31961

ارائه روشي هوشمند براي مديريت انرژي در شرايط وجود خودرو‌هاي برقي

كارشناسي ارشد

برق - سيستم هاي قدرت

1401

1403/10/24

دكتر محسن كلانتر

دكتر عارف اسكندري

برق

يكي از محورهاي اصلي اين تحقيق، تحليل مسئله تشكيل صفوف طولاني در ايستگاه‌هاي شارژ خودروهاي برقي و نياز به بهينه‌سازي فرايند شارژ و كاهش زمان انتظار مشتريان است. براي پاسخ به اين نياز، سيستمي مبتني بر قيمت‌دهي پويا بر اساس زمان و مكان طراحي شده است. اين سيستم با تنظيم قيمت شارژ در مناطق مختلف، امكان هدايت رفتار كاربران را فراهم مي‌كند. اين رويكرد علاوه بر بهبود تعادل عرضه و تقاضا در شبكه، مي‌تواند پايداري سيستم قدرت را تقويت كند. در اين پروژه، از يادگيري ماشين و به‌ويژه يادگيري تقويتي به‌عنوان يكي از پيشرفته‌ترين حوزه‌هاي اين دانش استفاده شده است. با بهره‌گيري از داده‌هاي تاريخي مصرف و رفتار شارژ مشتريان، الگوريتمي طراحي شده است كه به كمك مدل‌هاي پيش‌بيني، مناسب‌ترين قيمت‌ها را براي زمان‌ها و مكان‌هاي مختلف ارائه مي‌دهد. اين الگوريتم با تحليل داده‌هاي مرتبط با شبكه، شرايط بارگذاري و ترجيحات كاربران، بهينه‌ترين سياست قيمت‌دهي را تعيين مي‌كند. علاوه بر قيمت‌دهي پويا، يكي از اهداف اصلي اين پروژه بررسي تأثير جابجايي بار اوج مصرف در شبكه برق با استفاده از خودروهاي برقي است. الگوريتم طراحي‌شده قادر است با تغيير قيمت‌ها در ساعات اوج مصرف و ترغيب كاربران به شارژ خودروهاي خود در ساعات كم‌باري، بار شبكه را از ساعات پرمصرف به ساعات كم‌مصرف منتقل كند. اين رويكرد نه تنها به بهبود تعادل عرضه و تقاضا در شبكه كمك مي‌كند، بلكه از ايجاد فشار اضافي بر تجهيزات شبكه و افزايش هزينه‌هاي بهره‌برداري جلوگيري مي‌نمايد.همچنين، كاهش تراكم در ايستگاه‌هاي شارژ يكي ديگر از دستاوردهاي اين پروژه است.

1403/11/08

An Intelligent Method for Energy Management in the Present of Electrical Vehicles

1/13/2026 12:00:00 AM

One of the main focuses of this research is to analyze the problem of long queues at electric vehicle charging stations and the need to optimize the charging process and reduce customer waiting time. To respond to this need, a system based on dynamic pricing based on time and place has been designed. This system allows users to guide their behavior by adjusting charging prices in different regions. In addition to improving the supply and demand balance in the network, this approach can enhance the stability of the power system. In this project, machine learning, and in particular reinforcement learning, as one of the most advanced areas of this knowledge, has been used. Using historical data on consumption and charging behavior of customers, an algorithm has been designed that provides the most appropriate prices for different times and places with the help of predictive models. This algorithm determines the most optimal pricing policy by analyzing data related to the network, loading conditions, and user preferences. In addition to dynamic pricing, one of the main goals of this project is to investigate the impact of peak load shifting in the power grid using electric vehicles. The designed algorithm is able to shift the network load from peak to off-peak hours by changing prices during peak hours and encouraging users to charge their cars during off-peak hours. This approach not only helps improve the balance of supply and demand in the network, but also prevents additional pressure on network equipment and increased operating costs. Also, reducing congestion at charging stations is another achievement of this project.

خودرو‌هاي برقي , قيمت گذاري پويا , يادگيري ماشين , يادگيري تقويتي , جابجايي بار اوج

Electric Vehicles (EV) , Dynamic Pricing (DP) , Machine Learning (ML) , Reinforcement Learning (RL) , Peak Shifting

Mohammad Javad Peyravi

Mohsen Kalantar