دانلود ترجمه مقاله زمانبندی تصادفی نیروگاه های برق مجازی با خودروهای الکتریکی

1. مقدمه 2. بیان مساله 3. فرمولاسیون مساله دو سطحی پیشنهادی 4. روش تحقیق 5. مطالعه موردی و نتایج عددی 6. نتیجه گیری

این مقاله، یک چهارچوب پیشآمدی ریسک گریز برای برنامه ریزی کوتاه مدت «نیروگاه های مجازی» (VPP ها) در یک محیط رقابتی را با ملاحظه پتانسیل و توانایی فعال سازی خودروهای الکتریکی (EV ها) و ساختمان های هوشمند در برنامه های «پاسخ به تقاضا» (DR) ارائه می دهد. دراین چهارچوب، تعدادی «پارکینگ» (PL) EV، که تحت اختیار VPP و رقیبانش هستند، که برای جذب EV ها از طریق استراتژی های پیشنهادات رقابتی، رقابت می کنند، در نظر گرفته می شوند. از سوی دیگر، صاحبان EV ها تلاش می کنند یک PL ارزانتر برای شارژ EV ها انتخاب کنند تا هزینه های پرداختی کاهش یابد. بنابراین، هدف مالکان EV ها، ممکن است با هدف PL هایی که خدمات برای EV ها را تحت هر VPP ارائه می دهند، متضاد و متباین باشد. از این نظر، مسئله تصمیم گیری از دیدگاه PVV باید به صورت یک مدل بهینه سازی دو سطحی فرموله شود که در آن، در سطح بالا، سود VPP باید بیشینه شود و در سطح پایین، هزینه های تامین و تدارکات EV ها و دیگر بارهای واکنشگرا (responsive) باید به طور همزمان، کمینه سازی شوند. برای حل مسئله دو سطحی پیشنهادی، به یک مسئله «برنامه ریزی خطی عدد صحیح مختلط» (MILP) قابل ردیابی با استفاده از نظریه دوگان و شرایط بهینگی «کاروش-کاهن-تاکر» (KKT)، تبدیل می شود. مدل پیشنهادی برروی یک سیستم عملی تست می شود و چندین تحلیل حساسیت انجام می شود تا قابلیت و عملکرد چهارچوب تصمیم گیری دو سطحی پیشنهادی، تایید شود.

This paper presents a risk-averse stochastic framework for short-term scheduling of virtual power plants (VPPs) in a competitive environment considering the potential of activating electric vehicles (EVs) and smart buildings in demand response (DR) programs. In this framework, a number of EV Parking Lots (PLs) which are under the jurisdiction of the VPP and its rivals are considered that compete to attract EVs through competitive offering strategies. On the other hand, EVs' owners try to choose a cheaper PL for EVs' charging to reduce payment costs. Therefore, the objective of EVs owners can be in conflict with the objective of PLs that provide services for EVs under each VPP. In this regard, the decision-making problem from the VPP's viewpoint should be formulated as a bi-level optimization model, in which in the upper-level, the VPP profit should be maximized and in the lower-level, procurement costs of EVs and other responsive loads should be minimized, simultaneously. To solve the proposed bi-level problem, it is transformed into a traceable mixed-integer linear programming (MILP) problem using duality theory and Karush-Kahn-Tucker (KKT) optimality conditions. The proposed model is tested on a practical system and several sensitivity analyses are carried out to confirm the capability of the proposed bi-level decision-making framework.