دانلود ترجمه مقاله مکانیزم برنامه ریزی دینامیک برای تخصیص ایستگاه شارژ خودروی الکتریکی
عنوان فارسی |
یک مکانیزم نوین برنامه ریزی دینامیک برای تخصیص ایستگاه های شارژ خودروهای الکتریکی با در نظر گرفتن تولید پراکنده و واحدهای الکترونیکی |
عنوان انگلیسی |
A novel dynamic planning mechanism for allocating electric vehicle charging stations considering distributed generation and electronic units |
کلمات کلیدی : |
  سیستم های ذخیره انرژی باتری؛ هوش رایانشی؛ تولید پراکنده؛ خودروهای برقی؛ ایستگاه شارژ خودروی برقی؛ الگوریتم بهینه سازی هیبرید؛ مکانیزم برنامه ریزی؛ یادگیری تقویتی |
درسهای مرتبط | بهره برداری از سیستم های قدرت |
تعداد صفحات مقاله انگلیسی : 15 | نشریه : ELSEVIER |
سال انتشار : 2022 | تعداد رفرنس مقاله : 36 |
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. مکانیزم های برنامه ریزی 3. فرمول بندی مسئله 4. متدولوژی راه حل 5. تحلیل عددی 6. نتیجه گیری
چکیده – دستیابی به شبکه برق رسانی کارآمد و پایدار، و محیط عاری از آلاینده های کربنی مستلزم تخصیص بهینه انواع متعددی از منابع انرژی تجدیدپذیر (DER) و سیستم های انتقال جریان متناوب انعطاف پذیر (FACTS) به شبکه های توزیع است. البته با وجود اینکه بیشترین تمرکز روی الگوریتم های بهینه سازی و تکنیک های چندهدفه قرار گرفته است، توجه کم یا بی توجهی به مکانیزم های حاکم بر چارچوب های برنامه ریزی، یک معضل جدی است. مقاله فعلی فراتر از تحقیقات موجود گام بر می دارد و برای این کار تاثیر مکانیزم های برنامه ریزی در چارچوب های برنامه ریزی شبکه هوشمند را، در حین ارزیابی تخصیص منابع تولید پراکنده فتوولتاییک (PV)، سیستم های ذخیره انرژی باتری، بانک های خازنی، و ایستگاه های شارژ خودروی برقی بررسی می کند. در وهله ی نخست، مسئله برنامه ریزی تک و چند هدفه فرمول بندی می شود، در گام بعدی مکانیزم برنامه ریزی دینامیک- تطبیقی جدیدی را معرفی می کنیم که از تکنیک بازترکیب برای یافتن تخصیص بهینه متغیرهای انواع مختلفی از DER و FACTS استفاده می کند. برای مقابله با پیچیدگی مضاعف ناشی از گسترش فضای راه حل، یک بهینه ساز تصادفی هیبرید تحت عنوان "الگوریتم ژنتیک مارپیچی مشارکتی ترکیب شده با روش تکاملی تفاضلی (CoSGADE)" را معرفی کردیم. این ابزار می تواند متغیرهای بهینه راه حل تخصیص را فراهم کند. ما از طریق شبیه سازی های عددی مشاهده کردیم که مکانیزم برنامه ریزی تطبیقی پیشنهادی، به اندازه ی 12 و 14% در برابر مکانیزم های برنامه ریزی متوالی (چند مرحله ای) و همزمان، روی شبکه های توزیع مقیاس کوچک تا بزرگ برتری دارد. مقدمه: علاقه مندی به کربن زدایی و پایدارسازی شبکه برق منجر به ظهور قلمروی تحقیقات راجع به نحوه تبدیل شبکه برق متداول به شبکه هوشمند کارآمد شده است. در همین راستا، مطالعات زیادی نسبت به ادغام واحدهای مختلف منابع انرژی پراکنده (DER) در شبکه های توزیع اقدام نموده اند. منابع انرژی تجدیدپذیر (RES) اصلی ترین تمرکز را به خود اختصاص داده اند و به تامین اهداف پایدارسازی شبکه قدرت، و کاهش ردپاهای کربنی کمک می کنند. با وجود اینکه RES به خاطر مشکلات برق رسانی مداوم ناشی از نوسانات و تناوبی بودن، شناخته شده است، سیستم های ذخیره انرژی باتری (BESS) برای مقابله با این اثرات معرفی شده اند. آن ها می توانند انرژی را برای استفاده در زمان های خاموشی ذخیره کنند، و نوسانات ولتاژ را تنظیم کنند (سالاما و چیکانی، 1993، یانگ و همکاران، 2014). البته نصب و نگهداری از این سیستم ها بسیار گران تمام می شوند (اواد و همکاران (2015)). علاوه بر این، آن ها پیچیدگی شبکه های توزیع را افزایش می دهند و این وضعیت از مدلسازی نرم افزار شبیه سازی تا پیاده سازی صدق می کند.
Achieving a sustainable and efficient power systems network and decarbonized environment involves the optimal allocation of multiple distributed energy resource (DERs) unit types and flexible alternating current transmission systems (FACTS) to distribution networks. However, while the most focus is on optimization algorithms and multi-objective techniques, little to no attention is paid to the underlying mechanisms in planning frameworks. This paper goes beyond existing literature by investigating the impact of planning mechanisms in smart grid planning frameworks when considering the allocation of PV distributed generation units, battery energy storage systems, capacitor banks, and electric vehicle charging station facilities. First, a single- and multi-objective planning problem is formulated. Then, we propose a novel adaptive-dynamic planning mechanism that uses a recombination technique to find optimal allocation variables of multiple DER and FACTS types. To cope with the additional complexity resulting from the expanded solution space, we develop a hybrid stochastic optimizer, named cooperative spiral genetic algorithm with differential evolution (CoSGADE) optimization scheme, to produce optimal allocation solution variables. Through numerical simulations, it is seen that the proposed adaptive planning mechanism improves achieves a 12% and 14% improvement to the conventional sequential (multi-stage) and simultaneous mechanisms, on small to large scale distribution networks. Introduction: The growing interest in the decarbonization and stabilization of utility grids have birthed research in transforming the traditional power grid into an efficient smart grid. To this course, different studies have integrated different distributed energy resource (DERs) units into the distribution networks. Renewable energy sources (RES) have been the main focus, to aid a sustainable power grid while reducing carbon footprints. While RES is known for its’ setback in continuous power supply, such as variability and intermittency, battery energy storage systems (BESS) are deployed to counter the effects, storing energy for downtime use and regulating the voltage fluctuations (Salama and Chikhani, 1993, Yang et al., 2014). However, these systems are very expensive to install and maintain Awad et al. (2015), and even more, they add to the complexity of the distribution networks, starting from the simulation software modelling to the implementation.
ترجمه این مقاله در 36 صفحه آماده شده و در ادامه نیز صفحه 35 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.