سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

بهینه سازی سیستم شارژ خودروهای برقی (PEV) متصل به شبکه همراه با منابع پراکنده با الگوریتم های هوشمند

Publish Year: 1394
Type: Conference paper
Language: Persian
View: 1,177

This Paper With 9 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

TEDECE01_408

Index date: 21 November 2015

بهینه سازی سیستم شارژ خودروهای برقی (PEV) متصل به شبکه همراه با منابع پراکنده با الگوریتم های هوشمند abstract

نفوذ خودروهای برقی و تولید پراکنده تجدیدپذیر رو به افزایش است. استفاده نامنظم و در مقیاس بزرگ هر یک از این دو تکنولوژی می تواند اثرات زیان باری روی شبکه الکتریکی داشته باشد، اما با کوپل مناسب این تکنولوژی ها همراه با منابع ذخیره سازی انرژی می توان این اثرات را کاهش داد. در این مقاله سیستم شارژ خودروهای برقی متصل به شبکه همراه با منابع تولید پراکنده (DG) تجدیدپذیر و باتری با استفاده از الگوریتم ژنتیک (GA) ، الگوریتم PSO و الگوریتم پیوندی ژنتیک – PSO بهینه سازی کرده و مشاهده می شود که HGAPSO سرعت همگرایی بیشتری دارد. در ادامه با بررسی اثر راندمان چرخه شارژ و دشارژ باتری بر روی هزینه طول عمر سیستم مشاهده می شود با افزایش این راندمان، هزینه طول عمر سیستم کاهش می یابد

بهینه سازی سیستم شارژ خودروهای برقی (PEV) متصل به شبکه همراه با منابع پراکنده با الگوریتم های هوشمند Keywords:

بهینه سازی سیستم شارژ خودروهای برقی (PEV) متصل به شبکه همراه با منابع پراکنده با الگوریتم های هوشمند authors

زهرا حسینی نجف آبادی

دانشجوی مقطع کارشناسی ارشد برق دانشگاه رازی

غلامحسین شیسی

عضو هیئت علمی دانشگاه رازی

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
S. J. Gunter, K. K. Afridi, and D. . erreault, ...
W. Su, MY. Chow, " erformance Evaluation of an EDA-Based ...
Committee on Assessment of Resource Needs for Fuel Cell and ...
_ _ S _ _ Information Administration (EIA). Washington, DC, ...
_ _ _ p _ _ 99, no. I, pp. ...
D. Xu, L. Kang, L. Chang, and B. Cao, "Optimal ...
B. S. Borowy and Z. M. Salameh, "Methodology for optimally ...
IEEE Recommended Practice for Sizing Lead-Acid Batteries for Stand- Alone ...
_ _ _ Design of Grid-PEV Charging Systems With Integrated ...
S. J. Gunter, "Methodology for Combined Integration of Electric Vehicles ...
Kennedy, J., Eberhart, R., (1995), "Particle Swarm Optimization", in Proc.IEEE ...
C. Lu and C. Juang , _ Evolutionary fuzzy control ...
H. Liang, J. Su, and S. Liu, "Reliability evaluation of ...
University of Oregon Solar Radiation Monitoring Laboratory, .Available: ...
_ _ http ://www.nrel .gov/ midc/lmu/ ...
نمایش کامل مراجع

مقاله فارسی "بهینه سازی سیستم شارژ خودروهای برقی (PEV) متصل به شبکه همراه با منابع پراکنده با الگوریتم های هوشمند" توسط زهرا حسینی نجف آبادی، دانشجوی مقطع کارشناسی ارشد برق دانشگاه رازی؛ غلامحسین شیسی، عضو هیئت علمی دانشگاه رازی نوشته شده و در سال 1394 پس از تایید کمیته علمی کنفرانس ملی فن آوری، انرژی و داده با رویکرد مهندسی برق و کامپیوتر پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله الگوریتم ژنتیک، خودروهای برقی، منابع تولید پراکنده، - HGAPSO ، PSO هستند. این مقاله در تاریخ 30 آبان 1394 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 1177 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که نفوذ خودروهای برقی و تولید پراکنده تجدیدپذیر رو به افزایش است. استفاده نامنظم و در مقیاس بزرگ هر یک از این دو تکنولوژی می تواند اثرات زیان باری روی شبکه الکتریکی داشته باشد، اما با کوپل مناسب این تکنولوژی ها همراه با منابع ذخیره سازی انرژی می توان این اثرات را کاهش داد. در این مقاله سیستم شارژ خودروهای برقی ... . این مقاله در دسته بندی موضوعی الگوریتم ژنتیک طبقه بندی شده است. برای دانلود فایل کامل مقاله بهینه سازی سیستم شارژ خودروهای برقی (PEV) متصل به شبکه همراه با منابع پراکنده با الگوریتم های هوشمند با 9 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.