Ιδρυματικό Αποθετήριο [SANDBOX]
Πολυτεχνείο Κρήτης
EN  |  EL

Αναζήτηση

Πλοήγηση

Ο Χώρος μου

Σχεδιασμός συστήματος έξυπνης φόρτισης ηλεκτρικού οχήματος

Mamantaki Maria

Πλήρης Εγγραφή


URI: http://purl.tuc.gr/dl/dias/178D6E1D-968F-4411-A943-E438CC64E26C
Έτος 2024
Τύπος Διπλωματική Εργασία
Άδεια Χρήσης
Λεπτομέρειες
Βιβλιογραφική Αναφορά Μαρία Μαμαντάκη, "Σχεδιασμός συστήματος έξυπνης φόρτισης ηλεκτρικού οχήματος", Διπλωματική Εργασία, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2024 https://doi.org/10.26233/heallink.tuc.100597
Εμφανίζεται στις Συλλογές

Περίληψη

Η έξυπνη φόρτιση σε πραγματικό χρόνο και ο έλεγχος των ηλεκτρικών οχημάτων είναι ζωτικής σημασίας για τη βέλτιστη ενσωμάτωσή τους στο δίκτυο ηλεκτρικής ενέργειας. Η τεχνολογία αυτή διευκολύνει τη δυναμική προσαρμογή της ισχύος φόρτισης σε συνάρτηση με τις συνθήκες του δικτύου, την τιμή της ηλεκτρικής ενέργειας και τη διαθεσιμότητα των ανανεώσιμων πηγών ενέργειας. Με την αποτελεσματική διαχείριση της ζήτησης και της προσφοράς σε πραγματικό χρόνο, η έξυπνη φόρτιση μετριάζει τις υπερφορτώσεις του δικτύου, μειώνει τη ζήτηση αιχμής και ενισχύει τη χρήση των ανανεώσιμων πηγών ενέργειας, προωθώντας έτσι ένα πιο βιώσιμο και αποτελεσματικό ενεργειακό σύστημα. Επιπλέον, επιτρέπει τη δυνατότητα λειτουργίας Vehicle-to-grid (V2G), επιτρέποντας στα ηλεκτρικά οχήματα να παρέχουν ενέργεια στο δίκτυο κατά τις περιόδους αιχμής, γεγονός που σταθεροποιεί περαιτέρω το ηλεκτρικό δίκτυο. Η προσέγγιση αυτή όχι μόνο βελτιώνει την αξιοπιστία και την ανθεκτικότητα του δικτύου, αλλά παρέχει επίσης οικονομικά πλεονεκτήματα τόσο στους καταναλωτές, όσο και στις επιχειρήσεις κοινής ωφέλειας, μειώνοντας το ενεργειακό κόστος και αναβάλλοντας την ανάγκη για πρόσθετες επενδύσεις σε υποδομές.Σε αυτό το έργο, αναπτύσσεται μια έξυπνη μέθοδος φόρτισης σε πραγματικό χρόνο για ηλεκτρικά οχήματα με ελάχιστη ανάγκη για την πρόβλεψη σημαντικών ποσοτήτων. Για τον σκοπό αυτό, χρησιμοποιήθηκαν έμπειρα συστήματα, δηλαδή ένα σύστημα ασαφούς λογικής με εισόδους την ευελιξία του ηλεκτρικού οχήματος να προσαρμόζει την ισχύ του και την τιμή ηλεκτρικής ενέργειας, και έξοδο την ενεργό ισχύ φόρτισης του ηλεκτρικού οχήματος. Οι βέλτιστες παράμετροι του συστήματος ασαφούς λογικής, όπως τα κέντρα και τα εύρη των συναρτήσεων συμμετοχής, λαμβάνονται χρησιμοποιώντας τον αλγόριθμο βελτιστοποίησης Particle Swarm Optimization (PSO). Δεδομένα από έξυπνες μεθόδους φόρτισης ηλεκτρικών οχημάτων μέσω κλασικών τεχνικών βελτιστοποίησης, και συγκεκριμένα τη συνάρτηση fmincon της Matlab, χρησιμοποιήθηκαν για την εκπαίδευση του συστήματος ασαφούς λογικής. Πραγματοποιήθηκαν διάφορα σενάρια προσομοίωσης και δεδομένου ότι δεν απαιτείται γνώση των χαρακτηριστικών πρόβλεψης, τα αποτελέσματα ήταν ικανοποιητικά και έτσι η εκπαίδευση του προτεινόμενου συστήματος ασαφούς λογικής για έξυπνη φόρτιση ηλεκτρικών οχημάτων σε πραγματικό χρόνο ήταν επιτυχής. Το γεγονός ότι η προτεινόμενη μέθοδος είναι ανεξάρτητη από την πρόβλεψη μεταβλητών ποσοτήτων, όπως η τιμή της ηλεκτρικής ενέργειας, ενισχύει την εφαρμογή της σε πραγματικά συστήματα.

Διαθέσιμα αρχεία

Υπηρεσίες

Στατιστικά