توضیحات
Modeling of stochastic behavior of plug-in hybrid electric vehicle in a reactive power market
مدل سازی رفتار تصادفی خودرو الکتریکی هیبریدی پلاگین در بازار توان راکتیو
شبیه سازی در محیط ام فایل متلب انجام شده است.
دارای 21 صفحه آموزش در قالب ورد است.
گزارش شبیه سازی با متلب
شبیه‌سازی مقاله مورد نظر دقیقا مطابق روابط مقاله انجام شد. توجه شود که شبیه‌سازی باید با متلب ورژن 2017b یا بالاتر ران شود.
برخی از پارامترهایی که در مقاله و مراجع مقاله داده شده بود عینا استفاده شد ولی برخی داده ها در خود مقاله و هیچ یک از مراجع مقاله پیدا نشد که این مقادیر به صورتی تنظیم شد که نتایج نهایی نزدیک به نتایج مقاله باشد. از جمله این داده‌ها میتوان به حداکثر ظرفیت توان اکتیو و راکتیو شبکه اشاره کرد که یکی از پارامترهای بسیار مهم در مدل مورد نظر نیز می‌باشد.
در مقاله دو مطالعه مختلف انجام شده است. در مطالعه اول، عدم قطعیت‌ها در نظر گرفته نشده است. شبیه سازی مربوط به این حالت در داخل پوشه Deterministic قرار دارد. در مطالعه دوم عدم قطعیت در دسترس بودن خودروهای الکتریکی و شبکه نیز در نظر گرفته شده‌است. شبیه سازی این مطالعه نیز در داخل پوشه Stochastic قرار داده شده‌است.
در هر پوشه چند ام فایل وجود دارد که عبارت اند از:
- Data: تمام اطلاعات مربوط به مسئله در داخل این کد تعریف شده است.
- OPF: این کد برای حل پخش بار در شبکه مورد نظر نوشته شده است. پخش بار مبتنی بر روش پش‌رو-پس‌رو می‌باشد.
- PSO: این کد مربوط به روش حل مسئله می‌باشد. برای حل مسئله از الگوریتم بهینه‌سازی ازدحام ذرات (PSO) استفاده شده‌است. این الگوریتم در تولباکس خود متلب موجود بوده و بنابراین از تولباکس متلب برای فراخوانی و حل مسئله استفاده شده است.
- Fitness: برای محاسبه تابع هزینه مسئله نوشته شده‌است. روابط و فرمول‌های مقاله در داخل این کد استفاده شده است.
- Results: مشابه fitness می‌باشد و برای محاسبه و نمایش خروجی‌ها نوشته شده است.
نتایج شبیه سازی با متلب
در هر حالت، تنها با ران کردن کد PSO، بهینه‌سازی انجام می‌شود و در نهایت نیز به صورت خودکار پاسخ بهینه بدست آمده برای Results ارسال شده و با فراخوانی خودکار Results، خروجی‌های مهم مسئله نمایش داده می‌شود. برای حالت اول یعنی Deterministic، نتایج شبیه‌سازی به صورت زیر بدست می‌آید:
PEV_NO Bus_No We0 We1 We2 We3 We4 QPHEV LOC TPF
______ ______ ___ ___ ___ ___ ___ ______ ______ ______
1 4 1 0 0 1 0 7.2522 1.3353 21.17
2 5 1 0 0 1 0 7.358 1.9093 22.335
3 6 1 0 0 1 0 7.2954 1.5686 21.644
4 7 1 0 0 1 0 7.4766 2.5632 23.662
5 8 1 0 1 0 0 6.9994 0 18.457
6 9 1 0 1 0 0 6.9995 0 18.457
7 10 1 0 0 1 0 7.51 2.7491 24.04
8 11 1 0 0 1 0 7.4294 2.3017 23.132
9 12 1 0 0 1 0 7.3774 2.016 22.552
10 13 1 0 0 1 0 7.2078 1.0969 20.686
11 1 1 0 1 0 0 45 0 28.787
Total 117.90 15.5401 244.9217
بر اساس جدول بالا مشخص است که با وجود اینکه مقاله با Gams مسئله را حل کرده و همچنین با وجود اینکه برخی پارامترهای مهم داده نشده، نتایج بدست آمده نزدیک به نتایج مقاله می‌باشد. برای حالت Stochastic نیز نتایج به صورت زیر بدست آمده‌است.
LOC TPF
______ ______
153.65 589.98
بر اساس نتایج بدست آمده، مشخص است که مانند مقاله، با در نظر گرفتن عدم قطعیت، مقدار TPF افزایش می‌یابد. مقدار توان راکتیو در حالت دوم که برای 9 سناریو حل می‌شود، در هر سناریو متفاوت است و در مقاله بیان نشده که مقادیر نشان داده شده در جدول 2، مربوط به کدام سناریو است.
لازم به ذکر است که فرآیند تولید و کاهش سناریو در حالت Stochastic، در داخل کد Data نوشته شده‌است. برای اینکه برای هر ران، سناریوها تغییر نکند، سناریوهای تولید شده در فایل Scenario.mat ذخیره شده است و سناریوها با فراخوانی این فایل بازخوانی می‌شوند. در صورتی که خواستید سناریوها برای هر ران متفاوت باشد، خطوط 105 تا 145 را در کد Data از حالت کامنت خارج کرده و دو خط آخر این کد را کامنت کنید.
کلیدواژه:
Plug-in hybrid electric vehicle (PHEV) , Stochastic reactive power market , Total payment function (TPF) , PHEV capability curve
شبیه سازی
Modeling of stochastic behavior of plug-in hybrid electric vehicle in a reactive power market
طبق توضیحات فوق توسط کارشناسان سایت متلبی تهیه شده است و به تعداد محدودی قابل فروش می باشد.
سفارش انجام پروژه مشابه
درصورتیکه این محصول دقیقا مطابق خواسته شما نمی باشد،.
با کلیک بر روی کلید زیر پروژه دلخواه خود را سفارش دهید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.