحت طرح‌های شارژینگ کنترل‌شده و کنترل‌نشده در نظر گرفته می‌شوند. مدل احتمالاتی منجر به ارائه الگوی شارژ در طول یک روز و ماه‌های مختلف جهت نشان دادن الگوی بار در فصول مختلف یک سال می‌گردد. مدل ارائه شده تقریب دقیقی از الگوی بار شارژینگ EV در یک شبکه توزیع که برای بهره‌بردار شبکه بسیار مهم است، بدست می‌دهد.
ترجمه مقدمه
ارزیابی پروفایل بار اضافی مبهم EV مورد انتظار در یک شبکه توزیع را می‌توان با استفاده از روش قطعی و یا مدل سازی تصادفی بار EV انجام داد [1، 2]. در حقیقت، تعیین تعداد پیشامدهای شارژ EV در روز و بار مربوطه و تاثیر آن بر شبکه از طریق یک روش قطعی امری پیچیده است زیرا عوامل متعددی الگوی حرکت مالک/راننده خودروی برقی را کامل می‌کنند. در عوض، یک الگوی شارژ EV و توان مصرفی متناظر با آن را می‌توان براساس الگوی رانندگی روزانه / برنامه فعالیت فردی تعیین کرد که در آن الگوی شارژ EV به معنای الگوی شارژ EV و الگوی منحنی بار الکتریکی متناظر با آن است. در واقع بیان کننده آن است که چه تعدادی از EV ها باید در طول بازه‌های زمانی یک روز مشخص در فواصل مختلف سال شارژ شوند و یا به برق متصل شوند. . الگوی شارژینگ Evs و الگوی بار الکتریکی متناظر با آن را می‌توان با استفاده از یک روش قطعی و یا احتمالاتی ارزیابی و مشخص نمود. با این حال، در روش قطعی، طبیعت تصادفی کاربران EV که بر الگوی بار اثر می‌گذارد، لحاظ نمی‌گردد. بنابراین، از یک روش تصادفی برای گسترش مدل احتمالاتی الگوی شارژ EV استفاده می‌شود که عوامل مختلفی از جمله کلاس وسیله نقلیه، ظرفیت باتری، وضعیت شارژ (SOC)، عادات و نیازهای رانندگی مثل هدف و نوع طی مسافت، زمان اتصال به برق، مسافت طی شده توسط خودرو، فرکانس شارژ مجدد در روز، نرخ توان شارژینگ و قیمت شارژینگ دینامیکی EVتحت طرح‌های شارژینگ کنترل‌شده و کنترل‌نشده در نظر گرفته می‌شوند. بنابراین، نیاز به توسعه یک مدل احتمالاتی از شارژ EV در سیستم برای تخمین داده‌های بار مورد انتظار وجود دارد که ممکن است برای ارتقا زیرساخت‌های خود و حمایت از نفوذ گسترده EV استفاده شود [1]. ترجیح شرکت‌ها شارژ EV در طول شب و زمانی است که تقاضای برق مسکونی کمی کمتر است در حالی که رانندگان EV مایل به شارژ مجدد خودرو به محض اتمام سفر هستند و زمان شارژ به راحتی در دسترس است. در اغلب مقالات، نویسندگان بار شارژینگ EV را براساس چند فرض منطقی مدل می‌کنند در حالی که برخی از جنبه‌های مهم نادیده گرفته می‌شود. به عنوان مثال نویسندگان در [۳] درصد ثابتی از EV را فرض می‌کنند و در [4] کلیه EV به یک فاصله خاص برای هر روز اختصاص داده می‌شوند. زمانبندی دقیقی نیز برای EV در [ ۵، ۶ ] فرض شده است. در [ ۷، ۸ ] یک مسافت معین و مقدار توان مصرفی ثابتی توسط هر EV فرض شده و در مقالات [9و10] یک منحنی توزیع احتمالاتی از پیش تعیین‌شده برای تخمین میزان مسافت طی شده و مصرف توان مرتبط در نظر گرفته شده است. علاوه بر این، در [۱۳] عوامل مختلفی از جمله مسافت پیموده شده، سرعت خودرو، مدت زمان سفر، هدف سفر، پیشامد شارژ معوق به عنوان مثال زمانی که یک EV نیاز به شارژ مجدد دارد، اما راننده آن را به خاطر اولویت یا راحتی خودش به تاخیر می اندازد، در نظر گرفته می‌شود. منابع [۲،۱۴] زمان شروع را با نمونه‌گیری از داده‌ها نشان می‌دهند. اما این روش‌ها با محدودیت‌هایی از قبیل مشخص کردن زمان مناسب شارژ و اینکه آیا EV پس از انجام آخرین سفر در روز شارژ گردد یا درست بعد از اولین رفت و برگشت رخ دهد، روبروست. اکثر این عوامل به عنوان پارامترهایی از طرح های شارژ کنترل شده و یا بهینه و با اهداف مختلفی مانند کاهش هزینه شارژ، استرس بر روی شبکه و غیره در نظر گرفته می‌شوند. در این مقاله بر ابداع یک مدل احتمالاتی برای تعیین الگوی شارژ EV در یک شبکه توزیع مسکونی و با در نظر گرفتن همه فاکتورهای مربوطه تمرکز می‌گردد. روش مدل‌سازی تصادفی در بخش ۲ توضیح داده می‌شود که شامل پروفایل حرکت و زمان سفر نیز می باشد. مدل الگوی فعالیت EV در بخش ۳ ارایه شده و مدل‌سازی احتمالاتی حالت گذار EVدر بخش ۴ توضیح داده می‌شود. سپس تخمین پروفایل شارژ و مطالعه موردی در بخش ۴.۱ و ۵ توضیح داده می شوند. نتایج بدست آمده نیز در بخش 6 ارائه می‌گردد.
پیش نمایش مقاله
پیش نمایش مقاله  مدل‌سازی احتمالاتی الگوی شارژ خودروی برقی در یک شبکه توزیع خانگی

چکیده انگلیسی

It has been recognized that an increased penetration of electric vehicles (EVs) may potentially alter load profile in a distribution network. Charging pattern of EVs and its corresponding electrical load pattern may be assessed and quantified by using either a deterministic method or stochastic approach. However, deterministic method does not account for stochastic nature of EV users which affects the load pattern and of stochastic nature of grid condition. Thus, a stochastic method is applied to develop a probabilistic model of EVs charging pattern that takes into account various factors such as vehicle class, battery capacity, state of charge (SOC), driving habit/need, i.e. involving trip type and purpose, plug-in time, mileage, recharging frequency per day, charging power rate and dynamic EV charging price under controlled and uncontrolled charging schemes. The probabilistic model gives EV charging pattern over a period of day for different months to represent the load pattern during different seasons of a year. The presented model gives a rigorous estimation of EV charging load pattern in a distribution network which is considered important for network operators.