دانلود ترجمه مقاله مکانیابی و اندازه یابی بهینه منابع تجدید پذیر بر اساس الگوریتم تکامل تفاضلی

1. مقدمه 2. فرمولاسیون مسئله 3. مدل سازی سیستم 4. روش تحقیق 5. نتایج 6. نتیجه گیری

چکیده – مشاهده شده که خودروهای الکتریکی (EV ها) تاثیرات منفی بر عملکرد ریزشبکه دارند که این تاثیرات شامل کاهش کیفیت توان و بازده و افزایش تلفات توان، تغییرات و نوسانات در ولتاژ و حتی افزایش قیمت انرژی برای مشتری می باشند. این مقاله، روشی جدید برای ارزیابی اثر انتگراسیون تعداد زیادی EV بر یک سیستم قدرت و تاثیرشان بر پروفایل ولتاژ شبکه از طریق تزریق توان راکتیو در شین های سنگین از لحاظ بار، پیشنهاد می دهد. در اینجا، یک مسئله بهینه سازی چندهدفی برای بدست آوردن مکان و اندازه بهینه ایستگاه های شارژ و منابع انرژی تجدید پذیر (RES)، مطرح می شود. این مسئله بهینه سازی بر کاهش تلفات توان، بهبود پایداری ولتاژ سیستم و کاهش هزینه های شارژ EV ها تمرکز می کند. برای افزایش ضریب بار شبکه، تعدادی ضریب معرفی می شوند. چنین ضرایبی، که به سرعت باد، تابش خورشیدی و نسبت پیک تقاضای ساعتی در مشخصه بار روز بعد بستگی دارند، به تجمیع کنندگان در شارژ EV هایشان در ساعات غیراوج، کمک می کنند. الگوریتم تکامل تفاضلی (DE) برای حل مسئله بهینه سازی مورد استفاده قرار می گیرد. عملکرد روش پیشنهادی برای ریزشبکه های 69 و 94 شین مورد ارزیابی قرار می گیرد.

Electric Vehicles (EVs) are seen to have some negative impacts on microgrid performance, such as diminishing power quality and efficiency and increasing power losses, voltage variations and even customer energy prices. This paper proposes a new method for evaluating the effect of integrating a large number of EVs on a power system and their impact on the network voltage profile via injecting reactive power into highly-loaded buses. A multi-objective optimization problem is developed to obtain the optimal siting and sizing of charging stations and renewable energy sources (RES). The optimization problem focuses on reducing power losses, improving voltage stability of the system and reducing charging costs of EVs. In order to increase the network load factor some coefficients are introduced. Such coefficients, which depend on wind speed, solar irradiance and hourly peak demand ratio in the load characteristic of day-ahead, help aggregators to charge their EVs in off-peak hours. Differential Evolution (DE) algorithm is used for solving the optimization problem. The performance of the proposed method is evaluated for 69-bus and 94-bus microgrids.

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.