دانلود ترجمه مقاله برنامه ریزی تصادفی برای گسترش ایستگاه های شارژ خودرو الکتریکی

1. مقدمه 2. تشریح مساله و فرمولاسیون مدل 3. نتایج تجربی 4. نتیجه گیری

نرخ استفاده پیش بینی شده و فعلی از خودروهای برقی، در حال افزایش است. وسایل نقلیه الکتریکی لازم است دائماً شارژ شوند و انرژی لازم برای اطمینان حاصل کردن از آن، مبرم و رو به رشد است. با توجه به اینکه زیرساخت موجود برای تامین نیازهای انرژی پیش بینی شده کافی نیست، مدل هایی لازم هست تا به تصمیم گیران کمک کنند، بهترین نحوه گسترش شبکه قدرت برای برآورده کردن این نیاز را، برنامه ریزی کنند. یک توسعه شبکه قدرت موفق، توسعه ای است که خدمت رسانی ایستگاه های شارژ به جامعه خودروهای الکتریکی را ممکن سازد. بنابراین، طرح ها برای گسترش توان لازم است بین سرمایه گذاران شبکه توان و ایستگاه های شارژ، مورد هماهنگی قرار گیرد. در این مقاله، یک روند برنامه ریزی احتمالاتی دو مرحله ای را ارائه می دهیم که برای تعیین طرح توسعه شبکه قدرت که از نیازهای انرژی یا بار حمایت می کند را از یک مجموعه غیرقطعی از وسایل نقلیه الکتریکی که دارای پراکندگی جغرافیایی در یک منطقه است، ارائه دهیم. مرحله اول، تعیین می کند که شبکه قدرت تا کجا توسعه و گسترش یابد و مرحله دوم تعیین می کند که کجا ایستگاه های شارژ، نصب شوند. پیوند کلیدی بین تصمیمات مرحله اول و دوم این است که ایستگاه های شارژ را می توان فقط در نواحی دارای توان تامین کافی تامین برق شده بوسیله یک شبکه قدرت گسترش یافته، مکان یابی نمود. برای حل این مدل، از یک روش هیبرید استفاده می کنیم که «تقریب میانگین نمونه» و یک الگوریتم «پوشش پیشروی» بهینه شده، را با هم ترکیب می کند. ما الگوریتم پوشش پیشرو را با بکار گیری فنون افق غلطان و تثبیت متغیر، بهبود می دهیم. برای اعتبار یابی مدل پیشنهادی و کسب اطلاعات کلیدی، آزمایش های محاسباتی با استفاده از داده های واقع بینانه که مربوط به منطقه واشنگتن دی سی هستند را بکار می گیریم. نتایج محاسبات ما، مقاوم بودن الگوریتم پیشنهادی را نشان می دهد و در عین حال، تعدادی اطلاعات مدیریتی برای تصمیم گیرندگان، مهیا می کند.

The projected and current adoption rates of electric vehicles are increasing. Electric vehicles need to be recharged continually over time, and the energy required to ensure that is immense and growing. Given that existing infrastructure is insufficient to supply the projected energy needs, models are necessary to help decision makers plan for how to best expand the power grid to meet this need. A successful power grid expansion is one that enables charging stations to service the electric vehicle community. Thus, plans for power expansion need to be coordinated between the power grid and charging station investors. In this paper, we present a two-stage stochastic programming approach that can be used to determine a power grid expansion plan that supports the energy needs, or load, from an uncertain set of electric vehicles geographically dispersed over a region. The first stage determines where to expand the power grid, and the second stage determines where to locate charging stations. The key link between the first and second stage decisions is that charging stations can only be located in areas with sufficient power supply enabled by an expanded power grid. To solve the model, we utilize a hybrid approach that combines Sample Average Approximation and an enhanced Progressive Hedging algorithm. We enhance the Progressive hedging algorithm by applying rolling horizon and variable fixing techniques. To validate the proposed model and gain key insights, we perform computational experiments using realistic data representing the Washington, DC area. Our computational results indicate the robustness of the proposed algorithm while providing a number of managerial insights to the decision makers.