电动汽车蓄电池双向充放电系统的研制

针对电动汽车行驶过程中能源浪费的问题,采用电流可逆斩波电路,实现了电动汽车刹车制动时电能的再回收.选用高性能的DSP芯片设计了电动汽车蓄电池充放电电路,能够控制充放电的电流和电压,优化充电过程,提高了充电效率和电池使用寿命.

基于布谷鸟算法的电子变压器输出端谐振参数优化

常用来降低电子变压器主开关损耗的方法。目前是基于LLC谐振网络的软开关技术。其中谐振参数的选取是否合适直接影响到电子变压器输出性能的好坏。为此,该文引入布谷鸟搜索算法对谐振参数进行智能优化设计。该搜索算法能够对存在不可导点的目标函数进行优化,并且其特有的巢寄生行为和莱维飞行特性能够使得谐振参数避免陷入局部最优。其优化过程首先利用基波分析法对变换器的参数进行建模,然后分析和研究谐振电感、励磁电感与谐振网络直流增益、输入阻抗角以及原、副边电流、励磁电流的直接关系,从而得到参数优化的约束条件。在此基础上,利用布谷鸟搜索算法优化得到使电路损耗最小的谐振网络参数。最后,以半桥LLC谐振变换电路为例,通过实验验证了在宽输入电压下,全负载范围内,该优化设计方法比"FHA+仿真"法的效率提高了1%~2%,样机最高效率达97%,证明了论文所提优化方法的有效性。

基于量子粒子群的双向电子变压器输出端谐振参数优化

为了降低双向电子变压器输出端的DC-DC变换电路中的开关损耗,目前广泛采用的是电容-电感-电感-电容(CLLC)谐振电路。其中谐振参数的选取直接影响电子变压器的输出性能。为此,引入量子粒子群优化(QPSO)算法对谐振参数进行智能优化设计。该算法能够对存在不可导点的目标函数进行优化,通过引入量波动方程,增加了粒子搜索能力,解决了粒子群优化(PSO)算法局部收敛等问题。其优化过程首先利用谐振点分区法对变换器的参数进行建模,然后分析和研究谐振电感、励磁电感与谐振网络直流增益、输入阻抗角以及相对损耗率的直接关系,得到参数优化的约束条件。在此基础上,利用QPSO算法得到电路相对损耗最小的谐振网络参数。最后,以CLLC谐振变换电路为例,通过实验验证了在宽输入电压下、全负载范围内,该优化设计方法与传统基波分析法与时域法相比,效率均提高了1%左右,样机最高效率达97%,从而证明了所提优化方法的有效性。

基于布谷鸟算法的双向直流电子变压器谐振参数优化

目前通常使用基波分析法(FHA)结合试验迭代法对谐振参数进行设计。针对FHA法不够直观等问题,通过分析和研究不同谐振点区域内直流增益、直流输入阻抗、谐振变换器损耗与损耗率等谐振网络参数等与谐振变换器谐振频率特性的关系,进而得到变换器性能影响因数。针对试验法优化效果有限,利用布谷鸟搜索算法进行优化。该算法具有莱维(Lévy)飞行和巢寄生行为,可对存在不可导点的目标函数进行优化,具有更强的全局搜索能力,可避免陷入局部最优,且求解精度高。最后,搭建一台实验样机,通过实验验证了在宽输入电压下,可稳定输出电压;在全负载范围下,该优化设计方法优于FHA法。

半桥LLC型变换器参数优化及功率密度分析

从半桥LLC型变换器拓扑结构与工作原理分析入手,并采用基波分析法(FHA)对变换器进行建模,得到变换器的直流增益、输入阻抗和关键点电流公式,为后续的谐振参数优化提供了数学依据。考虑到LLC参数的选择对变换器的效率有很大影响,采用混沌-布谷鸟搜索算法对励磁电感和谐振电感的取值进行优化,优化算法的目标函数由关键点电流来构建,得到谐振参数对变换器效率的优选值。然后,通过损耗分析结合热仿真的方法来分析高功率密度型变换器的发热情况及参数优化的合理性。最后,通过实验对相关结果进行了验证。

基于QPSO和双线性插值的混合储能系统改进解耦控制

在混合储能系统中,常采用隔离型三端口有源全桥TAB(triple active bridge)变换器作为功率变换器。针对该变换器的控制变量之间存在耦合以及模型的非线性问题,提出一种基于量子粒子群优化QPSO(quantum-behaved particle swarm optimization)算法和双线性插值的改进解耦控制方法。传统的TAB解耦控制策略仅注重系统在理想情况下的能量传输模型,在实际应用中控制效果较差。将TAB变换器的软开关范围和开关损耗融入到解耦控制中,并采用QPSO算法对解耦相关的非线性方程组进行离线求解,生成稳态工作点表格,有效提高了系统的控制效果。此外,针对实际工况中解耦表格数据量过大的问题,采用双线性插值算法,在保证系统控制稳定性的同时,大大降低了存储表格的数据量。最后,通过仿真以及实验验证了所提方法的可行性。

数字化控制下的CLLC变换器同步整流策略

提出了一种适用于数字化控制的双向CLLC变换器同步整流策略。采用差分比较电路、高频变压器和高速比较器,将主回路电压电流信号转换为数字信号,输入现场可编程逻辑门阵列,完成同步整流控制。实验结果表明,该方法简单有效,最多可以提高变换器5%的转换效率。

基于FFT与遗传算法的用电器识别

随着智能电网和大数据技术的发展,用电器的识别和检测对规划用电器使用和参与需求响应具有越来越重要的意义。针对用电器识别,提出了一种基于FFT与遗传算法的用电器识别方法。分析了典型用电器负荷的电流波形频谱,并以其谐波作为负荷识别的最优特征参量,通过快速傅里叶变换对波形数据进行处理,以欧式距离最小作为优化指标,采用遗传算法搜寻最优解,最终实现对用电器类别的精确识别。在MATLAB/Simulink中搭建用电器识别模型,并以TI公司的TM S320F28335数字控制器为核心搭建了硬件系统,进行了实验验证。仿真结果与实际测试表明,该算法能够准确识别用电器的类别。

电动汽车充电路线优化系统的研制

在电动汽车充电站预约网站的基础上,采用用户实际行驶轨迹与网站智能提供方案对比的方式对路线导航加以改进,着重于客户实际行驶路线数据的采集与发送,利用AJAX技术与北斗卫星定位系统及嵌入式微处理器,分别从网站前台与基于HTTP传输协议的后台,采集到网站提供的原始方案与车辆实际行动轨迹,将获得的大数据进行对比与展示,分析出客户的路线习惯,为客户提供更好的充电服务.

基于DDPG算法的光伏充电站策略优化

由于引入了光伏新能源,光伏充电站既可以通过向车辆充电获取利润,也可以对电网供电获得效益,因此如何合理安排充电、获得最大收益是充电策略研究的重点。通过深度置信策略梯度(DDPG)算法,对充电策略进行优化,将利润作为回报函数,训练智能体,可在无先验的基础上实现在线优化。最后,通过仿真实验证明,该算法可以在不同车辆、不同光照情况下取得相对较高的利润。

双向全桥CLLC变换器的数字化混合控制策略

为了提高双向全桥CLLC变换器在全范围内的效率,提出了一种数字化混合控制策略。该方法结合了调频控制与移相控制的优点,可以让双向全桥CLLC变换器在实现双向工作的基础上,提升全范围内的效率,同时采用了现场可编程逻辑门阵列,实现了高精度脉冲输出。实验证明,该方法可以在保证过渡平稳的前提下,提升全范围内的效率。

基于相位校正的分布式光纤大探测孔径多维定位

分布式光纤多维定位对于周界安防、地震速报、目标跟踪等应用有着十分重要的意义。地震源或空气中声源波长与光纤探测孔径为同一量级,光纤传感通道无法对波场进行密集采样,难以实现精准定位。为了消除光纤大探测孔径对目标源多维定位的影响,提出了一种基于相位校正的分布式光纤大探测孔径多维定位方法。首先建立了光纤传感通道对目标源的响应模型,分析了光纤阵列相位误差来源,根据目标源预估计位置对光纤阵列采样信号进行相位校正;然后对校正后的信号进行空间谱估计并采用多次迭代降低定位误差。现场初步实验结果表明,所提方法能够有效实现对目标源的二维定位,定位结果与实际测量位置的误差为1.1 m。该方法可用于既有光缆,提高了分布式光纤传感系统在实际应用中的定位能力。

基于低误差并行计算加速的OFDR实时处理技术

针对光频域反射计(OFDR)数据处理量大、实时性差的缺点,提出了一种基于低误差并行计算加速的OFDR数据处理结构,并采用现场可编程逻辑门阵列(FPGA)实现该结构,以满足高精度OFDR系统有效数据的实时处理需求。将OFDR数据处理过程分为可直接实时处理与难以实时处理部分。针对前者,提出了带有双门限比较器的扫频非线性校正算法,以降低重采样误差;针对后者,使用乒乓操作与并行计算加速数据处理,并根据FPGA的计算特点设计了一种具有动态精度的旋转因子,以便在保证计算无溢出的情况下取得最小的计算误差。在实验室搭建了测试系统,该系统的空间分辨率优于0.82 mm,测试长度在74.5 m以上,长度测试误差小于0.3 mm。测试结果显示:该系统的计算误差减小至10^(-7),相比固定精度下的10^(-5)减小了2个数量级;数据处理速度是计算机的11倍以上,在有效处理点数大于3000的情况下实现了20 frame/s的实时处理,验证了该系统可以有效加速OFDR的数据处理过程。