دانلود ترجمه مقاله یک رویکرد کنترل تطبیق پذیر بهینه برای خودروهای الکتریکی پلاگین

1. مقدمه 2. تعیین مکان و اندازه بهینه DG؛ فرمول بندی، محدویت ها و الگوریتم 3. کنترل تطبیقی؛ فرمول بندی، محدودیت ها و الگوریتم 4. مشخصه های مطالعه موردی 5. نتایج و بررسی ها 6. نتیجه گیری

چکیده – این مقاله، یک راه حل عملی برای مقابله با چالش های مربوط به یکپارچه سازی منابع انرژی تجدیدپذیر و خودروهای الکتریکی در شبکه برق با توجه به عدم انطباق و تناوب در استفاده از انرژی برق را از طریق یک کنترلر هوشمند تطبیقی ارائه داده است. این پژوهش، یک شبکه هوشمند متشکل از نیروگاه های توان و تولیدات پراکنده را تشریح کرده که سوخت شان از طریق پانل های فتوولتائیک و توربین های بادی تأمین می شود و با خودروهای الکتریکی در قالب ذخیره سازهای توان تکمیل می گردند. استفاده از یک محوطه پارکینگی برای مقابله با چالش هایی چون نفوذ کم خودروهای الکتریکی تعبیه شده با مشخصه های خودرو به شبکه، دو مشکل ایجاد می کند: که در آن آنها باید نصب شده و مدل سازی شارش توان دو جهته بین خودروهای الکتریکی، شبکه، و سیستم تولید پراکنده انجام گیرد. در این راستا، یک مسأله چند هدفه غیر خطی طراحی شده و با استفاده از الگوریتم ژنتیک طبقه بندی غیر غالب II و روش جایگزینی پسرو و پیشرو حل شده است. علاوه بر این، شارش توان نیوتن – رافسون اتخاذ شده و به منظور محاسبه شارش توان شبکه توزیعی اصلاح گردیده است. نتایج مربوط به تعیین اندازه و مکان بهینه سیستم های انرژی تجدیدپذیر ترکیبی نشان می دهند که باس 16 شبکه مورد مطالعه، بهترین مکان برای ادغام یک محوطه پارکینگی مجهز به 117 واحد فتوولتائیک و 10 واحد توربین بادی برای سیستم 26 باسه IEEE می باشد. علاوه بر این، این مطالعه نشان می دهد که شبکه فوق می تواند یک واحد کنترل تطبیق پذیر پیچیده قادر به بهینه سازی نقطه عملیاتی با زمان بندی شارژ و دشارژ را برای تعداد زیادی از خودروهای الکتریکی مورد استفاده قرار دهد و به موازات آن جنبه های فنی سیستم را نیز در نظر بگیرد (تلفات توان اکتیو کلی و انحراف ولتاژ). در این راستا، یک رویکرد کنترلی ترکیبی جدید مبتنی بر سیستم استنتاجی نوری – فازی تطبیقی در بهینه سازی ازدحام ذرات ارائه شده که از مسأله شارش توان بهینه استفاده می کند. برتری این کنترلر در استفاده از سرویس های شبکه به وسیله و وسیله به شبکه بررسی شده و با پژوهش های دیگر مقایسه شده است.

This study proposes a practical solution to deal with challenges of integrating renewable energy sources and electric vehicles into the electric grid, considering generation source intermittency and energy usage inconsistency, via a new adaptive intelligent controller. The present research describes a smart grid consisting of power plants and distributed generation, fueled via photovoltaic panels and wind turbines, and augmented with electric vehicles as power storage devices. Employing a parking lot to deal with challenges such as low penetration of the electric vehicles embedded with Vehicle-to-Grid functionalities encounters two difficulties: where they should be installed, and modeling of bi-directional power flow between electric vehicles, the grid, and the distributed generation system. In this regard, a nonlinear multi-objective problem is designed and solved via employing the Non-dominated Sorting Genetic Algorithm-II, and the forward and backward substitution method. In addition, Newton-Raphson Power Flow is adopted and modified to calculate the power flow of the distribution network. The results related to optimal placement and sizing of hybrid renewable energy systems show that bus 16 of the studied grid is the best place to integrate a parking lot – equipped with 117 photovoltaic and 10 wind turbine units - to the tested IEEE-26 buses. Furthermore, this study suggests that the aforementioned grid could employ a complex versatile control unit able to optimize the operating point, scheduling charging and discharging for a large number of electric vehicles while considering the technical aspects (total active power loss and voltage deviation). In this regard, a new hybrid control approach based on Particle Swarm Optimization-Adaptive Neuro-Fuzzy Inference System tuned via utilizing the optimal power flow problem is proposed. The controller's superiority to handle grid-to-vehicle and vehicle-to-grid services is discussed and compared to other studies.