为了解决风光互补式电动汽车充电站储能系统中,传统静态锂电池模型不能实时更新参数导致相应的开路电压和荷电状态(state of charge, SOC)估计误差大等问题,提出一种基于动态一阶RC等效电路模型的锂电池自适应实时状态估计方法。首先,...为了解决风光互补式电动汽车充电站储能系统中,传统静态锂电池模型不能实时更新参数导致相应的开路电压和荷电状态(state of charge, SOC)估计误差大等问题,提出一种基于动态一阶RC等效电路模型的锂电池自适应实时状态估计方法。首先,采用滑模控制方法追踪锂电池的实时输出电压,基于动态一阶RC等效电路模型,考虑锂电池内部参数欧姆内阻、极化内阻、极化电容和开路电压的动态变化情况,修正锂电池的端电压状态估计方程;然后,通过李雅普诺夫函数和稳定性判据推导出状态估计方程参数与实时电压追踪误差、工作电流之间的关系,得出锂电池内部参数的实时更新方法;进一步,通过实验确定开路电压与锂电池SOC之间的函数关系;在此基础上,实现锂电池状态的自适应实时估计。仿真结果表明:在风光互补式电动汽车充电站储能系统的连续变化负载工况下,所提自适应实时状态估计方法可以使锂电池估计状态快速收敛至模型参考值,避免了开路电压估计值波动问题;以安时积分和卡尔曼滤波方法修正的SOC为参考,自适应实时估计SOC的最大误差为0.72%,均方根误差和平均绝对误差分别为0.002 3和0.001 9;与开路电压-内阻模型估计SOC进行比较,自适应实时估计SOC的精度提高了一个数量级。展开更多
新能源出力的不确定性和电动汽车的无序充电给电力系统安全性带来极大挑战。首先建立确定性的风电场、光伏电站、储能设备、负荷需求响应及电动汽车充电站协调规划模型,以总成本最小化为目标。基于此,提出考虑新能源不确定性的电动汽车...新能源出力的不确定性和电动汽车的无序充电给电力系统安全性带来极大挑战。首先建立确定性的风电场、光伏电站、储能设备、负荷需求响应及电动汽车充电站协调规划模型,以总成本最小化为目标。基于此,提出考虑新能源不确定性的电动汽车充电站与储能协调优化两阶段分布鲁棒规划模型,第1阶段最小化基础场景的投建与运行成本,第2阶段则最小化考虑不确定场景的切负荷惩罚成本期望,通过列与约束生成CCG(col⁃umn and constraint generation)算法将该两阶段模型分解成主问题和子问题反复迭代求解。最后通过算例分析验证了所提模型的有效性与实用性。展开更多
电动汽车在充电过程中易发生火灾事故,为了提高电动汽车充电站火灾检测实时性,提出一种基于YOLOv4-Tiny-CBAM的电动汽车充电站火焰烟雾多目标实时检测与预警算法:为在低算力平台实现实时检测选用YOLOv4-Tiny轻量级网络模型;引入K-means...电动汽车在充电过程中易发生火灾事故,为了提高电动汽车充电站火灾检测实时性,提出一种基于YOLOv4-Tiny-CBAM的电动汽车充电站火焰烟雾多目标实时检测与预警算法:为在低算力平台实现实时检测选用YOLOv4-Tiny轻量级网络模型;引入K-means-GA算法重新计算锚框值;引入卷积注意力机制模块(convolutional block attention module,CBAM)以加强网络对火焰烟雾特征提取能力以提升检测精度;将电动汽车充电站监控视频作为模型检测输入源,实现就地端实时检测。实验结果表明:该改进算法模型参数量为6.143 M,视频检测每秒传输帧数(frames per second,FPS)值为43,均值平均精度(mean average precision,mAP)值为86.76%,具有较好的目标连续跟踪能力,满足实时检测的需求,对无人化电动汽车充电站安全运行以及火灾应急处置具有重要意义。展开更多
文摘新能源出力的不确定性和电动汽车的无序充电给电力系统安全性带来极大挑战。首先建立确定性的风电场、光伏电站、储能设备、负荷需求响应及电动汽车充电站协调规划模型,以总成本最小化为目标。基于此,提出考虑新能源不确定性的电动汽车充电站与储能协调优化两阶段分布鲁棒规划模型,第1阶段最小化基础场景的投建与运行成本,第2阶段则最小化考虑不确定场景的切负荷惩罚成本期望,通过列与约束生成CCG(col⁃umn and constraint generation)算法将该两阶段模型分解成主问题和子问题反复迭代求解。最后通过算例分析验证了所提模型的有效性与实用性。
文摘电动汽车在充电过程中易发生火灾事故,为了提高电动汽车充电站火灾检测实时性,提出一种基于YOLOv4-Tiny-CBAM的电动汽车充电站火焰烟雾多目标实时检测与预警算法:为在低算力平台实现实时检测选用YOLOv4-Tiny轻量级网络模型;引入K-means-GA算法重新计算锚框值;引入卷积注意力机制模块(convolutional block attention module,CBAM)以加强网络对火焰烟雾特征提取能力以提升检测精度;将电动汽车充电站监控视频作为模型检测输入源,实现就地端实时检测。实验结果表明:该改进算法模型参数量为6.143 M,视频检测每秒传输帧数(frames per second,FPS)值为43,均值平均精度(mean average precision,mAP)值为86.76%,具有较好的目标连续跟踪能力,满足实时检测的需求,对无人化电动汽车充电站安全运行以及火灾应急处置具有重要意义。