ارائه یک مدل خطی دو مرحله‌ای جهت ارزیابی تاثیر تقاضای شارژ خودروهای برقی در ایستگاه‌های شارژ سریع بر تاب‌آوری شبکه توزیع فعال

تقاضای شارژ خودروهای برقی در ایستگاه‌های شارژ سریع می‌تواند تاثیر قابل‌توجهی بر مسئله بازآرایی و جزیره‌سازی شبکه توزیع داشته باشد. لذا در این مقاله، مسئله جزیره‌سازی دینامیکی و بازآرایی شبکه توزیع با در نظر گرفتن تاثیر متقابل شبکه‌های الکتریکی و حمل و نقل در قالب یک مدل دومرحله‌ای ارائه شده است. در مرحله اول، با در نظر گرفتن تمایل رانندگان خودروهای برقی به شارژ در ایستگاه‌های شارژ سریع نزدیک‌تر، مدلی خطی برای تعیین تقاضای شارژ ایستگاه‌های موجود پیشنهاد شده است. در مرحله دوم، یک مدل خطی آمیخته با عدد صحیح مبتنی بر سناریو با هدف حداکثرکردن شاخص تاب‌آوری شبکه توزیع مجهز به منابع تولید پراکنده با بهره‌گیری از طرح‌های جزیره‌سازی دینامیکی و بازآرایی پیشنهاد شده است. شاخص تاب‌آوری شامل دو هدف حداکثر‌کردن بازیابی بارهای شبکه و حداکثرکردن تامین انرژی ایستگاه‌های شارژ سریع است. مدل پیشنهادی با اعمال چندین خطای هم‌زمان روی شبکه 118 شینه و حضور خودروهای برقی در شبکه ترافیکی 25 گره‌ای در نرم‌افزار gams، پیاده‌سازی شده است. نتایج شبیه‌سازی، کارایی مدل پیشنهادی را در ارزیابی تاب‌آوری شبکه توزیع فعال در حضور خودروهای برقی نشان می‌دهد.

proposing a linear two-step model for evaluating the impact of electric vehicles charging demand on fast charging stations on resiliency of active distribution network

Charging demand of electric vehicles in fast charging stations can have a significant impact on the process of distribution network reconfiguration and islanding. In this paper, the problem of dynamic islanding and reconfiguration of distribution network taking into account the interaction between the electrical and traffic networks is presented in the form of a twostage model. In the first step, considering the tendency of electric vehicle to charge at nearby fast charging stations, a linear model has been proposed to determine the charging demand of the stations in the traffic network. In the second step, a scenariobased mixed integer linear model is proposed with the aim of maximizing the resiliency index of the distribution network equipped with dispersed production resources using dynamic islanding and reconfiguration plans. The resiliency index consists of two objectives, including maximizing network load recovery and maximizing the power supply of fast charging stations. In order to provide a realistic model, the uncertainty in predicting the productive capacity of renewable wind resources has been considered. The proposed model has been implemented on the 118 bus network by applying several simultaneous faults and the presence of electric vehicles in the 25node traffic network in the GAMS software. The simulation results illustrate the effectiveness of the proposed model in evaluating the resiliency of the active distribution network in the presence of electric vehicles.