دانلود ترجمه مقاله تحلیل رفتار واکنش تقاضای مسکونی مبتنی بر شبیه سازی مونت کارلو – مجله الزویر

گروه آموزشی ترجمه فا اقدام به ارائه ترجمه مقاله با موضوع ” تحلیل رفتار واکنش تقاضای مسکونی مبتنی بر شبیه سازی مونت کارلو ” در قالب فایل ورد نموده است که شما عزیزان میتوانید پس از دانلود رایگان مقاله انگلیسی و نیز مطالعه نمونه ترجمه و سایر مشخصات، ترجمه را خریداری نمایید.

• فهرست مطالب:

چکیده
۱- مقدمه
۲- جمع آوری اطلاعات
۳- شبیه سازی
۳-۱ : شبیه سازی مونت کارلو
۳-۲ : روش شبیه سازی
۴- نتایج
۵- نتیجه گیری

• بخشی از ترجمه:

۵- نتیجه گیری :
بر اساس پرسشنامه ها و مصاحبه های گسترده با ساکنان یین چوان ، به همراه استفاده از روش شبیه سازی مونت کارلو ، پاسخدهی مصرف برق ساکنان یین چوان چین را شبیه سازی کردیم. ما بر این باوریم که نتایج از اهمیت زیادی برای پیاده سازی برنامه های DR و طراحی مکانیسم تعملی مربوط به برق در زمینه شبکه هوشمند برخوردار هستند.
میزان پاسخدهی تقاضای مسکونی ، به میزان استفاده انرژی خانگی و نسبت تغیر تعرفه های TOU نسبت داده می شود. ساکنان زمانیکه هزینه های برق ماهیانه شان یک افزایش ۱۰ درصدی داشته باشد ، شروع به تعدیل رفتارهای مصرفی شان خواهند کرد. به عبارت دیگر در یک مورد کسب و کار معمولی ، ساکنان عمدتا اقدامات صرفه جویی در انرژی را بر می گیرند یا استفاده از برخی از لوازم خانگی را به زمان غیر پیک موکول می کنند و تحت سیاست قیمت TOU ، پاسخدهی تقاضای مسکونی ، در زمان پیک ، بالاتر از پاسخدهی تقاضای مسکونی در زمان غیر پیک ، برای یک محدوده تنظیم قیمت مشخص می باشد. میزان موثری DR توسط تنظیم و تعدیل در محدوده قیمت ها در هر دوره زمانی محدود شده است. تنظیم قیمت زمان پیک بالاتر ، پاسخدهی بالاتر ساکنان را نتیجه می دهد. زمانیکه نسبت تغیر قیمت برق نرخ های TOU برابر ۲۰% باشد ، پاسخدهی مسکونی پیک ۴۱/۸ % خواهد بود و پاسخدهی کم برابر ۶۹/۲ % خواهد بود. اگر نسبت معادل افزایش قیمت ۴۰% باشد ، مقادیر پاسخدهی حدودا ۵/۲ برابر بزرگتر خواهند بود.

• بخشی از مقاله انگلیسی:

۵٫ Conclusion

Based on the questionnaires and extensive interviews with the residents in Yinchuan, combined with the use of the Monte Carlo simulation method, we simulated the electricity consumption responsiveness of the residents in Yinchuan, China. We believe the results are of great significance to the implementation of DR programs and the design of electricity-related interactive mechanisms in the context of the smart grid. The degree of residential demand responsiveness is attributed to the level of household energy usage and the change ratio of TOU rates. Residents will begin to adjust their consumption behaviors when their monthly electricity costs rise by 10%. In other words, in a business-as-usual case, residents mainly take energy-saving measures or shift some power usage of electric appliances to the off-peak time. Under the TOU price policy, residential demand responsiveness at the peak time is higher than it is at the off-peak time for a specific price adjustment range. The degree of the effectiveness of DR is bounded by the adjustment in the range of prices in each period accordingly. The larger the peak-time price adjustment, the higher the responsiveness of residents. When the electricity price change ratio of TOU rates is 20%, the peak residential responsiveness is 8.41%, and the low responsiveness is 2.69%. If the equivalent proportion of price increases is 40%, the responsiveness values are about 2.5 times larger.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله