یک چارچوب تخصیص منابع ترکیبی برای ایستگاه‌های شارژ PEVs، منابع انرژی تجدیدپذیر و سیستم‌های ذخیره‌سازی انرژی پراکنده

توسعه گسترده خودروهای الکتریکی (‏PEVs)‏، منابع انرژی تجدید پذیر (RES) ‏و سیستم‌های ذخیره‌سازی انرژی پراکنده (DESS)‏ تحت دید ریز شبکه‌ای هوشمند مورد توجه قرار گرفته‌است. با این حال، ویژگی‌های خاص و عملیاتی آن‌ها تغییر پارادایم در مطالعات تخصیص منابع شبکه توزیع را ایجاد کرده‌اند. در این مقاله یک مدل ترکیبی برای تخصیص بهینه منابع بهینه ایستگاه‌های شارژ PEVs، RES و DESS در شبکه‌های توزیعی ارائه شده‌است. این فرمول یک تابع هدف کلی را بکار می‌برد که کل هزینه سالانه انرژی (ACOE) را بهینه می‌کند. متغیرهای تصمیم در فرمول‌بندی، مکان‌ها و ظرفیت‌های ایستگاه‌های شارژ PEVs، RES و DESS هستند. مدل شبیه‌سازی زنجیره مارکوف مونت کارلو (MCMC) برای محاسبه عدم قطعیت‌های موجود در تقاضای شارژ و تولید خروجی RES استفاده می‌شود. همچنین به منظور افزایش دقت مساله تخصیص منابع، کنترل هماهنگ شارژ PEVs، توان خروجی RES و DESS شارژ / تخلیه در مدل فرموله شده گنجانده شده‌است. این فرمول به دو زیر مساله وابسته تجزیه می‌شود و با استفاده از ترکیبی از تکنیک‌های بهینه‌سازی فراابتکاری و قطعی حل می‌شود. یک مطالعه موردی نمونه بر

The massive deployment of plug-in electric vehicles (PEVs), renewable energy resources (RES), and distributed energy storage systems (DESS) has gained significant interest under the smart grid vision. However, their special features and operational characteristics have created a paradigm shift in distribution network resource allocation studies. This paper presents a combined model formulation for the concurrent optimal resource allocation of PEVs charging stations, RES and DESS in distribution networks. The formulation employs a general objective function that optimizes the total Annual Cost of Energy (ACOE). The decision variables in the formulation are the locations and capacities of PEVs charging stations, RES, and DESS units. A Markov Chain Monte Carlo (MCMC) simulation model is utilized to account for the uncertainties of PEVs charging demand and output generation of RES units. Also, in order to enhance the accuracy of the resource allocation problem, the coordinated control of