A Method for Possible Programming of Electric Micro grids in the Presence of Renewable Sources and Electric Vehicles
محل انتشار: چهارمین کنفرانس ملی و دومین کنفرانس بین المللی پژوهش های کاربردی در مهندسی برق، مکانیک و مکاترونیک
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 412
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ELEMECHCONF04_174
تاریخ نمایه سازی: 11 مرداد 1396
چکیده مقاله:
One of the main sources of air pollution and energy consumption is the transportation industry. Today, the development of electrical and plug-in vehicles has special importance in the reduction of energy consumption and pollution. Therefore, optimal charging of electric vehicles that can keep the balance of electricity supply and distribution network, and supply the power needed by the vehicle, is very important. In this article, first the vehicle and its load is modelled with renewable sources, and then the programming the charge control – using genetic algorithm for charging, discharging, and proper distribution of current in electrical micro grids, is developed. Finally, the effects of various time periods on the network load, methods for proper charging and accumulating vehicles for connection to the network using intelligent control systems are presented. For simulation, vehicle charging methods in three modes – intelligent, semi-intelligent, and non-intelligent, during various seasons are analysed. Results show that by increasing the penetration coefficient of electric vehicle and optimizing the charging process, network power loss and current expenses can be reduced in various scenarios.
کلیدواژه ها:
نویسندگان
Amir Mahidashti
School of Electricity and Computers, Islamic Azad University, Qazvin branch, Qazvin, Iran
Navid Ghaffazadeh
Assistant professor, Faculty of Engineering and Technology, Imam Khomeini International University, Qazvin, 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 :