فایل ورد کامل مدیریت و کنترل هوشمند انرژی باتری برای وسیله ی نقلیه به شکبه از طریق شبکه ی محاسبات ابری

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل مدیریت و کنترل هوشمند انرژی باتری برای وسیله ی نقلیه به شکبه از طریق شبکه ی محاسبات ابری،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۳۴ صفحه

وسایل نقلیه ی الکتریکی برقی (PEVها) فرصت های جدیدی برای کاهش مصرف سوخت و آلودگی اگزوز ارائه میدهد . PEVها نیاز به گرفتن و ذخیره ی انرژی از یک شبکه ی الکتریکی جهت تامین انرژی رانشی وسیله ی نقلیه دارند . در نتیجه ، مهم است که بدانید چه زمانی باتری های PEVها برای شارژ و دشارژ در دسترس هستند . علاوه بر این ، کنترل و مدیریت انرژی باتری برای PEVها همانند کارکرد خودرو ضروری است و حتی ایمنی مسافران به سیستم باتری بستگی دارد . بنابراین ، زمان بندی توان برق شبکه با پارکینگ برای شارژ کارآمد و دشارژ باتری PEV مورد نیاز خواهد بود . این مقاله با هدف پیشنهاد کنترل و مدیریت جدید هوشمند انرژی باتری سرویس زمان بندی شارژ که از شبکه محاسبات ابری استفاده میکند ارائه میگردد . خدمات برنامه ریزی هوشمند خودرو به شبکه پیشنهادی , مقیاس پذیری محاسباتی مورد نیاز برای تصمیم گیری های لازم جهت اعطاء اجازه فعالیت مؤثر به سیستم های مدیریت انرژی باتری PEVها زمانی که تعداد PEVs و دستگاه های شارژ زیاد میباشد را ارائه میدهد . مقایسه تجزیه و تحلیل تجربی خدمات برنامه ریزی پیشنهادی با خدمات برنامه ریزی سنتی از طریق شبیه سازی انجام شده است . نتایج نشان می دهد که سرویس زمانبندی مدیریت هوشمند انرژی باتری پیشنهادی بطور قابل ملاحظه ای تعداد تعاملات مورد نیاز PEV با پارکینگ و شبکه و نیز پیش بینی تقاضای بار محاسبه شده با توجه به محدودیت هایش را کاهش می دهد . همچنین نشان می دهد که سرویس زمانبندی هوشمند شارژ با استفاده از شبکه محاسبات ابری کارآمد تر از خدمات شبکه زمانبندی سنتی برای کنترل و مدیریت انرژی باتری است .

کلید واژه ها : مدیریت هوشمند انرژی باتری | زمان بندی هوشمند | پیش بینی منطق فازی | محاسبات ابری | خودرو به شبکه | کنترل و مدیریت انرژی باتری

عنوان انگلیسی:

Intelligent battery energy management and control for vehicle-to-grid via cloud computing network

~~en~~ writers :

Hamid Khayyam, Jemal Abawajy, Bahman Javadi, Andrzej Goscinski, Alex Stojcevski, Alireza Bab-Hadiashar

Plug-in Electric Vehicles (PEVs) provide new opportunities to reduce fuel consumption and exhaust
emission. PEVs need to draw and store energy from an electrical grid to supply propulsive energy for
the vehicle. As a result, it is important to know when PEVs batteries are available for charging and
discharging. Furthermore, battery energy management and control is imperative for PEVs as the vehicle
operation and even the safety of passengers depend on the battery system. Thus, scheduling the grid
power electricity with parking lots would be needed for efficient charging and discharging of PEV
batteries. This paper aims to propose a new intelligent battery energy management and control scheduling service charging that utilize Cloud computing networks. The proposed intelligent vehicle-to-grid
scheduling service offers the computational scalability required to make decisions necessary to allow
PEVs battery energy management systems to operate efficiently when the number of PEVs and charging
devices are large. Experimental analyses of the proposed scheduling service as compared to a traditional
scheduling service are conducted through simulations. The results show that the proposed intelligent
battery energy management scheduling service substantially reduces the required number of interactions of PEV with parking lots and grid as well as predicting the load demand calculated in advance with
regards to their limitations. Also it shows that the intelligent scheduling service charging using Cloud
computing network is more efficient than the traditional scheduling service network for battery energy
management and control.

Keywords: Intelligent battery energy management | Intelligent scheduling | Fuzzy logic prediction | Cloud computing | Vehicle to grid | Battery energy management and control

$$en!!