برنامه ريزي مديريت انرژي جهت كاهش هزينه‌هاي بهره‌برداري شبكه توزيع با حضور خودروهاي برقي و منابع انرژي تجديدپذير

Energy management Planning to reduce the operation costs in distribution networks by considering EV and Renewable energy sources

به علت رشد روزافزون محدوديت هاي زيست محيطي و اقتصادي در دنياي امروز، استفاده از توليدات پراكنده كه غالبا از انرژي هاي تجديدپذير استفاده مي كنند، در كنار خودروهاي برقي به شدت در حال افزايش مي باشند. در مقياس بزرگ هر يك از اين دو تكنولوژي مي تواند اثرات زيان باري روي شبكه الكتريكي داشته باشد، اما با برنامه ريزي و مديريت سمت مصرف مناسب، اين تكنولوژي ها همراه با منابع ذخيره سازي انرژي مي توانند اين اثرات را كاهش دهند. در اين راستا تاثير تجمع يكپارچه خودروهاي PEV به شبكه جهت فرآيند شار‍ژ يا دشارژ و ناپايداري شبكه ناشي از آن خصوصاً در زمان پيك بار بعنوان چالش اساسي در استفاده از اين ماشين ها مطرح گرديده است. نوآوري اين مقاله ارائه مدلي جهت مديريت سيستم شارژ هماهنگ و ناهماهنگ خودروهاي برقي متصل به شبكه همراه با 2 واحد نيروگاه بادي 1 واحد نيروگاه خورشيدي به عنوان منابع توليد پراكنده و تقسيم بندي خودروهاي برقي به 4 كلاس مختلف با در نظر گرفتن درصد سهم هر خودرو در شبكه و در نظر گرفتن تعداد تصادفي خودروها در هر كلاس با استفاده از تابع توزيع نرمال مي باشد. مدل پيشنهادي با استفاده از الگوريتم ژنتيك حل شده است. در اين مدل هزينه تلفات ساليانه انرژي و هزينه بهره برداري واحدهاي توليد پراكنده به صورت يكپارچه به عنوان تابع هدف مطرح مي­ گردد. نتايج حاصل از شبيه ­سازي روي شبكه 33 باسه IEEE اجرا گرديده است، نتايج خروجي نشان دهنده قدرت كارايي و بهبود عملكرد مدل مي باشد.

The utilization of distributed generators such as the renewable energies together with electrical vehicle are increasing because of the environmental and economic challenges. Irregular and yet large-scale use of either of these two technologies can have devastating effects on electrical grid. However, with planning and appropriate management of these technologies along with energy storage resources can reduce their detrimental effects. In this regard, integrated cumulative effect of electrical vehicles to the grid for the process of charging or discharging and also network instability caused by that – in particular during peak times- have been discussed as a fundamental challenge of utilizing these vehicles. Inconsistent and uncontrolled charging in these vehicles at the large scale on traditional grids can lead to overload, bigger fluctuations in generator speed, rise in voltage deviation of distribution buses, and increased power losses; which these consequences result in lower reliability and smart grid security. Thus, management of production or consumption in these vehicles are investigated. This study adopts Genetic algorithm (GA) to optimize uncoordinated and coordinated PEVs charging stations with renewable distributed generation resources. The proposed model is applied to IEEE 33–bus network. The output results have shown the efficiency and robustness of the proposed model.