دانلود ترجمه مقاله تخصیص بهینه ایستگاه های شارژ خودروی الکتریکی پلاگین در شبکه توزیع

1. مقدمه 2. روش تحقیق 3. نتایج و بحث و بررسی 4. نتیجه گیری

چکیده – بخش حمل و نقل، به تولید زیاد گازهای گلخانه ای (GHG) در اتمسفر، معروف است. در نتیجه، خودروهای الکتریکی (EV ها)، به عنوان یک راهکار انقلابی برای کاهش آلودگی های GHG و وابستگی به محصولات نفتی، که سریعاً در حال اتمام هستند، پیشنهاد شده اند. EV ها در بسیاری از کشورهای سراسر جهان رو به فزونی هستند و بکارگیری سریع این فناوری، وابستگی بسزایی به توسعه ایستگاه های شارژ دارد. این مطالعه، استفاده ترکیبی از الگوریتم ژنتیک و بهینه سازی ازدحام ذره (GA-PSO) را برای مکانیابی بهینه ایستگاه های شارژ EV پلاگین (PEVCS) در شبکه توزیع با تولید پراکنده (DG) در حجم های زیاد و در شین های انتخاب شده، را پیشنهاد می دهد. سیستم های فتوولتائیک (PV) با ضریب توان 0.95 به عنوان DG استفاده می شوند. PV ها با نرخ 60% در شبکه توزیع نفوذ کرده اند و شش حالت نفوذ برای مکانیابی بهینه PEVCS ها، مورد ملاحظه قرار گرفته اند. مسئله بهینه سازی، به صورت یک مسئله چندهدفی فرموله شده که تلفات توان اکتیو و راکتیو و همچنین شاخص انحراف ولتاژ را کمینه سازی می کند. شبکه های توزیع 33 و 69 شین IEEE به عنوان شبکه های آزمون مورد استفاده قرار می گیرند. شبیه سازی با استفاده از MATLAB انجام شد و نتایج بدست آمده، اثربخشی GA-PSO ترکیبی را تایید می کنند. برای مثال، نتایج انتگراسیون یا نفوذ PEVCS ها در حداقل ولتاژ شین، هنوز در محدوده حاشیه های قابل قبول است. برای شبکه 69 شین IEEE، حداقل ولتاژ حاصله در مطالعه موردی 1 برابر با 0.973 p.u. و در مطالعه موردی 2 برابر با 0.982 p.u. و در مطالعه موری 3، 0.96 p.u. ، در مطالعه موردی 4، 0.961 p.u. ، در مطالعه موردی 5، 0.954 p.u. و در مطالعه موردی 6، 0.965 p.u. است. EV ها، ابزارهای پایدار برای کاهش قابل توجه آلودگی های بخش حمل و نقل می باشند و بهره برداری از آنها به بخاطر افزایش نگرانی های جهانی در مورد تغییرات آب و هوایی و داشتن یک جامعه عاری از کربن، بسیار مهم است.

The transportation sector is characterized by high emissions of greenhouse gases (GHG) into the atmosphere. Consequently, electric vehicles (EVs) have been proposed as a revolutionary solution to mitigate GHG emissions and the dependence on petroleum products, which are fast depleting. EVs are proliferating in many countries worldwide and the fast adoption of this technology is significantly dependent on the expansion of charging stations. This study proposes the use of the hybrid genetic algorithm and particle swarm optimization (GA-PSO) for the optimal allocation of plug-in EV charging stations (PEVCS) into the distribution network with distributed generation (DG) in high volumes and at selected buses. Photovoltaic (PV) systems with a power factor of 0.95 are used as DGs. The PVs are penetrated into the distribution network at 60% and six penetration cases are considered for the optimal placement of the PEVCSs. The optimization problem is formulated as a multi-objective problem minimizing the active and reactive power losses as well as the voltage deviation index. The IEEE 33 and 69 bus distribution networks are used as test networks. The simulation was performed using MATLAB and the results obtained validate the effectiveness of the hybrid GA-PSO. For example, the integration of PEVCSs results in the minimum bus voltage still within accepted margins. For the IEEE 69 bus network, the resulting minimum voltage is 0.973 p.u in case 1, 0.982 p.u in case 2, 0.96 p.u in case 3, 0.961 p.u in case 4, 0.954 p.u in case 5, and 0.965 p.u in case 6. EVs are a sustainable means of significantly mitigating emissions from the transportation sector and their utilization is essential as the worldwide concern of climate change and a carbon-free society intensifies.

ترجمه این مقاله در 25 صفحه آماده شده و در ادامه نیز صفحه 13 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.