مدیریت بهینه انرژی قسمت های مختلف پارکینگ های هوشمند، تحت برنامه واکنش نسبت به میزان تقاضا در حضور الکترولیز کننده ها و پیل یا سلول های سوختی به عنوان سیستم ذخیره‌سازی هیدروژن

امروزه، استفاده از منابع تولید پراکنده و وسایل نقلیه الکتریکی (EV)‏ به منظور کاهش آلودگی هوا و انتشار گازهای گلخانه‌ای، افزایش می‌یابد. همچنین، تعداد پارکینگ‌های هوشمند (IPL)‏در پاسخ به افزایش تعداد EV ها افزایش می‌یابند. بنابراین، بهره‌برداری بهینه از منابع تولید پراکنده و IPL در بازار برق بدون برنامه‌ریزی فنی، برخی مشکلات اقتصادی برای مالکین IPL و برخی مشکلات فنی برای اپراتور شبکه توزیع را به دنبال خواهند داشت. بنابراین، در این مقاله، مدیریت بهینه انرژی برای یک IPL پیشنهاد شده‌است که شامل منابع انرژی تجدید پذیر (‏توربین بادی و سیستم فتوولتائیک)‏ و ژنراتورهای توزیع محلی (‏میکروتوربین)‏، می‌باشد. همچنین، تعیین توان شارژ و تخلیه بهینه سیستم ذخیره‌سازی هیدروژن (HSS)، ‏حاوی الکترولیز کننده، مخازن ذخیره‌سازی هیدروژن و پیل سوختی در مدل پیشنهادی، در نظر گرفته شده‌است. علاوه بر این، بازه های زمانی استفاده برنامه پاسخ تقاضا برای تسطیح منحنی بار به منظور کاهش هزینه عملیات IPL، پیشنهاد شده‌است. تابع هدف، شامل زمینه های به حداقل رساندن هزینه‌های عملیاتی شبکه های بالادست یا اصلی و ژنراتورهای توزی

Nowadays, utilization of distributed generation sources and electric vehicles (EVs) are increased to reduce air pollution and greenhouse gas emissions. Also, intelligent parking lots (IPL) are increased in response to the increase in the number of EVs. Therefore, optimal operation of distributed generation sources and IPL in the power market without technical scheduling will follow some economic problems for the owner of IPL and some technical problems for the operator of distribution network. Therefore, in this paper, an optimal energy management has been proposed for an IPL which includes renewable energy sources (wind turbine and photovoltaic system) and local dispatchable generators (micro-turbines). Also, determination of optimal charge and discharge powers of hydrogen storage system (HSS) containing electrolyser, hydrogen storage tanks and fuel cell has been considered in the proposed model. Furthermore, the time-of-use rates of demand response program are proposed to flatten th