Multi-objective optimization para estaciones de carga de vehículos eléctricos integradas con energía solar-hidrógeno-batería y intercambio de energía
Autores: Duan, Lijia; Guo, Zekun; Taylor, Gareth; Lai, Chun Sing
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Multi-objective optimization para estaciones de carga de vehículos eléctricos integradas con energía solar-hidrógeno-batería y intercambio de energía
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Estaciones de carga para vehículos eléctricos
Desarrollo de energía sostenible
Paneles solares
Hidrógeno
Sistemas de almacenamiento de energía de baterías
Emisiones de gases de efecto invernadero
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 54
Citaciones: Sin citaciones
La importancia de las estaciones de carga de vehículos eléctricos (EVCS) está aumentando a medida que los vehículos eléctricos (EV) se utilizan cada vez más. EVCS con múltiples fuentes de energía baja en carbono pueden promover el desarrollo de energía sostenible. Este documento presenta una metodología de optimización para el intercambio directo de energía entre EVCS dispersos geográficamente en Londres, Reino Unido. Las estaciones de carga (CSs) incorporan paneles solares, hidrógeno, sistemas de almacenamiento de energía de baterías y redes para apoyar sus operaciones. Los vehículos eléctricos se utilizan para permitir el intercambio de energía de las estaciones de carga. La función objetivo de la estación de carga de vehículos eléctricos de almacenamiento de energía solar-hidrógeno-batería (SHS-EVCS) incluye la minimización tanto de los costos de capital como de operación y mantenimiento (O&M), así como la reducción de las emisiones de gases de efecto invernadero. Las restricciones del sistema incluyen los límites de potencia de los componentes individuales y la necesidad de mantener un equilibrio de potencia entre los SHS-EVCS y la demanda de carga de vehículos eléctricos. Para evaluar y comparar los SHS-EVCS propuestos, se emplean dos algoritmos de optimización multiobjetivo, a saber, el Algoritmo Genético de Clasificación No Dominada (NSGA-II) y el Algoritmo Evolutivo Multiobjetivo Basado en Descomposición (MOEA/D). Los resultados indican que NSGA-II supera a MOEA/D en términos de lograr soluciones de mayor calidad. Durante el proceso de optimización, se consideran varios factores, incluido el dimensionamiento de los paneles solares y los tanques de almacenamiento de hidrógeno, la capacidad de los cargadores de vehículos eléctricos y el volumen de energía intercambiada entre las dos estaciones. La aplicación de los SHS-EVCS optimizados resulta en ahorros sustanciales, lo que resalta los beneficios prácticos del enfoque propuesto.
Descripción
La importancia de las estaciones de carga de vehículos eléctricos (EVCS) está aumentando a medida que los vehículos eléctricos (EV) se utilizan cada vez más. EVCS con múltiples fuentes de energía baja en carbono pueden promover el desarrollo de energía sostenible. Este documento presenta una metodología de optimización para el intercambio directo de energía entre EVCS dispersos geográficamente en Londres, Reino Unido. Las estaciones de carga (CSs) incorporan paneles solares, hidrógeno, sistemas de almacenamiento de energía de baterías y redes para apoyar sus operaciones. Los vehículos eléctricos se utilizan para permitir el intercambio de energía de las estaciones de carga. La función objetivo de la estación de carga de vehículos eléctricos de almacenamiento de energía solar-hidrógeno-batería (SHS-EVCS) incluye la minimización tanto de los costos de capital como de operación y mantenimiento (O&M), así como la reducción de las emisiones de gases de efecto invernadero. Las restricciones del sistema incluyen los límites de potencia de los componentes individuales y la necesidad de mantener un equilibrio de potencia entre los SHS-EVCS y la demanda de carga de vehículos eléctricos. Para evaluar y comparar los SHS-EVCS propuestos, se emplean dos algoritmos de optimización multiobjetivo, a saber, el Algoritmo Genético de Clasificación No Dominada (NSGA-II) y el Algoritmo Evolutivo Multiobjetivo Basado en Descomposición (MOEA/D). Los resultados indican que NSGA-II supera a MOEA/D en términos de lograr soluciones de mayor calidad. Durante el proceso de optimización, se consideran varios factores, incluido el dimensionamiento de los paneles solares y los tanques de almacenamiento de hidrógeno, la capacidad de los cargadores de vehículos eléctricos y el volumen de energía intercambiada entre las dos estaciones. La aplicación de los SHS-EVCS optimizados resulta en ahorros sustanciales, lo que resalta los beneficios prácticos del enfoque propuesto.