基于分布鲁棒优化的车-站-网日前能量管理与交易

为考虑上级电网电价、光伏出力等多重多层级不确定性对车-站-网互动博弈模型的影响,且充分体现配电网主动管理技术支撑效果,文中提出了一种基于分布鲁棒优化的车-站-网能量管理与交易方法。首先,针对主动配电网内多元主体能量管理与交易问题,建立了配电网运营商、充电站和电动汽车的日前市场互动框架。其次,融合主动网络管理技术和网络约束,在配电网运营商与聚合了电动汽车的多个充电站之间构建了以多主体各自利益最大为目标的双层Wasserstein分布鲁棒互动博弈模型。然后,提出了结合Karush-Kuhn-Tucker条件、对偶原理和大M法的化简方法以解决多层级不确定性造成的求解难题,将双层Wasserstein分布鲁棒模型转化为单层混合整数二阶锥规划模型,并利用商业求解器YALMIP/GUROBI进行了求解。最后,通过算例仿真验证了所提模型和方法的有效性。

燃料电池增程式动力系统能量管理策略研究

以某款纯电动客车为研究对象,以增加车辆续驶里程为目的,提出燃料电池增程式混合动力系统结构,根据性能指标对动力系统各部件进行匹配计算和选型.提出了开关/功率跟随式能量管理策略,基于Cruise和Simulink分别搭建了整车动力系统模型和燃料电池及能量管理策略模型并进行联合仿真.结果表明,采用文中提出的能量管理策略车辆经济性相对于开关式和能量跟随式两种控制策略分别提高62%和31%,续驶里程相对于该两种控制策略分别提高41%和18%.

基于优化功率跟随控制的E-REV能量管理策略研究

基于功率跟随控制的增程式电动汽车能量管理策略具有减缓电池寿命衰减与提高车辆NVH性能等优势,但存在阈值参数依赖性强、增程器启停频繁等问题,为此提出了一种基于优化功率跟随控制的E-REV能量管理策略。依据车速、SOC状态与驾驶员的加速踏板力度等信息特征,制定基于功率跟随控制的能量管理策略。在此基础上,针对固定规则参数的局限性,以车辆行驶总成本与SOC变化梯度为目标函数,结合灰狼优化算法对增程器启停功率阈值参数进行优化,减少发动机频繁启停现象。运用Matlab/Simulink搭建控制策略模型,并联合基于Simcenter/AMESIM搭建的整车物理模型进行仿真试验,结果表明:CHTC-LT循环工况下,优化功率跟随控制策略与功率跟随控制策略相比,SOC最大波动值降低了28%,增程器启停次数减少了28.5%,整车燃油经济性提升了6.89%。

算力-热力灵活性协同的数据中心能量管理方法

随着数字经济产业快速发展,数据中心成为电能消耗的重要部分。多样化的数据处理需求、大量的计算用电及制冷用电,在带来高能耗问题的同时也为数据中心的运行调度提供了灵活性。因此,协同考虑计算灵活性和热灵活性,制定数据中心优化运行策略,可有效提高能源利用效率,提升数据中心运行经济性。该文提出一种考虑算力-热力灵活性协同的数据中心能量管理方法。首先,考虑数据负载灵活调度、冷却系统温度变化以及冷热通道热惯性等精细化要素,实现了信息技术设备和冷却设备的协同建模。其次,进行模型的线性化转换,降低了求解难度。在此基础上,实现了基于灵活性协同的数据中心能量管理,从而降低数据中心运行能耗及成本。最后通过算例验证了所提方法的有效性。

基于牵引网电压和空载电压的多储能系统区间能量管理策略

近年来,随着“双碳”政策的推动,储能技术在城市轨道交通中的应用愈发广泛,呈现出点到线的发展趋势。当一条线路中有多站安装储能装置时,想要进一步提升储能系统的节能效果,必须要解决不同站储能装置的充放电策略个性化设计,以及多储能间协调控制这两个问题。因此,该文提出一种基于实时牵引网电压和空载电压的多储能系统区间能量管理策略。该策略基于多个牵引变电站的空载电压和牵引网电压,对能量管理区间内的列车状态和列车剩余功率进行辨识,基于此计算区间内储能装置的充放电阈值基准值初值及基准值变化的斜率。为进一步提升节能和稳压效果,该策略基于充放电周期、牵引网电压超限频次及储能系统的荷电状态(SOC)等参数,对基准值及其更新斜率进行实时校正。该文在北京地铁的实际线路中进行了验证,结果表明,相较于基于本站空载电压的能量管理策略,提出的策略在降低系统能耗和稳定牵引网电压方面都具有显著的改善效果。

基于机器学习的主动配电网能量管理与运行控制

随着分布式资源和灵活负荷广泛接入,配电网正演变成为主动配电网,其能量管理与运行控制面临着巨大挑战:1)海量分布式资源并网使得调控需求大增,同时引入了大量随机性使得运行风险增加,需要挖掘其主动支撑能力;2)分布式资源量大且异动频繁,难以及时维护,配电网模型精度差,基于精确建模的运行控制和优化调度技术的工程应用困难。为应对上述挑战,文中介绍了基于机器学习的理论和方法,提出了“测-辨-控”一体化的主动配电网能量管理与运行控制技术体系,实现少/免模型维护的运行控制与优化调度。同时,分析了以下核心技术:1)配电网弱/无模型实时调控技术,实现自律优化;2)分布式资源集群自适应动态控制技术,实现对电网的主动支撑;3)风险量化的概率优化调度方法,实现风险与经济的平衡。最后,简要介绍了适应含极高比例分布式资源的主动配电网的能量管理与运行控制系统架构。

基于近端策略优化算法的燃料电池混合动力系统综合价值损耗最小能量管理方法

为了降低市域动车组燃料电池混合动力系统运行燃料经济成本,提升燃料电池耐久性,该文提出一种基于近端策略优化算法的能量管理方法。该方法将混合动力系统能量管理问题建模为马尔可夫决策过程,以综合考虑燃料经济性和燃料电池耐久性的综合价值损耗最小为优化目标设置奖励函数,采用一种收敛速度较快的深度强化学习算法—近端策略优化算法求解,实现负载功率在燃料电池和锂电池间的合理有效分配,最后,采用市域动车组实际运行工况进行实验验证。实验结果表明,在训练工况下,所提方法相较基于等效氢耗最小能量管理方法和基于Q-learning能量管理方法,综合价值损耗分别降低19.71%和5.87%;在未知工况下,综合价值损耗分别降低18.05%和13.52%。结果表明,所提方法能够有效降低综合价值损耗,并具有较好的工况适应性。

船舶混合动力系统能量管理预测控制方法研究

针对混合动力系统控制稳定性和节能减排问题,明确模型预测控制在船舶能量管理中的作用、研究现状及趋势。借助CiteSpace对船舶能量管理进行可视化分析,理清了船舶能量管理的发展脉络,并通过不同能量管理策略的对比分析揭示模型预测控制在船舶能量管理中的重要性;从预测建模、优化目标及约束、求解和改进策略等3个方面开展了船舶能量管理预测控制方法的分析;最后从考虑可再生能源的能量管理策略、建模与验证的标准化、协同优化和多维度评估等方面对船舶能量管理预测控制的未来研究进行展望。结果表明:模型预测控制在智能船舶、多能源船舶等复杂的动力系统的实时控制中具有重要潜力。与其他算法结合开展多目标算法融合是提升控制精度和计算实时性的重要途径,开展多维度测试评估有利于推动策略的实船应用。

考虑广义储能参与灵活响应的光储氢集站实时能量管理策略

为了促进含氢能源系统中灵活性资源的综合利用,针对光储氢集站对调度指令的响应问题,提出一种考虑广义储能参与灵活响应的光储氢集站实时能量管理策略。对光储氢集站内电池储能、电制氢负荷等广义储能进行精细化建模,在集站模型中引入考虑电-热-流耦合关系的电制氢虚拟储能模型。通过优化集站灵活性资源的出力构建日内-实时两级能量管理策略,在能量管理优化层面满足运行计划要求的同时考虑效益最大化,实现电池储能荷电状态初、末状态优化;对系统功率波动进行实时反馈校正,保证集站内功率平衡。算例仿真结果验证了所提策略在提升运行经济效益、促进可再生能源消纳方面的积极作用。

考虑驾驶风格的混合动力汽车强化学习能量管理策略

为了提升混合动力汽车能量管理策略对不同风格驾驶员的适应性,基于深度强化学习和等效燃油消耗最小策略(equivalent consumption minimization strategy,ECMS),提出一种考虑驾驶风格的混合动力汽车能量管理策略。通过实车试验采集驾驶员行驶数据,基于采集数据进行驾驶员驾驶风格的聚类分析,建立驾驶风格识别模型;构建基于强化学习和ECMS的能量管理策略,将驾驶风格系数作为强化学习状态变量,利用多种驾驶风格的组合工况训练深度确定性策略梯度智能体,获取不同工况和驾驶风格下ECMS等效因子,采用ECMS求解最优发动机、电机转矩分配以及变速箱挡位;搭建硬件在环测试平台,并基于实际采集的不同驾驶员驾驶数据构建测试工况,验证所提出控制策略的有效性。研究结果表明,相较于基于规则策略、基于等效因子比例修正的自适应ECMS以及DRL-SAC策略,提出的考虑驾驶风格的强化学习能量管理策略使整车能量消耗分别降低16.35%、11.11%和7.56%,所提控制策略的有效性得到了验证。

基于模型预测框架的燃料电池汽车混合动力系统能量管理

混合动力系统作为燃料电池汽车的关键组成部分,系统的能耗与寿命优化是推动其进一步商业化发展的关键,而能量管理策略(EMS)在提高燃料电池汽车混合动力系统的效率和燃料经济性方面发挥着重要作用。为有效降低混合动力系统的内部损耗,进一步提高系统经济性,提出了一种基于模型预测框架的混合动力系统能耗优化能量管理控制方法。首先构建包含动力系统内部损耗与氢气消耗的目标函数,然后利用模型预测架构求解目标函数来控制燃料电池的输出电流,以实现合理的能量分配,最后在Matlab中进行仿真,验证所制定方法的合理性和有效性。与应用较为广泛的等效氢耗最小策略(ECMS)相比,结果表明所提方法可以显著降低动力系统的内部损耗和氢气消耗。此外,该策略还可以有效保持蓄电池的荷电状态(SOC),延长动力系统的使用寿命。

基于车速预测的PHEV能量管理策略

为兼顾插电式混合动力汽车能量管理策略的节油能力和实时性,设计了一种基于车速预测的能量管理策略。建立LSTM神经网络车速预测模型,实现对车速的准确预测;在模型预测控制框架下,采用动态规划算法对电机转矩分配进行优化,建立基于车速预测的能量管理策略。仿真结果表明,该策略具有良好的实时性,同时较之基于规则的能量管理策略油耗降低了14.85%。

基于机器学习的长编重联动车组碰撞能量管理方案优化

为有效缓解交通运输压力,采用动车组重联运行可以成倍提高载客量,然而一旦发生碰撞事故,巨大的碰撞能量将造成严重的乘员损伤和财产损失,长编重联动车组碰撞能量管理已成为重点研究对象。本文提出均匀耗散和集中耗散2种碰撞能量管理模式,以头车和中间车车端的吸能装置平台力和压缩行程为设计参数,基于KNN、MLS、RBF和RF的4种机器学习算法,开展长编重联动车组碰撞能量管理方案优化设计。研究结果表明:预测头车吸能量和中间车自身耗散能量方差的最优机器学习模型分别是MLS和RBF,相对误差均在4%以内;头车和中间车的吸能元件平台力是影响头车界面吸能量的主要参数,中间车吸能装置参数是影响中间车界面碰撞能量分布是否均匀的主要参数;集中耗散模式下头车和重联界面吸收了碰撞能量48.24%,中间车界面吸收了碰撞能量51.76%,该能量分配模式要求头车前端吸能装置具有更高的吸能量;均匀耗散模式下头车和重联界面吸收了22.75%的碰撞能量,中间车界面吸收了77.25%的碰撞能量,该能量分配模式会增大车间距导致列车长度增加;优化获得的2种碰撞能量管理方案都能在时速36 km/h对撞工况下保证长编重联动车组车体结构完整,且车体120 ms最大平均加速度分别为2.64g和2.36g。

基于多时间尺度的户用光储能量管理策略

针对光伏出力的波动导致户用光储系统能量优化不确定性的问题,提出了一种多时间尺度能量管理策略。在日前阶段,综合考虑分时电价、储能系统的寿命和负荷的可控性,建立了以用户用电成本、储能运行成本和环境成本最小化为目标的调度模型;在日内阶段,基于模型预测控制(model prediction control,MPC)并参考日前调度计划进行实时调度能量优化,矫正光伏出力的预测偏差,在不影响用户舒适度的前提下降低系统运行成本。最后,仿真结果验证了所提能量管理策略的经济性和有效性。

基于改进遗传模糊算法的混合动力推土机能量管理策略

以提高整车燃油性为控制目标进行了混合动力推土机的遗传模糊能量管理策略的研究。首先考虑当前状态下超级电容的荷电状态值设计了模糊控制器,以整车需求功率和超级电容荷电状态值作为模糊控制器的输入量,以发动机目标输出功率、发电机输出功率以及超级电容需求功率作为输出,设计了25条控制规则,然后采用改进遗传算法优化隶属度函数,最后利用200 s典型推土机工况在整车平台验证策略的有效性和可行性。研究结果表明:基于改进遗传模糊算法的混合动力推土机与原机型相比节油达19.04%,整机燃油经济性得到明显提高。

嵌入式能量管理系统研制与工程实践

传统能量管理系统硬件组成复杂、设备接入成本高、扩展性及通用性弱,难以适配中小规模新兴场景的多能自主管控需求。为此,文中提出一种嵌入式能量管理系统。首先,基于混成控制理论提出控制组态技术,实现策略的通用开发;其次,基于自动微分开发边缘优化求解器,并结合嵌入式数据库、异步非阻塞通信技术构建轻量Web应用;最后,结合Simulink开展半实物仿真测试以验证控制的有效性。文中提出的嵌入式能量管理系统已在杭州亚运村世纪变电站和多个工业园区投入实际应用,交付周期显著缩短,部署成本降低50%以上,性能表现良好。

基于充电行为电量规划的自适应能量管理策略

为提高插电式混合动力汽车(PHEV)的燃油经济性,以并联式PHEV为研究对象,考虑驾驶员充电行为,提出基于充电行为电量规划和等效燃油消耗最小策略(ECMS)的自适应能量管理策略。构建了包含不同类型工况的组合工况。根据驾驶员的充电行为特征(充电频率、充电上限、放电下限)进行充电行为分析,并进行4类工况电量消耗与燃油消耗ECMS策略下的离线仿真数据获取。根据驾驶员充电行为以及离线数据进行SOC轨迹的规划。结果表明:在电池SOC初始值分别为0.9、0.6时,提出的能量管理策略相较于基于电量消耗维持的等效燃油消耗策略,整车燃油经济性分别提升7.87%和13.1%。

混合动力汽车能量管理策略研究

针对混合动力汽车能源管理策略中能量分布不合理的现象,同时降低混合动力汽车的能耗和电池寿命衰减率,在动力系统结构的基础上,提出了一种将RBF神经网络和动态规划方法相结合用于混合动力汽车的能量管理策略。RBF神经网络用于在预测时域中预测车速,获得预测时域中的车辆需求扭矩,动态规划方法用于优化求解预测时域,实现合理分配发动机和电机扭矩。通过仿真与传统能源管理策略进行比较,验证了该方法的优越性和准确性。实验结果表明,与传统策略相比,提出的能源管理策略可以显著提高燃油经济性,降低能耗15.47%,具有实际应用潜力。

基于车速预测的PHEV预测能量管理策略

为解决插电式混合动力汽车预测能量管理策略中车速预测不准确导致车辆燃油经济性降低问题,提出了一种基于麻雀搜索算法优化变分模态分解和长短时神经网络的车速组合预测模型。在模型预测控制架构下采用该预测模型对未来车速进行预测,将全局优化问题转换为预测时域内动力源扭矩优化分配问题,以发动机油耗最小为优化目标,采用动态规划算法对预测时域内的优化问题进行求解。通过仿真表明,所提出的组合预测模型较之于LSTM预测模型预测精度提升了59.57%。同时,基于组合预测模型的预测能量管理策略相较于基于LSTM预测模型的预测控制策略燃油消耗降低了4.58%,相较于基于规则的策略燃油消耗降低了15.1%。

功率分流式混合动力汽车能量管理策略研究

混合动力汽车同时采用内燃机和电机作为驱动源,可以同时克服传统内燃机工作效率低和纯电汽车行驶里程短的问题。如何对两种驱动源进行合理分配成为了混合动力汽车能量管理的关键问题。这里针对一款复合功率分流式动力系统搭建了AMESim和MATLAB/Simulink的联合仿真平台,并在NEDC和WLTC工况下仿真分析了基于规则的CS能量管理策略和基于动态规划算法的能量管理策略。得出基于动态规划算法的能量在NEDC和WTLC下工况的最优燃油消耗量分别为5.77L/100km,6.57L/100km;相较于规则控制策略分别降低了4.15%、6.3%。