University of Mohaghegh ArdabiliJournal of Operation and Automation in Power Engineering2322-457611320231001An Improved Optimal Protection Coordination for Directional Overcurrent Relays in Meshed Distribution Networks with DG Using a Novel Truth Table بهبود هماهنگی حفاظتی بهینه برای رله های اضافه جریان جهت دار در شبکه های توزیع حلقوی درای تولید پراکنده با استفاده از یک جدول صحت جدید151161165410.22098/joape.2023.10320.1732ENH. ShadDepartment of Electrical Engineering, College of Electrical Engineering and Computer,
Saveh Branch, Islamic Azad University, Saveh, IranM. GandomkarDepartment of Electrical Engineering, College of Electrical Engineering and Computer,
Saveh Branch, Islamic Azad University, Saveh, Iran0000-0001-6199-1483J. NikoukarDepartment of Electrical Engineering, College of Electrical Engineering and Computer,
Saveh Branch, Islamic Azad University, Saveh, IranJournal Article20220207<em>To assure the security and optimal protection coordination in meshed distribution networks, clearing faults swiftly and selectively is an essential priority. This priority, when hosting distributed generations (DGs), becomes the main challenge in order to avoid the unintentional DGs tripping. To overcome the mentioned challenge, this paper establishes a truth table to select new settings of directional overcurrent relays (DOCRs) characteristics which can be defined by users. It concentrates on minimizing the overall relays operating time. Typically, the conventional coordination between pair relays is achieved by two settings: time dial setting (TDS) and pickup current (Ip). Besides these adjustments, the suggested approach, considered the two coefficient constant of the inverse-time characteristics, namely the relay characteristics (A) and the inverse-time type (B), as continuous to optimize. Thus, more flexibility is attained in adjusting relays features. In addition, the inclusion of user-defined settings on numerical DOCRs, not only decreases the overall operating time of relays, but also improves the performance of the backup relays against the fault points. This approach illustrates a constrained non-linear programming model tackled by the combined particle swarm optimization (PSO) and whale optimization algorithm (WOA). The efficiency of the suggested approach is assessed though the IEEE 8-bus and the distribution portion of IEEE 30-bus system with synchronous-based DG units. The obtained results demonstrate the performance of approach and will be discussed in depth.</em> برای اطمینان از امنیت و هماهنگی حفاظت بهینه در شبکههای توزیع حلقوی، پاکسازی سریع و انتخابی خطاها یک اولویت ضروری است. این اولویت، هنگام میزبانی از تولیدات پراکنده (DGs)، به یک چالش اصلی برای جلوگیری از قطع ناخواسته DGs تبدیل میشود. برای غلبه بر چالش فوق، این مقاله یک جدول صحت برای انتخاب تنظیمات جدید رلههای اضافه جریان جهتدار (DOCR) ارایه میکند که میتواند توسط کاربران تعریف شود. هدف آن به حداقل رساندن زمان عملکرد کلی رلهها است. به طور معمول، هماهنگی مرسوم بین جفت رلهها با دو تنظیم به دست میآید: تنظیم ضریب زمانی (TDS) و جریان تحریک(IP). علاوه بر این تنظیمات، رویکرد پیشنهادی، دو ضریب ثابت مشخصههای زمان معکوس، یعنی مشخصه رله (A) و نوع زمان معکوس (B) را به صورت پیوسته در نظر گرفته تا بهینه شوند. بنابراین، انعطافپذیری بیشتری در تنظیم مشخصههای رله به دست می آید. علاوه بر این، گنجاندن تنظیمات تعریف شده توسط کاربر بر روی DOCR های عددی، نه تنها زمان عملکرد کلی رلهها را کاهش میدهد، بلکه عملکرد رلههای پشتیبان را در برابر خطاها نیز بهبود میبخشد. این رویکرد یک مدل برنامهریزی غیرخطی مقید را نشان میدهد که با ترکیب الگوریتم بهینهسازی ازدحام ذرات (PSO) و الگوریتم بهینهسازی نهنگ (WOA) حل میشود. کارایی روش پیشنهادی در شبکه استاندارد 8 شینه و بخش توزیع شبکه استاندارد 30 شینه دارای واحدهای DG مبتنی بر سنکرون، ارزیابی میشود. نتایج بهدستآمده کارایی رویکرد را نشان میدهد و به طور عمیق مورد بحث قرار خواهد گرفت.https://joape.uma.ac.ir/article_1654_95c07db8e3588e4c7ea3271ad54e183d.pdfUniversity of Mohaghegh ArdabiliJournal of Operation and Automation in Power Engineering2322-457611320231001Data Mining Model Based Differential Microgrid Fault Classification Using SVM Considering Voltage and Current Distortionsطبقهبندی خطای ریزشبکه دیفرانسیل مدل داده کاوی با استفاده از SVM با در نظر گرفتن اعوجاجهای ولتاژ و جریان162172165510.22098/joape.2023.10185.1722ENP. VenkataElectrical Engineering Department, School of Technology, Pandit Deendayal Energy University, Gandhinatar, Gujarat, IndiaV. PandyaElectrical Engineering Department, School of Technology, Pandit Deendayal Energy University, Gandhinatar, Gujarat, IndiaA.V. SantElectrical Engineering Department, School of Technology, Pandit Deendayal Energy University, Gandhinatar, Gujarat, IndiaJournal Article20220120<em>This paper reports support vector machine (SVM) based fault detection and classification in microgrid while considering distortions in voltages and currents, time and frequency series parameters, and differential parameters. For SVM-based fault classification, the data set is formed by analysing the operation of the standard IEC microgrid model, with and without grid interconnection, under different fault and non-fault scenarios. Fault scenarios also include different locations, resistances, and incident angles of fault. Whereas, for non-fault scenarios, the variation in load is considered. Voltages and currents from both ends of the distribution line (DL) are sampled at 1920 Hz. The time and frequency series parameters, total harmonic distortion (THD) in current and voltage, and differential parameters are determined. The SVM algorithm uses these parameters to detect and classify faults. The performance of this developed SVM based algorithm is compared with that of different machine learning algorithms. This comparative analysis reveals that SVM detects and classifies the faults on the microgrid with an accuracy of over 99.99%. The performance of the proposed method is also tested with 30 dB, 35 dB, and 40 dB noise in the generated data, which represent measurement errors.</em>این مقاله شناسایی و طبقهبندی عیب مبتنی بر ماشین برداری (SVM) را در ریزشبکه پشتیبانی میکند، در حالی که اعوجاجها در ولتاژها و جریانها، پارامترهای سری زمان و فرکانس و پارامترهای دیفرانسیل را در نظر میگیرد. برای طبقهبندی خطای مبتنی بر SVM، مجموعه دادهها با تحلیل عملکرد مدل ریزشبکه استاندارد IEC، با و بدون اتصال به شبکه، تحت سناریوهای مختلف خطا و بدون خطا تشکیل میشود. سناریوهای خطا همچنین شامل مکانهای مختلف، مقاومتها و زوایای وقوع خطا میشوند. در حالی که برای سناریوهای بدون خطا، تغییر بار در نظر گرفته می شود. ولتاژها و جریان های دو سر خط توزیع (DL) در فرکانس 1920 هرتز نمونه برداری شده و پارامترهای سری زمان و فرکانس، اعوجاج هارمونیک کل (THD) در جریان و ولتاژ و پارامترهای دیفرانسیل تعیین می شود. الگوریتم SVM از این پارامترها برای شناسایی و طبقه بندی خطاها استفاده می کند. عملکرد این الگوریتم مبتنی بر SVM توسعه یافته با الگوریتم های مختلف یادگیری ماشین مقایسه شده است. این تحلیل مقایسه ای نشان می دهد که SVM خطاهای ریزشبکه را با دقت بیش از 99.99% شناسایی و طبقه بندی می کند. عملکرد روش پیشنهادی نیز با نویزهای 30 دسی بل، 35 دسی بل و 40 دسی بل در داده های تولید شده، که نشان دهنده خطاهای اندازه گیری است، آزمایش می شود.https://joape.uma.ac.ir/article_1655_b2149c20dcd6fdffd56e18055f17855a.pdfUniversity of Mohaghegh ArdabiliJournal of Operation and Automation in Power Engineering2322-457611320231001Power Spectral Density based Identification of Low frequency Oscillations in Multimachine Power systemشناسایی نوسانات فرکانس پایین بر اساس چگالی طیفی توان در سیستم قدرت چند ماشینی173181165610.22098/joape.2023.10072.1710END. ShettyDepartment of Electrical and Electroinics Engineering, NMAM Institute of Technology Nitte, Karkala,India0000-0002-1307-0775N. PrabhuDepartment of Electrical and Electroinics Engineering, NMAM Institute of Technology Nitte, Karkala,IndiaJournal Article20220102<em>The paper presents a Fast Fourier Transform (FFT) based Power Spectral Density (PSD) filter for denoising the PMU signal received from the smart power system network to identify the low frequency Oscillation modes (LFO). Small disturbances are introduced during normal operation of power system causes low frequency oscillations and may hinder the power system transfer capabilities of a system. The traditional signal processing method cannot extract the information from ambient signals effectively during noisy measurement. In this paper, the performance of the Prony analysis with reduced sampling rate is analysed for the PMU data with noiseless and noise environment. It is observed that, the performance of the Prony approach is not satisfactory under noisy measurement data. In the present work FFT-PSD is used to denoise the noisy measurement signal and identify the nature of the decrement factor of the low frequency oscillatory modes. The accuracy of the estimated decrement factors of modes are verified with eigenvalues to validate the proposed method. The performance of proposed method is compared with signal processing method for IEEE New England power system and found effective and suitable during noisy PMU measurements</em>.این مقاله یک فیلتر چگالی طیفی توان (PSD) مبتنی بر تبدیل فوریه سریع (FFT) را برای حذف نویز سیگنال PMU دریافتشده از شبکه سیستم قدرت هوشمند برای شناسایی حالتهای نوسان فرکانس پایین (LFO) ارائه میکند. اغتشاشات کوچکی که در حین کارکرد نرمال سیستم قدرت ایجاد می شود باعث نوسانات فرکانس پایین می شود و ممکن است توانایی انتقال سیستم قدرت یک سیستم را مختل کند. روش سنتی پردازش سیگنال نمی تواند اطلاعات سیگنال های محیط را به طور موثر در طول اندازه گیری نویز استخراج کند. در این مقاله، عملکرد آنالیز Prony با کاهش نرخ نمونهبرداری برای دادههای PMU با محیط بینویز و نویز تحلیل میشود. مشاهده می شود که عملکرد رویکرد Prony در داده های اندازه گیری نویز رضایت بخش نیست. در کار حاضر از FFT-PSD برای حذف نویز سیگنال اندازهگیری نویز و شناسایی ماهیت ضریب کاهش حالتهای نوسانی فرکانس پایین استفاده میشود. دقت ضرایب کاهش تخمین زده شده با استفاده از مقادیر ویژه برای اعتبارسنجی روش پیشنهادی تأیید میشود. عملکرد روش پیشنهادی با روش پردازش سیگنال برای سیستم قدرت IEEE نیوانگلند مقایسه شده و در اندازهگیریهای PMU پر سر و صدا مؤثر و مناسب است.https://joape.uma.ac.ir/article_1656_88fdab482e83947d238a94a13b60ea4f.pdfUniversity of Mohaghegh ArdabiliJournal of Operation and Automation in Power Engineering2322-457611320231001Improving the Effect of Electric Vehicle Charging on Imbalance Index in the Unbalanced Distribution Network Using Demand Response Considering Data Mining Techniquesبهبود تاثیر خودروهای الکتریکی بر شاخص عدم تعادل در شبکه توزیع نامتعادل با استفاده از پاسخگویی تقاضا با درنظرگیری تکنیکهای داده کاوی182192165710.22098/joape.2023.9194.1640ENM.A. BaherifardFaculty of Electrical Engineering, Sahand University of Technology, Tabriz, Iran0000-0001-8079-8902R. KazemzadehFaculty of Electrical Engineering, Sahand University of Technology, Tabriz, IranA.S. YazdankhahFaculty of Electrical Engineering, Sahand University of Technology, Tabriz, IranM. MarzbandNorthumbria University, Electrical Power and Control Systems Research Group, Ellison Place NE1 8ST, Newcastle upon Tyne, United KingdomJournal Article20210712With the development of electrical network infrastructure and the emergence of concepts such as demand response and using electric vehicles for purposes other than transportation, knowing the behavioral patterns of network technical specifications to manage electrical systems has become very important optimally. One of the critical parameters in the electrical system management is the distribution network imbalance. There are several ways to improve and control network imbalances. One of these ways is to detect the behavior of bus imbalance profiles in the network using data analysis. In the past, data analysis was performed for large environments such as states and countries. However, after the emergence of smart grids, behavioral study and recognition of these patterns in small-scale environments has found a fundamental and essential role in the deep management of these networks. One of the appropriate methods in identifying behavioral patterns is data mining. This paper uses the concepts of hierarchical and k-means clustering methods to identify the behavioral pattern of the imbalance index in an unbalanced distribution network. For this purpose, first, in an unbalanced network without the electric vehicle parking, the imbalance profile for all busses is estimated. Then, by applying the penetration coefficient of 25% and 75% for electric vehicles in the network, charging\discharging effects on the imbalance profile is determined. Then, by determining the target cluster and using demand response, the imbalance index is improved. This method reduces the number of busses competing in demand response programs. Next, using the concept of classification, a decision tree is constructed to minimize metering time.امروزه با توسعه زیرساخت های شبکه الکتریکی و پدید آمدن مفاهیمی چون پاسخگویی تقاضا و استفاده از خودروهای الکتریکی در اهدافی غیر از حمل و نقل، شناختن الگوهای رفتاری مشخصات فنی شبکه به منظور مدیریت بهینه سیستم های الکتریکی بسیار اهمیت یافته است.یکی از پارامترهای حیاتی در مدیریت سیستم برق، عدم تعادل شبکه توزیع است. راه های مختلفی برای بهبود و کنترل عدم تعادل شبکه وجود دارد. یکی از این راه ها تشخیص رفتار پروفایل های عدم تعادل باس در شبکه با استفاده از تجزیه و تحلیل داده ها است. در گذشته ، تجزیه و تحلیل داده های برای محیط های بزرگی مانند ایالات و کشورها انجام می شد. با این حال پس از ظهور مفهوم شبکه های هوشمند ، مطالعه رفتاری و شناخت این الگوها در محیط های کوچک و مقیاس پایین، نقش اساسی و مهمی در مدیریت عمیق این شبکه ها پیدا کرده است. یکی از روش های مناسب در تشخیص الگوهای رفتاری استفاده از داده کاوی است. در این مقاله از مفاهیم خوشه بندی سلسله مراتبی و میانگین-k برای تشخیص الگوی رفتاری شاخص عدم تعادل در یک شبکه توزیع نامتعادل استفاده میشود. سپس با تعیین خوشه هدف و با استفاده از پاسخگویی تقاضا به بهبود شاخص عدم تعادل پرداخته میشود. این روش باعث کاهش تعداد باسهای شرکت کننده در برنامه های پاسخگویی تقاضا میشود. در ادامه با استفاده از مفهوم طبقه بندی، یک درخت تصمیم در راستای کاهش زمان میترینگ ساخته میشود.https://joape.uma.ac.ir/article_1657_dca3c5616681587a1bb693db9262dbae.pdfUniversity of Mohaghegh ArdabiliJournal of Operation and Automation in Power Engineering2322-457611320231001Power Quality of Electric Vehicle Charging Stations and Optimal Placement in the Distribution Networkکیفیت توان ایستگاه های شارژ خودرو برقی و جایابی بهینه در شبکه توزیع193202175410.22098/joape.2023.9657.1672ENM. Shadnam ZarbilDepartment of Electrical Engineering, Iran University of Science and Technology, Tehran, IranA. VahediDepartment of Electrical Engineering, Iran University of Science and Technology, Tehran, Iran0000-0002-8828-2895Journal Article20211010Due to the presence of power electronic converters in electric vehicle battery chargers, the electrical power drawn from the distribution system has severe distortions which pose many problems to the power quality. Herein, the impact of chargers in terms of indicators, e.g., penetration level, battery state of charge, type of charging stations, the time of connection of chargers to the network, and the location of charging stations was comprehensively studied on a sample distribution network. The effect of these chargers was investigated based on power quality parameters, e.g., total harmonic distortion (THD) and voltage profile, and the effect of each indicator on these parameters was determined. To minimize the effects of the chargers, an IEEE 33-bus distribution sample network was optimized with the objective functions of voltage drop and THD. Based on this optimization algorithm, the installation placement and the power capacity of the charging stations were obtained to achieve the lowest voltage drop and THD.به دلیل وجود مبدل های الکترونیک قدرت در شارژرهای باتری خودروهای برقی، توان الکتریکی گرفته شده از سیستم توزیع دارای اعوجاج شدیدی است که کیفیت برق را با مشکلات زیادی مواجه می کند. در اینجا، تأثیر شارژرها از نظر شاخصها، بهعنوان مثال، سطح نفوذ، وضعیت شارژ باتری، نوع ایستگاههای شارژ، زمان اتصال شارژرها به شبکه و مکان ایستگاههای شارژ به طور جامع در یک شبکه توزیع نمونه مورد بررسی قرار گرفت. . تأثیر این شارژرها بر اساس پارامترهای کیفیت توان، به عنوان مثال، اعوجاج هارمونیک کل (THD) و پروفیل ولتاژ بررسی شد و تأثیر هر نشانگر بر روی این پارامترها تعیین شد. برای به حداقل رساندن اثرات شارژرها، یک شبکه نمونه توزیع 33 شینه IEEE با توابع هدف افت ولتاژ و THD بهینه شد. بر اساس این الگوریتم بهینه سازی، محل نصب و ظرفیت توان ایستگاه های شارژ برای دستیابی به کمترین افت ولتاژ و THD به دست آمد.https://joape.uma.ac.ir/article_1754_c21c64555aa87d139bec29a1e3b451a8.pdfUniversity of Mohaghegh ArdabiliJournal of Operation and Automation in Power Engineering2322-457611320231001Optimal Scheduling of Electrical Storage System and Flexible Loads to Participate in Energy and Flexible Ramping Product Marketsبرنامهریزی بهینه سیستم ذخیره الکتریکی و بارهای انعطافپذیر به منظور مشارکت در بازارهای انرژی و محصول رمپ انعطاف پذیر203212175510.22098/joape.2023.10258.1729ENH. MakhdoomiDepartment of Electrical Engineering, University of Kurdistan, Sanandaj, IranJ. MoshtaghDepartment of Electrical Engineering, University of Kurdistan, Sanandaj, IranJournal Article20220131<em>The power systems operation has encountered some challenges due to the increasing penetration rate of renewable energy sources. One of the main challenges is the intermittency of these resources, which causes power balance violations. On the other hand, there are various distributed energy resources (DERs) to compensate for the need for the ramp capacity. Hence, to indicate this issue, the energy storage systems and the heating, ventilation, and air conditioning (HVAC) loads are selected in the form of a DER aggregator (DERA) to participate in the day-ahead (DA) energy and flexible ramping product (FRP) markets in this paper. Therefore, a co-optimization method is used to model the aggregator’s decision-making, as a mixed-integer linear programming (MILP) approach, in both the markets. The obtained results revealed that the profit of the DERA increases by considering not only its participation in the joint energy and FRP markets but also the potential of the HVAC loads. Moreover, the accuracy of the model is investigated using the sensitivity analysis of the parameters, including deployment probability, customers’ welfare, and the allowed temperature deviation. </em>بهره برداری از سیستم های قدرت به دلیل افزایش ضریب نفوذ منابع انرژی تجدیدپذیر با چالش هایی مواجه شده است. یکی از چالش های اصلی، متناوب بودن این منابع است که باعث نقض موازنه قدرت می شود. از سوی دیگر، منابع انرژی پراکنده (DER) مختلفی برای جبران نیاز به ظرفیت رمپ وجود دارد. از این رو، برای نشان دادن این موضوع، سیستم های ذخیره انرژی و بارهای گرمایش، تهویه و تهویه مطبوع (HVAC) در قالب یک جمع کننده DER (DERA) برای مشارکت در انرژی روز آینده (DA) انتخاب می شوند. و بازارهای محصول رمپینگ انعطاف پذیر (FRP) در این مقاله. بنابراین، یک روش بهینهسازی مشترک برای مدلسازی تصمیمگیری تجمیعکننده، به عنوان یک رویکرد برنامهریزی خطی عدد صحیح مختلط (MILP) در هر دو بازار استفاده میشود. نتایج بهدستآمده نشان داد که سود DERA نه تنها با در نظر گرفتن مشارکت آن در بازارهای مشترک انرژی و FRP بلکه با توجه به پتانسیل بارهای HVAC افزایش مییابد. همچنین دقت مدل با استفاده از تحلیل حساسیت پارامترها شامل احتمال استقرار، رفاه مشتریان و انحراف دمای مجاز مورد بررسی قرار گرفته است. https://joape.uma.ac.ir/article_1755_9450b4afc12c82debe14febe2327602b.pdfUniversity of Mohaghegh ArdabiliJournal of Operation and Automation in Power Engineering2322-457611320231001High Gain DC/DC Converter Implemented with MPPT Algorithm for DC Microgrid System مبدل DC/DC با بهره بالا پیاده سازی شده با الگوریتم MPPT برای سیستم ریزشبکه DC213222175610.22098/joape.2023.10270.1731ENE. NaderiEnergy Management Research Center, University of Mohaghegh Ardabili, Ardabil, Iran0000-0002-1731-9857S.J. SeyedShenavaEnergy Management Research Center, University of Mohaghegh Ardabili, Ardabil, Iran0000-0002-1932-9354H. ShayeghiEnergy Management Research Center, University of Mohaghegh Ardabili, Ardabil, IranJournal Article20220203This paper presents the output voltage control and execution of a novel non-isolated high step-up (NIHS) DC-DC converter connected to a solar photovoltaic (PV) based DC microgrid system. The proposed converter provides a high output voltage conversion ratio over smaller duty cycles, small inductors, low cost, and high efficiency to enhance the level of the generated voltages of PV. Also, to overcome the drawback of PV, the detailed operation of maximum power point tracking (MPPT) for the novel boost DC-DC converter topology is presented. A control algorithm, modified perturb and observe (MP&O), is put forward to assure that the maximum power is extracted from PV at any environmental condition. It regulates the output voltage of the PV system to the desired DC bus voltage. This technique is compared with the Incremental Conductance (INC) and conventional P&O algorithm in terms of their computational complexity and oscillations near maximum power point (MPP) using MATLAB & Simulink. The focus is on the continuous conduction mode of the proposed converter. To demonstrate the effectiveness of the proposed converter, operation modes, and technical analysis are conducted. Also, the experimental results of a 200 W-12V/120V, 25 kHz prototype are given and discussed to justify the suggested converter.این مقاله کنترل ولتاژ خروجی و اجرای یک مبدل DC-DC با افزایش سریع غیر ایزوله جدید (NIHS) متصل به یک سیستم ریزشبکه DC مبتنی بر فتوولتائیک خورشیدی (PV) را ارائه میکند. مبدل پیشنهادی نسبت تبدیل ولتاژ خروجی بالا را در سیکلهای وظیفه کوچکتر، سلفهای کوچک، هزینه کم و راندمان بالا برای افزایش سطح ولتاژهای تولیدی PV فراهم میکند. همچنین، برای غلبه بر اشکال PV، عملیات دقیق ردیابی نقطه حداکثر توان (MPPT) برای توپولوژی مبدل تقویت کننده جدید DC-DC ارائه شده است. یک الگوریتم کنترل، اغتشاش و مشاهده اصلاحشده (MP&O)، برای اطمینان از اینکه حداکثر توان از PV در هر شرایط محیطی استخراج میشود، ارائه شده است. ولتاژ خروجی سیستم PV را به ولتاژ باس DC مورد نظر تنظیم می کند. این تکنیک با استفاده از MATLAB و Simulink از نظر پیچیدگی محاسباتی و نوسانات نزدیک به نقطه حداکثر توان (MPP) با رسانایی افزایشی (INC) و الگوریتم P&O معمولی مقایسه شده است. تمرکز روی حالت هدایت پیوسته مبدل پیشنهادی است. برای نشان دادن اثربخشی مبدل پیشنهادی، حالتهای عملیاتی و تحلیل فنی انجام میشود. همچنین، نتایج تجربی یک نمونه اولیه 200 W-12V/120V، 25 کیلوهرتز ارائه شده و برای توجیه مبدل پیشنهادی مورد بحث قرار گرفته است.https://joape.uma.ac.ir/article_1756_51f9109296e6fee9504c694d9f33eb9a.pdfUniversity of Mohaghegh ArdabiliJournal of Operation and Automation in Power Engineering2322-457611320231001A Decentralized Energy Management Method for Load Curve Smoothing Considering Demand and Profit of Electric Vehicle Owners with Different Capacity of Batteriesیک روش مدیریت انرژی غیرمتمرکز به منظور هموارسازی منحنی بار با در نظر گرفتن تقاضا و سود مالکین خودروهای الکتریکی و ظرفیت باتری متفاوت223229175810.22098/joape.2023.10583.1758ENV. BagheriDepartment of Electrical Engineering, Imam Khomeini International University, Qazvin, IranA. F. EhyaeiDepartment of Electrical Engineering, Imam Khomeini International University, Qazvin, Iran0000-0001-5205-8966M. HaeriDepartment of Electrical Engineering, Sharif University of Technology, Tehran. Iran0000-0001-8509-4525Journal Article20220402Increasing requirements of electric vehicles with different capacities of batteries and increasing number of small-sized renewable energy sources lead to complexity of calculations, voltage drop, power quality loss, and unevenness in the load curve. This paper proposes a modified version of the mean-field decentralized method to smooth the load curve, maximize vehicle owners' profit, and meet vehicle owners’ demands. Different capacity of batteries is a challenging problem in the charging and discharging control of electric vehicles; so to solve this problem, a weighted average method is used, which determines the design weighting parameters based on the capacity of batteries. Finally, a comparison has been made between five different centralized and decentralized strategies with weighted and weightless average methods.در شبکههای برق، افزایش تقاضای خودروهای الکتریکی با ظرفیت متفاوت و افزایش تعداد منابع انرژی تجدیدپذیر با سایز کوچک منجر به پیچیدگی محاسبات، افت ولتاژ، افت کیفیت توان و ناهمواری منحنی بار میشود. در این مقاله؛ یک نسخه اصلاحشده از روش غیرمتمرکز میدان میانگین به منظور هموارسازی منحنی بار، ماکزیمم کردن سود مالکین خودروها و برآورده کردن تقاضای مالکین خودروها ارائه شده است. ظرفیت متفاوت باتریها، یک مسئله چالشبرانگیز در کنترل شارژ و دشارژ خودروهای الکتریکی میباشد؛ به منظور حل این مسئله، یک روش میانگین وزنی استفاده شده است که ضرایب وزنی بر مبنای ظرفیت باتریها تعیین میشود. در نهایت یک مقایسه بین پنج استراتژی متمرکز و غیرمتمرکز با روشهای میانگین وزنی و معمولی انجام شده است.https://joape.uma.ac.ir/article_1758_9ec563f28fc32726e64b7aad909de1bb.pdf