مدل‌سازي احتمالاتي تقاضاي شارژ خودروهاي برقي تجميع‌شده در شبكه توزيع خانگي

Probabilistic Modeling of Aggregated Electric Vehicle Charging Demand in Residential Distribution Network

تخمين تقاضاي شارژ خودروهاي برقي تجميع‌شده براي طراحي بهتر شبكه‌هاي توزيع آينده ضروري است. با توجه به اين‌كه هم‌اكنون ضريب نفوذ خودروهاي برقي بسيار پايين است بنابراين اطلاعات آماري دقيقي براي تعيين وضعيت شارژ اوليه خودروهاي برقي وجود ندارد. در اين مقاله مدل جديدي براي محاسبه وضعيت شارژ اوليه خودروهاي برقي پيشنهاد مي‌گردد كه تابعي از ميزان مصرف سوخت بنزين خودروهاي معمولي است. آمار واقعي مصرف خودروهاي معمولي مشخص است لذا در مدل پيشنهادي تمامي رفتارهاي روزانه رانندگي مثل استفاده از سيستم تهويه مطبوع، سرعت خودرو، شيب جاده و غيره در قالب مصرف روزانه بنزين مربوطه تخمين زده مي‌شود. همچنين براي ارزيابي روش پيشنهادي و نيز بررسي تأثير شارژ خودروها بر شبكه توزيع، برخلاف اكثر مقالات موجود كه خروجي‌هاي ثابت و مشخصي براي پارامترهاي مهم شبكه ارائه نموده‌اند، در اين مقاله پارامترهاي مذكور به‌صورت توابع احتمال ارائه مي‌گردد. نهايتاً روش پيشنهادي بر روي سيستم توزيع 37 باسه IEEE تست و ارزيابي شده و با روش‌هاي موجود مقايسه مي‌شود.

Estimation of aggregated electric vehicle charging demand is essential for better design of future distribution networks. Given that the penetration level of electric vehicles is currently very low, Hence, the precise statistical data are not available to determine the initial state of charge related to electric vehicles. this paper proposes a new model for calculating the initial state of charge in electric vehicles. The proposed model is a function of fuel consumption of the conventional gasoline vehicles and all driving behaviors such as the use of air conditioning, vehicle speed, road slope etc. have been considered. Also, unlike most of the papers that have specific outputs for the distribution network parameters, in this paper, the mentioned parameters are presented as probability functions. Finally, the proposed method is applied to the IEEE-37 node test feeder and simulation results are presented to illustrate its performance.