18722

۱۸۷۲۲

مديريت انرژي ساختمان هاي اداري با حضور خودرو هاي الكتريكي و در نظر گرفتن منافع دارندگان خودرو با استفاه از روش‌هاي پيش‌بيني تصادفي

كارشناسي ارشد

سيستم هاي قدرت

دي ماه ۱۳۹۶

دكتر حيدرعلي شايانفر

برق

در اين پايان¬نامه، عملكرد كنترلكننده شارژرهاي پاركينگ هوشمند يك ساختمان اداري جهت كمينهكردن هزينه بهره¬برداري از يك ساختمان اداري مورد بررسي قرار گرفته است. با توجه به آن كه ساعت ورود خودروها و همچنين ميزان شارژ موجود در باتري اين خودروها به هنگام ورود از پيش مشخص نيست، از يك برنامه¬ريزي دو مرحله‌اي براي كمينه‌كردن هزينه¬هاي اضافي حاصل از پيش¬بيني نادرست توان، ارائه شده است. در اين برنامه‌ريزي، ساختمان اداري به شبكه توزيع متصل بوده و به علاوه از سيستم پنل خورشيدي جهت تامين توان مورد نياز استفاده مي¬كند. از طرفي از قابليت خودروهاي الكتريكي براي مديريت هرچه بهتر انرژي اين سيستم استفاده شده است. با استفاده از راهكار پيشنهاد شده، توان مصرفي كل سيستم از بازار روز بعد خريداري مي¬شود، و جهت تامين توان مورد نياز پيش¬بيني نشده و يا توان مازاد خريداري شده به ترتيب با در نظر گرفتن قيمت زمان حقيقي و جريمه لغو توان خريداري شده، در روز بهره¬برداري برنامه‌ريزي مجدد صورت مي¬گيرد. در ادامه با توجه به اينكه ميزان شارژ و دشارژ باتري¬هاي خودروهاي الكتريكي در طول عمر آن¬ها تاثيرگذار است، با روشي كاربردي ميزان هزينه وارد شده از سوي كاهش طول عمر باتري خودرو در هزينه كل بهره¬برداري از سيستم منظور شده است. نتايج حاصل از اين برنامه¬ريزي با حالت بهرهبرداري كنترل نشده و كنترل شده¬ بدون در نظرگيري مقايسه شده است. در نتيجه¬ي اين شبيه¬سازي، هزينه¬ كلي بهره¬برداري با در نظرگيري هزينه باتري خودرو¬ها كمي بيشتر از بدون در نظر گرفتن آن مي¬باشد، كه البته وارد كردن هزينه باتري ها هرچند هزينه بهره¬برداري را افزايش مي¬دهد، ولي براي بدست آوردن هزينه واقعي سيستم ضروري است و منافع دارندگان خودرو بدون در نظر گيري آن در خطر مي¬باشد.

1397/02/03

4/23/2018 12:00:00 AM

In this thesis, the performance of charger controllers of an administrative building are being studied in order to minimize the operational cost of the building. While the entrance time of the cars and their battery state of charge (SOC) are not clear, a two-stage program is presented in order to minimize the extra costs resulted from false predictions of power. In this program, the building is connected to grid and uses PVs in addition to supply the needed power. On the other hand, V2G ability of EVs are used in order to optimize the power of the system. With the use of above solutions, the power consumption of the system is bought from day ahead market, and reprogramming is required on the day of operation in order to calculate and supply the unpredicted needed power and the extra bought power with the consideration of TOU and cancelation penalties of the previously bought power. In the following, according to charge and discharge of the battery which effects its life, the battery aging cost is evaluated and added to the whole costs of operation with a practical method. The results of this programming are comprised in four different situation: charging without control, controlled charging with and without V2G, and considering aging costs. As a result of these simulations, total cost of operation with the consideration of battery aging cost is a little bit more than not considering them; which of course considering the aging cost will increase the operation costs, but is essential for reaching the actual costs of system while the benefits of EV owners wouldn’t be in risk.