پیوندهای مفید
آمار
| تعداد نشریات | 21 |
| تعداد شمارهها | 687 |
| تعداد مقالات | 9,985 |
| تعداد مشاهده مقاله | 70,959,205 |
| تعداد دریافت فایل اصل مقاله | 62,423,389 |
برنامهریزی ایستگاه شارژ سریع خودروهای برقی مجهز به منابع انرژی تجدیدپذیر و سیستم ذخیرهساز انرژی با اهداف اقتصادی و زیست محیطی | ||
| مدل سازی در مهندسی | ||
| دوره 22، شماره 77، شهریور 1403، صفحه 245-259 اصل مقاله (1.09 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22075/jme.2023.30309.2430 | ||
| نویسندگان | ||
| حنانه بقایی1؛ میثم جعفری نوکندی* 2؛ محمد علیزاده3 | ||
| 1دانش آموخته کارشناسی ارشد، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی نوشیروانی، بابل، ایران | ||
| 2دانشیار، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی نوشیروانی، بابل، ایران | ||
| 3استادیار، دانشکده مهندسی برق، دانشگاه علوم دریایی امام خمینی (ره)، نوشهر، ایران | ||
| تاریخ دریافت: 15 فروردین 1402، تاریخ بازنگری: 26 مهر 1402، تاریخ پذیرش: 28 آذر 1402 | ||
| چکیده | ||
| توسعه استفاده از خودروهای برقی در بخش حمل و نقل، مستلزم تاسیس زیرساختهای شارژ این خودروها مانند ایستگاههای شارژ سریع است. ضمن آنکه برای کاهش آلایندههای ناشی از فعالیت نیروگاههای سوخت فسیلی، باید از منابع انرژی تجدیدپذیر و سیستمهای ذخیرهساز انرژی در ایستگاههای شارژ سریع استفاده کرد. در این مقاله، یک مدل خطی آمیخته با عدد صحیح به منظور تعیین ظرفیت منابع انرژی تجدیدپذیر و سیستم ذخیره انرژی باتری در یک ایستگاه شارژ با دو تابع هدف حداقلکردن هزینههای اقتصادی و حداقلکردن انتشار آلایندهها ارائه شده است. در مدل پیشنهادی، امکان استفاده از منابع تولیدی انرژی تجدیدپذیر بادی و خورشیدی و چهار نوع فناوری باتری شامل اسید سرب، نیکل کادمیوم، لیتیوم یون و سولفور سدیم لحاظ شده است. با توجه به دو تابع هدف متناقض در مدل پیشنهادی، از روش محدودیت اپسیلون برای تعیین پاسخهای بهینه پارتو و از روش استنتاج فازی جهت تعیین پاسخ نهایی استفاده شده است. نتایج مدل پیشنهادی در چهار افق برنامهریزی متفاوت، مورد بررسی قرار گرفته است. نتایج نشان میدهد که با افزایش اهمیت تابع هدف کاهش آلایندهها، ظرفیت نصب شده منابع تجدیدپذیر افزایش مییابد. | ||
| کلیدواژهها | ||
| انتشار آلایندهها؛ ایستگاه شارژ سریع؛ ذخیرهساز انرژی؛ محدودیت اپسیلون؛ منابع انرژی تجدیدپذیر | ||
| عنوان مقاله [English] | ||
| Planning of Fast Charging Station for Electric Vehicles Equipped With Renewable Energy Sources and Energy Storage System Considering Economic and Environmental Objectives | ||
| نویسندگان [English] | ||
| Hannaneh Baghaei1؛ Meisam Jaafari2؛ Mohammad Alizadeh3 | ||
| 1MSc, Faculty of Electrical and Computer Engineering, Noshirvani University of Technology, Babol, Iran | ||
| 2Associate Professor, Faculty of Electrical and Computer Engineering, Noshirvani University of Technology, Babol, Iran | ||
| 3Assistant Professor, Faculty of Electrical Engineering, Imam Khomeini University (RA), Nowshahr, Iran | ||
| چکیده [English] | ||
| The development of electric vehicles in the transportation sector requires the establishment of charging infrastructures such as fast charging stations. Besides, in order to reduce the pollutants caused by fossil fuel power plants, renewable energy sources (RESs) and energy storage systems should be integrated with fast charging stations. In this article, a mixed-integer linear programming model is presented to determine the capacity of RESs and battery energy storage system in a charging station, considering two objective functions including the minimization of economic costs and emissions. The proposed model considers the possibility of using wind and solar resources and four types of battery technology including lead-acid, nickel-cadmium, lithium-ion, and sodium-sulfur. Regarding the two contradictory objectives in the proposed model, the epsilon constraint method has been employed to obtain the Pareto front for optimal solutions. Then, the fuzzy satisfying method has been used to determine the final solution. The results of the proposed model have been examined in four different planning horizons. The results show that with the increase in the importance of the objective function of reducing emissions, the installed capacity of renewable resources increases. . | ||
| کلیدواژهها [English] | ||
| Emission, Energy storage, Epsilon constraint, Fast charging station, Renewable energy sources | ||
| مراجع | ||
|
[1] T. Wu, X. Wei, X. Zhang, G. Wang, J. Qiu, and S. Xia, "Carbon-Oriented Expansion Planning of Integrated Electricity-Natural Gas Systems With EV Fast-Charging Stations." IEEE Transactions on Transportation Electrification 8, no. 2 (2022): 2797-2809. [2] M. Alizadeh, M. Jafari-Nokandi, and M. Shahabi." Resiliency-oriented islanding of distribution network in the presence of charging stations for electric vehicles." International Transactions on Electrical and Energy Systems 30, no. 12 (2020), e12670. [3] R.P. Narasipuram, and S. Mopidevi. "A technological overview & design considerations for developing electric vehicle charging stations". Journal of Energy Storage 43, (2021), 103225. [4] A. Pal, A. Bhattacharya, and A.k. Chakraborty. "Placement of Public Fast-Charging Station and Solar Distributed Generation with Battery Energy Storage in Distribution Network Considering Uncertainties and Traffic Congestion." Journal of Energy Storage 41, (2021), 102939. [5] A. Hussain, V.H. Bui, and K. Hak-Man. "Optimal Sizing of Battery Energy Storage System in a Fast EV Charging Station Considering Power Outages." IEEE Transactions on Transportation Electrification 6, no.2 (2020): 453-463. [6] W. Rehman, R. Bo, H. Mehdipourpicha, and J.W. Kimball "Sizing battery energy storage and PV system in an extreme fast charging station considering uncertainties and battery degradation." Applied Energy 313, (2022). [7] H. Shareef, M.M. Islam, and A. Mohamed. "A review of the stage-of-the-art charging technologies, placement methodologies, and impacts of electric vehicles." Renewable and Sustainable Energy Reviews 64, (2020): 403-420. [8] R. Saadati, M. Jafari-Nokandi, and J. Saebi. "Allocation of RESs and PEV fast-charging station on coupled transportation and distribution networks." Sustainable Cities and Society 65 (2021): 102527. [9] G. Battapothula, C. Yammani, and S. Maheswarapu. "Multi-objective simultaneous optimal planning of electrical vehicle fast charging stations and DGs in distribution system." Journal of Modern Power Systems and Clean Energy, (2019): 923–934. [10] C. Leone, M. Longo, L.M. Fernández-Ramírez, and P. García-Triviño. "Multi-Objective Optimization of PV and Energy Storage Systems for Ultra-Fast Charging Stations." IEEE Access 10, (2022): 14208-14224. [11] B. Sun. " A multi-objective optimization model for fast electric vehicle charging stations with wind, PV power and energy storage." Journal of Cleaner Production 288, (2021), 125564. [12] C. Leone, C. Peretti, A. Paris, and M. Longo. "Photovoltaic and battery systems sizing optimization for ultra-fast charging station integration." Journal of Energy Storage 52, (2022), 104995. [13] A. Nobari, and M. Sepasian. "Determining the size of the energy storage system in the design of fast charging stations for electric vehicles." 4th International Conference of IEA (Technology & Energy Management), (2018).(in Persian) [14] M. Moradzadeh, and Mohamed A. Abdelaziz.Morad, "A New MILP Formulation for Renewables and Energy Storage Integration in Fast Charging Stations." IEEE Transactions on Transportation Electrification 6, no. 1 (2020): 181-198. [15] J. Li, S. He, Q. Yang, T. Ma and Z. Wei. "Optimal Design of the EV Charging Station with Retired Battery Systems Against Charging Demand Uncertainty." IEEE Transactions on Industrial Informatics (2022): 1-1. [16] F. Si, J. Wang, Y. Han and Q. Zhao. "Risk-Averse Multiobjective Optimization for Integrated Electricity and Heating System: An Augment Epsilon-Constraint Approach." IEEE Systems Journal 16, no. 4 (2020): 5142-5153. [17] M. Khakpour, M. Jafari-Nokandi, A. Abdoos. "Simultaneous Generation and Transmission Expansion Planning in the Power Market Using Multi-objective Genetic Algorithm." Computational Intelligence in Electrical Engineering 6, no. 3 (2015): 99-114. (in Persian) [18] M. Abdelaziz, M. Moradzadeh. "Monte-Carlo simulation based multi-objective optimum allocation of renewable distributed generation using OpenCL." Electric Power Systems Research 170 (2019): 81-91.
| ||
|
آمار تعداد مشاهده مقاله: 750 تعداد دریافت فایل اصل مقاله: 640 |
||