ترجمه مقاله نقش ضروری ارتباطات 6G با چشم انداز صنعت 4.0
- مبلغ: ۸۶,۰۰۰ تومان
ترجمه مقاله پایداری توسعه شهری، تعدیل ساختار صنعتی و کارایی کاربری زمین
- مبلغ: ۹۱,۰۰۰ تومان
In this paper, a real-time energy management algorithm (RTEMA) for a grid-connected charging park in an industrial/commercial workplace is developed. The charging park under study involves plug-in hybrid electric vehicles (PHEVs) with different sizes and battery ratings as well as a photovoltaic (PV) system. Statistical and forecasting models were developed as components in the developed RTEMA to model the various uncertainties involved such as the PV power, the PHEVs, arrival time, and the energy available in their batteries upon their arrival. The developed energy management algorithm aims at reducing the overall daily cost of charging the PHEVs, mitigating the impact of the charging park on the main grid, and contributing to shaving the peak of the load curve. Hence, the benefits of implementing this RTEMA is shared among the customers, the charging park considering all customers as a bulk of power connected to the grid, and the ac grid. This makes it applicable for various business models. The developed RTEMA utilizes a fuzzy controller to manage the random energy available in the PHEVs’ batteries arriving at the charging park and their charging/discharging times, power sharing among individual PHEVs that is commonly known as vehicle-to-vehicle functionality, and vehicle-to-grid service between the charging park and the main ac grid. The developed RTEMA was simulated using the standard IEEE 69-bus system at different penetration and distribution levels. The obtained results verify the effectiveness and validity of the developed RTEMA.
در این مقاله، یک الگوریتم مدیریت انرژی آنی(RTEMA) برای یک پارکینگ شارژ متصل به شبکه در یک محیط تجاری/صنعتی توسعه داده شده است. پارکینگ شارژ مورد مطالعه شامل خودروهای الکتریکی متصل به شبکه (PHEV) ای با ابعاد و نسبت باتری مختلف و همچنین سیستم فتوولتائیک است. مدلهای آماری و پیش بین به عنوان مؤلفه های توسعه بافته RTEMA جهت مدلسازی عدم قطعیت های متنوعی از جمله توان PV، PHEVها، زمان ورودی، و انرژی در دسترس در باتری آنها در زمان ورودی، توسعه داده شده اند. هدف از الگوریتم مدیریت انرژی توسعه داده شده، کاهش هزینه های روزانه شارژ PHEVها، کاهش تأثیر پارکینگ شارژ بر روی شبکه و کمک به شکل دادن به پیک منحنی بار است. در نتیجه، مزایای پیاده سازی این RTEMA در میان مشتریان به اشتراک گذاشته شده و پارکینگ شارژ تمامی مشتریان را به عنوان بدنه اصلی شبکه توان و شبکه ac در نظر می گیرد. این ایده سبب کاربردی بودن مدلهای تجاری می شود. RTMA توسعه یافته از یک کنترل کننده فازی جهت مدیریت انرژی تصادفی ای که در باتری های PHEV در زمان ورودی به پارکینگ وجود دارد و زمان شارژ یا تخلیه آن استفاده می کند. توان به اشتراک گذاشته شده در میان PHEVها به صورت عملگرهای خودرو به خودرو، و سرویس خودرو به شبکه بین پارکینگ شارژ و شبکه اصلی ac شناخته می شوند.RTEMA توسعه بافته با استفاده از استاندارد باس سیستم IEEE-69 در سطوح و توزیع های مختلف شبیه سازی شده است. نتایج به دست آمده، موثر بودن و اعتبار RTEMA توسعه یافته را تأیید می کند.