ترجمه فارسی عنوان مقاله

ترکیب خودروهای برقی به عنوان بارهایی انعطاف‌پذیر در مدلسازی تخصیص واحد

عنوان انگلیسی

Integrating electric vehicles as flexible load in unit commitment modeling

کد مقاله	سال انتشار	تعداد صفحات مقاله انگلیسی
52896	2014	9 صفحه PDF

منبع

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

Journal : Energy, Volume 65, 1 February 2014, Pages 285–294

فهرست مطالب ترجمه فارسی

چکیده

مقدمه

مرور ادبیان فنی

توصیف داده‌ها و پردازش آن

سیستم تولید برق

جدول1: پارامترهای نیروگاه‌های برق موجود در سیستم مبنا [24]. نمادهای مختلف به این ترتیب تعریف می‌شوند: P_max: حداکثر خروجی؛ P_min: حداقل خروجی (اگر آنلاین باشد)؛ mut : حداقل زمان up؛ mdt : حداقل زمان down؛ a، b و c : ضرایب رابطه‌ی خروجی- هزینه؛ hc : هزینه‌ی راه‌اندازی گرم ؛ cc : هزینه‌ی راه اندازی سرد؛ tcold : پارامتر تعیین راه‌اندازی گرم/ سرد.

خودروهای برقی

جدول2: سطوح نفوذ خودروی برقی (P برحسب درصد) با تعداد خودروهای برقی متناظر به کار رفته در مدل، برای 66/1 میلیون فرد و 45/0 خودروی سرانه.

جدول3: پارامترهای خودروهای برقی به کار رفته در این مقاله.

الگوهای رانندگی

شکل 1 : زمان شروع انواع مختلف مسافرت‌ها در یک دوره‌ی 24 ساعته.

الگوریتم پردازش الگوی رانندگی

شکل2. زمان شروع مسافرت‌های یکطرفه و دوطرفه در یک دوره‌ی 24 ساعته (منحنی مسافرت‌های دوطرفه برابر مجموع اولین سه پروفایل شکل1 است).

شکل3. توزیع طول مسافرت‌ها (اتخاذ شده از مرجع [31]).

جدول4: سرعت متوسط خودروها طبق طول مسافرت‌ و نوع آن.

نتایج شبیه‌سازی

تایید تجمع خودروها

جدول5: مقایسه‌ی هزینه‌ی تولید سیستم و زمان محاسبه: اولین مورد با خودروهای برقی مدل شده به صورت اشیاء منفرد (“Individually modeled”)، دومین مورد با خودروهای گروه‌بندی شده، همانند الگوریتم ارائه شده (“Modeled as one group”).

حدود سیستم

شکل4. تقاصا، ذخیره و ظرفیت تولید موجود سیستم مبنا بدون خودروهای برقی. این سیستم مبنا سیستمی است که در کل این مقاله به کار رفته است، قبلا در جدول1 ارائه شده است و از مرجع [24] برگرقته شده است. ذخیره فرض می‌شود 10% تقاضای هر دوره‌ باشد [24].

سناریوهای زیرساخت

شکل5. اثر سطوح مختلف نفوذ خودروی برقی (P) روی تقاضای برق. ساختار کامل فرض شده است.

شکل6. اثر سطوح مختلف نفوذ خودروی برقی روی تقاضای برق. زیرساخت متوسط فرض شده است.

شکل7. افزایش هزینه‌ی تولید برای سطوح مختلف نفوذ خودروهای برقی نسبت به سیستم فاقد خودروهای برقی (P0%). مقایسه‌ی افزایش هزینه‌ی تولید زیرساخت‌های کامل (قرمز نقطه‌چین) و متوسط (سبز خط‌چین)، روی مقیاس LHS؛ خط پر آبی نشان دهنده‌ی اختلاف بین موارد با زیرساخت‌‌های کامل و متوسط است، روی مقیاس RHS.

شکل8. تاثیر شارژ تصادفی روی تقاضای برق (شامل تقاضا برای ذخیره‌ها)، برای سطوح مختلف نفوذ خودروهای برقی (و زیرساخت کامل. در شبیه‌سازی‌ها، تقاضا در هر دوره به اندازه‌ی 200 مگاوات کاهش مقیاس دارد تا تقاضا در محدوده‌ی ظرفیت سیستم تولید قرار گیرد.

شکل9. مقایسه‌ی هزینه‌ی تولید شارژ تصادفی و زیرساخت متوسط نسبت به زیرساخت کامل برای سطوح نفوذ مختلف خودروهای برقی.

خلاصه و نتیجه‌گیری

ترجمه کلمات کلیدی

وسایل نقلیه الکتریکی، سیستم های تولید برق، تعهد واحد، بار قابل انعطاف، عدد صحیح برنامه ریزی خطی مختلط

کلمات کلیدی انگلیسی

Electric vehicles, Electricity generation systems, Unit commitment, Flexible load, Mixed-integer linear programming

ترجمه چکیده

خودروهای کاملا برقی ( EVها) و خوروهای برقی هیبریدی پلاگین ( PHEVها) در سال‌های اخیر توجه زیادی را به خود جلب کرده‌اند. با توجه به افزایش سهم خودروهای برقی امکان‌ اقتصادی و تاثیر آنها روی شبکه‌ی توزیع برق با جزئیات کامل بررسی شده است. با وجود این، در زمینه‌ی تاثیر آنها روی سیستم‌های تولید برق کار تحقیقاتی آنچنانی صورت نگرفته است. این مقاله یک مدل تخصیص واحد MILP (برنامه‌نویسی خطی عدد صحیح مختلط) را با تمرکز بر روی اثر خودروهای برقی روی بخش تولید برق ارائه می‌دهد. مهم‌ترین مزیت روش ارائه شده توانایی حل سیستم‌هایی با تعداد زیادی از خودروهای برقی است. این الگوریتم روی یک سیستم مبنا به اثبات می‌رسد که در نوشته‌های فنی به طور گسترده به کار گرفته شده است و در اینجا برای همه‌ی سناریوها به کار می‌رود. نشان داده می‌شود که شارژ بهینه (با کنتر لمرکزی) در مقایسه با شارژ تصادفی، ارزان‌تر بوده و امکان نفوذ بالای خودروی الکتریکی را میسر می‌کند. شبیه‌سازی‌ها برای دو سناریو و بر اساس پیشرفت در زیرساخت شارژ اجرا شد: (1) زیرساخت مامل، با امکان شارژ در همه جا و (2) زیرساخت متوسط، که در آن شارژ تنها در منازل مالکین امکانپذیر است. در هر دو حالت، برای هر 10% افزایش نفوذ خودروی برقی، هزینه‌ی تولید 1% افزایش می‌یابد و حالت زیرساخت متوسط اندکی گرانبها‌تر است.

ترجمه مقدمه

نیاز به کاهش انتشار گازهای گلخانه‌ای، مسائل آلودگی هوا در حجم گسترده و رشد تقاضای نفت، دلایل مهم تغییر نگرش در زمینه‌ی حمل و نقل است. وضعیت فعلی توسعه‌ی خودروهای برقی قابل تحسین است. چندین کشور در سراسر جهان قصد دارند ناوگان خودرویی خود را الکتریکی کنند. در اروپا، این کار در بستر آب و هوا و انرژی 20-20-20 و هدف بلندمدت به سمت کربن‌زدایی گسترده تا سال 2050 جای گرفته است. در مناطقی چون چین، که به دلیل خریدهای دست اول خودرو، حرکت به سمت خودروهای برقی باید خیلی سریع رخ دهد، طبق برنامه‌ی پنج ساله‌ی دوازدم تا سال 2015 باید بیش از 100000 خودروی برقی هیبریدی پلاگین تنها در شهر پکن و 150000000 در سراسر چین موجود باشد. هدف اصلی از به کار بردن این خودروها، حمل و نقل است؛ منتها فقط در 4% زمان از آنها در جاده‌ها استفاده می‌شودو به این ترتیب امکان کاربرد آنها در 96% زمان باقی مانده در اهدافی دیگر میسر می‌شود. افزایش سهم خودروهای برقی در جاده‌ها دلیل آغاز تحلیل‌های کامل در مورد امکان اقتصادی و آثار آنها روی شبکه‌ی توزیع است. با این حال، همانگونه که بعدا در این مقاله بدان پرداخته خواهد شد، در سمت تولید برق به آثار خودروهای برقی توجه چندانی نشده است. در رابطه با امکان تامین بارهای اضافی تحمیل شده در اثر شارژ خودروهای برقی توسط سیستم تولید برق سوالات مهمی وجود دارد که باید پاسخ داده شوند. این که چه نوع نیروگاه‌هایی این بار اضافی تحمیل شده را تامین خواهند کرد؟ اگر هر صاجب خودروی برقی به صورت کنترل نشده‌ای تصمیم به شارژ خودروی خود در ساعات پیک مصرف بگیرد، چه اتفاقی رخ خواهد داد؟ علاوه بر این، توجه به این نکته که حضور خودروهای برقی چگونه روی هزینه‌ی کلی تولید و انتشارات CO2 موثر است، حائز اهمیت می‌باشد

دانلود رایگان 2 صفحه اول مقاله لاتین (PDF)

پیش نمایش مقاله

چکیده انگلیسی

Fully EVs (electric vehicles) and PHEVs (plug-in hybrid electric vehicles) have attracted much attention in recent years. Towards an increasing share of EVs, their economic feasibility and impact on the electricity distribution have been studied in detail. However, little has been achieved in investigating the impact on the electricity generation systems. This paper presents a MILP (mixed-integer linear programming) unit commitment model with focus on the effect of EVs on the generation side. The most important advantage of the proposed method is the ability to solve systems with a very large number of EVs. The algorithm is demonstrated on a benchmark system, which has been widely used in the literature and has been used here for all scenarios. It is demonstrated that optimized charging (centrally controlled) is cheaper and allows for higher EV penetration, compared to random charging. Simulations were also run for two scenarios based on the advancement in the charging infrastructure: (1) perfect infrastructure, with opportunity for charging everywhere and (2) moderate infrastructure, where charging is possible only at the owners' homes. In both cases the generation cost increases by 1% for every 10% of additional EV penetration, the modest infrastructure case being slightly more expensive.