18307

۱۸۳۰۷

مديريت هوشمند انرژي در سيستم حمل و نقل برقي (با در نظر گرفتن مدل بهينه مصرف بار)

كارشناسي ارشد

مهندسي راه آهن برقي

آبان ماه ۱۳۹۶

دكتر سيد سعيد فاضل

راه آهن

صنعت حمل و نقل برقي به ويژه سيستم‌هاي مترو درون شهري و ايستگاه‌هاي شارژ خودروهاي الكتريكي از جمله مصرف‌كنندگان بزرگ انرژي براي شبكه برق سراسري محسوب مي‌گردند، به گونه‌اي كه تقاضاي اين بار‌ها، معمولاً با پيك تقاضاي برق از شبكه اصلي همزمان است، بنابراين اين بارها آثار نامطلوبي بر شبكه برق بالادستي خود مثل افزايش هارمونيك‌ها و متعاقباً كاهش كيفيت توان، انحراف ولتاژ، كاهش ضريب بار و افزايش سايزينگ ادوات و تجهيزات دارند. استفاده از انرژي عظيم حاصل از ترمز قطارها مي‌تواند يكي از بهترين راهكارها، براي حل مشكل مذكور باشد. در واقع همانند شبكه‌هاي قدرت كه به دنبال استفاده از منابع توليد پراكنده جهت افزايش بهره‌وري سيستم بوده، انرژي بازگشتي قطارها نيز در سيستم‌هاي حمل و نقل برقي مي‌تواند همچون يك منبع توليد پراكنده در نظر گرفته شود و به زنجيره تأمين توان كمك كند.. بنابراين، براي اولين بار، در اين پايان‌نامه با شبيه‌سازي ديناميكي قطارهاي برقي و با در نظر گرفتن ايستگاه نمونه براي آنها، منحني توليد پراكنده مربوط به آنها در شبانه‌روز بدست آمده است. به علاوه، منحني توليد پراكنده مربوط به پنل‌هاي خورشيدي به عنوان مكمل سيستم تغذيه نيز شبيه‌سازي گرديده است. از آنجايي كه توليدات پراكنده با بهره‌گيري از ذخيره‌سازهاي انرژي به مراتب بهره‌وري بيشتري خواهند داشت، در اين پايان‌نامه، دو ساختار يكپارچه متشكل از شبكه مترو و ايستگاه‌هاي شارژ خودروهاي الكتريكي با در نظر گرفتن ذخيره‌كننده انرژي و با بهر‌ه‌گيري از توليدات پراكنده پيشنهاد شده و در دو نرم‌افزار متلب و هومر شبيه‌سازي شده است؛ نتيجه شبيه‌سازي ساختار اول در نرم‌افزار هومر، نمايانگر پيك‌سابي مصرف دو بار سيستم يعني قطار و خودروهاي الكتريكي در كنار هم است. اما با توجه به اينكه تأثيرات سؤ پيك مصرف خودروهاي الكتريكي بر شبكه توزيع بيشتر از قطارهاي برقي بوده، در مرحله‌ي بعد سيستم پيشنهادي به طور خاص بر پيك‌سابي مصرف بار خودروهاي الكتريكي متمركز شده است، لذا نتيجه شبيه‌سازي ساختار دوم در نرم‌افزار متلب، پيك‌سابي مصرف بار خودروهاي الكتريكي است. روند پيك‌سابي به گونه‌اي است كه با در نظر گرفتن يك سيستم مديريت هوشمند انرژي، جابجايي تقاضاي بارها از ساعات پيك به ساعات غير پيك انجام خواهد شد. متعاقباً كاهش تأثيرات سوء و هزينه‌هاي زيرساخت و بهره‌برداري از نتايج اين پيك‌سابي خواهد بود. در ادامه مدل بهينه مصرف انرژي ساختارها، نسبت به سيستم سنتي نيز مقايسه شده است كه مقايسه ساختار اول با سيستم سنتي، نمايانگر پيك‌سابي 20 درصدي است. مقايسه ساختار پيشنهادي دوم با سيستم سنتي نمايانگر اين مهم است كه كاهش مصرف توان از شبكه بالادستي بيش از روند پيك‌سابي اتفاق مي‌افتد و به همين دليل مي‌توان از اين ساختار به عنوان زيرساخت پيشنهادي جديد براي ايستگاه‌هاي شارژ سريع خودرو الكتريكي استفاده كرد.

1396/10/22

1/12/2018 12:00:00 AM

The electric transportation systems (especially, electric vehicles and electric railway systems) are considered as huge demands of main electric network. Since the peak power consumption of mentioned systems, have time overlap with the peak power demand of main electric network, the supplying procedure of which, has negative impacts on the upstream grid such as expensive infrastructure, voltage deviation, harmonic, low load factor and so forth. One of the best solutions to alleviate the negative impacts is the utilization of regenerated energy of braking trains as a distributed generation in electric transportation system as well as the solar energy sources in other power systems. Therefore, in this thesis this is first time that a daily curve for distributed generations of braking trains are derived by dynamic simulation of electric railway system. Besides, the daily curve of solar generetions is derived by simulation. As the distributed generations will penetrate into the supply chains more effectively if benefit from energy storage systems, in this thesis, two configurations containing metro station and fast charging station for electric vehicles, benefitting from energy storages and distributed generations are proposed and simulated in HOMER and MATALB. The result of first configuration simulation is peak-shaving of both consumptions. Since the negative impacts of electric vehicle charging stations on distribution system are more serious, the second configuration simulation is concentrated on peak-shaving of electric vehicle charging stations, the sresults of which are also depict the peak-shaving of electric vehicle consumption. Thus, a smart energy management system defines power flow strategies so that the shifting power demand from grid point of view could be proceeded. Alleviating the negative impacts on upstream network, cost reduction and decreasing the size of network elements are the consequences of the peak shaving. To clarify the issue, the smart configurations are compared with the traditional system. The comparison between first configuration and the traditional one shows the 20 percent peak-shavong where the comparison between the second configuration and the traditional one shows more shaving of power consumption. This result begets to approving the proposed configuration as a new infrastructure for electric vehicle charging station.