دانلود ترجمه مقاله مدل بهینه سازی تقسیم انرژی در شبکه های قدرت و ساختمان های تجاری

1. مقدمه 2. بیان مدل و توصیف مسئله 3. الگوریتم تقریب زنی میانگین نمونه 4. بینش های مدیریتی و مطالعه محاسباتی 5. نتیجه گیری

چکیده – این مقاله، مدل تصمیم گیری مشارکتی با هدف بهینه سازی شارش الکتریسیته، در میان ساختمان های تجاری، ایستگاه های شارژ وسایل نقلیه الکتریکی (EV) و شبکه، تحت عدم قطعیت تقاضای توان را بررسی می کند. ما یک مدل برنامه نویسی احتمالاتی دو مرحله ای را پیشنهاد می کنیم که می تواند به طور واقع گرایانه، قیود عملیاتی مختلف را میان چندین ساختمان تجاری و ایستگاه های شارژ EV ثبت نماید. هم چنین یک رویکرد راه حل سفارشی را بر پایه روش تقریب زنی میانگین نمونه ارائه می کنیم که می تواند به طور بهره ور و دقیق، مدل پیشنهادی را حل نماید. در وهله آخر، یک مطالعه موردی در جهان حقیقی ارائه می شود که بینش های مدیریتی درباره نحوه اثرگذاری پارامترهای کلیدی ورودی (مثل عدم در دسترس بودن توان شبکه، محدودیت همکاری توان) بر هزینه و طراحی کل شبکه انرژی را فراهم می آورد. مقدمه: ساختمان های تجاری و بخش های حمل و نقل سطحی، از قسمت قابل توجهی از انرژی استفاده کرده و باعث بروز چالش های جهانی همانند تغییر اقلیم و کمبود منابع می شود. براساس اداره اطلاعات انرژی ایالت متحده [1]، ساختمان ها و بخش های حمل و نقل سطحی تقریبا 43.35% و 27.89% از منابع تولید شده در ایالت متحده را به ترتیب مورد استفاده قرار می دهند. در زمینه آلودگی های غیر مستقیم می توان گفت که هر دوی این بخش ها، تقریبا 78.9% از گاز گلخانه ای (GHG) را تولید می کنند که از این میان، بخش حمل و نقل و ساختمان، به ترتیب مسئولیت 44.6 و 34.3% را به عهده دارد [2]. اخیرا نگرانی های روزافزونی درباره بهره وری انرژی، وابستگی به سوخت های فسیلی و تاثیرات زیست محیطی باعث شده که توجهات زیادی معطوف به ساختمان های هوشمند و وسایل حمل و نقل الکتریکی (EVها) به ترتیب در بخش های ساختمان های تجاری و بخش حمل و نقل جاده ای شود.

This paper studied a collaborative decision model to optimize electricity flow among commercial buildings, electric vehicle (EV) charging stations, and the grid under power demand uncertainty. We propose a two-stage stochastic programming model that realistically captures different operational constraints between multiple commercial buildings and EV charging stations. We developed a customized solution approach based on Sample Average Approximation method that can solve the proposed model efficiently and accurately. Finally, a real-life case study is constructed that draws managerial insights into how different key input parameters (e.g., grid power unavailability, power collaboration restriction) affect the overall energy network design and cost. Introduction: Commercial buildings and surface transportation sectors utilize a significant portion of energy causing a number of global challenges such as climate change and resource scarcity. According to the U.S. Energy Information Administration [1], buildings and surface transportation sectors consume approximately 43.35% and 28.79% of total energy generated in the United States, respectively. Regarding indirect emissions, both sectors cause approximately 78.9% of greenhouse gas (GHG) emissions, of which the building and transportation sectors are responsible for 44.6% and 34.3%, respectively [2]. Recently, the growing concerns of energy efficiency, dependence on fossil fuels, and environmental impacts have attracted increasing attention on smart buildings and electric vehicles (EVs) in relation to commercial building and road transportation sectors, respectively.

بخشی از ترجمه مقاله (صفحه 33 فایل ورد ترجمه)