ارائه روشی جدید به منظور بهینه‌سازی مدیریت شارژ و دشارژ Phev ها با هدف بهبود پارامترهای الکتریکی شبکه

مشکلات مربوط به هزینه و آلایندگی سوخت های فسیلی موجب افزایش انگیزه در بهره برداری از خودروهای الکتریکی شده است. با این وجود، استفاده از این خودروها بدلیل بار الکتریکی مضاعفی که به شبکه برق تحمیل می کنند، با چالش همراه است. براین اساس در این مقاله روشی ارائه شده است که با مدیریت بهینه شارژ و دشارژ خودروهای الکتریکی هیبریدی (phev)، پارامترهای الکتریکی شبکه شامل تلفات و پروفیل ولتاژ بهبود یابند. مدیریت بهینه مدنظر مقاله حاضر، مدیریت همزمان توان اکتیو و راکتیو phevها را شامل می شود. بمنظور اجرای مدیریت بهینه، در این مقاله رفتار احتمالی مصرف کنندگان و phevها براساس فاکتورهای تاثیرگذار در آن ها مدلسازی شده است. با توجه به تعدد فاکتورهای مدنظر و عدم همگرایی مسئله توسط روش های عادی بهینه سازی، روش بهینه سازی دو مرحله ای پیشنهاد داده شده است که با مدیریت توان اکتیو و راکتیو phevها، امکان دستیابی به اهداف مدنظر را فراهم می کند. از مزیت های روش پیشنهادی می توان به کاهش حجم محاسبات با توجه به حل مساله در هر پله زمانی به صورت مستقل و در نتیجه کاهش زمان حل مساله بهینه سازی اشاره کرد. روش پیشنهادی با انجام تکرارهای مونت کارلو بر روی شش سناریوی مدیریت توان مختلف توسط نرم افزارهای gams و digsilent بر روی شبکه واقعی kv20 توزیع سیرجان در استان کرمان پیاده سازی شده است. نتایج حاصل از انجام سناریوهای مختلف نشان می دهند که مدیریت اعمالی بر شارژ و دشارژ phevها موجب صاف تر شدن پروفیل ولتاژ و کاهش تلفات شبکه گردیده است. بنابراین با استفاده از روش پیشنهادی، بار الکتریکی مضاعف تحمیل شده به شبکه توسط خودروهای برقی نه تنها باعث افزایش تلفات انرژی نخواهد شد، بلکه با مدیریت صحیح phevها، تلفات شبکه در مقایسه با عدم حضور آن ها کاهش خواهد یافت.

Presenting a new method for charging and discharging PHEVs for improving in electrical parameters of the network

Problems with the cost and pollution of fossil fuels have increased the incentive to operate on electric vehicles. However, the use of these vehicles is a challenge due to the additional loads which imposed on the power grid. Accordingly, a method has been proposed to improve the electrical parameters of the network including losses and voltage profiles by optimally managing the charge and discharge of plug in hybrid electric vehicles (PHEVs). The optimal management of the present paper involves the simultaneous management of active and reactive power of PHEVs. In order to implement the optimal management, in this paper, the probabilistic behavior of consumers and PHEVs are modeled on the factors affecting them. Regarding the multiplicity of factors considered and the nonconvergence of the problem by conventional methods of optimization, a twostage optimization method is proposed which provides the ability to achieve the desired goals by managing active and reactive power of PHEVs. The advantages of the proposed method can be to reduce the computational volume with respect to problem solving in each step of the time independently and thus reduce the optimization problem solving time. The proposed method is implemented by performing Monte Carlo repetitions on six power management scenarios implemented by GAMS and DIgSILENT software on real network of 20 kV distribution of Sirjan in Kerman province. The results of various scenarios show that the management of charge and discharge of PHEVs has smooth the voltage profile and reduced network losses. Therefore, using the proposed method, the additional loads imposed by the electric vehicle on the grid will not only increase the energy losses, but, with the proper management of the PHEVs, the network losses will be reduced compared to the absence of them.