دانلود ترجمه مقاله عملکرد بهینه هاب های انرژی مجتمع شده با وسایل نقلیه الکتریکی
عنوان فارسی |
عملکرد بهینه هاب های انرژی مجتمع شده با وسایل نقلیه الکتریکی، مدیریت بار، واحد تولید همزمان برق و حرارت و منابع انرژی تجدیدپذیر |
عنوان انگلیسی |
Optimal operation of energy hubs integrated with electric vehicles, load management, combined heat and power unit and renewable energy sources |
کلمات کلیدی : |
  مدیریت سمت تقاضا؛ منابع تجدیدپذیر؛ عدم قطعیت؛ مونت کارلو؛ الگوریتم جستجوی ملخ؛ خودروی الکتریکی؛ زمان بندی بهینه انرژی |
درسهای مرتبط | بهره برداری از سیستم های قدرت |
تعداد صفحات مقاله انگلیسی : 17 | نشریه : ELSEVIER |
سال انتشار : 2022 | تعداد رفرنس مقاله : 31 |
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. مدل هاب انرژی 3. ارائه بهینهسازی 4. الگوریتم بهینهسازی ملخ توسعهیافته 5. مطالعه موردی 6. نتیجهگیری
چکیده – هاب انرژی به عنوان بخشی لاینفک از سیستمهای چندانرژی، از نقش مهمی در توسعه انعطافپذیری، کارایی و قابلیت اطمینان برخوردار است. امروزه با توجه به پیشرفت فزاینده علم و جوامع انسانی و افزایش آلایندههای هوا و دمای زمین، نیاز به انرژیهای تجدیدپذیر و خودروهای برقی با افزایش فزاینده ای همراه بوده است. تنها چالش پیش رو، استفاده از انرژیهای نو، عدم قطعیت در تولید آنها به دلیل نبود تابش مداوم خورشید و باد در ساعات مختلف روز است. از اینرو، پژوهش حاضر به یک فرمول بهینه توزیع بار برای یک هاب انرژی برای کاهش هزینههای کل هاب انرژی، مانند هزینههای بهرهبرداری و هزینههای انتشار CO2 میپردازد. این هاب انرژی متشکل از یک واحد ذخیره حرارتی، واحد تولید همزمان برق و حرارت (CHP)، آرایههای فتوولتائیک (PV)، دیگ بخار، توربین بادی (WT) و خودروهای برقی (EV) است. همچنین از طریق شبیهسازی مونت کارلو، عدم قطعیت EV مدلسازی شده است و برای مقابله با عدم قطعیتهای آینده در قیمت برق یک الگوریتم توسعهیافته مبتنی بر جستجوی ملخ اتخاذ شده است. همچنین، مدل پیشنهادی روشهای پاسخگویی به تقاضای برق و حرارت (DR) را به نحو جامعی در نظر میگیرد. در این پژوهش، سه سناریوی برنامهریزی با تنظیمات مختلف شارژ/دشارژ و DR مورد بررسی قرار میگیرد. نتایج عددی و گرافیکی حاکی از آن است که با انتخاب حالت شارژ/دشارژ هماهنگ برای EVها، هزینههای نهایی به نحو موفقیت آمیزی کاهش مییابد. در مقایسه با سناریو 1، هزینههای کل سناریو 2 به میزان 12% با کاهش همراه بوده است. در نتیجه، میتوان دریافت که شارژ/دشارژ هماهنگ EVها با موفقیت هزینههای انرژی را برای مصرفکنندگان کاهش داده است. در مقایسه با سناریو 2، هزینههای کل سناریو 3 به میزان 5.76% با کاهش همراه بوده است. همچنین نتایج بدست آمده حاکی از آن است که با اجرای برنامههای DR، میتوان هزینههای کل مصرفکنندگان را بیشتر کاهش داد. مقدمه: امروزه، کاربرد تولید پراکنده که اغلب از انرژیهای تجدیدپذیر استفاده میکند، همراه با خودروهای برقی با توجه به افزایش محدودیتهای زیستمحیطی و اقتصادی در دنیای امروز به طور قابل ملاحظه ای در حال افزایش است. در مقیاس وسیع، هر یک از این فناوریها میتواند اثرات مخربی را بر شبکه برق برجای بگذارد؛ با این وجود، ، فناوریها و منابع ذخیره انرژی با مدیریت و برنامهریزی مناسب سمت مصرف میتوانند این اثرات را کاهش دهند. از اینرو چالش اصلی استفاده از این وسایل نقلیه ، اثر ادغام تجمعی خودروهای برقی پلاگین (PEV) به شبکه برای فرآیند شارژ/دشارژ و ناپایداری شبکه ناشی از آن، به ویژه در زمان پیک بار، است [1].
ترجمه مقاله مرتبط با این مقاله | دانلود ترجمه مقاله بهره برداری و برنامه ریزی بهینه هاب انرژی با در نظر گرفتن الگوریتم پاسخ به تقاضا |
As an integral part of multi-energy systems, the energy hub acts a major task in developing the flexibility, efficiency, and reliability. Due to the increasing progress of science and human communities and the rise in air pollutants and Earth temperature, the need for renewable energies and electric vehicles has increased. The only challenge to the use of new energies is the uncertainty in their production due to the lack of continuous solar irradiation and wind in different hours of the day. Accordingly, this paper addresses an optimal load dispatch form for an energy hub to decrease the total costs of the energy hub, such as exploitation costs and CO2 emission costs. This energy hub includes a heat storage unit, combined heat and power (CHP) unit, photovoltaic (PV) arrays, gas boiler, wind turbine (WT), and electric vehicles (EV). EV uncertainty is modeled via Monte Carlo simulation and a developed algorithm based on grasshopper search is adopted for dealing with future uncertainties in electricity price. Moreover, the proposed model considers the electric and thermal demand response (DR) methods comprehensively. Herein, three scheduling scenarios are discussed with different charge/discharge and DR settings. The numerical and graphical results demonstrate that, by choosing a coordinate charge/discharge mode for the EVs, the final costs are successfully reduced. Compared to Scenario 1, the total costs of Scenario 2 are reduced by 12%. Consequently, it can be obvious that the EVs’ matched charge/discharge is successfully decreased the energy costs for the consumers. Compared to Scenario 2, the total costs of Scenario 3 are decreased by 5.76%. The results also indicate that by implementing the DR programs, total consumer costs can be further decreased. Introduction: Due to the rise in environmental and economic limitations in the today’s world, application of dispersed generation, which often uses renewable energies, along with electric vehicles is markedly increasing. On the large-scale, either of these technologies can have damaging effects on the electricity grid; however, with suitable consumption-side management and programming, technologies and energy storage resources can reduce these effects. Accordingly, the effect of the integrated aggregation of plug-in electric vehicles (PEVs) to the grid for the charge/ discharge process and the resulting grid instability, especially at load peak time, is the main challenge to the use of these vehicles [1].
ترجمه این مقاله در 33 صفحه آماده شده و در ادامه نیز صفحه 6 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.