25718

بهينه سازي مديريت انرژي در ايستگاه هاي راه آهن هوشمند با قابليت شارژ خودروهاي پلاگين و ذخيره سازها و منابع تجديدپذير

كارشناسي ارشد

مهندسي راه آهن برقي

1400

1400/07/20

دكتر سيد محمد موسوي گزافرودي

مهندسي راه آهن

امروزه صنعت برق، نه تنها با فراهم كردن منابع جهت برآورده سازي انرژي مورد تقاضا صنايع مواجه هستند، بلكه از طرفي حداقل سازي و كاهش اثراتي كه بشر بر روي محيط در ارتباط با توليد اين انرژي دارد نيز يكي ديگر از موارد مورد توجه مي¬باشد . شبكه¬هاي هوشمند راه حلي براي اين چالش است كه سود و بازدهي بسيار زيادي دارد .براي سمت مصرف كننده شبكه¬هاي هوشمند بدين معني است كه آنها مي¬توانند بر¬¬ روي مصرف خود مديريت هوشمندانه انجام دهند تا در ساعات پيك كه قيمت انرژي گران مي¬باشد، هزينه كمتري بپردازند و براي كارشناسان محيط زيست ، اين شبكه به معني استفاده از تكنولوژي جهت كمك به حل تغييرات مضر آب و هوايي و اجتناب از توليد گازهاي كربن بيش از اندازه مي¬باشد و براي همكاران صنعت برق پيك سايي و تصميم گيري هوشمندانه و ارائه اطلاعات دقيق از وضعيت شبكه است. در چند دهه اخير با توجه به اهميت مسائل زيست محيطي و مسائل اقتصادي و همچنين موضوع ترافيك شهري ، گرايش¬ صنعت حمل و نقل ريلي به سمت برقي سازي سيستم¬هاي را¬ه¬آهن معطوف گرديده است و با توجه به اين كه توقف هاي متعدد و مكرر از ويژگي هاي مهم قطار شهري است ، بازيابي انرژي ترمزي پتانسيل بزرگي را براي كاهش مصرف انرژي در سيستم هاي ريلي شهري فراهم مي¬كند. هدف اين پايانه ايجاد يك چارچوب بهينه سازي مديريت انرژي كارآمد در ايستگاه هاي هوشمند راه آهن كه قابليت شارژ خودروهاي برقي ، استفاده از منابع تجديدپذير ، ترمز بازياب و سيستم ذخيره سازي را داراست مي¬باشد . براساس ساختار مدل پيشنهادي از برنامه ريزي محدب براي بهينه سازي سريع و كارآمد متغير تصميم گيري و پارامترهاي سيستم ذخيره انرژي ايستگاه با در نظر گرفتن افق هاي زماني مختلف بهينه سازي ، قيمت باتري هاي ايستگاه، انواع حالت هاي كنترل PEV ، پارامترهاي باتري ايستگاه و هزينه برق استفاده مي¬شود . از الگوريتم هاي ژنتيك ، ازدحام ذرات و گرگ خاكستري براي بهينه سازي تابع هزينه استفاده مي¬شود . به منظور ارزيابي مدل مديريت پيشنهادي، ارزيابي عملكرد آن بر روي ايستگاه باهچه لي اِولر خطM1 مترو تركيه مورد بررسي قرار گرفته و نتايج شبيه سازي در محيط نرم افزار متلب ، صحت مدل پيشنهادي و همچنين ميزان كاهش هزينه براي اين ايستگاه را تاييد مي¬كند .

1400/09/20

Optimization of energy management in smart railway stations with the ability to charge plug-in hybrid electric vehicles and storage systems and renewable resources

10/12/2022 12:00:00 AM

Today, the electricity industry is not only faced with providing resources to meet the energy demand of industries but also minimizing and reducing the impact that humans have on the environment in relation to the generation of this energy is another issue and Smart grids are the solution to this challenge, which is very profitable. For the consumer side, smart grids mean that they can intelligently manage their consumption to pay less during peak hours when energy is expensive, and for environmental experts, the grid means using It is a technology to help solve harmful climate change and avoid excessive carbon emissions, and for couriers in the electricity industry, it is a courier and smart decision-maker and provides accurate information about the state of the network. In recent decades, due to the importance of environmental and economic issues, as well as the issue of urban traffic, the tendency of the rail transport industry has shifted to the electrification of railway systems, and given that Numerous and frequent is an important feature of the city train, regenerative braking energy provides great potential to reduce energy consumption in urban rail systems. The purpose of this thesis is a framework for optimizing energy efficiency in smart stations that can charge electric vehicles and use renewable sources, recovery brakes, and storage systems. Based on the proposed model systematically from convex programming (CP) is used for fast and efficient optimization of decision variables and station energy storage system parameters taking into account different optimization time horizons, station battery prices, types, and modes of PEV control, station battery parameters and electricity cost. Genetic (Ga), Particle swarm optimization (pso), and Gray Wolf (Gwo) algorithms are used to optimize the cost function and Equipment and reduce Power purchased from the grid . To evaluate the proposed management model, its performance evaluation on the Bahcelievler station on the Turkish metro line M1 is examined and the simulation results in the Matlab software environment confirm the accuracy of the proposed model as well as the cost reduction for this station.

شبكه هوشمند ،انرژي ترمز بازياب ، مديريت انرژي ، روش¬هاي بهينه¬سازي ، خودروهاي برقي.

Smart Grid, regenerative braking energy, Energy Management, Optimization Methods, Plug-in hybrid Electric Vehicles.