مقاله انگلیسی رایگان در مورد برنامه‌ریزی برای خودروهای الکتریکی – IEEE 2017

مقاله انگلیسی رایگان در مورد برنامه‌ریزی برای خودروهای الکتریکی – IEEE 2017

 

مشخصات مقاله
ترجمه عنوان مقاله برنامه‌ریزی برای خودروهای الکتریکی با در نظر گرفتن بهینه‌سازی همزمان نسبت به اهداف مشتری و سیستم
عنوان انگلیسی مقاله Electric Vehicle Scheduling Considering Co-optimized Customer and System Objectives
انتشار مقاله سال ۲۰۱۷
تعداد صفحات مقاله انگلیسی  ۱۰ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه IEEE
مقاله بیس این مقاله بیس نمیباشد
نمایه (index) master journals – JCR
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
۶٫۲۳۵ در سال ۲۰۱۷
رشته های مرتبط مهندسی برق
گرایش های مرتبط ماشینهای الکتریکی – برق قدرت
نوع ارائه مقاله
کنفرانس
مجله / کنفرانس معاملات انرژی پایدار – Transactions on Sustainable Energy
دانشگاه Department of Electrical and Computer Engineering, Missouri University of Science and Technology, Rolla, MO, USA
کلمات کلیدی AUGMECON، استهلاک باتری، خودرو‌های برقی، بهینه‌سازی با چند هدف، V2G
کلمات کلیدی انگلیسی AUGMECON, battery degradation, electric vehicles, multi-objective optimization, V2G
شناسه دیجیتال – doi
https://doi.org/10.1109/TSTE.2017.2737146
کد محصول E11621
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
Abstract
I. Introduction
II. Problem Formulation and Methodology
III. Simulation Results and Observations
IV. Conclusion

 

بخشی از متن مقاله:

Abstract

Efficient electric vehicle (EV) scheduling is a multi-objective optimization problem with conflicting customer and system operator interests, especially during vehicle-to-grid implementations. Economic charging while minimizing battery degradation and maintaining system load profiles couple the interests of these two entities. This paper focuses on identifying the relationships between these objectives and proposes to use an augmented epsilon-constrain (AUGMECON) based technique to implement two-way and three-way multi-objective optimizations. The importance of using these objectives in peak-shaving and valley-filling for an aggregated (residential) EV fleet is discussed. The proposed solution provides a look-ahead strategy into effective EV scheduling by co-optimizing multiple objectives. To provide operational guidance to utilities and customers, an optimal solution may be selected from those represented by the Pareto fronts.

Introduction

COMMERCIALIZATION and adoption of electric vehicles (EV) in the automobile market has raised concerns over their uncontrolled charging demands and their impact of the present electrical power system to serve the increasing load demand efficiently. Increases in EV load may lead to network congestion, high losses, thermal stresses, and require network reinforcements, in addition to higher operating costs at peak demands. Therefore, scheduling and control of the EV load is essential for the economic operation of the power system. Vehicle-to-grid (V2G) operations of the EVs impose additional problems due to power injection into the electric grid traditionally designed for one-way power flow. Apart from the technical challenges, well designed financial models and transactive energy frameworks are required to make V2G a feasible and lucrative option [1]-[3].

برچسب ها

ثبت دیدگاه