ยานยนต์ไฟฟ้า (EV) และระบบไฟฟ้า ทำงานด้วยกันอย่างไร ตอนที่ 3


(ต่อจากฉบับที่แล้ว … ยานยนต์ไฟฟ้า (EV) และระบบไฟฟ้า ทำงานด้วยกันอย่างไร ตอนที่ 2)

ยานยนต์ไฟฟ้า (EV) และระบบไฟฟ้า ทำงานด้วยกันอย่างไร ตอนที่ 2

การเพิ่มความสามารถในจุดจ่ายไฟเพื่อบรรเทาผลกระทบที่เกิดจากการใช้ EV และเพิ่มความสามารถของระบบแรงตำ เพื่อรองรับ EV ให้ได้มากขึ้น โครงการ MEA ได้ทดสอบแนวทางในการจัดการจุดชาร์จ EV ที่รู้จักในชื่อ Esprit ซึ่งวิธีการแก้ปัญหานี้จะใช้การตัดระบบชาร์จ EV เมื่อเกิดปัญหาด้านเทคนิค และเมื่อปัญหาไม่มีแล้วจึงทำการชาร์จต่ออีกครั้ง

การนำวิธีแก้ปัญหานี้มาใช้งานต้องการใช้โครงสร้างพื้นฐานตามรูปที่ 2 กล่าวคือ ต้องติดตั้ง Voltage Sensor และ Actuator ที่จุดชาร์จ ระบบสื่อสาร Voltage และ Current Sensor ที่ต้น Feeder และมี PLC ที่สถานีไฟฟ้า เพื่อเป็นศูนย์กลางในการจัดการการชาร์จ เมื่อตรวจพบปัญหาจากความร้อนหรือ Voltage ตัว Controller จะทำตามขั้นตอนการแก้ปัญหา (จาก Feeder ไปหม้อแปลง) เพื่อทำการตัดการเชื่อมต่อจุดชาร์จ EV (รูปที่ 12) ในทางกลับกัน การเชื่อมกลับจะใช้ขั้นตอนการป้องกันปัญหา (จากหม้อแปลงถึง Feeder) เพราะว่าโครงสร้างพื้นฐานไม่คำนึงถึงปัจจัยของ EV หรือผู้ใช้งานการบริหารจัดการ EV ใช้เวลาการชาร์จ EV เป็นตัวแปรเพียงอย่างเดียว โดยไม่สนใจค่า SOC ขณะนั้นๆ เพื่อกำหนดเงื่อนไขการชาร์จ EV นั่นหมายความว่า การตัดการเชื่อมต่อจะเกิดกับลูกค้าที่ชาร์จนานกว่า เพราะสมมุติว่าชาร์จไปถึงค่า SOC ที่สูงกว่าแล้ว ในทางกลับกัน การเชื่อมกลับจะเกิดขึ้นกับรถที่ถูกตัดออกไปจากระบบนานกว่า กลับเข้ามาก่อน

เพราะว่าการทดลองจำกัดอยู่ในกลุ่มเพียงแค่ EV ไม่เกิน 13 คัน การจำลองนี้ใช้เพื่อตรวจสอบประสิทธิภาพของวิธีการบริหารจัดการ EV ในระดับการเพิ่มปริมาณ (Penetration Level) ที่แตกต่างกัน เพื่อดูความเหมาะสมระหว่างการมีและไม่มีระบบบริหารจัดการEV ซึ่งค่า SOC สุดท้ายถูกนำมาใช้ในการกำหนด EV Profile (พฤติกรรมการใช้ไฟฟ้า) และนำมาพิจารณาเป็นค่า SOC ที่คาดหวังที่ผู้ใช้งาน EV ต้องการ พบว่าทั้ง 2 กรณีคือใช้และไม่ใช้ระบบบริหารจัดการนั้น EV Profile ที่เหมือนกันจะใช้ปริมาณพลังงานที่เท่ากัน

โฟลว์ชาร์จแสดงการควบคุมการชาร์จ EV
รูปที่ 12 โฟลว์ชาร์จแสดงการควบคุมการชาร์จ EV

โครงการได้สำรวจความแตกต่างของรอบเวลาควบคุม (จาก 1-30 นาที) ในรูปที่ 13 แสดงให้เห็นถึงประสิทธิภาพและการทำงานของจุดชาร์จ EV ในระหว่างวัน เมื่อพิจารณากรณีที่ไม่ควบคุมและควบคุม (รอบเวลา 1 นาที) สำหรับปริมาณรถ EV ที่ 100% กับระบบไฟฟ้าแรงตำ ตัวอย่างการที่ไม่ได้บริหารจัดการจุดชาร์จ EV จะทำให้โหลดหม้อแปลงสูงขึ้นถึง 136% ซึ่งลูกค้าหลายรายจะเกิดปัญหาแรงดันไฟฟ้าตก ในทางกลับกัน วิธีการจัดการชาร์จสามารถรักษา UF ของหม้อแปลงให้มีค่าปกติ และค่าแรงดันไฟฟ้าให้อยู่ในระดับปกติ นั่นหมายความว่า การนำระบบบริหารจัดการมาใช้งาน ทำให้สามารถเพิ่มปริมาณ EV ได้จาก40% ไปสู่ 100% ได้

การทำให้ระบบไฟฟ้าแรงตำสามารถรองรับการเพิ่มปริมาณของ EV ให้ได้ 100% ต้องมีระบบควบคุมจุดชาร์จ ในโครงการนี้ ระบบจะควบคุมจุดชาร์จจำนวน 190 จุด (คิดเป็น 54.1%) ซึ่งจะเน้นการควบคุมที่ช่วงเวลา 4 โมงเย็นถึงเที่ยงคืน ตามรูปที่ 13 (c) ซึ่งได้แสดงให้เห็นผลเมื่อมีการควบคุมผลรวมของ Demand ของ EV โดยค่า Peak Demand จะถูกเลื่อนให้เกิดขึ้นในภายหลังจากที่ไม่ได้ควบคุม รูปที่ 13 (d) แสดงผลการตัดระบบชาร์จสำหรับจุดชาร์จหนึ่งๆ กล่าวคือเมื่อ Demand ใกล้ถึงจุดที่ค่า Demand โดยรวมของ EV จะมีค่าสูงเกินกำหนด จะทำการตัดระบบชาร์จ ทำให้ Demand รวมของระบบลดตำลง และระบบควบคุมจะเชื่อมต่อระบบชาร์จเพื่อได้ค่า SOC ตามที่กำหนดในเวลาถัดมา (ใช้เวลา3 ชั่วโมง 40 นาที)

ระบบบริหารจัดการ EV สามารถบรรเทาปัญหาของระบบแรงต่ำได้ทั้งหมด (หากการสื่อสารยังคงใช้งานได้) เนื่องจากสามารถตัดการชาร์จ EV ที่ก่อให้เกิดปัญหาออกจากระบบได้ หมายความว่าเมื่อ EV มีปริมาณมาก EV ที่จะถูกตัดออกจากระบบก็มีโอกาสมากเช่นกัน ซึ่งอาจส่งผลกระทบต่อความพึงพอใจลูกค้าได้โดยตรง

เพื่อศึกษาผลกระทบจากระบบบริหารจัดการ EV ต่อลูกค้า ซึ่งสอดคล้องโดยตรงต่อความพึงพอใจของลูกค้า จึงได้จัดทำดัชนีที่เรียกว่า ระดับของผลกระทบต่อลูกค้า หรือ CIL (Customer Impact Level) แบ่งระดับผลออกเป็น 10 กลุ่ม จาก 0-9 วัดเวลาชาร์จที่เพิ่มขึ้นที่ทำให้ได้ค่า SOC ตามที่คาดหวังเมื่อนำระบบควบคุมการชาร์จมาใช้งาน (ค่านี้คิดเป็น % การเพิ่มของเวลาจากเวลาที่คาดหวังเดิม) กลุ่มแรก CIL มีค่าเท่ากับ 0 (เวลาการชาร์จเท่าเดิม) ส่วนกลุ่มที่ 1-9 CIL จะมีค่าเพิ่มขึ้นครั้งละ 25% (CIL เท่ากับ 4 หรือเวลาเพิ่มอีกไม่เกิน 100% ถ้าเดิมชาร์จ 4 ชั่วโมง จะต้องเพิ่มเป็น 8 ชั่วโมง) ผลแสดงได้ดังรูปที่ 14 เป็นผลกระทบด้านเวลาที่ผู้ใช้ EV จะได้รับผลกระทบรวม 4 แท่งสำหรับการเพิ่มปริมาณ EV ที่ 40%, 60%, 80% และ 100% การแปลความหมายคือสำหรับการเพิ่มปริมาณ EV ที่ระดับต่ำหรือ EV 40% CIL มีค่าเท่ากับ 0 เนื่องจาก EV ไม่ถูกตัดออกจากระบบเนื่องจากปริมาณ EV มีไม่มากจึงไม่กระทบต่อเวลาในการชาร์จ อย่างไรก็ตาม หากการเพิ่มปริมาณ EV มีค่าสูงขึ้น ค่า CIL จะมีค่ามากกว่า 0 นั่นคือการที่จะได้ค่า SOC ตามที่คาดหวัง จะใช้เวลานานขึ้น โดยภาพรวมแล้วไม่พบค่า CIL ที่ต้องกังวลจนถึงในระดับ EV 60% หรือโอกาสที่ CIL จะมีค่าเกิน 0 มีน้อยมากๆ

รูปที่ 13 ผลเนื่องจากความแตกต่างของรอบเวลาควบคุมสำหรับ (a) โหลด (b) แรงดันไฟฟ้า (c) ความต้องการไฟฟ้าโดยรวมของ EV (d) ความต้องการไฟฟ้าของ EV แต่ละคัน

การศึกษาพบว่า รอบเวลาการควบคุมที่นานขึ้น (5 และ 10 นาที) จะเพิ่มจำนวนผู้ใช้ EV ที่ชาร์จได้ตามที่คาดหวัง อย่างไรก็ตาม พบว่าหากรอบเวลาการควบคุมเป็น 30 นาที จะไม่เพียงพอต่อการบรรเทาผลกระทบต่อระบบไฟฟ้า ในทางกลับกันจากมุมมองของแบตเตอรี่ EV โดยใช้ข้อมูลที่ได้จากผู้ผลิต EV โครงการ MEA สามารถแนะนำเวลาในการชาร์จที่น้อยที่สุดคือ 15 นาที เมื่อใช้การควบคุมรอบการชาร์จ เทียบกับผลลัพธ์ที่ได้กับประโยชน์จากการควบคุมรอบเวลารวมถึงประสิทธิภาพการกักเก็บพลังงานของแบตเตอรี่ EV และปัญหาด้านเทคนิคที่เกิดขึ้นกับระบบ

โอกาสของค่า CIL จากระยะเวลาการควบคุมการชาร์จต่างๆ
รูปที่ 14 โอกาสของค่า CIL จากระยะเวลาการควบคุมการชาร์จต่างๆ

ข้อตกลงของบริการ : เพื่อขอบเขตอะไร

EV ก็เหมือนกับยานยนต์อื่นๆ ที่ใช้ในระบบคมนาคมอย่างไรก็ตาม หากมีการเพิ่ม EV อย่างแพร่หลาย จะต้องพิจารณาถึงผลกระทบต่อระบบไฟฟ้า (จากผลโครงการ MEA) และการรักษาความสมดุลระหว่างความต้องการไฟฟ้าของ EV และกำลังการผลิตไฟฟ้าของการไฟฟ้าด้วย แต่ถ้า EV ถูกพิจารณาที่จะนำมาใช้อย่างจริงจังจะต้องเข้าใจกับขอบเขตการให้บริการระบบไฟฟ้าอย่างจริงจังเช่นกัน

การตัด EV คันเดียวออกจากระบบสามารถส่งผลได้เพียงเล็กน้อยต่อระบบ แต่ถ้าตัดจำนวนร้อยคันพันคันหรือล้านคันย่อมส่งผลกระทบต่อการลดลงของความต้องการพลังงานไฟฟ้าอย่างมีนัยสำคัญอย่างแน่นอน ความต้องการกำลังการผลิตก็มีค่าน้อยลง และกระทบต่อการบริหารต้นทุนโดยตรง อย่างไรก็ตามการจะดูผลรวมของความต้องการพลังงานที่จะสามารถลดลงไม่ว่าเวลาไหนนั้นสำคัญมากที่จะต้องรู้ว่า EV ชาร์จพร้อมกันจำนวนเท่าไร จึงจะสามารถตัดออกจากระบบได้ โดย EV Model ของ MEA ซึ่งได้พิจารณาทั้งเวลาเริ่มต้นชาร์จและระยะเวลาชาร์จ ทำให้รู้ว่าเมื่อไร กำลังไฟฟ้า 3.6 KW ต่อ EV 1 คันถูกตัดออกจากระบบ ผลก็คือ Model นี้ทำให้รู้ว่าพลังงานที่ถูกตัดออกไปเป็นเท่าไร โดยพิจารณาจากจำนวนรถจำนวนของ EV ที่ชาร์จพร้อมกันเกิดขึ้นจากหลายปัจจัย ได้แก่ ช่วงเวลาของวัน (เช้า กลางวัน หรือเย็น) ประเภทของวัน(วันทำงานหรือวันหยุด) สภาพอากาศ ดังรูปที่ 15 สำหรับวันทำงานผลลัพธ์ของกราฟจากการวิเคราะห์ด้วย Monte Carlo กับพฤติกรรมการชาร์จของรถ EV จำนวน 1,000 คัน โดยพิจารณากระบวนการของ MEA กับ EV ที่ชาร์จในวันเดียวกัน ดังรูปที่ 7 ที่เห็นความพร้อมใช้งานแปรไปตามเวลาระหว่างวัน จากปริมาณเล็กน้อยในช่วงเช้าตรู่ (เพียง 1% ช่วง 05.00 น.) สูงขึ้นอย่างมีนัยในช่วงค่ำ (30% ช่วง 20.30 น.) ส่วนค่าเฉลี่ย (เส้นหนาดำ) แสดงให้เห็นว่า 20% ของ EV พร้อมใช้งานในช่วง Peak และประมาณ 3% เกิดขึ้นในช่วงเช้าตรู่ โดยค่าเฉลี่ยทั้งวันอยู่ที่ 9.83%

ใน UK คาดว่าในปี ค.ศ. 2030 จะมี EV ร่วม 10 ล้านคัน ซึ่งต้องการใช้ไฟฟ้าถึง 3.54 GW หมายความว่าต้องวางแผนรองรับสำหรับในอีก 12 ปี และสร้างสมดุลในระบบไฟฟ้า โดยเฉพาะอย่างยิ่งในช่วงเวลากลางคืน ซึ่งเป็นช่วงที่มีความจำเป็นใช้งานมากที่สุด

ผลรวมของ EV ที่ต้องการชาร์จในแต่ละชั่วโมง
รูปที่ 15 ผลรวมของ EV ที่ต้องการชาร์จในแต่ละชั่วโมง

การให้บริการระบบไฟฟ้ากับ EV เป็นทางเลือกที่น่าสนใจมากสำหรับการไฟฟ้า การที่จะประเมินศักยภาพอย่างแท้จริง สิ่งสำคัญอย่างหนึ่งคือการบริหารจัดการระหว่างระบบจัดการ EV เพื่อบรรเทาปัญหาที่จะเกิดขึ้น (เช่น จากผลของโครงการ MEA) และความต้องการใช้งานของ EV ดังรูปที่ 15 ซึ่งจะเปลี่ยนแปลงอย่างมีนัยสำคัญหากนำระบบบริหารการชาร์จของ MEA มาใช้งาน โดยต้องประมาณความคุ้มค่าของต้นทุนที่จะเกิดขึ้นจากบริการ ซึ่งจะต้องมีการลงทุนด้านระบบสื่อสารและโครงสร้างพื้นฐาน และท้ายที่สุดความพึงพอใจของลูกค้า (ความล่าช้าและสภาพ รวมถึงอายุของแบตเตอรี่) จะต้องถูกนำมาประเมิน

ความแพร่หลายของการนำ EV มาใช้งาน และด้วยเทคโนโลยีในอนาคต ทำให้ EV สามารถจ่ายคืนไฟฟ้าเข้าสู่ระบบได้ ที่รู้จักกันในชื่อ Vehicle to Grid (V2G) เมื่อมีการเสียบปลั๊กชาร์จ พลังงานจากแบตเตอรี่จะสามารถช่วยรักษาสมดุลในระบบได้ทั้งในบ้านหรือแม้แต่ระบบไมโครกริด ซึ่งช่วยลดต้นทุนและเพิ่มความเชื่อถือได้ของระบบ

อย่างไรก็ตาม การประมาณการความพร้อมใช้งานของ V2G ก็สำคัญเช่นกัน ถึงแม้ว่ารูปแบบการชาร์จของ EV จะขึ้นอยู่กับหลายปัจจัย โดยในโครงการ MEA นำมาใช้และประมาณความพร้อมใช้งานของ EV ได้ โดยค่า SOC ของ EV ทำให้สามารถกำหนดปริมาณของพลังงานที่ปล่อยได้ และการอาศัยทฤษฎีการคายประจุจากแบตเตอรี่จะช่วยลดความเสื่อมสภาพของแบตเตอรี่ได้

บทเรียนที่สำคัญ

บทความนี้แสดงให้เห็นถึงผลลัพธ์จากแบบจำลอง EV ที่ใหญ่ที่สุดในโลกแห่งหนึ่ง MEA ถือเป็นการทดลองที่สำคัญที่แสดงพฤติกรรมการชาร์จของผู้ใช้ EV ที่ส่งผลกระทบต่อระบบจำหน่ายแรงต่ำผลที่เกิดขึ้นจากการนำระบบบริหารจัดการ EV มาใช้ สามารถเพิ่มประสิทธิภาพที่จุดจ่ายไฟ และศักยภาพของการให้บริการของระบบไฟฟ้าได้

พฤติกรรมการชาร์จ EV

โครงการ MEA บันทึกพฤติกรรมการชาร์จของระบบที่ไม่ได้มีการจัดการผู้ใช้ EV ใน UK รวมประมาณ 2 ปี การวิเคราะห์ข้อมูลแสดงให้เห็นว่า 1 ใน 3 ของ EV ชาร์จมากกว่า 1 ครั้งต่อวัน และการชาร์จในแต่ละฤดูกาลมีความคล้ายคลึงกัน โครงการ MEA ยังพบว่า EV ทุกคันไม่ได้ชาร์จในวันเดียวกัน กล่าวคือมีอยู่ 2 วัน ในแต่ละเดือนที่ไม่มีรถ EV ชาร์จเลย (จาก 219 คันในโครงการ) ผลที่ได้จากการวิเคราะห์คาดหวังว่าจะสามารถนำไปใช้ในการศึกษา
EV ในระดับอื่นๆ ได้

ผลกระทบของ EV ต่อระบบจำหน่ายแรงต่ำ

MEA ได้ทำการสำรวจจุดจ่ายไฟฟ้าในรูปแบบที่แตกต่างกัน การวิเคราะห์โอกาสและความน่าจะเป็น ซึ่งแสดงให้เห็นว่า Peak Demand ของ EV จะเกิดขึ้นเวลาเดียวกันกับ Peak ของเวลาในช่วงเย็นที่เกิดขึ้นอยู่แล้ว ในมุมมองของผู้ประกอบการระบบเครือข่าย (DNO) ปริมาณ Demand สูงสุดของบ้านพักอาศัยที่มี EV แบบSlow Charge จะเพิ่มขึ้นเฉลี่ยที่ 2 kW ต่อบ้าน 1 หลัง (DNO ใน UK ต้องวางแผน 2 kW ต่อบ้าน 1 หลัง) ซึ่งเป็น 2 เท่าของความต้องการทั่วไป ผลการศึกษาของระบบจำหน่ายที่แตกต่างกัน 9 ระบบพบว่า บางระบบจะเกิดปัญหาเมื่อมีการเพิ่มของ EV สู่ระบบ 40% โดยจะเกิดกับพิกัดหม้อแปลงไฟฟ้าที่สถานีไฟฟ้า ซึ่งคือปัญหาความร้อน ในขณะที่ Feeder ที่ยาวๆ จะประสบปัญหา Voltage เมื่อมีการเพิ่มของ EV สู่ระบบ มีค่าสูงๆ เท่านั้น วิธีการประเมินจุดจ่ายไฟฟ้าจากโครงการนี้สามารถปรับไปใช้งานในประเทศต่างๆ ที่จะนำEV มาใช้งานได้

วิธีการบริหารจัดการ EV

โครงการ MEA ยังแสดงให้เห็นว่าการปรับใช้ EV Solution ในการจัดการ สามารถเพิ่มความสามารถในการจ่ายไฟฟ้าได้ถึง 100% ในทุกการจำลองและการทดสอบจริง ถึงแม้ว่าผลกระทบทางเทคนิคจะถูกบรรเทาตอนที่ EV ถูกปลดออกจากระบบ เมื่อปัญหาได้เกิดขึ้น การศึกษาพบว่าการหน่วงเวลาการชาร์จอาจส่งผลต่อการเสื่อมสภาพของแบตเตอรี่ได้ ดังนั้นการนำระบบมาใช้งานจะต้องพิจารณาถึงผลประโยชน์ที่จะได้รับจากการควบคุม ความสามารถ
ในการเก็บพลังงานของแบตเตอรี่ และปัญหาที่สำคัญที่เกิดต่อระบบไฟฟ้า ทั้งนี้ระบบบริหารจัดการ EV ที่ MEA ได้ทำการทดสอบแล้วถือว่าใช้งานได้จริงและสามารถปรับขนาดได้ และสามารถจะนำไปใช้กับผู้ให้บริการระบบเครือข่ายอื่นๆ ได้

ข้อตกลงของบริการ

EV โมเดลที่สร้างขึ้นมาทำห้สามารถเพิ่มประสิทธิผลของการให้บริการระบบไฟฟ้าได้ กล่าวคือ สามารถช่วยคงไว้ซึ่งสมดุลระหว่างความต้องการใช้พลังงานและการผลิต ในขณะที่ความต้องการใช้งานเปลี่ยนจากวันทำงานเป็นวันหยุด และใช้งานตลอดทั้งวันและพบว่าในอีกประมาณ 12 ปีข้างหน้า 4.5 ล้านครัวเรือนใน UK จะมีความต้องการใช้งาน EV ซึ่งถือเป็นโอกาสของการไฟฟ้าต่อการให้บริการต่อความต้องการของ EV นั่นหมายถึง ขนาดและขอบเขตของบริการจะไม่มีเพียงแค่เข้าใจความท้าทายทางด้านเทคนิค แต่ยังรวมถึงด้านสังคม ด้านการเงิน และด้านสิ่งแวดล้อม

ผลที่ได้จากโครงการ MEA สามารถช่วยบูรณาการ EV เข้ากับระบบไฟฟ้าส่วนใหญ่ทั่วทั้งโลกได้ ใน UK มีโครงการ EV อื่น ชื่อว่า Electric Nation (www.electricnation.org.uk) สร้างขึ้นมาต่อยอดจากโครงการ MEA และวางแผนที่จะนำมาใช้ทดลองกับ EV จำนวน 500 คัน เพื่อศึกษาความคุ้มค่าทางเศรษฐศาสตร์เพื่อจัดการระบบจาก Demand Response รวมถึง V2G การเริ่มโครงการนี้ และโครงการอื่นๆ ที่จะเกิดขึ้นในทศวรรษหน้าก็เพื่อการสาธิตประโยชน์ที่จะได้รับจากการทดลอง EV ว่าสามารถจะอำนวยความสะดวกเพื่อนำไปสู่การเปลี่ยนแปลงสู่ระบบยานยนต์ไฟฟ้าในภาคคมนาคมต่อไป


บทความแปล ได้รับอนุญาตจาก IEEE Power & Energy Society
ห้ามจำหน่าย ดัดแปลง หรือนำเนื้อหาส่วนใดส่วนหนึ่งไปใช้โดยไม่ได้รับอนุญาต

Source: นิตยสาร Electricity & Industry Magazine ปีที่ 28 ฉบับที่ 2 มีนาคม-เมษายน 2563

ประวัติผู้เขียน: Jairo Quiros-Tortos is with the University of Costa Rica, San Jose. Luis (Nando) Ochoa is with the University of Melbourne, Australia, and the University of Manchester, United Kingdom. Timothy Butler is with EA Technology, Chester, and United Kingdom.

ผู้แปลและเรียบเรียง: ดร.จักรเพชร มัทราช ผู้อำนวยการกองวางแผนงานระบบไฟฟ้าอัจฉริยะ ฝ่ายวางแผนระบบไฟฟ้า การไฟฟ้าส่วนภูมิภาค

* สำหรับการอ่านเพิ่มเติม

  • International Energy Agency. (2017, June). Global EV outlook 2017: Two million and counting. IEA. Paris, France. [Online]. Available: https://www.iea.org/publications/freepublications/publication/GlobalEVOutlook2017.pdf
  • EA Technology. (2016, Mar.). My Electric Avenue —Project closedown report. EA Tech. Chester, U.K. [Online]. Available: http://myelectricavenue.info/sites/default/files/documents/close%20down%20report.pdf
  • J. Quirós-Tortós, A. Navarro-Espinosa, L. F. Ochoa, and T. Butler, “Statistical representation of EV charging:
    Real data analysis and applications.” in Proc. PSCC, 2018, pp. 1-6.
  • J. Quirós-Tortós, L. F. Ochoa, S. W. Alnaser, and T. Butler, “Control of EV charging points for thermal and voltage management of LV networks.” IEEE Trans. Power Syst., vol. 31, no. 4, pp. 3028-3039, 2016.


เราใช้คุกกี้เพื่อพัฒนาประสิทธิภาพ และประสบการณ์ที่ดีในการใช้เว็บไซต์ของคุณ คุณสามารถศึกษารายละเอียดได้ที่ นโยบายความเป็นส่วนตัว และสามารถจัดการความเป็นส่วนตัวของคุณได้เอง โดยคลิกที่ ตั้งค่า

Privacy Preferences

คุณสามารถเลือกการตั้งค่าคุกกี้โดยเปิด/ปิด คุกกี้ในแต่ละประเภทได้ตามความต้องการ ยกเว้น คุกกี้ที่จำเป็น

Allow All
Manage Consent Preferences
  • คุกกี้ที่จำเป็น
    Always Active

    คุกกี้มีความจำเป็นสำหรับการทำงานของเว็บไซต์ เพื่อให้คุณสามารถใช้ได้อย่างเป็นปกติ และเข้าชมเว็บไซต์ คุณไม่สามารถปิดการทำงานของคุกกี้นี้ในระบบเว็บไซต์ของเราได้

  • คุกกี้เพื่อการวิเคราะห์

    คุกกี้ประเภทนี้จะทำการเก็บข้อมูลการใช้งานเว็บไซต์ของคุณ เพื่อเป็นประโยชน์ในการวัดผล ปรับปรุง และพัฒนาประสบการณ์ที่ดีในการใช้งานเว็บไซต์ ถ้าหากท่านไม่ยินยอมให้เราใช้คุกกี้นี้ เราจะไม่สามารถวัดผล ปรังปรุงและพัฒนาเว็บไซต์ได้

Save