استراتژی بهینه مدیریت انرژی ایستگاه های شارژ خودروی برقی در سیستم های توزیع برق - دانشکده فنی و مهندسی
استراتژی بهینه مدیریت انرژی ایستگاه های شارژ خودروی برقی در سیستم های توزیع برق
نوع: Type: پایان نامه
مقطع: Segment: کارشناسی ارشد
عنوان: Title: استراتژی بهینه مدیریت انرژی ایستگاه های شارژ خودروی برقی در سیستم های توزیع برق
ارائه دهنده: Provider: مهدی میرزاده - رشته برق
اساتید راهنما: Supervisors: دکتر علیرضا حاتمی و دکتر محمد مهدی شهبازی
اساتید مشاور: Advisory Professors:
اساتید ممتحن یا داور: Examining professors or referees: دکتر محمد حسن مرادی و دکتر مجید غنی ئی زارچ
زمان و تاریخ ارائه: Time and date of presentation: 1401/7/16
مکان ارائه: Place of presentation: اتاق سمینار2 گروه برق
چکیده: Abstract: با توجه برخی محدودیتهای باتریها در تامین توان خودروهای برقی نظیر 1 -افت ظرفیت اسمی در دراز مدت، 2 -دمای زیاد در زمان شارژ و 3 -همچنین عدم توانایی در تامین تقاضای آنی توان، یک ابر خازن در جهت رفع این محدودیت بکار برده خواهد شد. ابرخازن در مقایسه با باتری خصوص یات متفاوتی دارد. از لحاظ تامین توان رتبهی بالاتری دارد و میتواند به طور موثر و سریع به تقاضای بار پاسخ دهد و به طور معقول در محدوده ی دمایی گسترده- تری )از 40 تا 70 درجه( کار میکنند. ولی با این اوصاف، باتوجه به اینکه ابرخازنها نسبت به باتریها تراکم انرژی کمتری دارند، مشکل ابرخازنها عدم توانایی در تامین نیرو برای مساف تهای بالا است. در این زمینه، ایده اصلی در روش پیشنهادی ترکیب دو انرژی برای غلبه بر کمبودهای باتری و ابرخازن و همچنین دس تیابی به عملکرد بهتر مطرح میگردد، چرا که ابرخازنها گزینه مناسبی برای پر کردن خلا تقاضای پیک توان )مخصوصا زمانی که توان خروجی باتری ناکارآمد و ضعیف باشد( هستند. با توجه به این که کار با این سیستم ترکیبی )باتری و ابرخازن( کار سادهای نیست و همچنین برای هماهنگی باتری و ابرخازن در جهت تامین تقاضای پیک توان )البته با اتلاف پایین انرژی و افزایش طول عمر سیستم ترکیبی(، یک استراتژی ترکیبی عصبی-فازی ارائه شده است. در استراتژی پیشنهادی تقاضای توان در شرایطی که نوسان یا فرکانس پایینی دارد توسط باتری و در زمانی که مولفهای با فرکانس بالا دارد توسط ابرخازن تامین میگردد. در این استراتژی توان پیک باتری در زمانی که نوسانات توان باتری کاهش مییابد، حذف میشود. در ابتدا تبدیل موج برای تجزیه آفلاین تقاضای توان بار به دو مولفه فرکانسی مختلف )بر اساس پهنای باند متناوب باتری و ابرخازن( به کار برده میشود. سپس مدل شبکه عصبی که متعاقبا توسعه یافته است و با کمک دادههای فرکانسی به دست آمده، از مرحله قبل آموزش داده میشود. ورودیهای مدل شبکه عصبی تقاضای توان بار و مولفه فرکانس پایین آن میباشد، خروجی مدل تقاضای توانی است که باتری باید آن را تامین نماید. در مرحله پایانی، کنترل کننده نظارتی بر مبنای منطق فازی در این استراتژی برای مدیریت ولتاژ ابرخازن طراحی میگردد.
فایل: ّFile: دانلود فایل