دانلود ترجمه مقاله راهبرد بهینه مدیریت شارژ / دشارژ برای خودروهای برقی

1. مقدمه 2. بررسی سیستم 3. مدل های بهینه سازی 4. نتایج و بحث و بررسی 5. نتیجه گیری

چکیده – خودروهای برقی (EV) در حال تجربه سرمایه‌گذاری قابل توجه و پذیرش گسترده هستند. با این حال، نفوذ موفقیت‌آمیز در بازار جهانی مشروط به توسعه یک برنامه استراتژیک برای تخصیص کارآمد خودروهای برقی به ایستگاه‌های شارژ (CS) بهینه است. این مطالعه چندین مدل بهینه‌سازی را برای تخصیص سیستماتیک خودروهای برقی به ایستگاه‌های شارژ بهینه ترکیب می‌کند، با هدف حداکثر کردن انرژی تجاری در عین حداقل کردن زمان پاسخ کلی. عواملی که در نظر گرفته می‌شوند شامل مسافت طی شده، شارژ (V2G)، و تخلیه (G2V) انرژی تجاری، کل زمان پاسخ و قیمت انرژی است. اثربخشی مدل‌های ترکیبی با استفاده از حل‌کننده‌های GAMS و BARON تأیید می‌شود، با تمرکز بر عامل رضایت EV، انرژی و زمان پاسخ به‌روز شده، تعداد خودروهای برقی سرویس‌دهی شده و کاهش اضطراب برد. مدل‌های پیشنهادی 85 درصد عامل رضایت را برای اکثر درخواست‌های شارژ نشان می‌دهند، که برای درخواست‌های تخلیه به تقریباً 99 درصد می‌رسد. این نتایج از مدل‌های معاصر فراتر می‌رود و بر افزایش اثربخشی رویکرد پیشنهادی تأکید می‌کند. مقدمه: بخش حمل و نقل به عنوان یکی از عوامل مهم آلودگی هوا شناخته می‌شود. الکتریکی کردن حمل و نقل به عنوان یک راه حل موثر برای این مسئله مطرح می‌شود، با توجه به ظرفیت آن برای تولید صفر کربن. با این حال، ادغام خودروهای برقی (EV) با چندین چالش مواجه است. علاوه بر این، در دسترس بودن امکانات شارژ برای خودروهای برقی محدود و نامتوازن است و با موانعی مرتبط با فناوری، اقتصاد و موانع رویه‌ای مواجه است [1,2]. با این وجود، الگوهای شارژ کاربران EV تمایل به نوسان و غیر قابل پیش‌بینی دارند، که چالش‌هایی را برای کنترل موثر شبکه ایجاد می‌کند [3]. این غیرقابل پیش‌بینی بودن می‌تواند به طور بالقوه کیفیت ولتاژ و پایداری کلی سیستم قدرت را به خطر بیاندازد، به ویژه با ادغام تعداد قابل توجهی از خودروهای برقی در شبکه [3]. علاوه بر این، تخصیص برنامه‌های شارژ و تخلیه برای خودروهای برقی پلاگین (PEV) با چالش‌های مختلفی مواجه است، از جمله مسائلی مرتبط با قابلیت اطمینان و پاسخگویی ارتباطات، دینامیک عرضه/تقاضا، تخریب باتری، اضطراب برد، ظرفیت محاسباتی و تعقیب اهداف متعدد برای هر دو PEV و ایستگاه‌های شارژ (CS)، مانند حداکثر کردن سود، حداقل کردن هزینه‌ها و بهینه‌سازی کیفیت خدمات (QoS) [3،4].

Electric vehicles (EVs) are experiencing substantial investment and widespread acceptance. However, successful penetration of the global market is contingent upon the development of a strategic plan for the efficient allocation of EVs to optimal charging stations (CSs). This study combines several optimization models to systematically assign EVs to the optimal charging stations, with the goal of maximizing trading energy while simultaneously minimizing total response time. Factors taken into consideration include traveling distance, charging (V2G), and discharging (G2V) energy trading, total response time, and energy prices. The efficacy of the combined models is validated using GAMS and BARON solvers, with a focus on EV satisfaction factor, updated energy and response time, number of served EVs, and alleviation of range anxiety. The proposed models demonstrate 85% satisfaction factor for the majority of charging requests, reaching almost 99% for discharging requests. These results surpass those of contemporary models, underscoring the heightened effectiveness of the proposed approach. Introduction: The transportation sector stands out as a significant contributor to climate pollution. Electrifying transportation emerges as a viable remedy to this issue, given its capacity for zero‑carbon emissions. However, the incorporation of electric vehicles (EVs) encounters several challenges. Additionally, the availability of charging facilities for electric vehicles remains limited and uneven, confronting obstacles related to technology, economics, and procedural impediments [1,2]. Nevertheless, the charging patterns of EV users tend to be erratic and unpredictable, thereby presenting challenges for effective grid control [3]. This unpredictability can potentially compromise voltage quality and overall power system stability, particularly as a considerable number of EVs become integrated into the grid [3]. Furthermore, the allocation of charging and discharging schedules for plugin electric vehicle (PEVs) encounters various challenges, including issues related to communication reliability and responsiveness, demand/supply dynamics, battery degradation, range anxiety, computation capacity, and the pursuit of multiple objectives for both PEVs and charging stations (CSs), such as maximizing profits, minimizing costs, and optimizing the quality of service (QoS) [3,4].

ترجمه این مقاله در 28 صفحه آماده شده و در ادامه نیز صفحه 20 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.