การหาขนาดและตำแหน่งที่เหมาะสมของสถานีประจุยานยนต์ไฟฟ้าในระบบจำหน่ายไฟฟ้าต่อร่วมกับโซลาร์ฟาร์มและระบบสะสมพลังงานแบตเตอรี่

Abstract

การเพิ่มขึ้นของยานยนต์ไฟฟ้า ส่งผลให้ระบบจำหน่ายไฟฟ้าประสบปัญหาการสูญเสีย กำลังไฟฟ้า ความไม่เสถียรของแรงดัน และต้นทุนการดำเนินงานที่สูงขึ้น การบูรณาการพลังงาน หมุนเวียน เช่น โซลาร์ฟาร์มและระบบสะสมพลังงานแบตเตอรี่ สามารถช่วยลดปัญหาเหล่านี้ได้ อย่างไร ก็ตาม การกำหนดตำแหน่งและขนาดที่เหมาะสมของสถานีประจุยานยนต์ไฟฟ้า โซลาร์ฟาร์มและระบบ สะสมพลังงานแบตเตอรี่ เป็นงานที่มีความซับซ้อน เนื่องจากพฤติกรรมการประจุของยานยนต์ไฟฟ้า และการผลิตพลังงานหมุนเวียนมีความไม่แน่นอน จึงจำเป็นต้องใช้เทคนิคการเพิ่มประสิทธิภาพขั้นสูง ดุษฎีนิพนธ์นี้ใช้การจำลองมอนติคาร์โล ร่วมกับอัลกอริทึมพันธุกรรม การเพิ่มประสิทธิภาพ แบบฝูงอนุภาค การพัฒนาเชิงอนุพันธ์ และอัลกอริทึมวิวัฒนาการเชิงควอนตัม เพื่อเพิ่มประสิทธิภาพ ตำแหน่งและขนาดของประจุยานยนต์ไฟฟ้า โซลาร์ฟาร์มและระบบสะสมพลังงานแบตเตอรี่ ในระบบ จำหน่ายไฟฟ้า IEEE 33 บัส โดยใช้แบบจำลองเชิงสถิติของโหลดยานยนต์ไฟฟ้า และความผันผวนของ พลังงานหมุนเวียน นอกจากนี้ยังใช้การปรับโครงสร้างเครือข่ายด้วยสวิตช์ผูก เพื่อเพิ่มความมั่นคงและ เสถียรภาพของระบบ ผลการจำลองแสดงให้เห็นว่าการเพิ่มขึ้นของยานยนต์ไฟฟ้าในระดับสูง โดยเฉพาะที่ร้อยละ 50 ขึ้นไป มีผลกระทบอย่างมากต่อเสถียรภาพของแรงดันไฟฟ้าและการสูญเสียกำลังไฟฟ้า โซลาร์ฟาร์ม และระบบสะสมพลังงานแบตเตอรี่ ที่เหมาะสมสามารถลดการสูญเสียกำลังไฟฟ้าได้ถึงร้อยละ 33 และ ช่วยลดการปล่อยคาร์บอนไดออกไซด์ แนวทางที่ใช้การจำลองมอนติคาร์โลแสดงให้เห็นถึงความแม่นยำ และประสิทธิภาพที่เหนือกว่าวิธีแบบดั้งเดิม ซึ่งเป็นแนวทางสำคัญในการพัฒนาโครงข่ายไฟฟ้าที่มีความ ยั่งยืนและรองรับเพิ่มขึ้นของยานยนต์ไฟฟ้า ได้อย่างมีประสิทธิภาพ

The increasing adoption of electric vehicles (EVs) poses challenges for power distribution networks, including power losses, voltage instability, and higher operational costs. Integrating renewable energy sources like solar farm (PV) systems and battery energy storage systems (BESS) can help mitigate these issues. However, optimizing the placement and sizing of EV charging stations (EVCS), PV, and BESS is complex due to uncertainties in EV charging behavior and renewable generation, requiring advanced optimization techniques. This study employs Monte Carlo simulations along with genetic algorithms (GA), particle swarm optimization (PSO), differential evolution (DE), and quantum-inspired evolutionary algorithms (QEA) to optimize EVCS, PV, and BESS placement in the IEEE 33- bus distribution system. Stochastic modeling of EV loads and renewable energy fluctuations is incorporated, alongside an advanced reconfiguration algorithm to improve grid resilience and stability. Simulation results show that high EV penetration significantly affects voltage stability and power losses, particularly at 50% and above. Optimized PV and BESS integration reduces power losses by up to 33% and minimizes CO2 emissions. The proposed Monte Carlo-based approach outperforms traditional methods, providing accurate insights for efficient and sustainable EV-grid integration.