Έμβλημα Πολυτεχνείου Κρήτης
Το Πολυτεχνείο Κρήτης στο Facebook  Το Πολυτεχνείο Κρήτης στο Instagram  Το Πολυτεχνείο Κρήτης στο Twitter  Το Πολυτεχνείο Κρήτης στο YouTube   Το Πολυτεχνείο Κρήτης στο Linkedin

03
Ιουν

Παρουσίαση Διπλωματικής Εργασίας κ.Ρούβαλη Νικολάου Σχολή ΧΗΜΗΠΕΡ
Κατηγορία: Παρουσίαση Διπλωματικής Εργασίας  
Τοποθεσία
Ώρα03/06/2024 15:00 - 16:00

Περιγραφή:

ΑΝΑΚΟΙΝΩΣΗ ΠΑΡΟΥΣΙΑΣΗΣ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Όνοματεπώνυμο Φοιτητή:  Νικόλαος Ρούβαλης

Α.Μ.: 2016050014

Ημερομηνία Παρουσίασης: Δευτέρα 3/6/2024

Ώρα: 3:00μ.μ. - 4:00μ.μ

Αίθουσα: https://tuc-gr.zoom.us/j/94422930417?pwd=alZERE4vSko3d3lxaXFSMjdhcjQzQT09          

Θέμα ΔE «ΠΟΛΥ-ΚΡΙΤΗΡΙΑΚΗ ΑΝΑΛΥΣΗ ΤΗΣ ΣΥΜΠΕΡΙΦΟΡΑΣ ΦΟΡΤΙΣΗΣ ΤΩΝ ΧΡΗΣΤΩΝ ΤΩΝ ΗΛΕΚΤΡΙΚΩΝ ΑΥΤΟΚΙΝΗΤΩΝ ΣΤΗΝ ΠΟΛΗ ΤΩΝ ΧΑΝΙΩΝ»

Title «MULTIOBJECTIVE ANALYSIS OF THE USERS CHARGING BEHAVIOUR OF THE ELECTRIC VEHICLES IN THE CITY OF CHANIA»

Επιβλέπουσα: Κολοκοτσά Διονυσία

Τριμελής Εξεταστική Επιτροπή:

1. Κολοκοτσά Διονυσία

2. Καμπέλης Νικόλαος

3. Τσούτσος Θεοχάρης

Περίληψη:

Η παρούσα διπλωματική εργασία αποτελεί μελέτη περίπτωσης της έρευνας του Πεκίνου για την πόλη των Χανίων και διερευνάται η επίδραση της συμπεριφοράς φόρτισης των ηλεκτρικών οχημάτων (EV) στο φορτίο του δικτύου. Χρησιμοποιείται ένα στοχαστικό μοντέλο μη γραμμικού προγραμματισμού, που αποτελείται από την προσομοίωση Monte Carlo, τις συναρτήσεις πυκνότητας πιθανότητας (PDFs), το συνολικό μεγιστοποιημένο δείκτη Υ και έναν ευρετικό αλγόριθμο αναζήτησης για την βέλτιστη διαμόρφωση των παραμέτρων. Από την ανάλυση των ιστορικών δεδομένων μετακίνησης, προσαρμόζονται οι συναρτήσεις πυκνότητας πιθανότητας για να δημιουργήσουν τα μοντέλα των μοτίβων μετακίνησης. Η προσομοίωση Monte Carlo υιοθετείται για να προσομοιώσει την κίνηση και φόρτιση των EVs σε μεγάλη κλίμακα χρησιμοποιώντας τις συναρτήσεις πυκνότητας πιθανότητας και λαμβάνοντας υπόψιν τις διάφορες συμπεριφορές φόρτισης, τα χαρακτηριστικά της μπαταρίας των EVs και των σταθμών φόρτισης και την κλίμακα των EVs.  

Από τις προσομοιώσεις παράχθηκαν αποτελέσματα ,της κίνησης και φόρτισης των EVs  σε μεγάλη κλίμακα κάτω από διαφορετικές στρατηγικές φόρτισης, για την μελλοντική αύξηση της ζήτησης του φορτίου ηλεκτρικής ενέργειας , το κόστος φόρτισης και την διασφάλιση της μετακίνησης από την χρήση EVs, ενημερώνοντας τόσο τους προμηθευτές ηλεκτρικής ενέργειας όσο και τους χρήστες των EVs για την μετάβαση αυτή ώστε να προετοιμαστούν κατάλληλα. Συγκρίνοντας τους δείκτες αξιολόγησης των τεσσάρων διαφορετικών στρατηγικών φόρτισης , η πολυκριτηριακή στρατηγική φόρτισης είναι καταλληλότερη από τις στρατηγικές του ενός στόχου. Σημαντικό αποτελεί το γεγονός ότι εξασφαλίζει την ακρίβεια πρόβλεψης ζήτησης του φορτίου , ενώ σε σχέση με άλλα μοντέλα προσδιορίζει τις βέλτιστες περιόδους για συμπεριφορές αυτόνομης φόρτισης , χωρίς να έχει άμεση σχέση επικοινωνίας μεταξύ του δικτύου και του EV. 

Η παρούσα διπλωματική εργασία μπορεί να αποτελέσει παρότρυνση για περαιτέρω έρευνα στον τομέα των ηλεκτρικών οχημάτων (EV) μέσω της αξιοποίησης προσομοιώσεων Monte Carlo για την ανάλυση διαφορετικών τύπων EV και  περιόδων (π.χ. διακοπών) , καθώς επίσης και των τρόπων σύνδεσής τους στο πραγματικό δίκτυο. Επιπλέον, προτείνεται η διεξαγωγή περαιτέρω έρευνας για τη στατιστική ανάλυση της πρόσβασης των EV σε κατανεμημένους κόμβους δικτύου, προκειμένου να παραχθούν πληροφορίες για τον τρόπο υλοποίησης των προτεινόμενων μεθόδων σε τοπικά δίκτυα διανομής. Η ανάλυση αυτή μπορεί να προσφέρει πληροφορίες σχετικά με τα πλεονεκτήματα και τους περιορισμούς της πρόσβαση και της χρήσης των EVs σε διάφορους τύπους δικτύων, προσφέροντας κατευθυντήριες οδηγίες για τη βελτιστοποίηση της εφαρμογής των ηλεκτρικών οχημάτων στις καθημερινές μεταφορές. 

Abstract:

This thesis is a case study of Beijing's research on the city of Chania and investigates the effect of electric vehicle (EV) charging behaviour on grid load. A stochastic nonlinear programming model is used, consisting of Monte Carlo simulation, probability density functions (PDFs) , overall maximized Y and a heuristic search algorithm for optimal parameter configuration. From the analysis of historical movement data, the probability density functions are fitted to generate the models of movement patterns. Monte Carlo simulation is adopted to simulate the movement and charging of EVs at a large scale using the probability density functions and considering the different charging behaviors, the battery characteristics of EVs and charging stations, and the scale of EVs.  

The simulations produced results, of large scale EVs movement and charging under different charging strategies, for future growth in electricity load demand, charging costs and ensuring mobility from EVs use, informing both electricity suppliers and EV users of this transition so that they can prepare appropriately. Comparing the evaluation indicators of the four different charging strategies, the multi-target charging strategy is more appropriate than the single-target strategies. Importantly, it ensures the accuracy of load demand forecasting, and compared to other models, it identifies the optimal periods for autonomous charging behaviors, without having a direct communication relationship between the grid and the EV.  

This thesis can be an encouragement for further research in the field of electric vehicles (EVs) through the use of Monte Carlo simulations to analyze different types of EVs and periods (e.g. outages), as well as their connection modes to the real grid. In addition, it is proposed to conduct further research on the statistical analysis of EV access to distributed grid nodes in order to generate insights on how to implement the proposed methods in local distribution networks. This analysis can provide insights into the advantages and limitations of access and use of EVs in different types of networks, offering guidelines for optimizing the implementation of EVs in everyday transportation. 

 

© Πολυτεχνείο Κρήτης 2012