دانلود ترجمه مقاله تخصیص واحدهای تولید پراکنده با جایابی مناسب ایستگاه شارژ خودروی برقی
عنوان فارسی |
تخمین ظرفیت بهینه و تخصیص واحدهای تولید پراکنده با جایابی مناسب ایستگاه های شارژ خودروی برقی |
عنوان انگلیسی |
Optimal Capacity Estimation and Allocation of Distributed Generation Units with Suitable Placement of Electric Vehicle Charging Stations |
کلمات کلیدی : |
  تخصیص بهینه؛ تخمین ظرفیت؛ ایستگاه های شارژ خودروهای برقی؛ تولید پراکنده؛ بهینه سازی ترکیبی اجتماع ذرات گرگ خاکستری |
درسهای مرتبط | جایابی بهینه |
تعداد صفحات مقاله انگلیسی : 7 | نشریه : IEEE |
سال انتشار : 2021 | تعداد رفرنس مقاله : 23 |
فرمت مقاله انگلیسی : PDF | نوع مقاله : ISI |
پاورپوینت :
ندارد سفارش پاورپوینت این مقاله |
وضعیت ترجمه مقاله : انجام شده و با خرید بسته می توانید فایل ترجمه را دانلود کنید |
1. مقدمه 2. واحدهای تولید پراکنده و مدلسازی بار 3. مدلسازی بار شارژ خودروی برقی 4. فرمولبندی تابع هدف و محدودیتهای عملیاتی 5. مطالعه موردی و نتایج 6. نتیجه گیری
چکیده – تخمین ظرفیت بهینه و تخصیص واحدهای تولید پراکنده (DG) همراه با جایابی مناسب ایستگاههای شارژ خودروهای برقی (EVCS) در کاهش تلفات توان و بهبود پایداری ولتاژ شبکه از نقش قابل توجهی برخوردار است. در پژوهش حاضر، یک تابع هدف چندگانه برای کمینه سازی تلفات توان و انحراف ولتاژ در باسهای شبکه توزیع فرمولبندی شده است. مسئله بهینهسازی از طریق سه نوع الگوریتم بهینهسازی مختلف، یعنی بهینهسازی اجتماع ذرات (PSO)، بهینهسازی گرگ خاکستری (GWO) و بهینهسازی ترکیبی اجتماع ذرات گرگ خاکستری (HPSOGWO) حل میشود. در پژوهش حاضر برای شبیهسازی موقعیت واقعی، بار وابسته به ولتاژ و الگوهای مختلف شارژ خودروی برقی (EV) برطبق موقعیت ایستگاههای شارژ (EVCS) در نظر گرفته شدهاست. همچنین، دیزل ژنراتور، توربین بادی و سلولهای خورشیدی به عنوان واحدهای تولید پراکنده در نظر گرفته شده اند. الگوریتم پیشنهادی با در نظر گرفتن سناریوهای مختلف روی شبکه 33 باسه IEEE تست شدهاست. نتایج به دست آمده حاکی از آن است که HPSOGWO در بین تمامی الگوریتمهای مورد نظر، با کمترین تلفات توان و انحراف ولتاژ برای تمامی سناریوها، بهترین راهحل را ارائه میدهد. مقدمه: سیستمهای تولید برق در مقیاس کوچک که در نزدیکی بار مصرفکننده متصل میشوند، تحت عنوان واحدهای تولید پراکنده (DG) هستند. در سالهای اخیر، ادغام واحدهای DG با شبکه برق سنتی به دلیل مزایای فنی، زیستمحیطی و اقتصادی آن از سرعت فزاینده ای برخوردار بوده است. سلولهای خورشیدی، توربینهای بادی، زیست توده، میکروتوربینها و سلولهای سوختی، منابع انرژی پراکنده محسوب شده و تحت عنوان تولید پراکنده می باشند. همانطور که در [1] بیان شدهاست، در روزهای آتی DG حدود 20 درصد از کل تولید برق را به خود تخصیص می دهد. همراه با DG، خودروهای برقی (EV) نیز به عنوان جایگزینی بالقوه برای حمل و نقل مبتنی بر سوختهای فسیلی در حال رواج یافتن هستند. نفوذ خودروهای برقی در شبکه، به افزایش بار کل سیستم منجر شده و چالشی را برای سیستم توزیع فعلی ایجاد می کند [2]. بر طبق یافته های بدست آمده، تلفات توان و پایداری ولتاژ یک شبکه برق به اندازهگیری DG، بار شارژ خودروهای برقی، محل قرارگیری DGها و ایستگاههای شارژ خودروهای برقی (EVCS) در یک شبکه بستگی دارد. از اینرو، در صورتیکه اندازهگیری واحدهای DG و ادغام آنها با EVCS در یک شبکه به نحو بهینه و استراتژیک برنامهریزی شود، تلفات توان شبکه کاهش یافته، حاشیه پایداری ولتاژ، پروفیل ولتاژ،کیفیت توان برق تامین شده و قابلیت اطمینان سیستم بهبود می یابد [3].
ترجمه مقاله مرتبط با این مقاله | دانلود ترجمه مقاله جایابی بهینه ایستگاه های شارژ خودروهای الکتریکی در شبکه توزیع |
The optimal capacity estimation and allocations of Distributed Generation (DG) units along with appropriate placement of Electric Vehicle charging stations (EVCS) makes a substantial contribution in curtailing power losses and improving the voltage stability of a system. In this regard, this paper formulates a multi-objective function to minimize the power losses and voltage deviation of buses in the distribution network. The optimization problem is solved using three different types of optimization algorithms, namely Particle Swarm Optimization (PSO), Grey Wolf Optimization (GWO), and Hybrid Particle Swarm Grey Wolf Optimization (HPSOGWO). To simulate the practical situation, voltagedependent load and various electric vehicle (EV) charging patterns based on the location of EVCS are considered in this study. Solar photovoltaic, wind turbine, and diesel generatorbased DGs are taken into account in this study. The proposed algorithm is tested on an IEEE 33 bus network considering different scenarios. The results obtained show that HPSOGWO provides the most optimal solution among all the considered algorithms, with the least power loss and voltage deviation for all scenarios. INTRODUCTION: The small-scale power generation systems, connected close to consumer loads are known as Distributed Generation unit (DG). In recent years, the integration of DGs to the conventional grid has increased rapidly due to its advantages in technical, environmental, and economic aspects. Photovoltaic, Wind turbines, biomass, microturbines, fuel cells are the distributed energy resources that come under Distributed Generation. It is mentioned in [1], that in the upcoming days DG would contribute around 20% of total power generation. Along with DG, electric vehicles (EVs) are also getting popular as a potential alternative to fossil fuel- driven transportation. The penetration of EVs in the network increases the system’s total load which is a challenge for the current distribution system [2]. It is observed that power loss and voltage stability of an electrical network is dependent on DG’s sizing, EVs charging load, location of DGs, and EVs charging stations (EVCS) in a network. Therefore, if the sizing of DGs and their integration with EVCS are planned optimally and strategically in a network then they are always committed to reduce the network’s power losses, enhancement of voltage stability margin, improvement of voltage profile, improvement of power quality of supplied power and system reliability [3].
ترجمه این مقاله در 18 صفحه آماده شده و در ادامه نیز صفحه 15 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.
محتوی بسته دانلودی:
PDF مقاله انگلیسی ورد (WORD) ترجمه مقاله به صورت کاملا مرتب (ترجمه شکل ها و جداول به صورت کاملا مرتب)
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.