基于边缘计算的电动汽车换电电池冗余度建模分析

针对电动汽车换电站电池冗余度过高,充电成本过高的问题,研究基于边缘计算的电动汽车换电电池冗余度建模分析。结合边缘计算与云计算技术,建立电动汽车换电电池冗余度分析的边缘计算平台,利用边缘节点A采集电动汽车用电信息,将采集数据上传至云平台,云平台利用电动汽车换电电池充电优化控制模型分析边缘节点B关联电动汽车换电电池冗余度,利用自适应遗传算法求解模型,实现电动汽车换电电池充电优化。实验结果表明,该模型可有效分析电动汽车换电电池冗余度,将该模型应用于电动汽车换电站,换电站月充电费用降低幅度大于13%。     

基于边缘计算的电动汽车换电电池冗余度建模分析北大核心CSCD

针对电动汽车换电站电池冗余度和充电成本过高的问题,研究基于边缘计算的电动汽车换电电池冗余度建模分析。结合边缘计算与云计算技术,建立电动汽车换电电池冗余度分析的边缘计算平台,利用边缘节点A采集电动汽车用电信息,将采集数据上传至云平台,云平台利用电动汽车换电电池充电优化控制模型分析边缘节点B关联电动汽车换电电池冗余度,利用自适应遗传算法求解模型,实现电动汽车换电电池充电优化。实验结果表明,该模型可有效分析电动汽车换电电池冗余度,将该模型应用于电动汽车换电站,换电站月充电费用降低幅度可大于13%。     

基于人工神经网络的电力系统精细化安全运行规则

随着大规模可再生能源不断并网,对电网的实时调控能力提出了更高的要求。传统的基于在线关键断面自动发现以及基于连续潮流的在线极限传输容量计算方法,模型复杂、计算周期长,难以做到在线运行。从数据驱动的角度出发,首先将电网实时运行状态的潮流量抽象为该时刻电网的运行特征;然后对所有特征进行聚类和分布式特征选择;最后运用人工神经网络建立所选特征与关键断面极限传输容量之间的对应关系。算例分析表明,所提基于人工神经网络的电力系统精细化安全运行规则,在保证时间效率的前提下,能够在一定程度上提高关键断面极限传输容量的预测准确度。     

空气预热温度与软质炭黑结构的关系

本文阐述了影响老工艺软质炭黑结构的主要因素。当其它工艺参数不变时，空气预热温度越高，则环隙风速越大，炭黑的结构越低；反之，空气预热温度较低，环隙风速下降，则炭黑的结构越高。通过空气预热不同温度的环隙风速计算及其与炭黑ＤＢＰ吸收值的关系等，找出了生产Ｎ５３９和Ｎ５５０的最佳空气预热温度及风速，以稳定地生产出符合炭黑结构标准的产品。     

含风电接入的区域综合能源系统电/热储能配置

为解决综合能源电/热储能配置问题,提出了一种含风电接入的区域综合能源系统电/热储能配置方法.首先,构建风电功率预测的动态神经网络预测模型,对区域综合能源系统内的风电场出力进行有效预测.然后,分析区域综合能源系统电/热储能充放能行为,建立储电、储热与区域风电场功率的联系,并考虑电热耦合关系,形成电/热储能的联合优化配置模...     

基于短期预测信息和长期值函数近似的大规模电动汽车实时随机优化调度算法

针对大规模电动汽车(Electric Vehicle, EV)和可再生能源接入背景下主动配电网的实时随机调度问题,提出了一种结合短期预测信息和长期值函数近似的双层实时调度模型。为应对大量EV接入后的维数灾问题,首先提出双层调度框架,上层建立EV集群模型,下层根据EV特性提出功率分配算法对每辆EV制定充电计划,实现上层集群指令的完全消纳并满足各EV充电的需求。同时,为应对EV行为、实时电价及可再生能源出力不确定性的问题,实时优化时采用预测算法预测短期内未来接入的EV行为、可再生能源最大出力与实时电价,并通过值函数近似评估短期决策后系统的值函数,从而实现EV集群充电计划、可再生能源调度计划与购电计划的实时分阶段决策。仿真算例表明,所提模型可以实现大规模EV接入下主动配电网的实时随机调度,同时具备良好的鲁棒性。     

面向调度决策的智能机器调度员研制与应用EI北大核心CSCD

随着电网运行方式时变性和复杂性日益增强,传统基于人工离线规则的调度决策机制难以为继,成为国内外复杂电网运行迫切需要解决的问题。基于人工智能、立足现有调度机制,研究面向调度决策的智能机器调度员(automatic operator,AO)关键技术及应用。在总结10余年研究的基础上,提出了电网调度运行“邻域知识”模型,构建了AO体系架构,提出了知识自动发现、管理和在线应用的技术路线,研发了复杂电网AO系统,并在多个省级电网调控中心在线投运。AO将“专家智能”离线制定粗放运行规则的模式,变革为“人工智能”在线发现精细运行规则的模式,推动调度决策从“自动化”到“智能化”的跨越。最后,指出了尚待研究的问题。     

联合采用多代理和禁忌方法的系统恢复策略

将多代理技术MAT的分布式信息处理和禁忌方法TSM有机结合,形成了一种新型分布式电力系统恢复模型。模型由多结点智能代理GIAGs(crunode intelligent agents)和一个智能控制代理ICAG(intelligent control agent)组成,通过多个CIAGs间交互协商处理及ICAG的基于TSM的协同求解,能够实现快速恢复决策。仿真结果表明,该模型不仅能够快速获得恢复优化策略,而且对网络拓扑结构变化具有较强的适应性。     

基于时序约束网络的电力系统在线警报处理解析模型

现有电力系统警报处理方法完全没有利用或没有充分利用警报的时序特性.在人工智能研究领域发展起来的时序约束网络是一种能够清晰而直观地表示时序逻辑的有向无环图,适于解决计及警报信息时序特性的警报处理问题.在此背景下,构建了充分利用时序信息的警报处理解析模型.该模型不仅能够分析导致警报产生的具体事件以及该事件所在的时间区间,而且可以识别异常或遗漏的警报.基于时序约束网络中时间点和时间距离约束等相关概念,研究了事件发生时间的不确定性问题,避免了现有的计及时序特性的模型必须对时间精确定义的缺点.最后,用实际电力系统的警报处理案例对所提出的模型和方法进行了说明.     

液压助力转向轿车中心区操纵性分析

为了研究和改善汽车中心区操纵性,在Adams/Car平台下建立了液压助力转向轿车整车模型,对该模型与试验数据进行了对比验证,并提出中心区操纵性分析评价的主要方法.基于该模型通过改变转向系的角传动比、刚度、干摩擦和助力特性等参数研究了其对汽车中心区操纵性的影响,仿真结果表明:角传动比对转向灵敏度影响最大;干摩擦和助力特性对转向回正和路感有较大影响.设计时应首先选取合适的角传动比和助力特性,并尽可能降低干摩擦,且兼顾转向系刚度的影响,进行协调设计匹配.