This paper presents a procedure for location-based forecasting of the potential vehicular charging load at off-home charging stations. A location-specific fuzzy decision making system is proposed to characterize the charging behavior and determine the probability of charging by means of a three dimensional input obtained from a real-world driving dataset. The obtained charging and parking probability figures are then used in prediction of the local aggregated charging demand. The flexibility and usefulness of the developed procedure is exemplified in the case studies of two major shopping centers

چکیده

این مقاله یک روش پیش بینی شارژ بار خودروها مبتنی بر مختصات مکانی آنها در خارج از منطقه ایستگاه های شارژ ارائه می دهد. یک سیستم تصمیم گیری فازی مکانی خاص برای توصیف رفتار شارژ و تعیین احتمال شارژ با استفاده از ورودی سه بعدی که از مجموعه داده های رانندگی در دنیای واقعی به دست آمده اند، پیشنهاد شده است. سپس شکل های حاصل از احتمال شارژ و احتمال پارکینگ در پیش بینی تقاضای محلی مجموع شارژ استفاده شده اند. انعطاف پذیری و کارآمدی روش توسعه یافته، در مطالعات موردی دو مرکز خرید عمده بررسی و ارزیابی شده است.

1-مقدمه

با گسترش و توسعه سریع خودروهای الکتریکی پلاگین (PHEVs)، انتظار می رود شارژ بار خودروها بر روی شبکه افزایش یابد که این افزایش شارژ منجر به افزایش عملکرد خودروها، قیمت پایین تر و همچنین پذیرش عموم مردم خواهد شد [1]-[3]. در زمینه شبکه های هوشمند آینده،سیستم های ذخیره سازی خودروهای متصل به شبکه نه تنها نیاز به انرژی خواهند داشت بلکه به طور بالقوه به تامین انرژی در طول دوره های تقاضای بالا کمک خواهند کرد [3]-[5]. برآورد تقاضای مجموع خودروها در یک سیستم قدرت خاص به برنامه ریزی تولید برق همگام با رشد بار کمک می کند به طوریکه PEVs  ها سهم بزرگی از بازار برق را به دست می آورند...