搭载无级变速器纯电动汽车动力性

纯电动汽车是以蓄电池为能量来源,以电动机作为驱动系统的新能源汽车。在研发阶段设计选择动力系统的参数,充分的利用和协调各部分的性能就显得十分重要。介绍了在已知电动汽车整车参数的情况下,根据电动汽车性能要求,计算选择电动机,并根据整车性能和电动机的参数设计FGR的传动比和EMCVT的传动比,比较FGR和EMCVT的最高车速、加速时间和爬坡能力方面的性能,为电动汽车与变速器的匹配奠定理论基础。     

电动汽车电池均衡技术综述

动力电池有限的使用寿命和续航能力已成为限制电动汽车普及的瓶颈因素,实现对动力电池快速、高效、均衡充电成为电动汽车中急需解决的一项关键技术.介绍动力电池不一致性及其危害,并分类剖析了几种典型的均衡电路的工作原理,最后对均衡控制系统实现产业化需要考虑的因素进行分析.     

比亚迪将推多款电动车

比亚迪股份有限公司于2013年底推出首款以历史朝代命名的车型“秦”,这也是国内汽车行业中最具中国元素的命名。同时该车还是比亚迪旗下首款搭载第二代双模（即电动＋混动2种模式）混动技术的车型。据了解,比亚迪汽车已注册了夏、商、周、秦、汉等12个以历史朝代命名的商标。除已上市的首款双模车型“秦”之外,比亚迪后续还有望推出多达11款以“中国风”命名的电动汽车。     

基于速度和加速度概率分布的电动汽车能耗计算模型

根据随机过程遍历性理论以及电动汽车能耗在速度时间序列上的时间平均与在VA(速度-加速度)相空间的统计平均之间的等价关系,建立了基于VA概率分布的电动汽车能耗计算模型。相比以往的利用速度时间序列计算能耗,基于VA概率分布能耗模型的计算效率得到了很大提高,能够满足电动汽车道路能耗实时计算的要求。通过道路试验能耗与基于VA概率分布能耗模型仿真计算结果的对比,表明模型具有较高的计算精度。     

家庭智能用电系统的实现方法

家庭用户作为电能使用的重要群体,其智能化实现是智能电网实现的基础。从4个方面研究家庭式智能电网的具体实现方法,家庭式发电系统的实现,利用太阳能等新能源,供给家庭使用,降低家庭用电对电网的依赖性;电池能量有效的管理,采用蓄电池储存电能,在需要的时候释放电能,实现用电的调节功能;电动汽车的使用,既可作为交通工具也可以作为能量交换装置;电能优化的管理,在浮动电价的情况下,不降低电能使用质量的同时,实现使用费用最低。智能化家庭用电系统不仅可以实现家庭内部电能的优化使用,还能促进整个智能电网的稳定、安全、经济运行。     

基于改进免疫克隆选择算法的电动汽车充电站选址定容方法

随着电动汽车渗透率的提高,充电基础设施规划应更加科学、合理,提出一种基于改进免疫克隆选择算法的电动汽车充电站选址定容方法。首先,分析充电站的容量、位置和服务范围之间的关系,以充电站的覆盖率和重合度、规划区域内的功率以及充电站的充电功率为约束条件,建立以充电站年总成本最小为目标的充电站选址定容模型。然后,提出一种抗体间亲和力的计算方法以及多项式变异对免疫克隆选择算法进行改进,使其更适用于电动汽车充电站选址定容模型的寻优迭代求解。最后,利用MATLAB进行算例分析,结果验证了模型和算法的有效性。     

交直流配电网中电动汽车充换储一体站规划

首先,以马尔可夫和速度-流量模型对快充车辆和电动公交进行时空负荷预测,结合快充站、换电站和梯级储能站的充放电功率构建充换储一体站(CSSIS)模型.然后,建立含CSSIS的交直流潮流模型,构建计及电动汽车到站行驶时间、排队等待时间和交直流配电网电压偏差的多目标选址模型,采用动态权重结合二进制遗传算法进行求解.其次,采用Voronoi图划分CSSIS服务范围,以综合投资成本最小为目标建立优化模型来确定最终站址,通过排队论优化充电机数量,以系统节点电压和CSSIS功率平衡为约束来确定站内设备容量.最后,通过算例验证了所提模型和方法的有效性.     

电动汽车聚合商参与调频备用的调度方法与收益分成机制

针对电动汽车聚合商参与电网调频的调度与用户结算问题,提出了结合日前电量/备用优化、实时功率分配、聚合商与用户收益分成3个部分的运行框架。通过提出基于充电需求的裕度评估并将其作为核心参数,在日前阶段降低了充电/调频双重变量的复杂性,能够在日前联合优化充电电量和备用容量;并在实时功率调度,和各用户的调频贡献结算这2个过程中解耦充电功率和调频功率,实现快速求解、公平分配,并确保用户的充电需求得以满足。仿真验证了所提框架,并为了鼓励电动汽车用户参与,设计了2种不同参与程度的合约机制,展示并比较了用户视角下2种合约的充电情况和收益情况,证明了所提框架能够满足充电和调频的需求,并给用户带来收益。     

人工智能技术支撑的集群电动汽车实时优化调度策略

电动汽车(electricvehicle,EV)在近年来得到了广泛的应用与部署,针对入网EV的充放电优化已成为研究热点。然而,传统的基于优化模型的EV优化调度方法在实际应用上面临模型参数难以准确获得和计算压力大的挑战。为了解决该问题,基于K-means聚类算法与长短期记忆神经网络(long short-term memory neural networks,LSTM)提出了一种集群电动汽车实时自动优化调度策略,直接从电动汽车的基础数据和电价生成满足约束的最优充放电计划。该策略基于分布式EV调度架构,由离线模型训练阶段和实时优化调度阶段2部分构成。在离线阶段,首先由K-means算法对海量EV数据聚类,之后用LSTM网络学习不同类型数据下的优化调度模式,建立从EV基础数据到优化决策之间的映射,并针对LSTM的输出设计了策略增强环节提高LSTM的决策性能。在实时阶段,在对EV类型识别的基础上,LSTM网络能够快速生成优化调度方案。仿真结果表明,与传统优化算法相比,所提策略能够在不依赖于用户提供准确的出行时间的情况下,毫秒级地输出近似最优解,适用于规模化EV的实时优化调度。     

非齐次半马尔科夫充放电策略辅助用户随机出行的多目标动态电力调度

针对大规模电动汽车接入电网的不确定行为,考虑其对用户经济性和电网安全性的影响,构建非齐次半马尔科夫(nonhomogeneous semi-markov process,NHSMP)充放电策略辅助用户随机出行的多目标动态调度模型。基于电动汽车出行的时空耦合,并网充放电策略考虑了与地点相关的电价引导、充放电方式以及充放电门槛因子等因素。提出一种针对高维复杂运算问题的基于转移密度估计策略的强度帕累托进化算法(strengthParetoevolutionaryalgorithms2-shift-based densityestimation,SPEA2-SDE),在算法中加入初值选择及链式调整等策略进行改进。采用区域电网进行仿真计算,分析不同场景、充放电决策因素、电动汽车规模及风电规模对调度研究的影响,验证了所提模型及算法的合理性和有效性。