با گسترش روزافزون استفاده از خودروهای الکتریکی و افزایش سهم منابع انرژی تجدیدپذیر در شبکههای قدرت، مفهوم Vehicle-to-Grid (V2G) به عنوان یکی از فناوریهای کلیدی شبکههای هوشمند مطرح شده است. در این فناوری، خودروهای الکتریکی تنها به عنوان مصرفکننده انرژی عمل نمیکنند، بلکه میتوانند در زمانهای مورد نیاز انرژی ذخیرهشده در باتری خود را به شبکه بازگردانند و در حفظ پایداری و کیفیت توان نقش مؤثری ایفا کنند. این قابلیت باعث میشود خودروهای الکتریکی به منابع ذخیرهسازی توزیعشده تبدیل شوند و علاوه بر تأمین نیاز صاحبان خودرو، در مدیریت شبکه نیز مشارکت داشته باشند.
در این شبیه سازی، عملکرد یک سامانه Vehicle-to-Grid در طول یک شبانهروز کامل بررسی میشود. هدف اصلی، تحلیل رفتار ریزشبکه در مواجهه با تغییرات بار، تغییرات منابع انرژی تجدیدپذیر و وقوع اغتشاشات مختلف است. استفاده از محیط MATLAB/Simulink و کتابخانه Simscape Electrical Specialized Power Systems این امکان را فراهم میکند تا تمامی رخدادهای یک دوره 24 ساعته با سرعت بالا و دقت مناسب در حالت Phasor شبیه سازی شوند. این روش نسبت به شبیه سازیهای مبتنی بر مدلهای سوئیچینگ، زمان اجرای بسیار کمتری داشته و برای تحلیلهای بلندمدت شبکه قدرت بسیار مناسب است.
اهمیت سامانه Vehicle-to-Grid در شبکههای هوشمند
در سالهای اخیر افزایش تعداد خودروهای الکتریکی موجب شده است که ظرفیت ذخیره انرژی موجود در باتری این خودروها به عنوان یک منبع ارزشمند برای شبکه قدرت
شناخته شود. در سامانههای V2G، خودروها علاوه بر دریافت انرژی از شبکه، در زمانهایی که شبکه با کمبود تولید یا افزایش ناگهانی بار مواجه است، میتوانند بخشی از انرژی ذخیرهشده خود را به شبکه تزریق کنند. این ویژگی موجب کاهش نوسانات فرکانس، بهبود کیفیت توان، کاهش نیاز به نیروگاههای رزرو و افزایش قابلیت اطمینان شبکه خواهد شد.
در ریزشبکههایی که سهم منابع تجدیدپذیر مانند انرژی خورشیدی و بادی زیاد است، تولید انرژی همواره ثابت نیست و تحت تأثیر شرایط محیطی قرار دارد. بنابراین وجود یک سامانه ذخیرهسازی انعطافپذیر مانند V2G میتواند نقش بسیار مهمی در جبران این نوسانات ایفا کند.
ساختار کلی ریزشبکه
ریزشبکه مورد بررسی از چهار بخش اصلی تشکیل شده است که هر یک وظیفه مشخصی در تأمین یا مصرف انرژی دارند. این ساختار نمایانگر یک جامعه کوچک شامل حدود هزار خانوار در یک روز با مصرف نسبتاً پایین در فصل بهار یا پاییز است. در این شبکه تعداد 100 خودروی الکتریکی در نظر گرفته شده است؛ به عبارت دیگر به ازای هر ده خانوار یک خودروی الکتریکی وجود دارد که میتواند در فرآیند مدیریت انرژی مشارکت کند. این نسبت، سناریویی واقعبینانه برای آینده نزدیک شبکههای هوشمند محسوب میشود.
اجزای اصلی این ریزشبکه عبارتاند از:
- ژنراتور دیزلی
- نیروگاه خورشیدی (PV)
- نیروگاه بادی
- سامانه Vehicle-to-Grid
- بارهای خانگی و صنعتی
مدل ژنراتور دیزلی
ژنراتور دیزلی به عنوان منبع پایه تولید انرژی در این ریزشبکه عمل میکند. وظیفه اصلی آن ایجاد تعادل بین توان تولیدی و توان مصرفی شبکه است. هر زمان که منابع تجدیدپذیر قادر به تأمین توان کافی نباشند یا بار شبکه افزایش یابد، ژنراتور دیزلی اختلاف توان را جبران میکند.
یکی از شاخصهای مهم بررسی عملکرد این ژنراتور، سرعت روتور ماشین سنکرون است. تغییرات سرعت روتور به صورت مستقیم بیانگر تغییرات فرکانس شبکه بوده و امکان ارزیابی کیفیت عملکرد سیستم کنترلی را فراهم میکند. هرچه انحراف سرعت روتور کمتر باشد، پایداری فرکانس شبکه بیشتر خواهد بود.
منابع انرژی تجدیدپذیر
در این شبیه سازی دو منبع انرژی تجدیدپذیر برای تولید برق در نظر گرفته شده است. نخستین منبع، نیروگاه خورشیدی است که میزان تولید آن تابع سه عامل اساسی است:
- مساحت مزرعه خورشیدی
- راندمان پنلهای خورشیدی
- شدت تابش خورشید
شدت تابش خورشید در طول شبانهروز تغییر میکند و بیشترین مقدار آن در حوالی ظهر مشاهده میشود. بنابراین توان خروجی نیروگاه خورشیدی نیز روندی مشابه خواهد داشت و در ساعات ابتدایی و انتهایی روز تقریباً صفر است.
منبع دوم، نیروگاه بادی است. در این مدل از یک رابطه خطی ساده میان سرعت باد و توان خروجی استفاده شده است. تا زمانی که سرعت باد به مقدار نامی برسد، توان تولیدی افزایش مییابد. اما اگر سرعت باد از حد مجاز عبور کند، به منظور حفاظت تجهیزات، نیروگاه از شبکه جدا شده و پس از کاهش سرعت باد دوباره به مدار بازمیگردد.
سامانه Vehicle-to-Grid
مهمترین بخش این شبیه سازی، سامانه Vehicle-to-Grid است. این سامانه علاوه بر مدیریت فرآیند شارژ خودروهای الکتریکی، در کنترل فرکانس شبکه نیز نقش فعالی ایفا میکند. در زمانهایی که شبکه با کمبود توان مواجه میشود، خودروهای متصل انرژی خود را به شبکه تزریق کرده و در زمان وجود توان اضافی، دوباره باتریهای خود را شارژ میکنند.
برای نزدیکتر شدن نتایج شبیه سازی به شرایط واقعی، پنج الگوی مختلف رفتاری برای کاربران خودروهای الکتریکی تعریف شده است.
پروفایل اول
افرادی که در ساعات روز به محل کار میروند و امکان شارژ خودرو در محل کار را دارند.
پروفایل دوم
کاربرانی که مشابه گروه اول هستند اما مسافت رفتوآمد بیشتری طی میکنند و مصرف انرژی بالاتری دارند.
پروفایل سوم
افرادی که در محل کار امکان شارژ خودرو ندارند و تنها در منزل باتری خود را شارژ میکنند.
پروفایل چهارم
افرادی که بیشتر ساعات روز در منزل حضور دارند و خودرو غالباً به شبکه متصل است.
پروفایل پنجم
کاربرانی که در شیفت شب فعالیت میکنند و الگوی مصرف انرژی آنها با سایر کاربران متفاوت است.
وجود این پروفایلها موجب میشود رفتار خودروهای الکتریکی به شرایط واقعی نزدیکتر شده و نتایج شبیه سازی دقت بیشتری پیدا کند.
مدل بار شبکه
بار ریزشبکه از دو بخش اصلی تشکیل شده است. بخش نخست، بارهای خانگی هستند که الگوی مصرف آنها مشابه رفتار معمول خانوارها در طول شبانهروز است. مصرف برق در ساعات روز نسبتاً پایین بوده و در ساعات ابتدایی شب به بیشترین مقدار خود میرسد.
بخش دوم بار شبکه، یک ماشین القایی است که برای نمایش اثر بارهای صنعتی القایی مانند سیستمهای تهویه، کمپرسورها یا تجهیزات مکانیکی استفاده شده است. گشتاور مکانیکی این ماشین با مجذور سرعت روتور متناسب بوده و بنابراین رفتار دینامیکی مناسبی را در هنگام راهاندازی و تغییر بار ایجاد میکند.
سناریوی 24 ساعته شبیه سازی
کل فرآیند شبیه سازی یک شبانهروز کامل را پوشش میدهد. در این مدت، تولید و مصرف انرژی به صورت پیوسته تغییر میکنند. شدت تابش خورشید از یک توزیع نرمال تبعیت کرده و بیشترین مقدار آن در حوالی ظهر مشاهده میشود. سرعت باد نیز در ساعات مختلف دارای نوسانات متعدد بوده و چندین نقطه اوج و افت را تجربه میکند.
مصرف بارهای خانگی نیز از الگوی متداول زندگی روزمره پیروی میکند؛ در ساعات کاری روز مصرف کاهش یافته، هنگام غروب افزایش پیدا میکند و سپس در ساعات پایانی شب به تدریج کاهش مییابد.
رخدادهای مهم شبکه
برای بررسی عملکرد سیستم کنترلی و سامانه V2G، سه رخداد مهم در طول شبانهروز در نظر گرفته شده است.
راهاندازی ماشین القایی
در ابتدای ساعت سوم، ماشین القایی وارد مدار میشود. جریان هجومی و افزایش ناگهانی بار موجب کاهش موقتی فرکانس شبکه شده و عملکرد ژنراتور دیزلی و سامانه V2G در جبران این افت مورد ارزیابی قرار میگیرد.
سایهاندازی جزئی بر نیروگاه خورشیدی
در حوالی ظهر، بخشی از پنلهای خورشیدی تحت تأثیر سایه قرار میگیرند. این اتفاق باعث کاهش توان تولیدی نیروگاه خورشیدی شده و تعادل توان شبکه را بر هم میزند. سامانه V2G با تخلیه کنترلشده انرژی باتریها میتواند بخشی از این کاهش تولید را جبران کند.
خروج نیروگاه بادی از مدار
در ساعت 22 سرعت باد از حد مجاز عبور کرده و نیروگاه بادی به منظور حفاظت تجهیزات از شبکه جدا میشود. این رخداد یکی از شدیدترین اختلالات شبانهروز محسوب میشود و عملکرد سامانههای کنترلی در حفظ فرکانس شبکه را به خوبی نشان میدهد.
تحلیل نتایج شبیه سازی
پس از اجرای مدل در MATLAB، پروفایل تولید و مصرف انرژی در کل شبانهروز قابل مشاهده خواهد بود. سهم هر یک از منابع تولید شامل ژنراتور دیزلی، نیروگاه خورشیدی، نیروگاه بادی و سامانه Vehicle-to-Grid به صورت مجزا قابل بررسی است. همچنین میتوان تغییرات فرکانس، توان تبادلی خودروهای الکتریکی، وضعیت شارژ باتریها و میزان مشارکت هر بخش در حفظ پایداری شبکه را تحلیل کرد.
نتایج نشان میدهد که استفاده از سامانه Vehicle-to-Grid باعث کاهش انحرافات فرکانسی، بهبود کیفیت توان، کاهش فشار وارد شده بر ژنراتور دیزلی و افزایش قابلیت اطمینان ریزشبکه میشود. علاوه بر این، انرژی ذخیرهشده در خودروهای الکتریکی میتواند در ساعات اوج مصرف به عنوان یک منبع کمکی ارزشمند مورد استفاده قرار گیرد و نیاز به توسعه ظرفیت نیروگاههای سنتی را کاهش دهد.
مزایای استفاده از حالت Phasor در MATLAB
اجرای شبیه سازی یک دوره 24 ساعته با مدلهای دقیق سوئیچینگ معمولاً به زمان محاسباتی بسیار زیادی نیاز دارد. استفاده از حالت Phasor در Specialized Power Systems این مشکل را برطرف کرده و امکان تحلیل سریع رفتار دینامیکی سیستمهای قدرت در بازههای زمانی طولانی را فراهم میکند. این ویژگی باعث میشود پژوهشگران بتوانند سناریوهای مختلف مدیریت انرژی، تغییر تعداد خودروهای الکتریکی، افزایش ظرفیت منابع تجدیدپذیر و وقوع انواع اغتشاشات را با سرعت بالا بررسی کنند.
جمعبندی
این شبیه سازی نمونهای جامع از عملکرد یک ریزشبکه هوشمند مجهز به سامانه Vehicle-to-Grid را در طول یک شبانهروز کامل ارائه میدهد. ترکیب ژنراتور دیزلی، نیروگاه خورشیدی، نیروگاه بادی، بارهای متنوع و خودروهای الکتریکی، محیطی واقعبینانه برای ارزیابی راهکارهای مدیریت انرژی ایجاد کرده است. بررسی رخدادهایی مانند راهاندازی بار صنعتی، کاهش تولید خورشیدی و خروج نیروگاه بادی از مدار نشان میدهد که فناوری V2G میتواند نقش بسیار مؤثری در تثبیت فرکانس، افزایش پایداری شبکه و بهبود بهرهبرداری از منابع انرژی تجدیدپذیر داشته باشد. از این رو، این مدل یکی از نمونههای ارزشمند برای آموزش، پژوهش و توسعه الگوریتمهای کنترل در حوزه شبکههای هوشمند و سیستمهای قدرت محسوب میشود.
دسترسی به دانلود ویژه اعضاء سایت
دانلود رایگان این شبیه سازی در نرم افزار Matlab
همه چیز شامل گزارش ها ، فایل شبیه سازی ، یکجا، آماده دانلود!
لینک دانلود ویژه اعضا سایت







بهترین شاخص برای ارزیابی عملکرد سامانه V2G در این شبیه سازی چیست؟
معمولاً انحراف فرکانس شبکه، توان تبادلی V2G، سطح شارژ باتریها (SOC) و میزان کاهش توان ژنراتور دیزلی از مهمترین شاخصهای ارزیابی هستند.
آیا میتوان پروفایلهای جدیدی برای رفتار کاربران خودروهای الکتریکی در این شبیه سازی تعریف کرد؟
بله، با ویرایش منطق کنترلی و زمانبندی اتصال خودروها میتوان پروفایلهای جدید را متناسب با سناریوهای مختلف مصرف و شارژ ایجاد کرد.
در این مدل چگونه افت ناگهانی توان نیروگاه خورشیدی بر پاسخ سامانه V2G تأثیر میگذارد؟
با کاهش تولید نیروگاه خورشیدی، سامانه V2G در صورت وجود ظرفیت باتری، توان مورد نیاز را به شبکه تزریق کرده و از افت شدید فرکانس جلوگیری میکند.
چگونه میتوان تعداد خودروهای الکتریکی را در مدل V2G تغییر داد و اثر آن را بر عملکرد شبکه بررسی کرد؟
کافی است پارامتر تعداد خودروها یا ظرفیت کل سامانه V2G را تغییر دهید و سپس تغییرات فرکانس، توان تبادلی و وضعیت شارژ باتریها را در نتایج شبیه سازی مقایسه کنید.
آیا در شبیه سازی V2G در متلب استفاده از حالت Phasor نسبت به مدلهای سوئیچینگ دقت تحلیل فرکانس را کاهش میدهد؟
خیر، برای مطالعات دینامیکی بلندمدت و تحلیل فرکانس، حالت Phasor دقت مناسبی دارد و در عین حال زمان شبیه سازی را بهطور قابل توجهی کاهش میدهد.