هماهنگی بار مسکونی PHEV با منابع تجدیدپذیر در شبکه های هوشمند
Publish place: International Conference on the New Horizons in the Basic and Technical Sciences and Engineering
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 463
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
THCONF01_194
Index date: 9 July 2017
هماهنگی بار مسکونی PHEV با منابع تجدیدپذیر در شبکه های هوشمند abstract
تقاضای انرژی در جهان به سرعت در حال افزایش است که این موضوع بار سنگینی را بر منابع انرژی موجود تحمیل میکند و باعث افزایش آلودگی محیط و گرمای زمین میگردد. د راین شرایط منابع انرژی تجدیدپذیر که منابع پاک و نامحدود انرژی هستند، نظر توسعه دهندگان انرژی را به خود جذب کردهاند. اخیرا روند استفاده از خودروهای الکتریکی EV رشد قابل توجهی داشته است. این خودروها تاثیر بسزایی در کاهش آلودگی محیط زیست و هزینههای حملونقل بویژه در شهرهای بزرگ را دارند. در تحقیق حاضر روشیبه منظور شارژ و دشارژ خودروهای برقی در حضور واحدهای بادی و با هدف مسطح کردن پروفیل بار شبکه ارایه میشود. در روش پیشنهادی با اعمال مشوقهای قیمتی که مشترکین را تشویق به شارژ خودروها در ساعات کم باری کرده و به کمک ادوات کنترلی، میتوان شارژ خودروها را عملا به ساعات کم باری منتقل نمود. با این کار نه تنها میتوان از اثرات مخرب شارژ خودروها جلوگیری کرد، بلکه میتوان به شکل موثرتری از پتانسیل و ظرفیت نصب شده سیستم قدرت بهره برد. همچنین کاهش تلفات نیز مورد توجه قرارگرفت. روش پیشنهادی به صورت یک مساله بهینهسازی تعریف شده و برای حل آن از یک الگوریتم هوشمند جدید به نام الگوریتم بهینه سازی مبتنی بر آموزش-یادگیری TLBOاستفاده شد. روش پیشنهادی بر روی یک شبکه 96 شین شعاعی اعمال شده و نتایج نشان دهنده کارایی روش پیشنهادی در مسطح کردن پروفیل بار و کاهش تلفات شبکه میباشد.
هماهنگی بار مسکونی PHEV با منابع تجدیدپذیر در شبکه های هوشمند Keywords:
هماهنگی بار مسکونی PHEV با منابع تجدیدپذیر در شبکه های هوشمند authors
محمد مهدی ابراهیمی
دانشجوی کارشناسی ارشد مهندسی برق موسسه آموزش عالی احرار
آلفرد باغرامیان
استادیار گروه مهندسی برق دانشکده فنی دانشگاه گیلان
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 :