دانلود ترجمه مقاله استفاده از داده کنتور هوشمند برای بهینه سازی سیستم خورشیدی نصب شده روی سقف و باتری

1. مقدمه 2. مرور پیشینه 3. روش تحقیق 4. نتایج مطالعه موردی 5. نتیجه گیری

چکیده – این مقاله به طراحی، و ارائه نتایج مدلی پرداخته که با استفاده از داده های کنتورهای هوشمند خانگی، گزینه های شارژ و بار مسافرتی خودروهای الکتریکی (EV)، و پروفایل های چندین سیستم تولید برق خورشیدی، تصمیماتی را راجع به ترکیب بهینه از منابع فتوولتاییک- برق خورشیدی (PV)، سیستم ذخیره سازی انرژی مبتنی بر باتری (BESS)، و استراتژی های شارژ خودروهای الکتریکی اتخاذ می کند. مدل برنامه ریزی مبتنی بر کمترین هزینه، به عنوان مساله برنامه ریزی صحیح – ترکیبی تصادفی (MIP) فرمول بندی شده است.مدل طراحی شده، تصمیمات اولیه را نسبت به سرمایه گذاری های فتوولتاییک/ BESS، و تصمیم گیری های تکراری را راجع به خرید- فروش برق از شبکه اتخاذ می کند، هدف از این تصمیمات، حداقل سازی هزینه های برق مورد انتظار خانواده ها است. این مدل رویکرد بهینه سازی مشتری محور را در پیش گرفته است. پارامترها و عواملی همچون سیاست اندازه گیری (مترینگ) خالص مصرف برق، قیمت گذاری شبکه بر اساس زمان مصرف، و عدم قطعیت ها راجع به نوسانات تابش خورشیدی در طول سال، در نظر گرفته شده اند. مدل پیشنهادی، از نظر توصیف ماهیت تصادفی نوسانات سالیانه تابش خورشیدی، بهینه سازی ظرفیت BESS، و انتخاب حالت شارژ خودروی الکتریکی، مکمل تحقیقات قبلی است. سه مطالعه موردی در دست بررسی قرار گرفته اند، دو مطالعه موردی یک منزل مسکونی تحت دو حالت دارای بار مصرفی خودروی الکتریکی، و بدون بار مصرفی خودروی الکتریکی را در نظر می گیرند، مطالعه سوم یک مجتمع شهری بزرگتر را مورد بررسی قرار می دهد. نتایج نشات گرفته از اجرای مدل روی مطالعه موردی اول (واحد مسکونی)، با نتایج بدست آمده از نرم افزارهای تجاری موجود مقایسه شده اند. بدین ترتیب امکان نمایش تاثیرات پروفایل بار دقیق، و پارامترهای مختلف سیاست های مصرف / قیمت گذاری انرژی فراهم می شود. ماهیت تصادفی مدل، به درک بهتر اثر نوسانات در پروفایل منابع خورشیدی، بر سایزینگ منابع فتوولتاییک کمک می کند. در نهایت، شبیه سازی های به عمل آمده نسبت به مسیرهای جداگانه حرکت خودروهای الکتریکی، و سیاست های تعرفه ای که شارژ در ساعت های اوج مصرف را نفی می کنند، نشان دهنده مطلوبیت و کارآمدی سیاست قیمت گذاری خیلی ارزان خارج از پیک مصرف، در ایالت مریلند هستند.

This paper presents the design and results of a model that uses household smart meter data, electric vehicle (EV) travel load and charging options, and multiple solar resource profiles, to make decisions on optimal combinations of photovoltaics (PV), battery energy storage systems (BESS) and EV charging strategies. The least-cost planning model is formulated as a stochastic mixed integer programming (MIP) problem that makes first stage decisions on PV/BESS investments, and recourse decisions on purchase/sell from/to the grid to minimize expected household electricity costs. The model undertakes a customer-centric optimization taking into consideration net metering policy, time-of-use grid pricing, and uncertainties around inter-annual variability of solar irradiance. The model adds to the existing literature in terms of stochastic representation of inter-annual variability of solar irradiance, together with BESS capacity optimization, and EV charging mode selection. Three case studies are presented: two for a residential house with and without EV load, and a third for a larger community facility. Results from the model for the first residential house case study are compared with commercially available software to show the impacts of an accurate load profile and different policy parameters. The stochastic feature of the model proves useful in understanding the impact of variability in solar resource profiles on PV sizing. Finally, simulations of alternative EV travel patterns and tariff policies that discourage charging during the evening peak show the efficacy of `super off-peak' pricing being introduced in the state of Maryland.

بخشی از ترجمه مقاله (صفحه 22 فایل ورد ترجمه)