适用于车头泊入的路径规划和跟踪控制新方法

自动泊车作为智能汽车自动驾驶技术的一个关键组成部分,已成为业界关注和研究的热点。现有的自动泊车系统都是基于倒车实现,而大多数新型电动汽车充电口安装在车头,因此设计了车头泊入的泊车新方法。该方法首先对车辆进行运动学建模,然后根据汽车与车库的相对位置基于几何推导进行路径规划,最后利用PID对泊车过程进行跟踪控制。采用PID路径跟踪控制算法与现有泊车跟踪控制算法相比较,有效简化了算法结构,克服了“计算爆炸”的问题,具有较强的鲁棒性,符合现有新型电动汽车车头泊入的需求。使用Matlab和CarSim联合仿真实车参数模型车的运动学模型,完善了传统泊车过程模型的运动仿真分析,仿真结果验证了所设计的跟踪控制方法的有效性。     

Sliding mode learning control for T-S fuzzy system and an application to hypersonic flight vehicle

Sliding mode-based learning control is presented for T-S fuzzy system. A T-S fuzzy model with both uncertainties and unmodeled dynamics is proposed firstly, in which the information of uncertainties and unmodeled dynamics are assumed to be unknown. Then, according to a given reference model, state-tracking error system is built. Respecting facts, the input matrices of the built T-S fuzzy model are different from each other. An extended state observer is built for estimating the unknown uncertainties and unmodeled dynamics, and a corresponding sliding surface is proposed. A learning controller is then presented for the closed loop system. Moreover, a numerical simulation result on hypersonic flight vehicles is considered to testify the controller's availability.     

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%。     

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.     

考虑电动汽车和需求响应的电-热-水多能耦合系统经济调度

在水电联产机组装机容量不断增加的背景下,提出一种考虑电动汽车充、放电策略和用户需求响应的电-热-水多能耦合系统经济调度方法。首先,构建电-热-水多能耦合系统的基本结构,并分析各系统之间的耦合机理;然后,以调度过程中发电、产热和海水淡化的总燃料成本最小为目标,建立考虑电动汽车充、放电策略和需求响应的多能耦合系统经济调度模型;最后通过仿真算例对所提方法进行验证,结果表明：所提方法有利于实现系统低碳经济运行。     

基于强化学习的电动汽车换电站实时调度策略优化

随着电动汽车的应用推广,换电站的调度优化逐渐成为研究热点。传统的基于换电需求预测值的调度策略在实际应用中面临着难以适应动态干扰因素、预测误差累积等问题。为了解决这些问题,提出了一种基于带基线的蒙特卡罗策略梯度法的换电站实时调度策略,用于优化换电站的充放电策略以及响应电池数量。提出了带基线的蒙特卡罗策略梯度强化学习,并为换电站实时调度问题选取合适的状态空间和动作空间;设计了奖励函数对智能体进行离线训练,从电池状态数据、分时电价和排队电动汽车数量中学习得到最优策略网络;在离线训练好的模型基础上进行实时调度策略测试。基于换电站的服务可用率和经济效益验证了所提调度策略的有效性和经济性,算例结果表明所提策略能对电网负荷起到一定的削峰填谷作用。     

计及天然气管网压力能消纳的电动汽车换电池集中充电-配送策略

针对城市天然气管网压力能利用率低以及“集中充电,统一配送”模式下的换电池调度问题,提出考虑天然气管网压力能发电的换电池集中充电-配送优化策略。采用?分析法构建了天然气压力能发电模型,结合电池放电深度和充放电区间对电池寿命的影响,设计了分组类别下的配送车和换电池调度策略。考虑配送车行驶时的电能转换效率和受到的空气阻力、滚动阻力等物理因素,建立了配送车非线性能耗模型。在此基础上,计及软时间窗、配送车载重和续航里程等约束,以运输成本和时间惩罚成本最低为目标进行优化调度。算例分析表明：所提策略对城市天然气管网压力能的消纳水平高,实现了天然气压力能回收利用与换电池调度的有机结合,为天然气压力能在电动汽车换电模式下的高效消纳提供了参考。     

基于机会约束规划的含电动汽车主动配电网能量管理方法

针对含电动汽车(EV)和分布式光伏的主动配电网(ADN),提出了一种基于机会约束规划的能量管理方法。首先,基于EV用户的出行特性和需求,构建了基于分段线性化的EV智能充放电决策模型;其次,通过支路潮流模型与二阶锥松弛,构建了含EV与分布式光伏的ADN一体化数学模型,EV集群作为灵活可控单元主动参与ADN的能量管理;然后,为了充分考虑分布式光伏的不确定性,采用机会约束规划方法描述了含不确定性参数的数学模型,并对模型中的机会约束条件进行确定性转换;最后,考虑不同城市功能区内含EV与分布式光伏的ADN场景,进一步对比分析了不同的机会约束条件置信水平下EV对ADN经济安全运行的影响。仿真结果表明,适度降低机会约束条件的置信水平能在保证EV用户出行需求的同时充分地挖掘EV充放电行为的灵活性,进一步实现ADN的灵活运行。     

考虑储能备用的电动汽车负荷连续追踪弃风曲线优化模型

在大力推动高比例可再生能源并网的背景下,风电的强随机波动特征导致的大量弃风问题给电力系统的经济可靠运行带来了挑战,而电动汽车、储能等作为需求侧的灵活性资源参与曲线追踪交易为弃风问题带来了解决方案。首先,分析了电动汽车消纳风电的可行性;然后,对电动汽车聚合负荷消纳风电的交易模式进行了梳理,聚焦连续曲线追踪交易,在充分考虑电动汽车聚合的物理经济约束下建立了混合整数线性规划模型以求解聚合调用方案。由于电动汽车的移动储能能力与追踪效果有限,引入储能系统进行联合优化,采用逐步搜索法在降低聚合成本的同时,得到储能的最优容量与功率配置以及同时优化物理弃风电量与经济成本的聚合方案。算例分析结果表明：考虑储能备用的聚合方法能够提高风电曲线的追踪精度,减小聚合成本,验证了所建模型在连续曲线追踪中的可行性与适用性,可为曲线追踪交易市场的完善与新型电力系统的建设提供借鉴。     

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。