ترجمه مقاله الگوریتم های NLMS با اندازه متغیر و پروجکشن آفین – نشریه IEEE
مبلغ : 27800 تومان
سال انتشار : 2004
ترجمه مقاله برنامه ریزی برای خودروهای الکتریکی با در نظر گرفتن بهینه سازی همزمان نسبت به اهداف مشتری و سیستم – نشریه IEEE
قیمت خرید این کالا
39,800 تومان
| عنوان فارسی: | برنامه ریزی برای خودروهای الکتریکی با در نظر گرفتن بهینه سازی همزمان نسبت به اهداف مشتری و سیستم |
| عنوان انگلیسی: | Electric Vehicle Scheduling Considering Co-optimized Customer and System Objectives |
| تعداد صفحات مقاله انگلیسی : 10 | تعداد صفحات ترجمه فارسی : 30 (1 صفحه رفرنس انگلیسی) |
| سال انتشار : 2017 | نشریه : آی تریپل ای - IEEE |
| فرمت مقاله انگلیسی : PDF | فرمت ترجمه مقاله : ورد تایپ شده و pdf |
| نوع مقاله : ISI | پایگاه : اسکوپوس |
| نوع ارائه مقاله : ژورنال | ایمپکت فاکتور(IF) مجله : 9.806 در سال 2018 |
| شاخص H_index مجله : 85 در سال 2019 | شاخص SJR مجله : 3.095 در سال 2018 |
| شاخص Q یا Quartile (چارک) : Q1 در سال 2018 | شناسه ISSN مجله : 1949-3029 |
| کد محصول : 10192 | وضعیت ترجمه : ترجمه شده و آماده دانلود |
| محتوای فایل : zip | حجم فایل : 2.61Mb |
| رشته و گرایش های مرتبط با این مقاله: مهندسی برق، سیستم های قدرت، الکترونیک قدرت و ماشینهای الکتریکی، مهندسی الکترونیک |
| مجله: نتایج به دست آمده در مورد انرژی پایدار - Transactions on Sustainable Energy |
| دانشگاه: گروه مهندسی برق و رایانه ، دانشگاه علم و فناوری میسوری ، ایالات متحده آمریکا |
| کلمات کلیدی: AUGMECON، استهلاک باتری، خودروهای برقی، بهینه‌سازی با چند هدف، V2G |
| کلمات کلیدی انگلیسی: AUGMECON - battery degradation - electric vehicles - multi-objective optimization - V2G |
| وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است ✓ |
| وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه شده است ✓ |
| وضعیت ترجمه منابع داخل متن: به صورت عدد درج شده است ✓ |
| وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است |
| بیس: نیست ☓ |
| مدل مفهومی: ندارد ☓ |
| پرسشنامه: ندارد ☓ |
| متغیر: دارد ✓ |
| رفرنس: دارای رفرنس در داخل متن و انتهای مقاله |
| رفرنس در ترجمه: در داخل متن و انتهای مقاله درج شده است |
| doi یا شناسه دیجیتال: https://doi.org/10.1109/TSTE.2017.2737146 |
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب
چکیده
مقدمه
الف. مدلسازی تابع هدف
ب. قیود خودرو و سیستم
ج. روند بهینه‌سازی چندگانه
نتایج شبیه‌سازی و مشاهدات
الف. تعریف حالت‌ها:
ب. بهینه‌سازی با دو هدف
ج. بهینه‌سازی سه‌گانه
نتیجه‌گیری
منابع
نمونه متن انگلیسی
Abstract
Efficient electric vehicle (EV) scheduling is a multi-objective optimization problem with conflicting customer and system operator interests, especially during vehicle-to-grid implementations. Economic charging while minimizing battery degradation and maintaining system load profiles couple the interests of these two entities. This paper focuses on identifying the relationships between these objectives and proposes to use an augmented epsilon-constrain (AUGMECON) based technique to implement two-way and three-way multi-objective optimizations. The importance of using these objectives in peak-shaving and valley-filling for an aggregated (residential) EV fleet is discussed. The proposed solution provides a look-ahead strategy into effective EV scheduling by co-optimizing multiple objectives. To provide operational guidance to utilities and customers, an optimal solution may be selected from those represented by the Pareto fronts.
نمونه متن ترجمه
چکیده
برنامه‌ریزی کارآمد برای خودروهای الکتریکی یک مسئله بهینه‌سازی با چند هدف است که منافع متناقض مشتری و اپراتور سیستم را شامل می‌شود. مخصوصا در پیاده‌سازی‌های خودرو به شبکه. شارژ مقرون به صرفه و همزمان با آن کمینه کردن استهلاک باتری و نیز برقرار داشتن پروفایل بار سیستم عواملی اند که این دو گروه منافع متناقض را به هم مرتبط می‌سازند. در این مقاله با تمرکز روی شناسایی رابطه بین این اهداف، تکنیکی مبتنی بر تحمیل اپسیلون بهبود یافته (AUGMECON) برای انجام بهینه‌سازی‌های دوگانه و سه‌گانه پیشنهاد می‌شود. همچنین اهمیت استفاده از این اهداف در اصلاح قله‌ها و پرکردن دره‌ها در مورد یک مجموعه خودروی برقی محلی مورد بحث قرار گرفته‌است. روش پیشنهاد شده یک نوع استراتژی با رویکرد نگاه به جلو برای برنامه‌ریزی مؤثر برای خودروهای برقی با بهینه‌سازی همزمان نسبت به چند هدف ارائه می‌دهد. به منظور ارائه اصول عملی به مشتریان می‌توان از یک راه‌حل بهینه از بین روش‌های پیشنهاد شده در جبهه‌های Pareto استفاده کرد.
