考虑时变路网的多行程电动车辆路径问题研究

为了降低城市物流的电动车配送成本,考虑道路交通网络的时变性对电动车多行程配送活动进行研究。首先,以固定成本、充电成本和时间惩罚成本之和最小化为优化目标,构建时变路网下的多行程电动车辆路径问题模型;其次,利用自适应大规模邻域搜索算法对实际案例进行求解;最后,分别对出发时刻、路网时变性、充电策略和电价进行分析。结果表明:路网时变性在不同时刻下对成本和配送用时的影响不同,不同出发时刻有着不同的最优路线规划;电价的小范围波动对配送活动的影响很小;充电策略的选择对配送用时和成本的影响显著。

基于断面水边线定向的视频测流摄像机标定

针对现有基于直接线性变化法(DLT)的图像法测流技术依赖于地面控制点,存在效率低、风险高、宽断面天然河流操作难度大等问题,该文提出一种基于断面水边线定向的摄像机姿态角标定方法(CSWO)。该方法将标定过程分解为实验室内参标定和现场外参标定两步,其中后者又被划分为摄像机定位和定向两个环节。定向环节中首先在摄像机安装时将光轴与断面方向对齐,使方位角置零。然后利用无畸变图像中人工标注的平直断面水边线的斜率计算出横滚角。接下来通过计算水边线与图像纵轴交点作为其亚像素像方坐标。最后依据透视投影成像模型,联合水位与插值断面高程求得的物方坐标解算出俯仰角。该方法应用于时空图像测速法(STIV),实现了200 m宽河流的免像控表面流速测量。结果表明:起点距的最大绝对误差为0.59 m,最大相对误差为0.45%,表面流速的最大相对误差小于6.3%。

分布式光伏系统在工业制造场景中的能源优化应用研究

面对能源短缺和环保压力,工业制造业急需优化能源利用。分布式光伏系统凭借清洁高效特性,成为理想的能源解决方案。本研究针对工业制造场景,构建了基于光伏系统的能源优化模型,并进行了实地应用分析。实验显示,引入分布式光伏系统后,工厂总能耗显著降低,同时保持生产能力与工艺,碳排放量明显减少,实现了绿色制造的目标。此外,分布式光伏系统在节能减排、降低电力成本等方面表现出的积极效应,更进一步确认了其在工业制造领域的广泛应用价值。此项研究不仅向我们展示了分布式光伏系统在工业制造中的能源优化应用,也为我国在工业生产领域推广清洁能源提供了具体的技术路线和实践方案。

基于一阶ECM-IGPR的锂离子电池SOC及SOH联合估计框架

为解决锂电池荷电状态与健康状态互相耦合问题,提出一种基于等效电路模型-改进高斯过程回归的锂离子电池荷电状态(SOC)-健康状态(SOH)的联合估计框架。该框架通过提取容量增量曲线中的健康特征,进行主成分分析,然后建立电池老化的改进高斯过程回归模型进行SOH预测。在此基础上,建立锂电池一阶状态空间模型,并结合改进粒子滤波算法对后一周期的SOC更新,实现SOC及SOH的联合长期估计。牛津数据集中的8个电池被用来验证该框架的准确性和适应性,取得了较好的估计结果。

小麦B-ARR转录因子家族基因鉴定与表达模式分析

B型反应调节因子(B-ARR,type-B authentic response regulator)家族基因是细胞分裂素信号转导的正向调节因子,在植物生长发育和抗非生物胁迫中起重要作用。然而,目前对小麦中B-ARR基因家族的研究还很少。本研究从小麦基因组中鉴定出25个B-ARR基因家族成员,利用生物信息学方法分析其理化性质、基因结构、顺式作用元件和非生物胁迫诱导的表达模式。结果表明,B-ARR蛋白都定位于细胞核中,B-ARR蛋白二级结构以α螺旋和无规则卷曲为主要结构。B-ARR基因在小麦染色体上分布不均匀,其中7号染色体上含有的B-ARR基因数量最多。此外,在B-ARR的启动子区域中鉴定出了与生长发育、激素响应以及生物和非生物胁迫相关的多种顺式作用调节元件。RT-qPCR分析表明,基因TaARRM-like9、TaARRMlike10、TaARRM-like12和TaARRM-like13在干旱、盐和低温胁迫下表达量显著上调,能够响应非生物胁迫。本研究为进一步研究B-ARR转录因子在小麦发育和非生物胁迫应答中的作用奠定了基础。

基于多维度多尺度特征的锂离子电池RUL估计方法

准确预测锂离子电池的剩余使用寿命(RUL)对储能系统的高效安全运行具有重要意义。针对已有数据驱动方法估计RUL中提取老化特征不够全面以及需要先预测健康状态变化再估计RUL的不足,本文提出一种利用多维度多尺度特征的RUL估计方法,采用恒流充电电压片段数据直接估计电池的RUL。该模型对数据进行维度变换后利用不同尺度卷积操作提取电压片段的老化特征来映射RUL。基于牛津大学、NASA、马里兰大学公开数据集进行模型验证,验证结果表明该模型能够利用电压片段数据直接估算电池的RUL,无需电池自身SOH变化作为训练数据,对比于基于单一维度的固定尺度的特征具有更高的准确性和通用性。

基于自适应混沌粒子群算法的光伏电池模型参数辨识

光伏电池模型参数的快速准确辨识在光伏阵列的输出功率预测、最大功率点跟踪以及电池故障模型的特性研究方面具有非常重要的工程意义。针对大部分传统智能算法用于系统参数辨识时的辨识精确受参数初值影响较大,而且算法易陷入早熟的问题,利用自适应混沌粒子群算法(SA-CPSO)对光伏电池模型参数进行辨识。将混沌算法与粒子群算法融合,对粒子群进行混沌初始化并促使陷入局部最优的粒子进行混沌搜索,引导其跳出局部极值从而搜索到更好的解;同时引入自适应调整策略来有效控制全局与局部搜索,提高了进化后期算法的收敛精度。经过仿真和实验测试,证明SA-CPSO算法在光伏电池模型参数辨识方面具有较高的精确度和快速性。还通过实验探讨了辐照度变化对太阳能电池参数的影响。

基于数据挖掘的光伏阵列发电预测方法研究

提出一种综合使用前向选择(forward selection,FS)和K-means聚类以及径向基函数(radical basis function,RBF)神经网络的光伏发电功率预测方法。模型以每小时的气象因素作为输入量,首先采用前向选择法对原始多维输入量进行约减,在降低维数的基础上减小各个变量间的耦合现象。再通过K-means聚类方法对样本进行聚类,继而对各类数据建立不同的RBF预测模型,避免单神经网络的过拟合问题。实验结果表明,相比于传统的神经网络预测模型,该文使用的模型输入变量更少,预测精度更高。

基于相似时刻的光伏出力概率分布估计方法

针对光伏发电可预测性低的问题,提出了一种综合使用通径分析(path analysis,PA)、k近邻算法(k-Nearest Neighbor,KNN)、神经网络分位数回归(quantile regression neural network,QRNN)和核密度估计(kernel density estimator,KDE)的光伏出力概率分布估计方法,构造出未来1 d任意时刻的光伏出力概率密度函数,可以得到比点预测和区间预测更多的有用信息。首先由通径分析对气象因素进行约减,在降低模型输入维数的基础上减小变量间的耦合作用。然后通过K-means算法按天气类型对历史样本进行聚类,进一步提高相似样本的筛选效果。最后利用神经网络分位数回归和核密度估计对光伏出力的概率分布进行估计。实验结果表明,相比于核密度估计和传统的正态分布估计方法,采用所提方法估计出的概率分布的可靠性和锐度更高。

一种新型结构的光伏阵列故障检测方法

局部遮荫是光伏发电系统中普遍存在的现象,会造成阵列失配和热斑效应,不仅会影响光伏发电系统的输出功率,还会造成安全和可靠性问题。提出了一种光伏阵列的连接方式:CTCT结构(complex-total-cross-tied array),在保持输出功率不变的情况下,监测发电系统的工作状态。配合一定数量的电流传感器,可以确定发生热斑现象的光伏电池板的位置。文中还推导了光伏电池板总数N、分辨度L和电流传感器数量X三者之间关系公式。在光伏电池板的数量已知的条件下,通过合理选择分辨度的大小,确定电流传感器的需要数量,最终达到用尽可能少的电流传感器来检测出发生热斑现象的光伏电池板的位置。

等效滞回模型在锂离子电池SOC估计中的应用

锂离子电池荷电状态的快速准确估计是电池管理系统的关键技术之一.针对锂离子电池这一动态非线性系统,通过测试分析锂离子电池的滞回特性,建立了锂离子电池的二阶RC滞回模型,并利用容积卡尔曼滤波算法对电池荷电状态进行估算.实验结果表明,该模型能较好地体现电池的动态滞回特性,而且容积卡尔曼滤波算法在估算过程中能保持较高的精度.

光学损失故障对单晶硅光伏电池参数的影响

长时间暴露在室外的光伏电池会出现封装材料的老化或破损,从而导致电池的光学损失故障。为研究不同的故障状态对光伏电池模型参数的影响,从等效透光率的角度入手,用半透膜逐层遮挡的方法模拟光伏电池不同的光学损失故障状态,测量并分析相应状态下光伏电池的I-V特性曲线,采用自适应混沌粒子群算法辨识出相应光伏模型的5个参数值,从而对在发生光学损失故障时的光伏电池模型参数的变化规律进行研究,得到了能较好表现光伏模型参数变化规律的非线性表达式,为提高光伏电池的效率和后续光伏电池故障诊断的研究打下基础。

一种新的光伏阵列故障诊断与定位方法

随着太阳能光伏应用规模的不断扩大,实时地对光伏阵列进行状态监控故障诊断与定位变得越来越重要。提出了一种新的光伏阵列传感器嵌入方法,在保证故障定位精度的基础上减少了传感器的使用量。利用模糊群体决策理论对系统所获取的数据进行综合处理,解决了诊断中各检测量之间的一致性和决策问题。实验结果证明:提出的光伏阵列故障诊断与定位方法有较强的抗干扰能力,提高了诊断的准确性和可靠性。

基于IPv6数据包标记的网络拥塞控制算法

根据目前拥塞控制算法中存在的不足,提出了一种基于IPv6的端到端拥塞控制和队列管理相结合的拥塞控制策略。新算法对队列中的数据包进行分析,统计节点所处理的数据流的数目。当节点所处理的流数目增加,节点通过对数据包加上标记,通知终端调节发送速率,及时调整网络状态的变化。最后,在NS环境下对算法的性能作了仿真分析,取得了较为令人满意的效果。

基于ICDKF的锂电池SOC在线估计

动态的实时估计锂离子电池荷电状态(state of charge,SOC)是锂离子电池管理系统研究的关键技术。针对扩展卡尔曼滤波(EKF)估计SOC误差大的不足,基于二阶RC等效电路模型,提出了一种基于迭代中心差分卡尔曼滤波(ICDKF)算法的磷酸铁锂电池SOC估计方法。利用Matlab进行了仿真,并与扩展卡尔曼滤波和中心差分卡尔曼滤波(CDKF)算法进行了效果对比,从仿真结果可以看出,该SOC算法有效地降低了估计误差,与EKF相比,具有更好的滤波估计精度。

遮挡下光伏组件中旁路二极管的研究

以太阳能电池的数学模型理论为基础,通过求解标准条件(STC)下光伏组件的数学模型5参数,得到无遮挡条件下光伏组件的输出特性,当光伏组件受到遮挡时,内部并联旁路二极管的导通与阻断使其输出I-U特性曲线发生变化且呈阶梯状。针对光伏组件内旁路二极管导通个数不同进行了实验研究,分析了旁路二极管导通个数不同条件下,光伏组件输出特性的电压特征及导数的变化,结合正常和遮挡条件下光伏组件的输出I-U特性,最后得到了有效的判断旁路二极管导通个数不同的算法,为光伏系统的遮挡研究提供了方法。

基于一阶斯特林插值滤波器的电池SOC估计和硬件实现

锂离子电池荷电状态(SOC)的准确估计是电池管理系统最基本和最首要的任务。文中采用二阶RC模型和一阶斯特林插值滤波算法对锂电池的SOC进行估计。一阶斯特林插值滤波算法基于卡尔曼滤波算法,但是不需要每次都进行jacobi矩阵的更新计算。对二阶RC模型的参数进行了辨识,给出了一种基于一阶斯特林差值滤波器的锂电池SOC估计算法。搭建了基于DSP2812的硬件平台,用实验的方法与仿真结果进行了对比。仿真和实验结果表明,该模型能很好地模拟锂电池的动态特性,且一阶斯特林插值滤波算法有着比扩展卡尔曼滤波算法更精确的估计值。

基于免疫思想遗传算法在FPGA设计中的应用

用生命科学中的免疫思想,指导一种惩罚-修补法来解决遗传算法中的约束问题,并用于解决FPGA设计中的功能模块利用率问题.其仿真结果表明,对于这类约束问题的求解,该算法搜索在全局最优解的收敛速度和精度方面都是可行的、有效的.

一种锂离子电池荷电状态估计与功率预测方法

为了能够准确估计锂离子电池的荷电状态(SOC),同时对电池实际可用的最大充、放电功率进行预测,在研究电池充、放电过程中的滞回现象的基础上,建立基于电压滞回特性的二阶RC等效电路模型。为了避免因噪声统计特性造成的误差,将H∞滤波算法应用到锂离子电池的SOC估计中,减少了估计过程中的模型误差和算法误差,提高了估计的鲁棒性。将电池电压、电流和SOC的估计值作为联合约束条件预测锂离子电池实际可用的最大充、放电功率,对电池做脉冲充、放电实验,实验分析表明,与混合脉冲功率特性(HPPC)测试方法相比,联合约束算法提高了预测电池功率的准确性。

基于多传感器系统的光伏并网发电功率预测

针对耦合性较强的多维气象数据,在光伏(PV)多传感器系统中获取有效数据的基础上,提出了一种基于雾霾因素影响的数据挖掘光伏发电预测方法。利用多传感器采集大数据,利用逐步选择法对多维变量进行约减,有效降低了不同天气因素之间的耦合性。通过混合高斯聚类算法对样本进行聚类,并分别建立不同的径向基函数(RBF)神经网络模型,经过模糊推理的方法选择适当模型,实际预测结果验证了方法的高精度和实用性。