结合高光谱和机器学习的无线充电金属异物检测

金属异物侵入会造成无线充电系统效率和稳定性降低,并且可能引发安全事故,因此必须进行金属异物检测。 针对现 有技术存在检测盲区以及无法检测微小异物的问题,提出一种深度学习目标分割与机器学习目标分类相结合的金属异物检测 方法。 首先采用 YOLO v3 网络对充电区域 RGB 图像进行异物目标分割,然后通过支持向量机对各个目标区域对应的高光谱图 像进行分类,最后搭建实验平台验证方法的有效性。 结果表明,该方法不仅能够检测螺母和回形针等微小金属异物,而且具有 检测包裹金属异物的潜能;与仅采用支持向量机进行逐像素检测相比,该方法的检测速度提升了约 38. 9%。     

基于时空耦合特性的充电站运行状态预测

提出一种基于时空耦合特性和深度学习模型的充电站运行状态预测方法。首先,基于充电站历史运行数据和所在区域的交通通行速度数据集,利用k-means聚类方法将充电站划分为不同类型,分析充电站运行状态在时间上的特性;建立单个充电站的"偏移量-交通-时间"三维矩阵模型,深度挖掘充电站运行状态与周边交通状况在时间和空间上的耦合相关性。其次,将充电站状态与交通状况的时间滞后相关特性进行空间重构,利用卷积神经网络进行特征提取,通过长短期记忆网络进行时间序列预测,构建基于Keras深度学习框架的充电站运行状态多步预测模型。最后,以20个充电站的真实运行数据进行验证,并与多种预测算法进行对比,结果表明,所提方法具有较高的预测精度。     

Power supply to electric vehicle charging stations in India:Justification of a framework for a dynamic and adaptive electricity tariff policy

Given the steady growth in the use of electric vehicles in India, and the need to locate charging stations in various places to fulfill the corresponding demand, this paper focuses on an applicable Electricity Tariff Policy Framework in the context of power supply to Electric Vehicle Charging Stations(EVCSs). The framework is conceptualized by a theoretical foundation, an operational/functional foundation, and a transactional foundation. The theoretical foundation incorporates justice risk across the Energy Lifecycle stages by classifying the relevant international, regional, and national issues within the legal layers of Energy Law while examining the core ideas of the 'Energy Trilemma'. The paper identifies two basic dimensions, (a) the target sets of end-users, and (b) EVCSs settings and the applicable tariff schemes, as the foundation of the framework. The operational/functional foundation consists of techno-economic and social criteria, and the transactional foundation involves the consideration of different target sets of end-users. The proposed framework will benefit policymakers in general and those, especially in India. Adaptation and use of the framework in other countries should consider their basic economic, geographic and political structures.     

基于CNN和LSTM混合网络的电动汽车充电桩运行状态预测方法

随着电动汽车的大规模发展,公共充电桩运行数量和充电量逐年增长。然而,充电桩运行始终存在故障频发、运维难度大和维修成本高等问题,并且传统故障检测方法效率低下。因此提出了一种基于卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合网络电动汽车充电桩运行状态预测方法,可以实现对电动汽车充电桩运行状况的综合评估。在特征数据输入阶段,对充电桩运行状态的关键指标进行分析,通过CNN提取运行状态影响因素的特征量,再利用LSTM判断和预测充电桩运行状态,从而实现对充电桩潜在故障的预警。试验结果表明,该方法预测准确率高、实用性强,能较准确地反映和预测充电桩的运作状态,可实际用于充电桩故障预测与运维检修。     

考虑车辆充电调度机制的电动公交车充电站规划

针对电动公交车充电站的最佳充电容量难以确定及其充电效率低的问题,提出了一种在站址既定情况下考虑车辆充电调度机制的电动公交车充电站优化规划方法。首先,根据电动公交车的发车状态模拟电动公交车日常运行中的电能消耗,生成电动公交车的总运行负荷时序曲线;然后,基于生成的运行负荷时序曲线,构建充电需求度指标,制定电动公交车的充电调度机制;最后,在满足电动公交车充电需求的同时兼顾充电站精细化规划的要求,建立以充电能力最强、投资运行成本最小、光伏能源综合利用指标最大为优化目标的充电站多目标优化规划模型,并采用小生境多目标粒子群优化算法对该模型进行求解,以确定电动公交车充电站的充电桩数量以及光伏发电系统和配电变压器的容量。工程实例分析结果验证了所提方法的正确性和有效性。     

考虑响应程度反馈和昼夜充电分布的公交车站双阶段响应模型

大规模电动公交车充电负荷接入电网导致负荷峰值攀升,电网安全性和经济性下降,为此提出了一种考虑响应程度反馈和昼夜充电分布的双阶段充电响应模型。建立了电动公交车双阶段充电负荷模型,基于电动公交车的排班模型确定调控时段,并将各调控时段的充电状态作为控制变量;提出了行程裕度系数的概念,将电动公交车的充电需求分配到夜间和白天,实现双阶段充电;制定了基于响应程度的削峰响应分段激励结算机制,依据响应系数将响应分为欠响应、有效响应、过响应,并通过惩罚系数和饱和系数引导公交车站实现有效响应;在此基础上,建立了电动公交车夜间-日间双阶段充电响应模型,以单位电量净支出作为指标实现公交车站效益最大化;基于粒子群优化算法,通过定义约束偏离程度函数,给出了带约束条件的优化策略。通过仿真验证了所提策略能可靠完成响应任务,电动公交车的单位电量净支出大幅下降,且电网的响应经济负担较固定激励方式更轻。     

基于马尔可夫决策过程的电动汽车充电站能量管理策略

电动汽车充电站作为并网分布式储能装置,是实现电动汽车与未来能源互联网深度融合的重要组成部分。考虑分时电价和电动汽车用户行为的不确定性,提出了以电动汽车充电站日运营成本最小化为目标的能量管理策略。为了减少对先验信息的依赖和约束,将优化问题建模为一个新的有限回合马尔可夫决策过程模型;基于传统成本模型提出奖惩回报函数,通过主动学习调度决策,得到每辆电动汽车的实时充放电行为;针对模型的高维状态空间问题,设计相应的状态空间和动作空间,采用一种卷积神经网络结构结合强化学习的方法,通过从原始数据观测中提取高质量的经验,获取最优调度策略以达到优化目标。仿真结果表明,与传统的充电策略相比,所提策略可以有效地降低充电站的日运营成本,保护电动汽车的电池,同时能满足电动汽车用户的充电需求。     

基于IT2FLC的HESS太阳能充电站功率分配策略

为了有效利用混合储能系统的充放电特性,提出一种基于区间Ⅱ型模糊逻辑控制（IT2FLC）的混合储能系统（HESS）太阳能充电站功率分配策略。该策略针对蓄电池充电提出多步恒流充电方法,通过双向DC/DC转换器为混合储能系统传输功率,采用扰动观测算法跟踪太阳能电池板的最大功率。最后通过dSPACE 实时仿真系统对所提出的分配策略进行仿真验证,证明了该策略的有效性。     

A blockchain-based trustworthy collaborative power trading scheme for 5G-enabled social internet of vehicles

Social Internet of Vehicles (SIoV) falls under the umbrella of social Internet of Things (IoT), where vehicles are socially connected to other vehicles and roadside units that can reliably share information and services with other social entities by leveraging the capabilities of 5G technology, which brings new opportunities and challenges, e.g., collaborative power trading can address the mileage anxiety of electric vehicles. However, it relies on a trusted central party for scheduling, which introduces performance bottlenecks and cannot be set up in a distributed network, in addition, the lack of transparency in state-of-the-art Vehicle-to-Vehicle (V2V) power trading schemes can introduce further trust issues. In this paper, we propose a blockchain-based trustworthy collaborative power trading scheme for 5G-enabled social vehicular networks that uses a distributed market mechanism to introduce trusted power trading and avoids the dependence on a centralized dispatch center. Based on the game theory, we design the pricing and trading matching mechanism for V2V power trading to obtain maximum social welfare. We use blockchain to record power trading data for trusted pricing and use smart contracts for transaction matching. The simulation results verify the effectiveness of the proposed scheme in improving social welfare and reducing the load on the grid.     

光伏快速充电站配电变压器端电能质量综合控制研究

针对光伏快速充电站将光伏发电与电动汽车快速充电站有机结合,在充分发挥清洁能源优势和大量提升充电效率的同时所带来的电能质量扰动类型复杂、变化快速等问题,提出了一种基于串并联组合配电网柔性交流输电(distribution flexible AC transmission system, DFACTS)的新型电能质量补偿器的电能质量综合控制方法。深入研究了新型电能质量补偿器主电路拓扑,建立起了动态工作模型。详细分析了新型电能质量补偿器线性自抗扰控制方法的工作原理,设计出线性自抗扰控制器。并针对各DFACTS控制器间的交互影响,提出多DFACTS控制器的协调控制策略。最后搭建仿真模型,进行仿真验证。仿真结果表明,所提出的新型电能质量补偿器采用线性自抗扰控制方法相比传统PI控制方法,提高了电能质量扰动快速变化时的综合补偿能力和动态响应能力。并且验证了该协调控制能有效提高系统电压稳定能力,具有良好的可行性和有效性。