基于PSO算法的电动汽车有序充放电优化

研究提出了一种对电网需求侧负荷变化进行建模和控制的方法,考虑了电动汽车开始充电时间,充电时长和初始充电状态(SOC)的随机性,建立了接近现实世界住宅配电网中电动汽车充放电的随机模型,提出了基于粒子群优化算法的智能充电和车对网(V2G)策略。该控制策略主要用于提高电能质量和平滑电网负荷需求。然后,在不同的电动汽车渗透水平下对三种不同的充电形式进行模拟:无序充电、无V2G有序充电和有V2G有序充电。仿真结果表明:无序充电会严重增加峰值负荷,造成较大的电压偏移。而提出的有序充电方法可以有效降低电压偏差,平滑负载需求曲线。同时,当在所提出的有序充电中考虑V2G时,在较低的PHEV渗透水平下,峰值负荷将减小,并且电压偏移也将减小,随着PHEV渗透水平的提高,V2G的优势将越来越大。     

无锁相环电气化铁路基波正负序电流检测方法

针对斯科特牵引变压器供电方式下,传统电流检测方法无法检测出基波正、负序电流,电流指令延时较长的问题,提出了一种无锁相环的FBD基波正、负序电流检测方法。该方法通过简单的数乘运算求出基波电压,并由此产生两相基波正序和负序基准电压,再通过基准电压和电流求出相应的等效电导,最终通过等效电导与基准电压求出基波正、负序电流分量。仿真结果表明,该方法不受电网畸变的影响,实时性和动态性能好,能有效检测出电气化铁路中基波正、负序电流。     

弹药配送时间最优路线选择和时间预测策略研究

弹药的补给线是作战部队的生命线,主动、精确、迅速地实施弹药配送保障已成为战斗力的重要增长点,现代战争中对弹药配送的时间最优路线选择和到达时间的准确快速预测是至关重要的。通过分析传统的弹药配送方法,借助卫星图像处理技术,建立弹药配送路线的车流量预测算法和应用策略模型。通过对弹药配送的可行路线上的车流量进行预测,选择预测的车流量最少的一条路线为最优路线,车流量的速度作为弹药配送车辆的速度来预测弹药配送到达时间。为了提高车流量预测算法的可靠性和精确性,采用统计数据挖掘对算法参数优化,进而借助并行计算技术来降低算法的时间复杂度,实现对弹药配送的时间最优路线选择和到达时间的可靠、精确、快速的预测。