اصلاح مشخصه بار شبكة توزيع با برنامه ريزي هوشمند خودروهاي الكتريكي

Transcript

1 No. F-4-AAA-0000 اصلاح مشخصه بار شبكة تزيع با برنامه ريزي هشمند خدرهاي الكتريكي محمد مهدي قاسميپر ابالفضل صدقي محمدرضا ا قاابراهيمي دانشكدة مهندسي برق كامپيتر دانشگاه بيرجند بيرجند ايران چكيده استفاده از خدرهاي الكتريكي بهدليل سخت پاك ارزان تر اين خدرها در ا يندة نزديك افزايش خاهد يافت. شارژ باتري خدرها در نگاه ال مجب تحميل بار به شبكة تزيع تاثيرات نامطلب از جمله افزايش پيك بار مي شد. درحاليكه مي تان از قابليت دشارژ باتري اين خدرها استفاده كرد. به بيان ديگر در بستر شبكه هاي هشمند مي تان با برنامه ريزي فرا يند شارژ دشارژ باتري ها اين چالش را تبديل به فرصت كرد. براي بررسي اثرات حضر خدرهاي الكتريكي نياز به مدل سازي اقعي كامل رفتار ا ن ها مي باشد. در اين مقاله با در نظر گرفتن سه استراتژي بهرهبرداري از خدرهاي الكتريكي مدل كامل احتمالاتي اين خدرها در محددة پاركينگ است. با تجه ها اراي ه شده به احتمالاتي بدن مدل برنامه ريزي هشمند شارژ دشارژ باتري خدرها با استفاده از يك رش تركيبي جديد شامل الگريتم بهينه سازي فاخته شبيهسازي منت كارلي ترتيبي صرت پذيرفته است همچنين به منظر بهينه سازي يك تابع برازندگي جديد اراي ه شده است. ديدگاه اراي ه شده در اين مقاله نتايج سدمندي مطالعاتي از قبيل اصلاح مشخصه بار سيستم مكان يابي پاركينگ خدرهاي الكتريكي بهبد لتاژ تلفات شبكة تزيع برنامه ريزي مشاركت نيرگاه ها ارزيابي قابليت اطمينان به دست مي دهد. اژه هاي كليدي براي اصلاح بار شبكه تزيع شبكههاي هشمند خدرهاي الكتريكي الگريتم بهينهسازي فاخته منتكارلي ترتيبي مقدمه با افزا يش هز ينة سخت ها ي فسيلي نگران يه يا ز يتس مح يطي استفاده از سايل حمل نقلي كه CORR كمتري منتشر ميكنند حاي ز اهميت گرد ديه است. سهم قابل تجه حمل نقل انتشار CORR ب يش از ي ) 4%) از تليد CORR متعلق به صنعت است ] ]. قانين بسياري در سراسر دنيا تعي ني حد شده داشته باشند كشرها يي را كه ملزم به پرداخت جريمه ميكند. برپاية اين قانين برخي كشرها براي خدرهايي كه ا لدگي بيش از حد مجاز تليد كنند ماليات مضاعف تخصيص داده اند. اين قانين سبب گردي ده كه شركتها ي خدرسازي بهسمت تلدي خدرهاي الكتريكيF0 (EV) سق پ ديا كنند. ا مر كياF بر اساس برنامه ريزي مسسه (ERI) 6% از كل خدرهاي ناگان 050 خدرهاي الكتريكي خاهند بد []. در ا ينده الكتريكي F بهرهبرداران سيستم قدرت مي تانند تحق قيتا ن ريي حمل نقل ا مر كيا تا سال پاركينگ خدرهاي (EV) را بهعنان منابع انرژ ي تزيع شده در نظر رن بگيد. اين منابع در د نقش برا ي سيستم قدرت ظاهر م يشند: در نقش بار بههنگام شارژ باتري خدرها بهعنان منابع تل دي كنندة انرژي در هنگام دشارژ باتري خدرها []. در بستر ة شبك هشمند بهره گيري از كنترل ا نلاين اين شبك ه ها ميتان شارژ دشارژ باتري EVها را بهگنهاي كنترل كرد كه Electrc Vehcle Electrc ower Research Insttute Electrc Vehcles arkng

2 F6 F8 F F4 تزيع شبكة بار مشخصه اصلاح منظر به الكتريكي خدرهاي احتمالاتي سازي مدل هشمند ريزي برنامه خدرهاي حضر تاثيرات بررسي براي يابد. افزايش تزيع شبكة ري بهره نحة براساس خدرها اين رفتار كامل دقيق سازي مدل به نياز الكتريكي باشد. مي ها ا ن صاحبان استفادة تاثير سازي مدل پيرامن گناگني مطالعات ايران تهران 9 برق بينالمللي كنفرانس نهمين بيست قدرت سيستم بر EVها هماهنگ شارژ با كه شده داده نشان مطالعات از بسياري در است. شده انجام كاهش قدرت سيستم بر الكتريكي خدرهاي نامطلب تاثير شده كنترل باتري هماهنگ شارژ [4]. مييابد درجه ترتيبي بهينهسازي با [5] در EVها انجام اكتشافي هاي رش تسط 7] ] در پيا ريزي برنامه با 6] ] در دم كاهش هدف با شده كنترل شارژ استراتژي يك 4] ] مرجع است. پذيرفته [9] 8] ] در است. كرده پيشنهاد را تزيع شبكة بارپذيري افزايش تلفات باتري شارژ براي هشمند بار مديريت مدل يك كاهش منظر به EVها احتمالاتي رفتار اما شده اراي ه لتاژ بهبد تلفات كاهش بارپيك احتمالاتي مدلسازي با 0] ] مرجع است. نشده لحاظ بهينه به شهري باتري انرژي ريزي برنامه سازي ] مرجع است پرداخته شارژ قيمت كاهش پيك EVها پاركينگ در EVها بار كاهش هدف با EVها بهينة شارژ ] است. كرده بررسي را بار منحني درة كردن پر منظر به الكتريكي خدرهاي خدرها اين الكتريكي خدرهاي باتري دشارژ قابليت به تجه با ] مراجع دهند. تحيل تان شبكه به ميتانند باتري دشارژ شارژ بهينة حمل شدن الكتريكي جهت هزينه كاهش بهره مدل سه معرفي است. شده بررسي از برداري ريزي برنامه به ] ] ] بار نسانات كاهش شكني پيك بهمنظر ها اب 4] ] در پرداختهاند نقل بار منحني بر مدل سه اين تاثير EVها مجمعه احتمالاتي كامل مدل ابتدا مقاله اين در بار بهعنان EVها اساس بر شده اراي ه مدل است. شده اراي ه انرژي كنندة تليد كننده ذخيره شارژ شده كنترل شارژ نشده كنترل شارژ شامل برداري بهره استراتژي سه سازي مدل سازي شبيه منظر به است. شده استخراج هشمند دشارژ كرد عمل است. شده استفاده ترتيبي كارلي منت سازي شبيه از EVها هشمند دشارژ شارژ شده كنترل شارژ هاي استراتژي اجراي چنين هم فاخته سازي بهينه الگريتم شامل جديد تركيبي رش يك تسط ترتيبي كارلي منت سازي شبيه (COA) با نهايت در پذيرد. مي صرت (SMC) از برداري بهره استراتژي سه اثر شده اراي ه هاي مدل از استفاده گردد. مي ارزيابي تزيع شبكة بار مشخصه بر EVها. Cuckoo Optmzaton Algorthm Sequental Monte Carlo smulaton الكتريكي خدرهاي از برداري بهره استراتژي ي بهرهر براي بايد بيشتر از EVها خدر مجمعه صرت به مجتمع بهعهدة خدرها مجمعه از بهرهبرداري 5]. ] كرد بهرهبرداري F5 كننده است. ا ر جمع كننده مجتمع اصلي ظيفة برا خدرها دشارژ شارژ كنترل خدر صاحبان دي من رضايت بهبد ي ي كرد عمل خدرها منظر به قدرت سيستم شبكة بستر در كننده مجتمع يباشد. م ها EVها از بهگنهاي انرژي مديريت استراتژيهاي اعمال با ميتاند هشمند مزايا اين گردد. سدمندي سبب قدرت سيستم براي كه كند برداري بهره احدها مشاركت هزينة كاهش پيك تلفات كاهش لتاژ افت كاهش شامل نيرگاه احداث از جلگيري ] باشند مي بار پيك هاي نشده كنترل شارژ شامل خدرها از برداري بهره هاي استراتژي 6]. كنترل شارژ (UCM ) F7 شده هشمند دشارژ شارژ (CCM) UCM در د. ميباش (SCDM) اين در مينمايند. خد باتري شارژ به اقدام شبكه به اتصال بهمحض EVها باتري شارژ بر كنترلي هيچ استراتژي در ندارد. جد EVها مجتمع CCM در ا نها باتري شارژ بر سعي EVها باتري شارژ نرخ زمان كنترل با كننده در دارد. باري كم ساعات دشارژ شارژ نرخ زمان كننده مجتمع SCDM باتري استراتژي اين در كند. مي كنترل را خدرها باتري زمان در EVها براي كه ميزاني تا خدرها باتري بار پيك در گردد مي شارژ باري كم سبب استراتژي اين شند. مي دشارژ نگردد ايجاد خللي خدرها سفر ادامة در اين بر علاه شد. مي سيستم بار مشخصه افزايي دره سايي پيك CCM در خدرها باتري شارژ دليل به خدر صاحبان مندي رضايت SCDM گردد. مي حاصل برق قيمت بدن پايين باري كم ساعات تزيع شبكة بار مشخصه.اصلاح دشارژ شارژ قابليت از استفاده با تزيع شبكة بار مشخصه اصلاح ضمن دارد. بهينه دقيق ريزي برنامه به نياز الكتريكي خدرهاي باتري كه اين تصادفي يت ماه ضعيت (SOC ) F9 شارژ باتري الگ EVها ي ا نها برنامهريزي در پيچيدگي قطعيت عدم سبب ها ا ن صاحبان رانندگي گردد مي خدرهاي دشارژ شارژ ريزي برنامه براي بنابراين [7]. به را مساله احتمالاتي خاص كه سازي بهينه الگريتم يك از بايد الكتريكي Aggregator 4 Uncontrolled Chargng Mode 5 Controlled Chargng Mode 6 Smart Charge/Dscharge Mode 7 State Of Charge

3 D برنامه ريزي هشمند مدل سازي احتمالاتي خدرهاي الكتريكي به منظر اصلاح مشخصه بار شبكة تزيع رسميت بشناسد استفاده گردد. از اين ر در اين مقاله از يك رش تركيبي شامل بهينه سازي فاخته شبيه سازي منت كارلي ترتيبي جهت بهينه سازي پارامترهاي شارژ دشارژ باتري خدرها طي ساعات شبانه رز استفاده گرديده است. پس از تعيين پارامترهاي بهينة شارژ دشارژ شبيه سازي منت كارل با پارامترهاي مذكر براي يك درة طلاني صرت مي پذيرد تا مدل بار تليد مجمعه خدرهاي الكتريكي استخراج گردد. بدين ترتيب برنامه ريزي مدل سازي احتمالاتي خدرهاي الكتريكي به منظر اصلاح مشخصه بار مانند ا ن چه در شكل مي پ ذي رد. نمايش داده شده است صرت بيست نهمين كنفرانس بينالمللي برق 9 تهران ايران.. متغيرهاي احتمالاتي خدرهاي الكتريكي معملا براي جابجايي درن شهري مرد استفاده قرار ميگيرند ] 7]. از اينر در اين مقاله فرض ميشد مشتركين شبكة تزيع از خدرهاي خد براي رفت برگشت به محل كار خانه استفاده مي نمايند. بنابراين مجمعه خدرهاي مرد مطالعه به جز زمان هاي سفر در پاركينگ هاي اداري مسكني مستقر خاهند بد. همچنين متغيرهاي احتمالاتي مربط به شبيه سازي رفتار خدرهاي الكتريكي شامل ظرف يت باتري خدر زمان خرج خدر از خانه مسافت طي شده تسط خدر مدت زمان سفر رفت به محل كار مدت زمان سفر برگشت به خانه مدت زمان پارك خدر در پاركنيگ اداري از تابع تز يع نرمال محدد شده در بازة دلخاه ب ه دس ت مي ا ين د [7]. ( ) ميباشد. متغي رهاي تصادفي بيان شده جهت محدد كردن تلدي متغ ري تصادفي hmp { : T T + T + T T : 4} AVT = + ofp ftp ofp rtp { T + T T + T T } AVT = : + ftp ftp ofp ( ) زمان اتصال خدرها به شبكه در پاركينگ مسكني اداري به ترتيب از () () ب ه دس ت مي ا ي د. در () () از خانه TRR TRftpR مدت زمان سفر سفر بازگشت خدري در پارك نيگ اداري ميباشد. خدري ا م به محل كار ا م به خانه زمان خرج خدري TRrtpR TRofpR ا م مدت زمان مدت زمان پارك خدر ي ا م SOC D = D nt max 00% ( ) با به دست ا مدن مسافت طي شدة هر خدر حاصل ميگردد [8]. در ) ) DRmaxR حداكثر مسافتي است كه خدر مي DRmaxR 8 كيلمتر در نظر گرفته شده است [8]. SOC ال ية ا ن مطابق () مسافت طي شده تسط خدري ا م تاند سفر كند. مقدار پارامتر ( SOC ± Δ ( Ch or Dch )) % SOCt = t- t rate rate 00 (4) Ch rate or Dch rate = ( T or T ) Ch Dch (5) شكل : مراحل برنامهريزي مدلسازي احتمالاتي خدرهاي الكتريكي ميزان شارژ باتري خدري الكتريكي در هنگام شارژ دشارژ در پاركينگ از ) 4) بهدس ت مي ا ي د. در ) 4) ) 5) گام زماني Δ t ChRrateR TRDchR TRChR نرخ شارژ دشارژ باتري خدر پارامترهاي DchRrateR

4 K تزيع شبكة بار مشخصه اصلاح منظر به الكتريكي خدرهاي احتمالاتي سازي مدل هشمند ريزي برنامه خدر باتري كامل دشارژ كامل شارژ براي لازم زمان مدت ترتيب به د. باشن مي ايران تهران 9 برق بينالمللي كنفرانس نهمين بيست از خدرها باتري دشارژ شارژ درصد ترتيب به كه XRopR% XRpR% گردد. مي تعيين هستند بار افزايي دره ساي ي پيك ( a C N ) + ( b C N ) + ( c MSE ) Cost = p h op L h ( 7) t agg Β E = K Ψ = t SOC t ( 6) هر در كننده مجتمع تسط خدرها باتري مصرفي يا تليدي انرژي ) از زمان از لحظه ام خدري بدن است. 6) ) در 7]. ] ا يد مي ت دس ه ب 6) خدري اتصال عدم يا اتصال ضعيت Ψ t شبكه به خدر اتصال معناي به Ψ t تصادفي متغيرهاي محدده باشد. مي شبكه به اتصال عدم [7]. است ا مده () () جدلهاي در ا ن ايرهاي مع تصادفي متغيرهاي محدده : جدل تصادفي متغيرهاي پايين حد بالا حد باتري ظرفيت شبكه به ام معناي به ا ن بدن 0 انحراف ين ميگ ان TRR, TRftpR, TRrtpR, ساعت 0 ساعت 4 TRofp D كيلمتر 0 كيلمتر 8 k كيلاتساعت 5 كيلاتساعت 0 تصادفي متغيرهاي معيار انحراف ميانگين : جدل ( µ ) ميانگين (σ) معيار انحراف تصادفي متغيرهاي صبح 7:5 دقيقه 0 TR 0 ساعت 9 TRofp دقيقه دقيقه 50 TRftpR, دقيقه 0 دقيقه 5 TRrtp D كيلمتر 5 كيلمتر 5 k كيلاتساعت 5 كيلاتساعت 5 دشارژ شارژ برنامهريزي بهينهسازي.. با بايد كننده مجتمع خدرها مجمعه از بهينه برداري بهره منظر به شارژ هشمند ريزي برنامه به هشمند شبكه ا نلاين ارتباط قابليت از استفاده شارژ ريزي برنامه مسالة مجهل پارامترهاي بپردازد. خدرها باتري دشارژ دارند. بستگي نظر مرد برداري بهره استراتژي به خدرها باتري دشارژ شدن صل بهمحض خدرها UCM در شد بيان بخش در كه همانطر براي حاليكه در نمايند مي شارژ به اقدام شبكه به لازم SCDM CCM تعيين خدرها باتري دشارژ شارژ ريزي برنامه جهت مجاز هاي زمان است تضمين اش رزانه سفر براي خدر نياز مرد SOC بايد كه اين ضمن گردد. بر نيز خدرها باتري دشارژ شارژ نرخ چن عاملي اين بر علاه گردد. پارامترهاي ترتيب بدين است. گذار تاثير سيستم بار مشخصه تصحيح مجاز ساعات است. دشار شارژ مجاز ساعات نرخ شامل سازي بهينه بيان چه ا ن طبق تزيع شبكة بار مشخصة اصلاح منظر به مقاله اين در كردن مسطح افزايي دره سايي پيك منظر به جديدي هزينة تابع شد ضرايب c b a (7) در است. ا مده 7) ) در كه است شده اراي ه بار منحني پارامترهاي ا يند. مي دست به تجربي صرت به كه هستند هزينه تابع تعديل تجاز بار XRpR% از بار كه دقايقي مجمع NRhR بار كمينه CRopR بار پيك CRpR باشد كرده از بار كه دقايقي مجمع NRLR باشد كمتر بار XRopR% MSERhR كه است ذكر شايان باشد. مي بار پيك بار XRpR% بين خطا مربعات مجمع ضرايب CCM در صفر برابر دشارژ حالت نگرفتن نظر در بهدليل b a باتري دشارژ شارژ نرخ شارژ سطح شامل سازي بهينه قيد است. است. ا مده (0) تا (8) در ترتيب به كه باشد مي S S S.t. SOCmn SOC mn max. t. Chrate Chrate Chrate mn max. t. Dchrate Dchrate Dchrate SOCRmnR (8 ) در ( 8) ( 9) ( 0) باتري كه است اي اندازه به اداري پاركينگ براي پارامتر اين باشد. داشته را خانه به بازگشت سفر جهت كافي SOC خدر محدد باتري دشارژ عمق با شب نيمه از قبل تا مسكني پاركينگ براي در شد. تضمين خدر رزانة سفر كه است ميزاني به ا ن از پس گردد مي mn Dch rate mn Ch rate (0) (9) دشارژ شارژ نرخ كمينه max Ch rate max DCh rate نرخ به مربط قيدهاي باشند. مي دشارژ شارژ نرخ حداكثر نظر در سازي شبيه ردي پارامترهاي عنان به تان مي را دشارژ شارژ به مربط قيد درحاليكه گرفت نگردد. رعايت است ممكن سازي بهينه پارامترهاي SOC ( ) احتمالات به بسته خدرها SOC Mn Ftness = Cost + nf ضريب ) ) در ميگردد. تعيين ) ) مطابق برازندگي تابع بنابراين ميباشد. قيد از خدرها SOC تخطي nfrsocr جريمه 4

5 F F0 برنامه ريزي هشمند مدل سازي احتمالاتي خدرهاي الكتريكي به منظر اصلاح مشخصه بار شبكة تزيع.. الگريتم بهينهسازي فاخته بيست نهمين كنفرانس بينالمللي برق 9 تهران ايران.4. شبيهسازي منتكارلي ترتيبي الگر تيم بهينهسازي فاخته يك رش تكاملي جد دي بده كه از زندگي پ رن ده اي مسم به فاخته الهام گرفته است. فاخته ها در محل زندگي داراي محددة مشخصي براي تخم گذاري هستند. اين پرنده ها در لانة تعدادي از پرندگان ميزبان شرع به تخم گذاري كرده تعدادي از ا ين تخ م ها ك ه شباهت ب يشتري ب ه تخ م هاي پرندة مي زبان دارند شانس ب يشتري براي رشد بالغ شدن خاهند داشت. سا قتي ججة فاختهها بالغ شدند كه در ا ن جا شانس ري تخمها تسط پرند ة مي زبان از ب ين ميرند. بيشتر زنده ماندن تخم ها براي تخم گذاري ب ه مح ل هاي سكنت بهتر جد دارد مهاجرت م يكنند. منت كارلي ترتيبي براي شبيه سازي سيستم هاي داراي متغيرهاي تصادفي زياد استفاده مي گردد. اين رش با بهرسميت شناختن اين حقيقت كه حالت سيستم در يك بازة زماني با بازة بعد قبل خد هم بستگي دارد بازه هاي اصلي را با رعايت ترتيب زماني شبيه سازي مي كند ] رش كه با تكرار فراان شبيه 0]. در اين سازي انجام مي گيرد مدل خرجي پارامتر مرد نظر در اقع ميانگين مقادير ا ن طي درة شبيه سازي است. معيار تقف شبيه سازي تعداد تكرار معين يا بر ا رده شدن ضريب پراكندگي (CV) پارامتر مرد نظر است. در اين مقاله ارزيابي تابع برازندگي با استفاده پس از تشكيل گ ره ها ي فاخته در مناطق مختلف گره دارا ي بهتر ين از مدل بار تليد مرد انتظار حاصل از شبيه سازي منت كارل صرت مقعيت بهعنان نقط ة هدف برا ي سا ري فاختهها جهت مهاجرت انتخاب ميشد فاختههاي بالغ در اين مكان مجددا تخمگذاري ميكنند [9]. در الگريتم فاخته هر پرنده بهمنزلة يك پاسخ تخم هر پرنده بهمنزلة يك ب عد پاسخ ميباشد كه با تخمگذاري پرندگان جمعيت اليه براي ب هين ه سا زي شك ل مي گي رد. پرندگان داراي شعاع تخم گذاري (ELR ) مشخص بده بايد در اين محدده تخمگذاري كنند. پس از تخمگذاري پرندگان تخمهايي كه شباهت بيشتري به تخمهاي پرندة فاخته دارند رشد يافته تبديل به ججه ميگردند مابقي تخمها از بين ميرند. پس از بالغ شدن ججهها فاختههاي جديد بهدستههاي مختلف تقسيم شده بهترين مكان براي تخمگذاري مجدد پرندگان انتخاب پرندگان به ا ن مقعيت مهاجرت ميكنند. اين فرا يند تا جايي ادامه پيدا ميكند كه شرط تقف برا رده شد. در ] 9] شبهكد اين الگريتم مانند ا نچه در شكل مشاهده ميش د ا م ده اس ت. مي پ ذي رد. معيار هم گرايي در اين حالت تعداد تكرار محدد است. درحاليكه براي مدل سازي مشخصه بار تليد مجمعه خدرها معيار هم گرايي CV كمتر از 4 درصد است تا مدل خرجي از دقت بالايي برخردار باشد. CV = day σ ( x) smc µ ( x) ( ) رابطة () نحة محاسبة ضريب پراكندگي را بيان مي دارد. در ) شاخص انتخابي جهت تعيين هم گرايي مدل ميانگين شاخص x هستند. 4.نتايج شبيه سازي x (7 σ µ انحراف معيار نتايج اراي ه شده مبتني بر سه بخش اصلي است: برنامه ريزي بهينة شارژ دشارژ استخراج مدل بار تليد مجمعه خدرها اصلاح مشخصه بار سيستم. بار سيستم مطابق با الگي بار رز كاري زمستان IEEE-RTS پيك بار 80.9 كيلات ميباشد. 4.. برنامهريزي بهينة شارژ دشارژ فرض شده است 0 خدري الكتريكي در محددة شبكة تزيع مرد مطالعه حضر داشته باشند. صاحبان خدرها صبح از پاركينگ مسكني به سمت محل كار رفته خدر را در پاركينگ اداري پارك مي كنند هم چنين شكل : شبه كد الگريتم بهينهسازي فاخته [9] پس از اتمام كار اداري از محل كار به خانه برگشته خدر را در پاركينگ مسكني پارك مي كنند. بهينه سازي برنامه ريزي شارژ دشارژ باتري EVها Coeffcent of varaton Egg Layng Radus 5

6 با هدف جابه جايي بار F برنامه ريزي هشمند مدل سازي احتمالاتي خدرهاي الكتريكي به منظر اصلاح مشخصه بار شبكة تزيع صرت پذيرفته است. بر اين اساس انرژي درخاستي از پيك به درة بار منتقل مي گردد. جدل براي SCDM CCM را نشان مي دهد. جدل : پارامترهاي بهينهشده براي SCDM CCM بيست نهمين كنفرانس بينالمللي برق 9 تهران ايران پارامترهاي بهينه شده پارامترهاي بهينه شده مدل بهرهبرداري SCDM CCM XRpR% 9.0 % 00 % XRopR% 70. % 70. % SOCRmn درصد در ساعت 7 درصد در ساعت نرخ شارژ پاركينگ مسكني درصد در ساعت درصد در ساعت نرخ شارژ پاركينگ اداري -- 0 درصد در ساعت نرخ دشارژ پاركينگ مسكني -- 4 درصد در ساعت نرخ دشارژ پاركينگ اداري در اين جدل SOCRmnR مربط به پاركينگ اداري پاركينگ مسكني پس از نيمه شب مي باشد. براي قبل از نيمه شب با فرض عمق دشارژ 0.8 براي باتري خدرها مقدار SOCRmnR پاركينگ مسكني برابر 0. مي باش د. شك ل تعداد خدرهاي حاضر در پاركينگهاي اداري مسكني را براي SCDM نشان مي دهد. با تجه به شكل در بدترين حالت حداقل 70 درصد خدرها قابليت اتصال به شبكه را دارند. اين امر نشان دهندة ظرفيت بالاي خدرهاي الكتريكي براي اراي ة سريس هاي كمكي به سيستم است. Number of avalable EVs n the EVs Resdental EV Offcal EV Tme (mn) شكل : تعداد خدرهاي حاضر در پاركينگ اداري مسكني 4.. استخراج مدل بار تليد پس از تعيين پارامترهاي بهينة برنامه ريزي شارژ دشارژ لازم است مدل بار تليد مجمعه خدرها استخراج گردد. بر اساس اين مدل مي تان مطالعات گناگن مربط به اثرات حضر خدرهاي الكتريكي بر سيستم قدرت از جمله اصلاح مشخصه بار سيستم را انجام داد. شكل مدل بار تليد مرد انتظار پاركينگ هاي مسكني اداري را براي استراتژي هاي مختلف بهره برداري نشان مي دهد. يادا ري مي گردد در UCM كنترلي بر شارژ خدرها اعمال نمي گردد. همان طر كه در شكل Load shftng مشاهده مي گردد باتري خدرها گاها در پيك بار شارژ مي گردند. در CCM باتري خدرها در كم باري شارژ مي گردند. در SCDM از قابليت دشارژ خدرها استفاده شده در زمان هايي كه بار سيستم بيشتر از XRpR% (56.9 كيلات) باشد باتري خدرها با استفاده از شبكة هشمند شرع به دشارژ با نرخ بهينه مي گردد. در زمان هايي كه بار سيستم كمتر از (66. كيات) باشد باتري خدرها شرع به شارژ با نرخ بهينه مي كنند. شكل XRopR% 4 تغييرات شبيه سازي را نشان مي دهد. خدرها از SOC خدرها براي SCDM در يك رز با تجه به اين شكل مشخص مي گردد SOCRmnR مجاز تخطي نكرده است. بنابراين خدرها ضمن اراي ة سريس هاي كمكي به سيستم سفر رزانة خد را بدن هيچ خللي انجام داده اند. SOC Expected power flow (kw) Offcal EV, SCDM Resdental EV, SCDM Offcal EV, CCM Resdental EV, CCM Offcal EV, UCM Resdental EV, UCM Tme (mn) شكل : مدل بار تليد مرد انتظار پاركينگهاي اداري مسكني SOC (%) Tme (mn) شكل 4: تغييرات SOC خدرها براي SCDM در يك رز شبيهسازي 4.. اصلاح مشخصه بار سيستم از برا يند بار سيستم مدل بار تليد مرد انتظار حاصل از منت كارلي ترتيبي مشخصه بار سيستم اصلاح مي گردد. UCM باعث پيك افزايي بار در سيستم تزيع خدرها سبب دره افزايي منحني بار گرديده است. در شكل 5 مشاهده مي گردد كه CCM با كنترل شارژ باتري SCDM با كنترل ا نلاين شارژ دشارژ خدرها سبب پيك سايي دره افزايي در منحني بار مي گردد. در اين حالت بار پيك از 80.9 كيلات به 588 كيلات كاهش يافته در دره بار از 4 كيلات به 66 كيلات افزايش يافته است. اين امر نشاندهندة مزاياي 6

7 برنامه ريزي هشمند مدل سازي احتمالاتي خدرهاي الكتريكي به منظر اصلاح مشخصه بار شبكة تزيع [4] K. Clement-Nyns, E. Haesen, and J. Dresen, The mpact of chargng plug-n hybrd electrc vehcles on a resdental dstrbuton grd, IEEE Trans. ower Syst., vol. 5, no., pp. 7 80, Feb. 00. [5] A. Hajmragha, C. A. Canzares, M. W. Fowler, and A. Elkamel, Optmal transton to plug-n hybrd electrc vehcles n Ontaro, Canada, consderng the electrcty-grd lmtatons, IEEE Trans. Ind. Electron., vol. 57, no., pp , Feb. 00. [6] S. Han, S. Han, and K. Sezak, Development of an optmal vehcle-togrd aggregator for frequency regulaton, IEEE Trans. Smart Grd, vol., no., pp. 65 7, Jun. 00. [7] A. Y. Saber, and G. K. Venayagamoorthy, lug-n vehcles and renewable energy sources for cost and emsson reductons, IEEE Trans. Ind. Electron., vol. 58, no. 4, pp. 9-8, Apr. 0. [8] A. S. Masoum, S. Delam,. S. Moses, M. A. S. Masoum, and A. Abu- Sada, Smart load management of plug-n electrc vehcles n dstrbuton and resdental networks wth chargng statons for peak shavng and loss mnmsaton consderng voltage regulaton, IET Gener. Transm. Dstrb., vol. 5, no. 8. pp , Aug. 0. [9] L Jan et al., Regulated Chargng of lug-n Hybrd Electrc Vehcles for Mnmzng Load Varance n Household Smart Mcrogrd, IEEE Trans. Ind. Electron., vol. 60, no. 8, pp. 8 6, Aug. 0. [0] W. Su, and M. Y. Chow, erformance evaluaton of A HEV parkng staton usng partcle swarm optmzaton, In roc. 0 IEEE power and energy soc. general meetng, San Dego, 0, pp. -6. [] Z. Darab, and M. Ferdows, Aggregated Impact of lug-n Hybrd Electrc Vehcles on Electrcty Demand rofle, IEEE Trans. Sustanable Energy, vol., no. 4, Oct. 0. [] M. Sngh,. Kumar, and I. Kar, A Mult Chargng Staton for Electrc Vehcles and Its Utlzaton for Load Management and the Grd Support, IEEE Trans. Smart Grd, vol. 4, no., pp , Jun. 0. [] K. Mets, T. Verschueren, F. De Turck, and C. Develder, Explotng VG to optmze resdental energy consumpton wth electrcal vehcle (ds)chargng, n roc. 0 IEEE st Int. Workshop Smart Grd Modelng and Smulaton, Brussels, 0, pp.7-. [4] S. Wang, N. Zhang, Z L, and M. Shahdehpour, Modelng and Impact Analyss of large scale VG Electrc Vehcles on the ower Grd, n roc. 0 IEEE Innovatve Smart Grd Technol. - Asa, Tanjn, 0, pp. -6. [5] C. Gulle and G. Gross, A conceptual framework for the vehcle-togrd( VG) mplementaton, Energy olcy, vol. 7, no., pp , Nov [6] R. Rchardson, D. Flynn, and A. Keane, Optmal Chargng of Electrc Vehcles n Low-Voltage Dstrbuton Systems, IEEE Trans. ower Syst., vol. 7, no., pp , Feb. 0. [7] M. M. H. Bok, M. Z. Jahrom, and M. Rashdnejad, A combnatoral artfcal ntellgence real-tme soluton to the unt commtment problem ncorporatng VG, Electr. Eng., pp. 5, Nov. 0. [8] M. L. D Slvestre, E. R. Sanseverno, G. Zzzo, and G. Gradt, An optmzaton approach for effcent management of EV parkng lots wth batteres rechargng facltes, J. Ambent Intell. Human. Comput., pp. 9, Feb. 0. [9] R. Rajaboun, Cuckoo optmzaton algorthm, Appl. Soft Comput., vol., no. 8, pp , Dec. 0. [0] R. Bllnton and W. L, Relablty Assessment of Electrcal ower Systems Usng Monte Carlo Methods, New York: lenum ress, 994. قابل تجه برنامه ريزي هشمند خدرهاي الكتريكي است. به بيان ديگر استراتژي هشمند شارژ دشارژ نه تنها چالش پيك افزايي ناشي از انرژي درخاستي خدرها را از بين برده است بلكه با انتقال بخش چشمگيري از انرژي پيك به دره مجب بهبد مشخصه بار سيستم گرديده است. بيست نهمين كنفرانس بينالمللي برق 9 تهران ايران Load (kw) SCDM CCM UCM Base Case Tme (mn) شكل 5: مشخصه بار سيستم براي استراتژيهاي مختلف شارژ دشارژ 5.نتيجه گيري در اين مقاله يك رش جديد تركيبي بر پاية بهينه سازي فاخته- منت كارلي ترتيبي با تابع برازندگي جديد براي برنامه ريزي شارژ دشارژ خدرهاي الكتريكي اراي ه شده است. سپس مشخصه بار سيستم تزيع بر اساس مدل بار تليد مرد انتظار حاصل از شبيه سازي منت كارلي ترتيبي اصلاح گرديده است. بهينه سازي فاخته-منت كارلي ترتيبي سفر رزانة خدرها با بيشترين مزايا براي سيستم تزيع را تضمين مي كند. بر اين اساس چالش ناشي از انرژي درخاستي خدرهاي الكتريكي به فرصت تبديل مي گردد. بر خلاف UCM استراتژي هاي CCM SCDM پيك بار سيستم را افزايش ندادند بلكه SCDM با انتقال انرژي از پيك به درة بار مجب پيك ساي ي گرديد. علاه بر ا ن با استفاده از ديدگاه اراي ه شده در اين مقاله مي تان با استخراج مدل بار تليد مرد انتظار مجمعه خدرهاي الكتريكي براي استراتژي هاي مختلف بهره برداري به ارزيابي اثرات حضر اين خدرها در اناع مطالعات سيستم هاي قدرت پرداخت. منابع [] S. Labatt and R. R. Whte, Carbon Fnance: The Fnancal Implcatons of Clmate Change. Hoboken: John Wley & Sons, 007. [] W. Su, H. Ech, W. Zeng, and M.-Y. Chow, A survey on the electrfcaton of transportaton n a smart grd envronment, IEEE Trans. Ind. Informat., vol. 8, no., pp. 0, Feb. 0. [] J. J. Q. Yu, V. O. K. L, and A. Y. S. Lam, Optmal VG Schedulng of Electrc Vehcles and Unt Commtment usng Chemcal Reacton Optmzaton, n roc. 0 IEEE Congr. Evol. Comput., Cancun, 0, pp