Optimal Decision Making Framework of an Electric Vehicle Aggregator in Future and Pool markets
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 93
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JOAPE-6-2_002
تاریخ نمایه سازی: 13 آبان 1402
چکیده مقاله:
Electric vehicle (EV) aggregator, as an agent between the electricity market and EV owners, participates in the future and pool market to supply EVs’ requirement. Because of the uncertain nature of pool prices and EVs’ behaviour, this paper proposed a two-stage scenario-based model to obtain optimal decision making of an EV aggregator. To deal with mentioned uncertainties, the aggregator’s risk aversion is applied using conditional value at risk (CVaR) method in the proposed model. The proposed two-stage risk-constrained decision-making problem is applied to maximize EV aggregator’s expected profit in an uncertain environment. The aggregator can participate in the future and pool market to buy the required energy of EVs and offer optimal charge/discharge prices to the EV owners. In this model, in order to assess the effects of EVs owners’ reaction to the aggregator’s offered prices on the purchases from electricity markets, a sensitivity analysis over risk factor is performed. The numerical results demonstrate that with the application of the proposed model, the aggregator can supply EVs with lower purchases from markets.
کلیدواژه ها:
نویسندگان
H. Rashidizadeh-Kermani
Department of Electrical & Computer Engineering, University of Birjand, Birjand, Iran
H. R. Najafi
Department of Electrical & Computer Engineering, University of Birjand, Birjand, Iran
A. Anvari-Moghaddam
Department of Energy Technology, Aalborg University, Aalborg, Denmark
J. M. Guerrero
Department of Energy Technology, Aalborg University, Aalborg, Denmark
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :