Inteligentne sieci ładowania samochodów elektrycznych z użyciem źródeł odnawialnych i magazynów energii

• Autorzy: Kaznowski Robert , Sztafrowski Dariusz

Identyfikatory

DOI

10.15199/48.2025.01.32

Warianty tytułu

EN

Smart charging networks for electric vehicles using renewable sources and energy storage

• Języki publikacji: PL

Abstrakty

PL

Inteligentne sieci ładowania (ISL) są kompleksowymi systemami zarządzania procesem ładowania pojazdów elektrycznych (EV). Wykorzystują zaawansowane algorytmy i technologie, aby zoptymalizować zarówno wydajność ładowania jak i wpływ na sieć energetyczną. ISL integruje punkty ładowania, algorytmy zarządzania popytem oraz odnawialne źródła energii, aby zminimalizować koszty i obciążenie sieci. Główne korzyści wynikające z ISL to redukcja kosztów ładowania, zwiększenie efektywności energetycznej i wsparcie dla odnawialnych źródeł energii. Istnieje również potencjał rozszerzenia modelu ISL o dodatkowe funkcje i analizę zmienności wyników w czasie, aby jeszcze lepiej odpowiadać na rosnące potrzeby związane z ładowaniem pojazdów elektrycznych.

EN

ntelligent charging networks (ISL) are complex systems for managing the charging process of electric vehicles (EV). They use advanced algorithms and technologies to optimize both the charging efficiency and the impact on the power grid. ISL integrates charging points, demand management algorithms and renewable energy sources to minimize costs and grid load. The main benefits of ISL are reduced charging costs, increased energy efficiency and support for renewable energy sources. There is also the potential to extend the ISL model with additional features and analysis of variability of results over time to better meet the growing needs related to charging electric vehicles.

Słowa kluczowe

PL

pojazd elektryczny; elektrownia fotowoltaiczna; farma wiatrowa; magazyn energii; system elektroenergetyczny; inteligentna sieć ładowania

EN

electric vehicle; photovoltaic power sources; wind farm; energy storage facilities; energy distribution system; intelligent charging network

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2025
• Tom: R. 101, nr 1
• Strony: 160--163
• Opis fizyczny: Bibliogr. 9 poz., rys., tab.

Twórcy

autor

Kaznowski Robert

• Politechnika Wrocławska, Katedra Energoelektryki, ul. Wybrzeże Wyspiańskiego 27, 50-370 Wrocław

• https://orcid.org/0009-0005-8582-300X

autor

Sztafrowski Dariusz

• Politechnika Wrocławska, Katedra Energoelektryki, ul. Wybrzeże Wyspiańskiego 27, 50-370 Wrocław

• https://orcid.org/0000-0003-2194-0504

Bibliografia

• [1] Savari, George Fernandez, et al. "Assessment of charging technologies, infrastructure and charging station recommendation schemes of electric vehicles: A review." Ain Shams Engineering Journal 14.4 (2023): 101938.
• [2] Sadeghianpourhamami, N.; Refa, N.; Strobbe, M.; Develder, C. Flexibility provision from EV fleets with V2G: A review of services, algorithms and demonstration projects. Renewable and Sustainable Energy Reviews. 2021, 135, 110136.
• [3] Lahariya, Manu, Nasrin Sadeghianpourhamami, and Chris Develder. "Computationally efficient joint coordination of multiple electric vehicle charging points using reinforcement learning." arXiv preprint arXiv:2203.14078 (2022).
• [4] A review on demand response management in smart grid: challenges and opportunities by M. A. Mahmud, M. J. Hossain and H. R. Pota, published in Renewable and Sustainable Energy Reviews in 2020.
• [5] Kataoka, Ryosuke, Kazuhiko Ogimoto, and Yumiko Iwafune. "Marginal Value of Vehicle-to-Grid Ancillary Service in a Power System with Variable Renewable Energy Penetration and Grid Side Flexibility." Energies 14.22 (2021): 7577.
• [6] Zanib, Noor, et al. "Analysis and power quality improvement in hybrid distributed generation system with utilization of unified power quality conditioner." Comput. Model. Eng. Sci 134 (2022): 1105-1136.
• [7] Zhang, X., Shahidehpour, M., Alabdulwahab, A., & Abusorrah, A. (2016). Hourly electric vehicle charging load forecasting based on the integration of renewable energy resources. IEEE Transactions on Smart Grid, 7(6), 2660-2669
• [8] Wang, Haolin, Yongjun Zhang, and Haipeng Mao. "Load forecasting method of EVs based on time charging probability." 2018 International Conference on Power System Technology (POWERCON). IEEE, 2018.
• [9] Wang, Z., Wu, J., Zhao, H., & Liu, Y. (2019). Optimal sizing and placement of electric vehicle charging stations considering the impact of photovoltaic generation. IEEE Access, 7, 85581-85590.676