电动汽车充放电优化管理分析

随着电动汽车普及保有量逐年上升,电动汽车无序充放电将会对电力系统产生极大的冲击。文中首先对影响充电负荷的各个因素进行分析,建立数据特征函数,并通过最小二乘法拟合得出电动汽车的函数模型。然后,根据数学模型特征,对多个电动汽车的负荷进行规划,建立多目标优化函数,并使用蒙特卡洛算法构造概率过程从已知概率分布中抽样建立对电动汽车充电负荷曲线。通过仿真验证,证明提出的模型能通过少量样本精确的模拟大规模电动汽车接入状况。文中对电动汽车充放电优化问题进行的改良,能有效减少设备投资、降低无序充电的峰谷差,维护系统稳定运行。     

基于多目标粒子群的电动汽车优化充电策略

居民区家用电动汽车充电具有较强的集中性,大规模电动汽车充电负荷会对配电网系统造成负荷峰谷差过大等问题。文中提出一种基于多目标粒子群(Multi-Objctive Particle Swarm Optimization, MPSO)算法的用户充电选择控制策略,通过分析预测电动汽车充电负荷建立以系统总负荷方差和调度成本最小为目标函数的多目标优化模型,同时考虑了电动汽车电池及系统功率等约束条件,采用多目标粒子群优化算法求解电动汽车最优起始充电时刻。仿真结果表明,相比居民区内电动汽车无序充电,文中所提电动汽车充电策略能有效降低负荷峰值和调度成本。     

混合动力汽车控制策略优化研究

将自适应遗传算法与序列二次规划算法结合构成混合遗传算法,用于求解混合动力汽车控制策略参数优化问题。一方面,分析并建立了控制策略参数优化的有约束非线性模型;另一方面,改进算法中自适应交叉和变异概率调整公式,并提出了序列二次规划算子与遗传算法结合的新方式。仿真结果表明,该算法提高了收敛速度和求解精度,保证了全局收敛性,在混合动力汽车控制策略参数优化中的应用是有效的。     

基于改进萤火虫算法的电动汽车有序充电研究

电动汽车的推广取得了明显效果,但其无序充电给电网带来了负面影响。文中建立了考虑时空分布的电动汽车充电模型,提出了电动汽车充电优化调度策略,并改进标准萤火虫算法,通过算例仿真研究了渗透率的影响,减小了负荷的峰谷差,并使求解效果更优。     

基于TLBO优化算法的电动汽车充电站选址

随着电动汽车使用规模的不断增加,建设电动汽车充电站已成为当务之急。文中将每个区域中心作为电动汽车充电负荷中心,以分区内电动汽车充电桩数量作为充电站选址的权重系数,建立了充电站位置和定容的优化模型。采用TLBO优化算法计算出电动汽车充电站的数量、建设地点、每个充电站的覆盖范围以及充电站的充电桩数量。仿真结果表明,TLBO优化算法在电动汽车充电站的选址和定容方面,计算准确、收敛速度快,并且具有良好的全局优化性能。     

大电流电动汽车电池充电电流电压反馈系统设计

针对电动汽车厂家研发了电动汽车电池充电系统,设计了一种大电流低电压电池充电系统。系统采用了PIC16F877A单片机作为电子控制单元核心,对规格为50 A、3.7 V的电池组进行充电。重点对电流电压采样电路进行了设计和研究。通过建立采样电路的仿真模型。并用实际电压电流数据对本采样系统进行了验证。实验证明,系统提出的电流电压采样具有较高的精度、线性度,且能满足长期稳定运行的实际需求。     

基于混沌免疫遗传算法的神经网络及应用

借助混沌随机序列构造初始种群,将免疫机制引入传统遗传进化过程,有效克服传统遗传算法种群“退化”和“早熟”的不足,保持种群多样性,构造得到混沌免疫遗传优化算法。进而将混沌免疫遗传优化算法与BP神经网络相结合,分别用混沌免疫遗传优化算法和自适应BP算法对网络权值进行全局优化和局部二次优化,建立基于混沌免疫遗传算法的神经网络模型。利用所建立的混合神经网络模型对渤海某海域年极值冰厚进行训练预测,并将模型预测结果与实际数据以及动态拓扑预测的结果进行对比,表日周基于混沌免疫遗传算法的神经网络模型具有很高的预测精度和工程适用性。     

求解动态最优路径的混合优化算法

对动态网络环境下动态需求的最优路径搜索问题进行了研究,首次提出了一个能同时利用演化算法的全局优化能力和蚁群算法的局部探索能力的混合智能优化算法Evo-Ant,并将其应用于DVRP.为了验证算法的有效性,给出了DVRP的混合整数规划模型,建立了DVRP的动态性能测试类,并进行了大量的仿真实验和比较.结果表明,Evo-Ant算法能够根据实时接收到的信息对当前规划路径进行及时调整,具有明显改善的性能优势.     

频率跟踪式电动汽车无线充电系统的研究

随着电动汽车产业的不断推广和发展,方便、实用的电动汽车充电系统需求更加迫切。本文基于谐振耦合无线传输机理,实现无线传输电能的设计。通过对LC谐振电路传输过程中出现谐振失谐导致传输效率下降现象的分析,提出一种频率跟踪式谐振无线传输电能模型,实现高效充电的目的。通过实验对模型数据比较分析,频率跟踪式谐振无线充电系统的输出电压、负载能力、传输效率等主要参数,比无跟踪式谐振电路高出很多。文中以谐振频率为1m的无线传输电能系统为实验样机,通过实验数据验证模型的高效性。     

基于中继充电模型的充电小车休息时间最大化方法

文中基于中继充电模型,研究了在保证无线可充电传感器网络持久运行的情况下,最大化充电小车在服务基站休息时间的优化调度问题。针对该问题,文中提出的近似算法包括3个部分:基于充电效益的锚点选择算法为充电小车选择停靠点、基于TSP的路径规划算法为充电小车规划移动路径以及基于充电集合再优化算法进一步提升充电小车的休息时间。通过仿真实验对比不同的充电策略,结果显示相比AASA算法,在不同传感器分布密度下,文中提出的充电策略可以将充电小车在服务基站的休息时间提升15%~88%。     

V2X多节点协同分布式卸载策略

为了应对车联网中计算资源密集、可分离型任务的卸载环境动态变化和不同协同节点通信、计算资源存在差异的问题,提出了一种在V2X下多协同节点串行卸载、并行计算的分布式卸载策略。该策略利用车辆可预测的行驶轨迹,对任务进行不等拆分,分布式计算于本地、MEC及协同车辆,建立系统时延最小化的优化问题。为求解该优化问题,设计了博弈论的卸载机制,以实现协同节点串行卸载的执行顺序;鉴于车联网的动态时变特性,利用序列二次规划算法,给出了最优的任务不等拆分。仿真结果表明,所提策略能够有效减少计算任务系统时延,且当多协同节点分布式卸载服务时,所提策略在不同的参数条件下仍然能够保持稳定的系统性能。     

V2X多节点协同分布式卸载策略

为了应对车联网中计算资源密集、可分离型任务的卸载环境动态变化和不同协同节点通信、计算资源存在差异的问题,提出了一种在V2X下多协同节点串行卸载、并行计算的分布式卸载策略。该策略利用车辆可预测的行驶轨迹,对任务进行不等拆分,分布式计算于本地、MEC及协同车辆,建立系统时延最小化的优化问题。为求解该优化问题,设计了博弈论的卸载机制,以实现协同节点串行卸载的执行顺序;鉴于车联网的动态时变特性,利用序列二次规划算法,给出了最优的任务不等拆分。仿真结果表明,所提策略能够有效减少计算任务系统时延,且当多协同节点分布式卸载服务时,所提策略在不同的参数条件下仍然能够保持稳定的系统性能。     

压电驱动微动平台结构的设计优化和仿真分析

采用双平行柔性铰链结构设计了一种二维微动平台,并计算了微动平台各方向的刚度。根据约束条件,建立了理论刚度数学模型;采用序列二次规划(SQP)算法对平台结构进行多目标优化,并通过MATLAB软件对数学模型进行求解;利用ANSYS软件对优化后平台的位移、刚度和固有频率进行仿真分析。理论计算和仿真结果表明,微动平台具有良好的静、动态特性。     

Designing broad-band patch antennas using the sequential quadraticprogramming method

The utility of numerical codes is greatly enhanced if they can be used in design, a situation that typically involves iterative optimization algorithms. An attractive way is to use gradient-based algorithms developed for solving nonlinear programming (NLP) problems. We examine the performance of a general sequential quadratic programming (SQP) optimization algorithm for designing patch antennas in conjunction with a finite-element boundary-integral code     

基于SMP集群系统的MPI—OpenMP混合并行FDTD算法研究

针对基于MPI的传统FDTD并行算法存在的缺点,提出了优化的FDTD两级化并行算法。结合MPI和OpenMP编程模型的特点,实现了基于SMP集群系统平台的MPI-OpenMP混合编程模型的两种并行FDTD算法。在实验室搭建的SMP集群系统平台上,通过对一金属长方体的散射问题分析,把混合编程算法同基于MPI的FDTD并行算法进行了比较。结果表明,混合并行算法具有更好的加速比和带宽利用率。     

非线性几何规划的几种算法

介绍了非线性规划的数学模型(即具有不等式约束条件的求解目标函数最优化解的一类优化问题)以及现今求解这类非线性规划问题时,运用最为广泛的罚函数内点算法,同时介绍了解决几何规划问题的两种算法,内点路经跟踪法和序列二次规划法。通过实例,对比了文中所介绍的内点路径跟踪法和序列二次规划法的运算结果,最终给出结论。     

粒子群算法优化的智能机器人无线充电方法

目前机器人传统直插式充电方式存有布线复杂、灵活性差,且不适用于易燃、易爆等特殊环境等问题,无线充电技术的应用有利于促进机器人智能化方向发展。为提高机器人无线充电效率,设计了一种基于无线通信技术、定位技术、无线充电技术的机器人智能无线充电系统;为提高粒子群算法全局寻优能力,引入鸽群优化算法地图、指南针算子和地标算子,提出了一种粒子群-鸽群融合定位算法对机器人充电位置进行定位优化;实验数据表明,设计算法具有较高的定位精度,较快的收敛速度,有利于机器人获取最佳充电位置,提高充电效率。     

Nature-inspired meta-heuristics approaches for charging plug-in hybrid electric vehicle

Currently, there is a remarkable focus on green technologies for taking steps towards more use of renewable energy sources within the sector of transportation and also decreasing pollution. At this point, employment of plug-in hybrid electric vehicles (PHEVs) needs sufficient charging allocation strategy, by running smart charging infrastructures and smart grid systems. In order to daily usage of PHEVs, daytime charging stations are required and at this point, only an appropriate charging control and a management of the infrastructure can lead to wider employment of PHEVs. In this study, four swarm intelligence based optimization techniques: particle swarm optimization (PSO), gravitational search algorithm (GSA), accelerated particle swarm optimization, and hybrid version of PSO and GSA (PSOGSA) have been applied for the state-of-charge optimization of PHEVs. In this research, hybrid PSOGSA has performed very well in producing better results than other stand-alone optimization techniques.