بخشی از مقاله
چکیده
ایستگاه خودروهای الکتریکی را می توان به عنوان نوع خاصی از تولیدات پراکنده لحاظ نمود. به منظور بهره برداری بهینه از شبکهقدرت، جایابی بهینه این ایستگاه ها ضروری است. در این مقاله جایابی بهینه ایستگاه ها با قابلیت تحویل توان به شبکه مورد مطالعه قرار می گیرد. تابع هدف پیشنهادی، بیشینه نمودن سود بدست آمده از نصب این ایستگاه ها می باشد. در این مقاله خودروهای برقی به عنوان یک ذخیره ساز در شبکه توزیع مد نظر قرار می گیرد. هدف اصلی این مقاله، بررسی جایابی بهینه ایستگاه خودروهای برقی با استفاده از الگوریتم هیبرید PSO&HBMO می باشد. برای دستیابی به نتایج مطلوب، از الگوریتم پخش بار پیشرو- پسرو که روشی توانمند در شبکه های توزیع شناخته شده است استفاده می گردد. الگوریتم پیشنهادی با استفاده از نرم افزار متلب کدنویسی گردیده و در نهایت به یک شبکه استاندارد 37 شینه اعمال گردیده است.
کلمات کلیدی: ریز شبکه، خودروی الکتریکی، جایابی، الگوریتم هیبرید PSO&HBMO ، پخش بار پیشرو- پسرو
مقدمه
ریز شبکه به مجموعه ای از تولیدات پراکنده و خودروهای الکتریکی و ادوات ذخیره ساز و بارها گفته می شود. خودروی برقی1نیز
به خودرویی گفته می شود که از باتری جهت نیروی محرکه استفاده می کنند. اولین خودروهای برقی در قرن نوزدهم ظاهر شدند. در دهه های 1970 و 1980 میلادی با وقوع بحران انرژی، خودروی برقی مورد توجه قرار گرفت. از سال 2008 میلادی با توجه به پیشرفت فناوری باتری ها، مدیریت شبکه برق، نگرانی ها در خصوص قیمت نفت و نیاز به کاهش گازهای گلخانه ای تحول اساسی در تولید خودروهای برقی صورت گرفته است.
به منظور برآوردن احتیاجات رو به رشد دیماند انرژی، دپارتمان انرژی - DOE - 2 یک ساختار جدید را در مورد سیستم الکتریکی آینده، پیشنهاد کرده است یعنی .Grid 2030 در آینده تجمع واحدهای ذخیره ساز، برنامه های پاسخ به تقاضای سمت مصرف - DR - و اساسا افزایش نفوذ خودروهای برقی - EVs - تاثیر بر برنامه ریزی و بهره برداری سیستم های قدرت خواهد گذاشت. تجمع EV ها با تکنولوژی خودرو به شبکه - V2G - می تواند به رسیدگی رفتار دوره ای منابع تجدیدپذیر کمک کند EV . - Bellekom et al,2012 - ها تقریبا در 96 درصد از زمان ساکن هستند و فقط در 4 درصد از زمان در حال سیر هستند بنابراین EV ها می توانند در اکثر زمان ها مازاد انرژی تولیدی توسط منابع تجدید پذیر را در باتری هایشان ذخیره نمایند.
در بازه های زمانی بعدی، EV ها می توانند این مازاد انرژی ذخیره شده را به شبکه تزریق نمایند - T. .Sousa et al, 2012 - جایابی بهینه ایستگاه های برقی را می توان با یافتن پخش بار بهینه با در نظر گرفتن تابع هدف مشخص - نوعا بیشینه نمودن سود بدست آمده از نصب ایستگاه خودروهای برقی - بهینه نمود . - Y. Zhang et al,2014 - افزایش تعداد منابع انرژی ، باعث بزرگتر کردن ابعاد برنامه ریزی بهینه منابع و همینطور پیچیده نمودن مسئله می گردد، در نتیجه یافتن بهترین حالت بهینه خیلی مشکل خواهد شد. - S. Boyd, L. Vandenberghe, 2014 - برای این ابعاد بزرگ و مسئله پیچیده، یک روش قطعی می تواند تا چندین ساعت و یا حتی تا چندین روز به طول انجامد. - J. Soares et al, 2013 -
از اینرو به دلیل این نقصان از تکنیک های فرا ابتکاری استفاده می شود تا به مسائل پیچیده با ابعاد بزرگ براحتی رسیدگی شود. تکنیک های فرا ابتکاری نظیر جستجوی تابو، آنیلینگ شبیه سازی شده - SA - ، الگوریتم ژنتیک - GA - ، بهینه سازی اجتماع ذرات - PSO - و ... استفاده می شود تا بسیاری از مسائل سیستم های قدرت حل گردد. - G. Venayagamoorthy, 2011 - این تکنیک ها را بحث نموده است. - A. Saber, G. Venayagamoorthy, 2011 - از PSO برای تنظیم مشارکت واحدهای مربوط به نفوذ خودروهای برقی استفاده نموده است. - A. Grunewald et al,2012 - الگوریتم GA را برای بهینه سازی شارژینگ خودروهای برقی با هدف "مینیمم نمودن هزینه بهره برداری هنگام در نظر گرفتن قیود شبکه" پیاده سازی نمودند.
گرچه این تکنیک ها نمی توانند تضمینی بر یافتن بهینه سراسری باشند، اما این تکنیک ها از حافظه کمتر و مدت زمان اجرای کمتری نسبت به تکنیک های قطعی برخوردارند . - K. Lee, M. El-Sharkawi ,2008 - تکنیک های فرا ابتکاری را می توان به راحتی با تنظیم پارامترهای مختلف هر تکنیک بهبود داد . - G.I. Zobolas et al, 2009 - امکان دارد تکنیک های مختلفی را با هم ادغام نماییم تا منجر به شکل گیری روش های هیبرید فرا ابتکاری گردد. در روش ترکیبی، بهترین خواص هر تکنیک با هم ادغام می شود تا بهترین نتیجه را نسبت به دیگر تکنیک ها ارائه بدهد. - T.W . Liao et al, 2012 - - E-Zonkoly, 2011 - از روش بهینه سازی انبوه ذرات به منظور جایابی تولیدات پراکنده با بکارگیری تابع هدف چند هدفه استفاده نموده است. - J. Mara, et al,2012 -
از الگوریتم ژنتیک به منظور جایابی تولیدات پراکنده استفاده کرده است. - M. Gadomkar, etترکیب الگوریتم ژنتیک را با الگوریتم تابو بکار برده است. - H. Falaghi, et al, 2011 - از ترکیب الگوریتم ژنتیک و پخش بار بهینه با برنامه ریزی توسعه چند طبقه ای شبکه توزیع به عنوان روشی کارآمد برای جایابی تولیدات پراکنده استفاده کرده است.در ادامه مقاله به شرح زیر ساختاربندی می گردد:بعد از معرفی این بخش، در بخش 2 فرموله بندی ریاضی مسئله جایابی بهینه ایستگاه های برقی ارائه گردیده است. بخش 3 بر روی الگوریتم هیبرید و پخش بار پیشرو-پسرو تمرکز نموده است. مطالعه موردی در بخش 4 انجام شده است و بخش آخر نتیجه گیری را ارائه می دهد.
.2 فرموله بندی ریاضی ایستگاه ها
1؛: 2 سود حاصل از بهکارگیری خودروها به عنوان ذخیره سازبه سه عامل بستگی دارد که عبارتاند از:
الف - درآمد ناشی از تحویل توان به شبکه - V2G -