دانلود مقاله ISI انگلیسی شماره 53926
ترجمه فارسی عنوان مقاله

به کار گیری خودرو به شبکه (V2G) برای بهینه‌سازی مصرف انرژی مسکونی از طریق شارژ (دشارژ) خودروی برقی

عنوان انگلیسی
Exploiting V2G to optimize residential energy consumption with electrical vehicle (dis)charging
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
53926 2011 6 صفحه PDF
منبع

Publisher : IEEE (آی تریپل ای)

Journal : Smart Grid Modeling and Simulation (SGMS), 2011 IEEE First International Workshop on, Date of Conference: 17-17 Oct. 2011 Page(s): 7 - 12 E-ISBN : $tmp} Print ISBN: 978-1-4673-0194-7 INSPEC Accession Number: 12406676

فهرست مطالب ترجمه فارسی
چکیده

مقدمه

روش و ذکر مساله

ابزار شبیه‌سازی

مدل بهینه‌سازی

مطالعۀ موردی

پارامترهای شبیه‌سازی

نتایج و بحث‌ها

شکل1. مثالی از تاثیر راهبرد کنترل محلی + V2G روی یک خانۀ منفرد. 

جدول1 میزان خودروهای برقی هیبریدی پلاگین و نوع شارژر باتری آنها در سه سناریوی مختلف

جدول2 تاثیر راهبردهای کنترلی روی پیک بار پروفیل بار ترانسفورماتور توزیع. 

شکل2. متوسط پروفیل‌های بار اندازه‌گیری شده توسط ترانسفورماتور تزویع 

جدول3 تاثیر راهبردهای کنترلی روی تغییرپذیری در طی زمان (یعنی انحراف معیار) پروفیل بار ترانسفورماتور توزیع. 

نتیجه‌گیری
ترجمه کلمات کلیدی
باتری مصرف انرژی مدل سازی بار - بهينه سازي - شبکه های قدرت - برنامه - وسايل نقليه -
کلمات کلیدی انگلیسی
Batteries Energy consumption Load modeling Optimization Power grids Schedules Vehicles
ترجمه چکیده
پیشرفت سریع و بالقوۀ خودروهای الکتریکی (هیبریدی) قابل اتصال به برق (PHEVها) موجب بروز چالش‌های متعددی در شبکۀ قدرت خواهد شد و به خصوص بارگذاری حاصل از آن به شدت افزایش خواهد یافت. رسیدگی مناسب به چنین خودروهایی یکی از چالش‌ها و فرصت‌های خلق شده برای شبکه‌های هوشمند است. به طور خاص، راهبردهای کنترل هوشمند برای فرایند شارژ قادرند به طور چشمگیری افزایش پیک (اوج) بار را که برای مثال ممکن است ناشی از شارژ خودروی مسکونی در منزل باشد، کاهش دهند. علاوه بر این، باتری‌های خودروی متصل به شبکه را نیز می‌توان برای ارائۀ خدمات شبکه به کار گرفت، و به خصوص می‌توان انرژی ذخیره شده را به شبکه باز گرداند تا بتوان به تقاضاهای پیک که برای مثال از دستگاه‌های برقی خانگی ایجاد می‌شوند رسیدگی کرد. در این مقاله، ما به چنین سناریوهای موسوم به خودرو به شبکه (V2G) خواهیم پرداخت در عین حال که بهینه‌سازی شارژ PHEV در یک سناریوی مسکونی را نیز مدنظر قرار خواهیم داد. به خصوص اینکه ما زمانبندی بهینۀ شارژ (دشارژ) باتری خودرو را ارزیابی خواهیم کرد تا به پیک‌سائی و کاهش تغییرپذیری (در طی زمان) بارهای خانگی متصل به یک شبکۀ توزیع محلی دست یابیم. ما سه حالت را با هم مقایسه می‌کنیم (1) یک سناریوی تجارت معمول (BAU)، بدون هیچگونه شارژ هوشمند، (2) بهینه‌سازی شارژ محلی هوشمند بدون V2G (3) بهینه‌سازی شارژ با V2G. برای ارزیابی این سناریوها، ما از ابزار شبیه‌سازی خودمان، مبتنی بر OMNeT++، استفاده می‌کنیم که ICT و ماژول‌های شبکۀ قدرت را با هم ترکیب کرده و از یک مدل Matlab بهره می‌برد که امکان برای مثال ارزیابی تخطی‌های ولتاژ را فراهم می‌کند. در یک مطالعۀ موردی روی یک شبکۀ توزیع سه فیدری که 63 خانه را در بر می‌گرفت، مشاهده کردیم که شارژ بهینه‌سازی بدون V2G می‌تواند در مقایسه با BAU پیک تقاضا را تا 64% کاهش دهد. اگر ما V2G را برای شارژ هوشمند به کار گیریم، پیک تقاضای بدون V2G را 17% بیشتر کاهش می‌دهیم (یعنی به پیک باری دست می‌یابیم که تنها 30% BAU است).
ترجمه مقدمه
خودروهای برقی (هیبریدی) قابل اتصال به برق (پلاگین) بار جدید قابل توجهی را متوجه شبکه‌های توزیع موجود خواهند کرد، به خصوص اینکه میزان نفوذ آنها در شبکه در حال افزایش است (بیشتر اهداف مورد بحث در ایالات متحده حول داشتن یک میلیون خودروی برقی پلاگین تا سال 2015 است [1]). همچنین، شارژ یک خودروی برقی در منزل، برای یک منزل مسکونی به معنای دو برابر شدن بار متوسط است [2]. این تغییرات الگوهای بار شاید نیازمند بروزرسانی اجزای شبکۀ قدرت (توزیع) مثل ترانسفورماتورها باشد. همچنین شارژ ناهماهنگ از لحاظ تلفات توان و کیفیت توان روی عملکرد شبکۀ توزیع تاثیرگذار است [3]. لذا، شارژ این خودروها باید به دقت مدیریت شود تا از اضافه بار یا دیگر مسائل شبکۀ قدرت اجتناب شود، این کار برای مثال می‌تواند از طریق جابجا کردن زمان شارژ صورت گیرد. این کار امکانپذیر است، چون خودروهای شخصی تنها در 4% زمان‌ها برای حمل و نقل به کار می‌روند و 96% باقی را می‌توان برای اهداف دیگر به کار گرفت [4]. با این حال، خودروهای برقی پلاگین می‌توانند مزیتی برای شبکۀ قدرت محسوب شوند، برای مثال برای ذخیرۀ انرژی تجدیدپذیر بالذات به طور بینابینی و نوسانی است. اگر تولید توان به شدت به چنین منابع تجدیدپذیری وابسته باشد، تطبیق عرض و تقاضا به وضوح چالش‌انگیزتر خواهد شد [5]. به کارگیری انعطاف‌ در تصمیم‌گیری روی زمان شارژ باتری خودروهای برقی پلاگین می‌تواند تا حدودی بر این مشکل تامین انرژی نوسانی (و غیرقابل پیش‌بینی) غلبه کند. علاوه بر این، باتری‌ها نیز شاید به عنوان ذخیرۀ موقت تامین انرژی نوسانی به کار بسته شده و به عنوان منبع ذخیرۀ انرژی مورد استفاده قرار گیرند که می‌توانند انرژی را در زمانی که پارک شده‌اند به شبکه باز گردانند، که آن را توان خودرو به شبکه (V2G) گویند [4]. بنابراین، نه تنها می‌توان از انرژی تجدیدپذیر برای انتقال توان به عملکردهای حمل و نقل خودروهای برقی پلاگین استفاده کرد، بلکه V2G را همچنین می‌توان برای ارائۀ خدمات به شبکه (توان پیک، ذخایر چرخان، تنظیم و غیره) به کار برد.
پیش نمایش مقاله
پیش نمایش مقاله  به کار گیری خودرو به شبکه (V2G) برای بهینه‌سازی مصرف انرژی مسکونی از طریق شارژ (دشارژ) خودروی برقی

چکیده انگلیسی

The potential breakthrough of pluggable (hybrid) electrical vehicles (PHEVs) will impose various challenges to the power grid, and esp. implies a significant increase of its load. Adequately dealing with such PHEVs is one of the challenges and opportunities for smart grids. In particular, intelligent control strategies for the charging process can significantly alleviate peak load increases that are to be expected from e.g. residential vehicle charging at home. In addition, the car batteries connected to the grid can also be exploited to deliver grid services, and in particular give stored energy back to the grid to help coping with peak demands stemming from e.g. household appliances. In this paper, we will address such so-called vehicle-to-grid (V2G) scenarios while considering the optimization of PHEV charging in a residential scenario. In particular, we will assess the optimal car battery (dis)charging scheduling to achieve peak shaving and reduction of the variability (over time) of the load of households connected to a local distribution grid. We compare (i) a business-as-usual (BAU) scenario, without any intelligent charging, (ii) intelligent local charging optimization without V2G, and (iii) charging optimization with V2G. To evaluate these scenarios, we make use of our simulation tool, based on OMNeT++, which combines ICT and power network models and incorporates a Matlab model that allows e.g. assessing voltage violations. In a case study on a three-feeder distribution network spanning 63 households, we observe that non-V2G optimized charging can reduce the peak demand compared to BAU with 64%. If we apply V2G to the intelligent charging, we can further cut the non-V2G peak demand with 17% (i.e., achieve a peak load which is only 30% of BAU).