|
Title
|
بررسي انصاف انرژي در شارژ خودرو برقي
|
|
Type
|
Thesis
|
|
Keywords
|
انصاف، رضايت كاربر، شاخص جين (JFI) ، شبكه توزيع، مديريت شارژ خودرو برقي، يادگيري تقويتي
|
|
Abstract
|
اين پژوهش به مديريت منصفانه شارژ خودروهاي برقي در پاركينگ ها مي پردازد. در سيستم هاي فني (مثل شارژ خودروهاي برقي)، انصاف يعني منابع محدود انرژي طوري توزيع شوند كه هيچ كاربري به طور نامعقول متضرر نشود و اختلاف شديد در سطح خدمت بين كاربران ايجاد نشود. شاخص انصاف JAIN را به عنوان معيار اصلي ارزيابي و نيز جزء تابع هدف و پاداش در برخي مدل ها به كار مي گيرد. مسئله با در نظر گرفتن قيود عملي شامل ظرفيت توان ايستگاه، تعداد نازل هاي فعال، پويايي وضعيت شارژ باتري و محدوديت هاي شبكه توزيع فرموله شده است. براي مقايسه، چهار سياست زمانبندي بررسي شده اند: اولين ورود اولين خدمت، زودترين موعد انجام، بهينه سازي و يادگيري تقويتي با پاداش تركيبي كارايي–انصاف. سناريوهاي شبيه سازي براي 10 ، 50 و 100 و 1200 خودرو و نيز نسبت هاي مختلف خودروهاي شارژ سريع طراحي گرديده است. نتايج نشان مي دهد روش بهينه سازي بالاترين ميزان انصاف را حاصل مي كند و روش RL با برقراري توازن ميان بهره وري و انصاف عملكرد نزديك به بهينه سازي دارد، در حاليكه اولين ورود اولين خدمت پايين ترين مقدار انصاف را به دست مي دهد. افزايش سهم خودروهاي شارژ سريع موجب افت معني دار شاخص انصاف مي شود و افزودن تعداد نازل هاي فعال مي تواند توزيع عادلانه تري ايجاد كند. روند آموزش عامل RL نيز نشان دهنده همگرايي تدريجي پاداش ميانگين است براي بررسي قيود شبكه، ايستگاه هايي با ظرفيت 1500 و 2500 كيلووات به ترتيب بر روي شبكه هاي استاندارد مدل سازي شده اند. نتايج بيانگر حساسيت چشمگير تلفات و افت ولتاژ به محل اتصال ايستگاه است و اعمال سياست بهينه سازي، نسبت به حالت شارژ بدون نظارت، پايداري ولتاژ و محدودسازي توان لحظه اي را بهبود مي بخشد. در مجموع، چارچوب ارائه شده نشان مي دهد مي توان با تركيب روش هاي بهينه سازي و يادگيري تقويتي، ضمن رعايت محدوديت هاي شبكه، انصاف و رضايت كاربران را به طور معناداري افزايش داد.
|
|
Researchers
|
Mostafa Chamanifard (Student) , Mohammad Mohammadi (First primary advisor) , Dariush Keihan Asl (Advisor) , Mohammad Rastegar (Advisor) , Behrooz Zaker (Second primary advisor)
|