دانلود ترجمه مقاله استراتژی شارژ بهینه بر اساس کنترل پیش‌بینانه مدل در پارکینگ خودروهای الکتریکی

1. مقدمه 2. پیکربندی مدل اصلی برای استراتژی پیشنهادی 2.1. مدل‌سازی تصادفی پارکینگ EV 2.2. چارچوب MPC 2.3. شبیه‌سازی مونت‌کارلو 3. استراتژی شارژ بهینه پارکینگ EV 3.1. استراتژی شارژ بهینه 3.2. استراتژی شارژ بهینه با توجه به پایداری ولتاژ بر اساس چارچوب MPC 4. مطالعه موردی برای صحت سنجی استراتژی پیشنهادی 5. نتیجه‌گیری

مقدمه: معاهده تغییرات آب‌وهوایی پاریس، به‌عنوان پیمان جدیدی که در سال 2015 جایگزین پروتکل کیوتو (1997) شد، منجر به اجرای اهداف کاهش گازهای گلخانه‌ای برای همه 195 کشور شرکت‌کننده گردید. با شروع قرارداد تغییر آب‌وهوا در پاریس، انرژی تجدید پذیر برای تبدیل‌شدن به یک منبع انرژی اصلی رقابتی برای توسعه سازگاربامحیط‌زیست در سطح جهانی در حال گسترش است. در راستای این حرکت جهانی، اخیراً سیستم‌های قدرت از روش مبتنی بر عملیات مرکزی در نیروگاه های برق که از سوخت‌های فسیلی استفاده می‌کنند به سمت روش‌های عملیات توزیعی که عمدتاً از انرژی تجدید پذیر و سیستم‌های ذخیره‌سازی انرژی استفاده می‌کند، گرایش پیداکرده‌اند. علاوه بر این، تحقیقات متعددی در زمینه‌های مختلف نظیر ریز شبکه‌ها، سیستم‌های ذخیره انرژی، انرژی تجدید پذیر و خودروهای الکتریکی (EV) برای بهره‌برداری از سیستم‌های قدرت به‌صورت توزیعی صورت گرفته است. از بین همه این‌ها، EV ها بیش‌ترین توجه را به خود معطوف نموده‌اند، چراکه اگر گسترش آن‌ها ادامه یابد، در آینده تبدیل به مؤثرترین راهکار موجود خواهند شد. علاوه بر این، ازآنجاکه می‌توان در سیستم‌های قدرت EV ها را به‌عنوان نوعی باتری موبایل محسوب نمود، اپراتورهای سیستم قدرت مانند ریز شبکه‌ها باید دقت عدم قطعیت‌های EV ها را در نظر بگیرند؛ بنابراین، EV ها با در نظر گرفتن الگوهای عدم قطعیتشان موردمطالعه قرار می‌گیرند. به‌طور خاص، مسائلی مانند نحوه عملکرد EV ها و چگونگی تأثیر آن‌ها بر سیستم‌های توزیعی، مانند ریز شبکه‌ها و شبکه‌های هوشمند، موردمطالعه قرارگرفته‌اند. در مرجع [1] به یک روش مبتنی بر کنترل پیش‌بینانه مدل باهدف به حداقل رساندن هزینه شارژ انرژی در ایستگاه شارژ در حین شارژ EV پرداخته‌شده است. ایستگاه شارژ با توجه به قیمت برق شارژ EV را کنترل می‌کند تا مشخصه‌های متغیر زمانی و تغییر مرجع قدرت با اعمال سرویس کمکی به اپراتور سیستم توزیع نمایش داده شود. مرجع [2] یک الگوریتم زمان واقعی را پیشنهاد می‌کند که بار الکتریکی را در وسایل نقلیه الکتریکی هماهنگ می‌کند تا تنش را کاهش دهد که این امر ثبات و قابلیت اطمینان سیستم را تحت تأثیر قرار می‌دهد. در هنگام هماهنگ کردن بارها به‌منظور تأمین برق برای شارژ EV و درنتیجه به حداقل رساندن افت توان، از محدودیت‌های ولتاژ، محدودیت‌های تقاضا در طول زمان و زمان شارژ موردنظر کاربر استفاده می‌شود. مرجع [3] نشان می‌دهد که چگونه یک تجمیع کننده در یک سیستم با سطح ولتاژ متوسط پروفیل بار شارژ EV را اصلاح می‌کند. علاوه بر این، یک ساختار مرجع برای مدیریت EV در یک خوشه پیشنهادشده است. در مرجع [4]، با جزئیات تأثیری را که یک EV می‌تواند در زمان افزایش در یک شبکه توزیعی با ولتاژ پایین داشته باشد، تشریح می‌کند. نتیجه به‌دست‌آمده نشان داد که با افزایش تعداد EV ها، نه‌تنها بار الکتریکی بلکه بار حرارتی نیز افزایش می‌یابد که می‌تواند منجر به خارج شدن از محدوده کارکرد نرمال شود. این به این معنی است که لازم است تمهیداتی برای شارژ کردن چندین EV به‌طور هم‌زمان در نظر گرفته شود. مرجع [5] کنترل‌کننده‌ای را پیشنهاد می‌کند که می‌تواند پیکربندی خودکار شارژ EV های مبتنی بر MPC را ایجاد کند. یکی از محدودیت‌های این کنترل‌کننده، حد بالا و پایین ولتاژ شین اصلی شبکه قدرت است. کنترل‌کننده این محدودیت را هنگام شارژ EV اعمال می‌کند. این تحقیق بر طراحی این کنترل‌کننده متمرکزشده است و با انعکاس یک تغییر در حالت اتصال EV ها به عملکرد کنترل بهتری دست پیدا می‌کند. مرجع [6] راهکار‌هایی را برای کاهش تراکم در یک سیستم توزیع با تنظیم شارژ EV با استفاده از طرح قیمت‌گذاری حاشیه‌ای محلی پیشنهاد می‌کند.

Introduction: As a new accord that was adopted in 2015 as a replacement for the Kyoto Protocol adopted in 1997, the Paris Climate Change Accord has led to the implementation of greenhouse gas reduction targets for all 195 participating countries. Starting with the Paris Climate Change Accord, renewable energy is spreading globally to become a competitive mainstream energy source for environmentally friendly development. In accordance with this global trend, recently, power systems have been undergoing a change from being central operation-based on a power plant using fossil fuels to employing a distributed operation, which mainly uses renewable energy and energy storage devices. In addition, there has been considerable research in various fields such as microgrids, energy storage systems, renewable energy, and electric vehicles (EVs) for operating power systems in a distributed manner. Of these, EVs are attracting maximum attention because they will be the most influential fields in the future as their penetration progresses. In addition, since EVs in power systems can be regarded as a sort of mobile battery, power system operators such as the microgrid need to carefully consider the uncertainties of EVs. Therefore, EVs have been studied by considering their uncertainty patterns. Specifically, issues such as how EVs are handled and how they affect distributed systems, such as microgrids and smart grids, are being researched. Reference [1] proposes a model predictive control (MPC)-based method with the goal of minimizing the charging energy cost of the charging station when an EV is charged in it. The charging station performs charging control of the EVs by considering the electric price to exhibit the time-varying characteristic and the power reference change by providing auxiliary services to the distribution system operator. Reference [2] proposes a real-time algorithm that coordinates the charge of multiple plug-in electric vehicles to reduce stress that affects system stability and reliability. When coordinating the charge for purposes of supplying power to the EV, and thereby, minimizing power loss, it uses voltage constraints, demand constraints over time, and the user’s preferred charging time. Reference [3] describes how an aggregator in a system with a medium voltage level reprofiles the charging load of EVs. Moreover, a reference architecture for managing EVs in a cluster is proposed. Reference [4] describes in detail the impact that an EV can have when it increases in a low-voltage distribution grid. As a result, as the number of EVs increases, not only the electrical load but also the thermal load is increased, which can cause it to deviate from the normal operating range. This means that adjustments need to be made for charging several EVs simultaneously. Reference [5] suggests a controller that can handle the plug-and-play of charging of MPC-based EVs. This controller has the upper and lower limits of the voltage of the busbars of the power network as a constraint, and considers this constraint when charging an EV. This paper focuses on controller design and achieves a better control performance by reflecting a change in the connection state of EVs. Reference [6] suggests ways to reduce congestion in a distribution system by adjusting the charging of EVs by using the locational marginal pricing scheme.

بخشی از ترجمه مقاله (صفحه 17 و 18 فایل ورد ترجمه)