robust stochastic blockchain model for peer-to-peer energy trading among charging stations of electric vehicles

Fossil-fueled vehicles are being replaced by electric vehicles (evs) around the world due to environmental pollution and high fossil fuel price. on the one hand, the electrical grid is faced with some challenges when too many evs are improperly integrated. on the other hand, using a massive unexploited capability of the batteries in too many evs makes these challenges opportunities. this unused capacity can be employed for the grid ancillary services and trading peer-to-peer (p2p) energy. however, the preference of ev users is one of the most important factors, which has to be considered within the scheduling process of evs. therefore, this paper proposes a stochastic model for ev bidirectional smart charging taking into account the preferences of ev users, p2p energy trading, and providing ancillary services of the grid. considering the likings of ev users makes the proposed scheduling model adaptive against changing operating conditions. the presented model is formulated as an optimization problem aiming at optimal managing soc of ev battery and electrical energy placement of several facilities considering the provision of ancillary services and contributing to p2p transactions. to evaluate the proposed model, real-world data collected from tehran city are used as input data for simulation. numerical results demonstrate the ability of the presented model. simulation results display that considering the preferences of ev users in the proposed model can enhance the total income provided by the ev energy-planning model such that it could balance the charging cost. moreover, this advanced user-based smart charging model increases p2p energy transactions amongst evs and raises the ancillary services facility to the grid. simulation results show that the yearly cost of optimal electrical charging on normal trips, light trips, and heavy trips is reduced by 32.6%, 51.2%, and 34.8% compared to non-optimal ones, respectively.

مدل بلاک چین تصادفی قوی برای تجارت انرژی همتا به همتا در میان ایستگاه های شارژ وسایل نقلیه الکتریکی

خودروهای با سوخت فسیلی به دلیل آلودگی زیست محیطی و قیمت بالای سوخت فسیلی در حال جایگزینی با خودروهای الکتریکی (evs) در سراسر جهان هستند. از یک طرف، شبکه برق با چالش هایی مواجه می شود که تعداد زیادی از ev ها به درستی یکپارچه نشده باشند. از سوی دیگر، استفاده از یک قابلیت عظیم بدون بهره برداری از باتری ها در بسیاری از خودروهای برقی این چالش ها را به فرصت هایی تبدیل می کند. این ظرفیت استفاده نشده می تواند برای خدمات جانبی شبکه و تجارت انرژی همتا به همتا (p2p) استفاده شود. با این حال، ترجیح کاربران ev یکی از مهم ترین عواملی است که باید در فرآیند زمان بندی خودروهای الکتریکی در نظر گرفته شود. بنابراین، این مقاله یک مدل تصادفی برای شارژ هوشمند دوطرفه ev با در نظر گرفتن ترجیحات کاربران ev، تجارت انرژی p2p و ارائه خدمات جانبی شبکه پیشنهاد می‌کند. در نظر گرفتن علاقه‌مندی‌های کاربران ev، مدل زمان‌بندی پیشنهادی را در برابر شرایط عملیاتی تغییر تطبیق می‌دهد. مدل ارائه شده به عنوان یک مسئله بهینه سازی با هدف مدیریت بهینه soc باتری ev و قرار دادن انرژی الکتریکی چندین تسهیلات با در نظر گرفتن ارائه خدمات جانبی و کمک به معاملات p2p فرموله شده است. برای ارزیابی مدل پیشنهادی، داده های دنیای واقعی جمع آوری شده از شهر تهران به عنوان داده های ورودی برای شبیه سازی استفاده می شود. نتایج عددی توانایی مدل ارائه شده را نشان می دهد. نتایج شبیه‌سازی نشان می‌دهد که در نظر گرفتن ترجیحات کاربران ev در مدل پیشنهادی می‌تواند کل درآمد ارائه‌شده توسط مدل برنامه‌ریزی انرژی ev را افزایش دهد به طوری که می‌تواند هزینه شارژ را متعادل کند. علاوه بر این، این مدل پیشرفته شارژ هوشمند مبتنی بر کاربر، تراکنش‌های انرژی p2p را در بین خودروهای برقی افزایش می‌دهد و تسهیلات خدمات جانبی را به شبکه ارتقا می‌دهد. نتایج شبیه‌سازی نشان می‌دهد که هزینه سالانه شارژ الکتریکی بهینه در سفرهای عادی، سفرهای سبک و سفرهای سنگین به ترتیب 32.6، 51.2 و 34.8 درصد نسبت به موارد غیربهینه کاهش می‌یابد.