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。     

适用于直流链式储能的电池簇荷电状态自均衡控制策略

电池储能系统凭借其可提高可再生能源消纳能力的优势逐渐成为电网关键环节,其中的生产、使用环节导致的电池不一致性是影响储能系统容量和寿命的重要因素。在直流型高压级联链式储能的拓扑结构基础上采取分级控制策略,基于电压模式和功率模式的一级控制,针对链式电池储能系统电池荷电状态(SOC)不均衡的问题,提出了一种控制参数自适应的SOC自均衡控制策略。该策略综合考虑电池SOC偏差、各模块电容电压水平、直流系统电压控制裕度以及输出调制比上下限,实时计算均衡系数。实验结果验证了所提策略能够在SOC偏差较大以及满功率充放电切换的极端工况下,实现SOC自均衡,均衡效率较高。     

考虑不完全射孔的储层热效率评价方法

稠油油藏热利用率的计算普遍为完全射孔的驱替理论模型,没有考虑不完全射孔因素的影响。运用热力学的基本原理和热平衡基础理论,在考虑不完全射孔因素和重力分异影响的基础上,推导了考虑不完全射孔因素的蒸汽驱储层热效率评价方法。研究表明:蒸汽驱初期,射孔影响较大,汽液重力分异作用影响较小,注入蒸汽沿储层射孔段的驱替效果明显,储层热散失率较少;蒸汽驱开采后期,随着蒸汽超覆作用的增强,射孔的影响相对减弱,蒸汽沿储层上部的驱替效果明显,储层热散失较大;部分射孔可有效缓解重力分异的不利影响,提高蒸汽波及效率。     

壬基酚生产工艺条件研究

研究了以苯酚、壬烯为原料 ,酸性阳离子交换树脂为催化剂 ,进行烷基化反应生产壬基酚的工艺条件。最佳反应条件是 :反应温度在催化剂使用初期为 90～ 95℃ ,原料酚烯物质的量比为 (15～ 2 0 )∶1,反应循环比为 (8～ 10 )∶1,反应压力对反应基本没有影响。