Joint Multi-Objective Allocation of Parking Lots and DERs in Active Distribution Network Considering Demand Response Programs
Notice bibliographique
Résumé
Renewable energy sources (RESs) and electric vehicles (EVs) have been introduced as efficient technologies to address environmentally friendly and sustainable energy sources. However, the widespread integration of distributed renewable sources into the power grid and the growing adoption of EVs pose new challenges for distribution network operators. These challenges necessitate careful management to mitigate their impacts, particularly in meeting the additional demand arising from EV charging. To achieve these targets, it is necessary to strategically integrate RESs and EVs. This study focuses on the optimal allocation and energy management of distributed energy resources (DERs) and electric vehicle parking lots (EVPLs), taking into account the inherent uncertainty in the output power of these resources. Notably, parking lots (PLs) utilize vehicle-to-grid (V2G) technology of EVs and aggregate and inject their power into the distribution system. Therefore, EVs as a motion type of energy storage system play a significant role, especially in the on-peak hours. The optimization problem is addressed using the salp swarm algorithm (SSA) while adhering to operational constraints related to the power system, as well as both DERs and EVPLs. The main goal is to simultaneously enhance the technical, economic, and environmental performance of the system, by solving a multi-objective optimization problem. The effectiveness of this approach is evaluated using the IEEE 33-bus distribution system, with the study considering five different scenarios. The simulation results reveal that the planned deployment of DERs, given their proximity to the load centers, has effectively mitigated the overload impacts resulting from EVs’ charging. Furthermore, the implementation of a demand response program (DRP), cooperatively with the aforementioned resources, has significantly improved all key operating indicators of the system.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».