排序方式: 共有15条查询结果,搜索用时 0 毫秒
1.
基于LCC和量子遗传算法的电动汽车充电站优化规划 总被引:4,自引:0,他引:4
电动汽车充电站优化规划是电动汽车与智能电网灵活互动的重要研究内容之一。面向电动汽车充电站运营周期,详细分析了充电站的成本效益及全寿命周期成本(LCC)的计算方法;基于上述工作,提出利用交通路网车流量信息估算充电站容量,以充电站运营商获得的净现值收益最大为优选目标,以交通路网车流量、电网电能质量和经济性、用户充电需求为约束条件,确定充电站的选址和容量;进一步地,提出了计及LCC的充电站优化规划模型,并采用量子遗传算法求解该模型。算例仿真表明,优化规划模型及其求解方法有效。 相似文献
2.
4.
通过共沉淀法自制上转换材料与TiO_2复合的纳米光催化剂;利用SEM、XRD等方法对光催化剂进行表征;通过改变催化剂掺杂比、pH值、催化剂投入量、光照时间和柴油初始浓度研究了可见光下光催化降解海水中柴油污染的影响因素以及复合光催化剂ZrO_2(Er3+)/TiO_2的利用效率,通过正交试验优化海水中柴油污染的降解;进行动力学分析,计算总反应速率表达式。结果表明,当柴油初始浓度为0.20g/L,催化剂投加量为0.8g/L,催化剂掺杂比为40%,pH为7,光照时间为2.5h时,复合光催化剂的利用效率最高,柴油的去除率达到87.74%。ZrO_2(Er3+)/TiO_2在可见光下能够有效地降解海水中的柴油污染。 相似文献
6.
7.
8.
9.
大数据背景下的充电站负荷预测方法 总被引:1,自引:0,他引:1
电动汽车负荷预测是充电站规划及调度的研究基础。相比传统的负荷预测,大数据背景下的负荷预测具有待预测数据可快速观测的特点,此时负荷预测方法需要相应调整。首先分析了充电站负荷预测所需数据及主要数据来源。其次,针对单辆电动汽车,基于大量、快速更新、多种类的数据分析电动汽车的充电习惯,预测每一辆电动汽车的充电开始时间、持续时间和充电地点,获取单辆电动汽车的负荷模型。该模型综合考虑电池状态、出行时间、行驶路径与速度、充电偏好等信息。然后,面向任意充电站,对与其相关的路网节点与交通线路上的所有电动汽车负荷求和,估算该充电站的总充电功率。最后,进行实例仿真,并与传统方法下的充电负荷预测结果进行了对比。 相似文献
10.
电动汽车充电负荷作为可调度负荷,可减小负荷高峰期的供电压力,提高负荷低谷时的机组利用率,提高电网的经济运行水平,其优化调度对电网意义重大。基于部分电动汽车用户实际中不接受电网调度的事实,以所有电动汽车用户的充电成本之和最小、电网负荷方差最小为目标,以用户充电需求等为约束,建立了电动汽车负荷的多目标优化调度模型。模型在保证用户充电获益的同时优化电网运行。采用改进粒子群算法求解模型,仿真结果表明,用户充电选择将影响充电调度方案、用户经济性和电网运行安全。在充电调度中,需要考虑用户的充电选择。 相似文献