Optimal allocation of parking lots bi-directional electric vehicle to improve voltage profile of smart distribution networks
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 681
فایل این مقاله در 9 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:
ICEECET03_052
تاریخ نمایه سازی: 6 اسفند 1395
چکیده مقاله:
Due to the increasing use of electric vehicles, the need to establish electrical parking lots is essential. These electrical parking lots have high electrical power consumption, by the same token, they leaving adverse effects on the smart power grid, not the least of which is voltage drop at the connection point to the network due to the excess power consumption.In this paper, by using a new method of vehicle-to-grid reactive power support (V2GQ) for implementation of the parking lot electrical vehicle (PEV) in the smart grid (SG) environment, the optimal placement method, which is base on genetic algorithm (GA), for improving voltage profile is presented. The main advantage of the proposed V2GQ technology over the conventional V2G technology is that the former does not discharge the PEV batteries. Thus, the V2GQ sustains the battery lifetime, which is of the highest customer priorities. Finally, for validation of the purposed method, a 33-bus standard distribution network is has been studied.
کلیدواژه ها:
Distributed generation ، optimal placement ، parking lot electrical vehicles ، plug-in electrical vehicles ، smart grid
نویسندگان
Reza Khoud
Department of Electrical Engineering, Shahid Beheshti University, A.C., Tehran, Iran
Mohammad M Rezvani
Department of Electrical Engineering, Shahid Beheshti University, A.C., Tehran, Iran
Mojtaba Shivaie
Department of Electrical Engineering, Shahid Beheshti University, A.C., Tehran, Iran
Mohammad T Ameli
Department of Electrical Engineering, Shahid Beheshti University, A.C., Tehran, Iran
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 :