تخصیص بهینه پارکینگ‌های شارژ خودروهای برقی در سیستم توزیع با ارزیابی قابلیت اطمینان
محورهای موضوعی : پردازش چند رسانه ای، سیستمهای ارتباطی، سیستمهای هوشمندمحمدرضا فدوی امیری 1 * , یاسر براری 2
1 - استادیار، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه شمال، آمل، ایران
2 - کارشناسی ارشد مهندسی برق، گروه مهندسی برق و کامپیوتر، مؤسسه آموزش عالی علوم و فناوری آریان، بابل، ایران
کلید واژه: پارکینگ شارژ, جایابی پارکینگ, خودرو‌ی برقی, قابلیت اطمینان, برنامه ریزی خطی آمیخته با عدد صحیح (MILP),
چکیده مقاله :
افزایش تعداد خودروهای برقی مستلزم رفع چالش‌های مرتبط مانند زیرساخت‌های شارژ و دشارژ و مدیریت بر شبکه توزیع می‌باشد. اکثر خودروها به شکل پارک‌شده می‌باشند؛ بنابراین بهره‌برداری از انرژی الکتریکی ذخیره شده در باتری خودروها، در سالهای آتی نقش به سزایی در رفع چالش‌های شبکه توزیع دارد. شارژخودرو‌‌های پارک‌شده در زمان کم‌باری و دشارژ آنها در زمان پر‌باری، راهبرد تعاملی بین خودرو برقی و شبکه توزیع، در جهت بهبود یا رفع چالش‌ها می‌باشد. در نتیجه این تأثیرات متقابل، در برنامه‌ریزی و مدیریت شارژ این خودروها، شاخص‌های شبکه توزیع مانند تلفات انرژی، پروفیل ولتاژ، قابلیت اطمینان و... همواره مورد توجه می‌باشد. از این رو جایابی و تعیین ظرفیت مناسب پارکینگ، با در نظر گرفتن عوامل فنی و اقتصادی، بسیار مهم می‌باشد. در این پژوهش، مدلی بر اساس برنامه‌ریزی خطی آمیخته با عدد صحیح، به منظور جایابی و تعیین ظرفیت بهینه پارکینگ‌های خودروهای الکتریکی با هدف بیشینه‌سازی سود سرمایه‌گذار پارکینگ‌ها ارائه گردیده، همچنین روشی برای سنجش تأثیر خودروهای برقی روی قابلیت اطمینان شبکه توزیع پیشنهاد شده‌است. در مدل پیشنهادی، مقاصد سفرها، تعداد خودروها و ساعات ورود و خروج آنها در ناحیه‌های مختلف، بر اساس نوع سفر لحاظ می‌گردد. محدودیت‌های شبکه توزیع نیز با استفاده از معادلات خطی شده‌ی پخش بار در نظر گرفته می‌شوند. مدل ارائه‌شده در یک سیستم توزیع با 37 شین که شامل چهار ناحیه مختلف از نظر نوع سفر خودروها می‌باشد، پیاده‌سازی گردیده‌است. نتایج حاصل، کارایی مدل ارائه‌شده برای مکان‌یابی پارکینگ‌های شارژ خودروهای برقی و تأثیر خودروهای برقی روی قابلیت اطمینان شبکه را نشان می‌دهد.
Introduction: The increase in the number of PEVs in recent years requires solving the challenges related to them, such as providing charging and discharging infrastructure and managing load changes caused by charging cars on the distribution network. PEVs spend a significant amount of time in the parking mode. Therefore, the use of electric energy stored in PEVs batteries using the vehicle-to-grid capability plays a significant role in solving the challenges of the distribution network in the coming years. Charging parked PEVs during off-peak periods and discharging them during peak times is an interactive strategy between electric vehicles and the distribution network in order to improve or solve challenges. As a result of these mutual effects, in the planning and management of the charging of these PEVs, the indicators of the distribution network such as energy losses, voltage profile, reliability are always considered. Therefore, it is very important to allocate a suitable PL based on technical and economic issues. Reducing the unsupplied energy in the distribution network, by using the energy stored in the batteries of PEVs, increases the reliability of the network.
Method: In this research, a model based on mixed-integer linear programming is proposed to determine optimal location and capacity of PEV’s parking lots with the aim of maximizing the profit of PL owners Also, a method for measuring the reliability of the distribution network has been proposed. In the proposed model, the goals of trips, the number of PEVs and their arrival and departure times in different areas, based on the type of trip, are taken into account. The constraints of the distribution network are also taken into account using linearized equations for distribution power flow. The suggested model has been implemented in a distribution system with 37 buses, which includes four different areas in terms of the type of vehicle travel.
Results: The results show the effectiveness of the proposed model for locating electric vehicle’s PLs and measuring the reliability of the network.
Discussion: Three case studies were evaluated in this paper. In the first case study, the state of losses and the reliability of the network under test, along with verification, have been checked before the parking lot is set up; In the second case study, the primary goal of the presented model is to maximize the profit of the parking lot investor, and in this case, the maximum profit that can be obtained is calculated as 3.735 million dollars, and also in the second step, the reliability of the network is measured under The study found that the parking lots in the system were effective in increasing the reliability of the network by 1.4%. In the third case study, it has been determined that moving the location of the parking lots can have a positive effect on the reliability of the network.
[1] Mozaffari, M. Abyaneh, H. A. Jooshaki, M. Moeini-Aghtaie, M. (2020). Joint expansion planning studies of EV parking lots placement and distribution network. IEEE Transactions on Industrial Informatics, 16(10), 6455-6465.
[2] Fernandez, L. P. San Román, T. G. Cossent, R. Domingo, C. M. Frias, P. (2010). Assessment of the impact of plug-in electric vehicles on distribution networks. IEEE transactions on power systems, 26(1), 206-213.
[3] Neyestani, N. Damavandi, M. Y. Shafie-Khah, M. Contreras, J. Catalão, J. P. (2014). Allocation of plug-in vehicles' parking lots in distribution systems considering network-constrained objectives. IEEE Transactions on Power Systems, 30(5), 2643-2656.
[4] Fox, G. H. (2013). Electric vehicle charging stations: Are we prepared. IEEE Industry Applications Magazine, 19(4), 32-38.
[5] Guille, C. Gross, G. (2009). A conceptual framework for the vehicle-to-grid (V2G) implementation. Energy policy, 37(11), 4379-4390.
[6] Sabzevari, K. (2022). Power Sharing Between Islanded Microgrid Inverters by Modifying the Droop Control Method, Intelligent Multimedia Processing and Communication Systems (IMPCS), Issue 4, Vol. 3.
[7] Karfopoulos, E. L. Hatziargyriou, N. D. (2012). A multi-agent system for controlled charging of a large population of electric vehicles. IEEE Transactions on Power Systems, 28(2), 1196-1204.
[8] El-Zonkoly, A. dos Santos Coelho, L. (2015). Optimal allocation, sizing of PHEV parking lots in distribution system. International Journal of Electrical Power Energy Systems, 67, 472-477.
[9] Gholami, Kh. Karimi, Sh. Anvari-Moghaddam, (2022). Am. Multi-objective Stochastic Planning of Electric Vehicle Charging Stations in Unbalanced Distribution Networks Supported by Smart Photovoltaic Inverters, Sustainable Cities and Society,Volume 84, 2022, 104029, ISSN2210-6707, https://doi.org/10.1016/j.scs.2022.104029.
[10] Zhang, Q. Zhu, Y. Wang, Z. Su, Y. Li, C. (2019). Reliability assessment of distribution network and electric vehicle considering quasi-dynamic traffic flow and vehicle-to-grid. IEEE Access, 7, 131201-131213.
[11] Zeng, B. Gao, Y. Zhu, Z. (2019). Assessing Impacts of EV Parking Lots on Distribution System Reliability with Consideration of User Behavioral Uncertainties. Journal of Electrical Systems, 15(3), 346-358.
[12] Bayram, I. S. Devetsikiotis, M. Jovanovic, R. (2022). Optimal design of electric vehicle charging stations for commercial premises. International Journal of Energy Research, 46(8), 10040-10051.
[13] Xu, P. Zhang, J. Gao, T. Chen, S. Wang, X. Jiang, H. Gao, W. (2022). Real-time fast charging station recommendation for electric vehicles in coupled power-transportation networks: A graph reinforcement learning method. International Journal of Electrical Power Energy Systems, 141, 108030.
[14] Guner, S. Ozdemir, A. (2020). Reliability improvement of distribution system considering EV parking lots. Electric Power Systems Research, 185, 106353.
[15] Kersting, W. H. (1991). Radial distribution test feeders. IEEE Transactions on Power Systems, 6(3), 975-985.
[16] Briones, A. Francfort, J. Heitmann, P. Schey, M. Schey, S. Smart, J. (2012). Vehicle-to-grid (V2G) power flow regulations and building codes review by the AVTA. Idaho National Lab. Idaho Falls, ID, USA, 1.
[17] Asghari rad, H., Jafari Nokandi, M., & Hosseini, S. M. (2023). Optimal Allocation of Electric Vehicles' Parking Lots in Distribution Systems Considering Urban Traffic. Energy Engineering and Management, 11(2), 70-81. doi: 10.22052/11.2.3