دانلود ترجمه مقاله بهینه سازی ریزشبکه هوشمند: تلفیق انرژی خورشیدی و جبران ساز VAR استاتیکی

1. مقدمه 2. چارچوب پیشنهادی 3. الگوریتم بهینه سازی پیشنهادی 4. مطالعه شبیه سازی 5. نتیجه گیری

چکیده – با افزایش سریع استفاده از خودروهای برقی (EV) در سطح جهانی به دلیل انتشار کم CO2، نگهداری آسان و هزینه عملیاتی ناچیز، تحقیقات گسترده‌ای در زمینه ایستگاه شارژ خودروهای برقی (EVCS) صورت گرفته است. ادغام EVCS در شبکه توزیع فعلی به دلیل تلفات احتمالی برق و تغییرات ولتاژ فراتر از حد مجاز، چالش‌هایی را ایجاد می‌کند. نفوذ رو به رشد منابع تولید پراکنده مبتنی بر خورشید (SDG) و سیستم ذخیره سازی انرژی باتری (BESS) که به طور تصادفی پراکنده شده‌اند، این پیچیدگی را تشدید می‌کند. برای مقابله با این چالش‌ها، سیستم‌های جبران‌کننده VAR استاتیک توزیع (DSVC) معرفی شده‌اند که مزایایی مانند افزایش ظرفیت انتقال برق، بهبود تنظیم ولتاژ و افزایش امنیت سیستم را بدون نیاز به ارتقاء زیرساخت گسترده ارائه می‌دهند. این مطالعه، یک چارچوب چند-هدفه جدید به نام اسکُوپ (SCOPE) را پیشنهاد می‌کند که اهداف بهینه‌سازی را برای کمینه کردن تلفات توان حقیقی، کاهش نوسانات ولتاژ باس، به حداکثر رساندن پایداری ولتاژ سیستم، کمینه کردن هزینه‌های عملیاتی و کاهش انتشار CO2 یکپارچه می‌کند. مسأله EVCS در این چارچوب چندهدفه با استفاده از الگوریتم جستجوی عقاب سرسفید بهبود یافته (IBESA) بهینه‌سازی می‌شود. مدل پیشنهادی قابلیت‌های اتصال خودرو به شبکه (V2G) و الگوهای رانندگی واقعی کاربران را در یک بازه زمانی 24 ساعته در نظر می‌گیرد. فرمول‌بندی ساختار یک ریزشبکه هوشمند (SMG) بر اساس اصلاح شبکه توزیع شعاعی تست استاندارد IEEE 33 باس (RDN) انجام می‌شود که شامل سه ریزشبکه به هم پیوسته است که به کاربران مسکونی، تجاری و صنعتی خدمات ارائه می‌دهد. رویکرد بهینه‌سازی مبتنی بر IBESA برای بهینه‌سازی مکان و ظرفیت EVCS و همچنین منابع انرژی تجدیدپذیر (RES) مورد استفاده قرار می‌گیرد. یافته‌ها نشان می‌دهند که SDG و DSVC در کاهش شاخص اسکُوپ (SCOPE) مؤثر هستند و مزایای رویکرد پیشنهادی را برجسته می‌کنند.

The rapid global increase in electric vehicle (EV) usage, driven by its low CO2 emissions, uncomplicated maintenance, and minimal operating costs, has prompted extensive research in the field of electric vehicle charging station (EVCS). The integration of EVCS into the current distribution grid poses challenges due to potential power losses and voltage variations beyond acceptable limits. This complexity is heightened by the growing penetration of randomly dispersed solar-based distributed generation (SDG) and battery energy storage system (BESS). To address these challenges, distribution static VAR compensator (DSVC) systems have been introduced, offering benefits such as enhanced power transfer capacity, improved voltage regulation, and increased system security without requiring extensive infrastructure upgrades. This study offers SCOPE, a novel multi-objective framework that unifies the optimization goals of minimizing real power loss, lowering bus voltage variation, maximizing system voltage stability, minimizing system operating costs, and mitigating CO2 emissions. The EVCS problem is optimized within this multi-objective framework utilizing an improved bald eagle search algorithm (IBESA). The proposed model accounts for vehicle to grid (V2G) capabilities and the actual driving patterns of users over a 24-h horizon. The formulation of a smart microgrid (SMG) structure is based on modifying the standard IEEE 33-bus test radial distribution network (RDN), comprising three interconnected SMGs serving residential, commercial, and industrial users. The optimization approach based on IBESA is utilized to optimize both the siting and capacity of EVCS as well as renewable energy sources (RESs). The findings show that SDG and DSVC are effective at lowering the SCOPE index, highlighting the advantages of the suggested approach.