مديريت انرژي با استفاده از پيش بيني رفتار خودروهاي برقي در حضور اينترنت اشياء و شهر هوشمند

فاقد عنوان لاتين

اين مقاله يك چارچوب و روش براي پيش بيني شرايط وسايل نقليه الكتريكي، با توجه به سطح شارژ اوليه هنگام ورود به پاركينگ ، موقعيت مكاني خودرو و دوره هاي اتصال به پاركينگ ارائه مي دهد. در روش پيشنهادي از شبيه سازي يادگيري عميق براي پيش بيني رفتار خودروهاي برقي استفاده شده است . پيش بيني هاي يك روز پيش رو باعث مي شود كه ما در مسئله بهينه سازي مديريت انرژي كه تابع هدف اصلي آن به حداقل رساندن هزينه هاي عملياتي در نظر گرفته شده موفق تر باشيم. در انتها يك مثال عددي با استفاده از ناوگان وسايل نقليه الكتريكي كه از طريق پاركينگهاي مجهز به درختهاي خورشيدي شارژ مي شوند در محيط شهر هوشمند ارائه شده است.

This paper presents a framework and methods to predict electric vehicles' possible states, regarding their demand, location and grid connection periods. The proposed methods use the deep learning simulation to predict the behavior of electric vehicles. Day-ahead methodology will make us more successful in optimizing energy management, which is designed to minimize operational costs. At the end, a numerical example is presented using an electric vehicles fleet that are charged through solar tree parking lots in a smart city environment.