计及供需两侧的电动汽车有序充放电优化算法研究

大量电动汽车进行无序充电将给电网的安全运行带来"峰上加峰"的运行风险,作为一种移动的储能设备,大量电动汽车的无序放电也会对电网的稳定性造成重要影响,因此对电动汽车的充放电行为进行有序引导十分必要。首先,分析了某小区电动汽车无序充放电的负荷情况,并以峰谷分时电价为引导,研究不同响应度的下的日负荷情况;在此基础上综合考虑用户侧和电网侧利益,以电动汽车用户成本最低和小区日负荷峰谷差率最小为优化目标,选择峰谷分时区间为优化变量,构建电动汽车最优充放电模型,分别采用基于Pareto最优的多目标遗传算法NSGA-Ⅱ和基于Pareto最优的粒子群算法求解,得到最优充放电时段,并对二者的优化结果进行比较。最后利用蒙特卡洛算法对算例进行仿真和分析验证,结果表明,利用所提出的有序充放电优化算法,用户可通过放电补偿充电费用,且NSGA-Ⅱ算法更优。

冰体内气泡缺陷特征的“机器视觉”无损检测方法

内部气泡对冰的力学性能影响较大,为深入了解气泡缺陷特征,通常采用切片的方式来观察冰体内部气泡分布,但需从整个冰体中切割取样,并且观测过程会彻底破坏样品。本文基于光的散射原理,设计了可控移动片光源倾斜入射和垂直图像采集的光路系统,发展了冰中缺陷特征的高效率定量无损检测方法。实验利用气泡对光源的散射现象提升了相机对冰体中气泡的辨识度,根据片光源的移动速度和气泡散射存在时长得到垂直冰面方向上气泡的尺寸,最终实现了对冰中气泡三维位置信息的准确采集。本文首先通过对透明亚克力材料中已标定形状和三维位置气泡缺陷的实验测量,验证了方法的可行性。然后对含气泡冰体进行测量,分析得到了冰体中气泡形状、位置分布、数量以及体积分数等信息。本文实验方法为非接触式测量,不会对冰体造成破坏,因而不会对同一冰样的后续使用产生影响。本文所得结果可为冰的力学性能研究以及透明材料的无损检测提供帮助及参考。