ev_chargingcoordination2017
1.0.0
Der Transportsektor macht einen erheblichen Anteil des gesamten Energieverbrauchs aus und basiert bisher weitgehend auf fossilen Brennstoffen. Die Abschwächung von Treibhausgasemissionen über die groß angelegte Elektrifizierung des Straßenverkehrs wird wahrscheinlich Spannungsprofile und Überlastungsnetzgeräte in Verteilungsnetzwerken verschlechtern. Die Kontrolle des Ladeplans von Elektrofahrzeugen in zentralisierter und koordinierter Weise bietet eine potenzielle Lösung, um die Probleme zu mildern und die Investition zur Verbesserung der Netzwerkinfrastrukturen aufzuschieben.
In dieser Arbeit wird eine robuste kostengünstige Planungsroutine für die Planung von Tag-Regierungen über Nacht in Wohngebäuden in Wohngebieten vorgestellt, in dem lokale Netzwerke, Geräte und Ladungsbedarfsbeschränkungen in einer stochastischen Umgebung beobachtet werden. Um die rechnerische Komplexität zu verringern, wird eine lineare Leistungsflussnäherung verwendet. Das modellierte Umfeld umfasst unsichere Strombedarfsnachfrage, Marktpreise und das Mobilitätsverhalten von Eigentümern von Elektrofahrzeugen, einschließlich stochastischer täglicher Auslösestrecken, Ankunfts- und Abfahrtszeiten. Kenntnisse über die Wahrscheinlichkeitsverteilungen dieser Parameter werden verwendet, um Risiken hinsichtlich der Kosten für Ladevorgänge, Netzwerküberladungen, Spannungsverletzung und Ladezuverlässigkeit abzusichern.
Die Ergebnisse geben einen Einblick in die Auswirkungen der Unsicherheit und die Wirksamkeit der Bewältigung bestimmter Risikoaspekte während der Optimierung. Insbesondere die Berücksichtigung der zeitlich variablen Nachfrage auf Haushaltsebene und Planung mit konservativeren Schätzungen des anfänglichen Batterieladungsniveaus erhöhte die Zuverlässigkeit und die technische Durchführbarkeit optimierter Zeitpläne. Es wird ferner dargelegt, dass die Einführung dynamischer Gitterabgaben, die die Auswirkung von variablen Strompreisen verstärken, eine wichtige Determinante für das potenzielle Kostenspotential nach Bedarfsseitenmanagement darstellt, das nur geringfügige steuerliche Auswirkungen haben könnte.
Führen Sie setup.py aus, um alle erforderlichen Pakete zu installieren. Die Datei ist ausführbar.
Installieren Sie die Anforderungen mit conda .
$ conda install --file requirements.txt
Erstellen Sie eine neue Conda-Umgebung mit den erforderlichen Paketen, indem Sie den folgenden Befehl in einem Terminal (Linux oder MacOS) oder ein Befehlszeilenfenster (Windows) ausführen, um sicherzustellen, dass Sie diesen Befehl im Verzeichnis mit der Datei " requirements.yml ausführen:
conda env create -f requirements.yml Zum Ausführen werden zuerst Parameter in parameters/evalParams.ini angeben und dann run /src/run.py .
Dissertation und Analysen werden in /docs/
Die Ergebnisse werden in /log/ in einem Ordner gespeichert, der mit einem einzigartigen Datum Singleton gekennzeichnet ist. Die für diese These verwendeten Ergebnisse sind aufgrund großer Dateigrößen auf Anfrage verfügbar.
