Zastosowanie metod głębokiego uczenia w systemie ładowania samochodów elektrycznych z użyciem źródeł odnawialnych i magazynów energii

• Autorzy: Kaznowski Robert , Sztafrowski Dariusz

Identyfikatory

DOI

10.15199/48.2025.02.31

Warianty tytułu

EN

Application of deep learning methods in an electric car charging system using renewable sources and energy storage

• Języki publikacji: PL

Abstrakty

PL

Optymalizacja funkcjonowania stacji ładowania pojazdów elektrycznych (PEV) w zmiennych warunkach atmosferycznych oraz zmiennym zapotrzebowaniu na energię jest kluczowym wyzwaniem w kontekście rozwoju infrastruktury PEV. W opracowaniu przedstawiono wyniki zastosowania modelu głębokiego uczenia (DL), który uwzględniając różne parametry pozwala dostosować zasoby stacji ładowania do optymalnego funkcjonowania w czasie rzeczywistym. Eksperymentalne testy przeprowadzono na danych symulacyjnych, uwzględniając lokalne warunki pogodowe i zachowania użytkowników pojazdów elektrycznych.

EN

Optimizing the operation of Plug in Electric Vehicle (PEV) Charging Stations in changing weather conditions and changing energy demand is a key challenge in the context of the development of PEV infrastructure. The study presents the results of the use of a deep learning (DL) model, which, taking into account various parameters, allows the charging station resources to be adjusted to optimal functioning in real time. Experimental tests were performed on simulation data, taking into account local weather conditions and the behavior of electric vehicle users.

Słowa kluczowe

PL

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

EN

plug-in electric vehicle; photovoltaic power source; wind farm; energy storage facilities; energy distribution system; intelligent charging network

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2025
• Tom: R. 101, nr 2
• Strony: 133--136
• Opis fizyczny: Bibliogr. 13 poz., rys.

Twórcy

autor

Kaznowski Robert

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

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

autor

Sztafrowski Dariusz

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

Bibliografia

• [1] Suski, Adam, et al. "E-mobility and Power Systems." (2023).
• [2] Sadeghian, Omid, et al. "A comprehensive review on electric vehicles smart charging: Solutions, strategies, technologies, and challenges." Journal of Energy Storage 54 (2022)
• [3] Sanchez, Angel M., et al. "An improved methodology for the hierarchical coordination of PEV charging." IEEE Access 7 (2019): 141754-141765.
• [4] Gerossier, A.; Girard, R.; Kariniotakis, G. Modeling and Forecasting Electric Vehicle Consumption Profiles. Energies 2019, 12, 1341
• [5] Bouktif, S.; Fiaz, A.; Ouni, A.; Serhani, M. Optimal deep learning LSTM model for electric load forecasting using feature selection and genetic algorithm: Comparison with machine learning approaches. Energies 2018, 11, 1636.
• [6] Glavic, Mevludin, Raphaël Fonteneau, and Damien Ernst. "Reinforcement learning for electric power system decision and control: Past considerations and perspectives." IFACPapersOnLine 50.1 (2017): 6918-6927.
• [7] Chifu, Viorica Rozina, et al. "Deep Q-Learning-Based Smart Scheduling of EVs for Demand Response in Smart Grids." Applied Sciences 14.4 (2024): 1421.
• [8] Zhu, Juncheng, et al. "Electric vehicle charging load forecasting: A comparative study of deep learning approaches." Energies 12.14 (2019): 2692.
• [9] Gupta, P.; Singh, R. PV power forecasting based on datadriven models: A review. Int. J. Sustain. Eng. 2021, 14, 1733– 1755.
• [10] 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
• [11] 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.
• [12] 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
• [13] Polak, A. G., & Mroczka, J. (2007). Regularyzacja identyfikacji obiektów złożonych opisanych modelami nieliniowymi. Pomiary Automatyka Kontrola, 53(9 bis), 190-193.