Design and Implementation of a Battery Big Data Platform Through Intelligent Connected Electric Vehicles

The development of a battery management algorithm is highly dependent on high-quality battery operation data,especially the data in extreme conditions such as low temperatures.The data in faults are also essential for failure and safety management research.This study developed a battery big data platform to realize vehicle operation,energy interaction and data management.First,we developed an electric vehicle with vehicle navigation and position detection and designed an environmental cabin that allows the vehicle to operate autonomously.Second,charging and heating systems based on wireless energy transfer were developed and equipped on the vehicle to investigate optimal charging and heating methods of the batteries in the vehicle.Third,the data transmission network was designed,a real-time monitoring interface was developed,and the self-developed battery management system was used to measure,collect,upload,and store battery operation data in real time.Finally,experimental validation was performed on the platform.Results demonstrate the efficiency and reliability of the platform.Battery state of charge estimation is used as an example to illustrate the availability of battery operation data.

Industrial Electric Energy Efficiency and Influential Factors in China

As traditional single-factor electricity intensity can not reveal the real electricity consumption efficiency accurately, this study applies the data envelopment analysis (DEA) approach to calculale the total-factor electricity consumption efficiency of China’s 33 industrial sectors from year 1998 to 2007, and uses the Tobit model to analyze the influential factors of electric energy efficiency. The result shows that China’s industrial electricity efficiency is universally low. Further study shows that industrial structure and technological progress have positive influence on consumption efficiency, while industry concentration and electricity price have negative influence on consumption efficiency. The effect of property right structure is fluctuated. Therefore, to optimize industry structure, promote technological progress, maintain competition, and deepen the reform of electricity price are beneficial for the improvement of electric energy efficiency.

An online electricity cost budgeting algorithm for maximizing green energy usage across data centers

With the sky-rocketing development of Internet services, the power usage in data centers has been signifi- cantly increasing. This ever increasing energy consumption leads to negative environmental impact such as global warming. To reduce their carbon footprints, large Internet service operators begin to utilize green energy. Since green energy is currently more expensive than the traditional brown one, it is important for the operators to maximize the green en- ergy usage subject to their desired long-term （e.g., a month） cost budget constraint. In this paper, we propose an online algorithm GreenBudget based on the Lyapunov optimization framework. We prove that our algorithm is able to achieve a delicate tradeoff between the green energy usage and the en- forcement of the cost budget constraint, and a control parameter V is the knob to arbitrarily tune such a tradeoff. We evaluate GreenBudget utilizing real-life traces of user requests, cooling efficiency, electricity price and green energy avail- ability. Experimental results demonstrate that under the same cost budget constraint, GreenBudget can increase the green energy usage by 11.55% compared with the state-of-the-art work, without incurring any performance violation of user requests.

面向电量-调频-容量市场的数据中心园区算力及电力资源规划

数据中心广泛建设是智能时代的发展趋势。如何在保证数据中心服务质量的前提下,考虑数据中心负荷转移特性,并对其进行合理规划,对降低数据中心规划总成本及提升新型电力系统灵活性均有显著意义。为此,提出一种考虑多元电力市场引导下的数据中心园区算力及电力资源优化规划方法。首先,通过多面体定界收缩法建立虚拟发电机和虚拟储能模型,描述数据中心园区的聚合可调特性。然后,根据不同电力市场的结算规则,研究了数据中心园区参与电量-调频-容量市场的方式和经济收益。在此基础上,以综合成本最小化为目标,优化数据中心园区发电机、储能的建设容量以及服务器的建设数量。最后,以阿里巴巴公开运行数据为例,证明考虑多元电力市场能够大大降低数据中心规划成本,激励数据中心园区投资建设更多灵活性资源,为电网提供有效的调频服务和容量支撑。

面向多场景辅助服务的大规模电动汽车聚合可调度容量建模

大规模电动汽车聚合可调度容量是含电动汽车的虚拟电厂参与多层级多场景电力平衡辅助服务的重要技术指标之一。然而,现有电动汽车聚合可调度容量模型难以适应大规模电动汽车与省级电力调度中心互动场景。为此,文中从面向电力系统调峰、调频和调压多级多场景调控新视角,提出了数据驱动和机器学习相结合的双层聚类电动汽车聚合可调度容量建模方法。该方法通过构建电动汽车-充电桩广义储能单元的个体可调度容量模型,结合基于密度空间的聚类算法和改进的自组织映射深度聚类算法,有效地融合了电动汽车电量的时间分布和充电桩的空间分布特性,构建了面向调峰、调频和调压多场景调控的聚合可调度容量模型。采用了某省实际充电记录数据对提出的方法进行了验证,获得了“早间型”“中午型”“晚间型”等多种充电画像类型,实现了时空分布各异的电动汽车广义储能系统的自主聚合和省市级规模电动汽车参与电网不同辅助服务潜能的评估,并为聚合可调度容量的预测奠定了数据基础。

基于数据挖掘的计量参数异常4步优化识别技术

针对传统计量数据异常识别方法会出现较大的识别偏差,影响计量数据的正常统计与分析。结合历史识别经验,引入数据挖掘算法对其进行针对性优化,通过电能计量数据采集聚类计算;基于数据挖掘的聚类数据贝叶斯分类;对计量参数的挖掘确定;异常数据识别;通过上述4步优化,完成电能计量数据异常识别参量的挖掘特征优化与配置。通过仿真数据对比表明,数据挖掘算法能够有效提升异常数据的识别响应指标与准确度指标,且全局稳定性得到同步提升,具备解决传统识别方法偏差较大的能力。

考虑数据分类的建筑电能耗集成预测方法

建筑侧各类可再生能源的应用日益普及,建筑电能耗预测在用能供需平衡、电网稳定运行、尖峰需求响应等方面发挥越来越重要作用。尽管诸多数据驱动模型在能耗预测方面获得广泛应用,当前仍缺乏预测精度高、泛化能力强的短期预测模型。针对该问题,提出一种基于建筑物能耗特点并结合数据挖掘技术的分类集成式能耗预测方法。首先,采用递归特征消除法对数据进行特征筛选,并用模糊C均值聚类算法对训练集数据进行聚类,使用K最邻近法对验证集和测试集数据进行归类;选择5种结合智能优化算法的混合数据驱动模型作为子学习器,分别对每类数据做预测,最后使用多元线性回归法进行结果集成。经3个建筑电力用能案例验证,此集成预测模型精度均优于单个子模型,具有适用不同建筑类型和用能尺度的预测潜力。

Trip energy consumption estimation for electric buses

This study aims to develop a trip energy consumption(TEC)estimation model for the electric bus(EB)fleet planning,operation,and life-cycle assessment.Leveraging the vast variations of temperature in Jilin Province,China,real-world data of 31 EBs operating in 14 months were collected with temperatures fluctuating from
27.0 to 35.0℃.TEC of an EB was divided into two parts,which are the energy required by the traction and battery thermal management system,and the energy required by the air conditioner(AC)system operation,respectively.The former was regressed by a logarithmic linear model with ambient temperature,curb weight,travel distance,and trip travel time as contributing factors.The optimum working temperature and regression parameters were obtained by combining Fibonacci and Weighted Least Square.The latter was estimated by the operation time of the AC system in cooling mode or heating mode.Model evaluation and sensitivity analysis were conducted.The results show that:(i)the mean absolute percentage error(MAPE)of the proposed model is 12.108%;(ii)the estimation accuracy of the model has a probability of 99.7814% meeting the requirements of EB fleet scheduling;(iii)the MAPE has a 1.746% reduction if considering passengers’boarding and alighting.

基于大语言模型绿电预测和绿电交易的园区综合能源系统集群多目标协同运行方法

为实现传统工业园区数字化和智能化升级,助力区域高质量发展,亟需园区智能化调度模型。为此,该文结合智慧园区管理系统和园区综合能源系统物理模型建立园区综合能源系统集群架构,提出了园区综合能源系统集群绿电交易三阶段协同运行方法,以解决多园区综合能源系统绿电交易的问题,实现分布式绿电的精准预测以及就地消纳。首先,基于大语言模型LLAMA-7B实现绿电预测,进一步以绿电功率划分购售电园区。其次,基于绿电价格配额曲线预测模型和动态绿电定价策略,制定园区间绿电交易差异价格。在此基础上,建立了多目标低碳经济优化运行模型,从而解决绿电交易所带来的经济因素和环境因素的矛盾问题。算例分析表明:所提出的模型可以统筹规划园区综合能源系统集群的经济成本、实际碳排放量和新能源利用率,对多园区综合能源系统的智能调度具有积极的推动作用。

基于远程传输车辆数据的纯电动公交车能耗分析

纯电动公交车的应用是实现双碳目标的重要途径,续驶里程较短和充电站相对不足,使其推广应用受到了一定的限制。实现纯电动公交车运营能耗测算及分析,对纯电动公交车的应用推广具有重大意义。本文基于远程传输的车辆数据,通过数据计算对纯电动公交车能耗及其影响因素进行研究:基于远程传输数据对车辆行驶能耗及各零部件能耗进行计算和统计,并对能耗影响因素进行分析。结果说明空调和驱动电机是最大的能耗部件,季节、路况、运营时间段不同对运营能耗影响较大。

基于LoRa通信技术的电能表计量数据采集方法

针对当前电能表计量数据采集精度低,且无法实现同步的问题,引入远距离无线电(Long Range Radio,LoRa)通信技术,开展电能表计量数据采集方法的设计研究。基于LoRa通信技术,设定电能表通信传输协议;进行离散化和滤波处理,去除电能表信号中的噪声;通过同步控制设计,确保电能表计量数据的同步采集。通过对比实验证实,应用文章提出的采集方法可以实现对电能表计量数据的同步高精度采集。

基于机器学习的水泥生产能耗系统建模与优化

基于数据驱动探讨了水泥生产系统的电能耗建模与优化,由于水泥生产工业的复杂性和非线性特点,传统的机理分析难以建立准确的模型。采用BP神经网络和遗传算法相结合的方法,成功建立了电能耗模型,并进行参数优化。选择7个关键的可控参数进行优化,经过遗传算法优化,电能耗得以有效降低。通过这一方法,水泥生产企业可针对性降低电能耗,降低生产成本,提高经济效益。这一方法不仅适用于电能耗的预测和优化,还在其他领域有广泛应用前景。未来研究方向包括进一步改进模型的性能和稳定性,探索更多优化算法以提高参数优化效率和精度。本研究为电能耗的预测和优化提供新方法,具有积极经济效益,同时为其他领域类似问题提供有价值的经验和启示。经遗传算法优化后,水泥生产的最低电能耗值降至90 kWh/t,相比实际运行的88~115 kWh/t,减少约4 kWh/t,表明优化有效。关键参数推荐值有助于水泥企业针对性优化生产系统,降低电能消耗和生产成本。

基于多级索引集群均衡的电力能源大数据采集方法研究

电力能源是现今人们生产、生活使用最为广泛的能源之一,处于持续短缺状态;电力能源产生的数据量级较大,如何在电力能源大数据中精确查询并采集需求数据,对电力能源合理管理与应用至关重要。提出一种基于多级索引集群均衡的电力能源大数据采集方法。深入分析电力能源大数据存储情况(电力能源数据表与元数据表),构建多级索引集群;采用定向任务分配算法均衡处理多级索引集群,确定每个集群节点的任务分配结果;以集群节点任务分配结果为依据,配置并启动多级索引集群;结合电力能源大数据查询需求,对查询数据进行缓存,最终实现电力能源大数据的采集。实验数据表明:相较于对比方法,应用所提方法获得的构建索引耗时和需求数据查询时延均更少,其最小值分别为3 s、12.03 s;数据采集质量参数更大,最大值为9.6,证实了提出方法具有可行性。

电能计量系统的监控与维护

电能计量系统在现代电力管理中扮演着关键的角色,对于实现电能的准确计量和高效管理具有重要意义。本文对电能计量系统的主要功能及故障处理等方面进行深入阐述,通过智能故障诊断、自动误差调节和计量数据校准等措施,系统管理员能够更加迅速、有效地应对各类故障,提高系统的稳定性和可靠性。

基于数据协同的电能表错接线自动化感知系统设计

当前对于电能表错接线自动化感知系统多采用大数据技术,但由于无法同时处理电能表采集的数据,使得计算复杂度较高,从而导致最终诊断精度较低。为此,提出基于数据协同的电能表错接线自动化感知系统。依据系统的基本功能与实现要求,设计系统的接线转换箱和相位伏安表等硬件部分。基于此,利用数据协同机制处理多种数据任务请求的需要,降低了运算复杂度,并求取电压电流相位差角,结合最大值位置判别法,判定电能表是否出现错接线情况,以此完成电能表错接线感知诊断系统设计。系统性能测试结果显示,所设计系统可以有效感知诊断电能表错接线情况,得到的诊断误报率较低,感知诊断性能更好。

基于深度电能消纳数据分析的配电网智能调度算法设计

针对传统数据分析算法在处理配电网电能消纳数据时存在效率较低且难以保证准确率等问题,文中提出了一套基于深度电能消纳数据分析的配电网智能调度算法。该算法使用数据预处理模块将采集到的原始数据进行清洗及归一化处理,进而确保无异常数据输入至CNN网络中。通过搭建完成的CNN网络和训练集数据对相关数据分析模型进行训练,并不断地调整参数,从而得到适用于消纳数据的分析模型。实验结果表明,该算法在满足处理效率的条件下,准确率能够达到90%以上,证明了其可行性。

基于电气工程自动化的电能数据采集方案研究

电力系统中电能数据的准确获取是实现用电监测、用电分析、用电计费和节能降耗等的基础,但传统的采集方式存在稳定性差、扩展性难等问题,导致数据收集不及时和不准确。为改善这一情况,需要研究设计稳定可靠、灵活可扩展的新型采集方案。文章针对电能数据采集中存在的问题,研究新型的电能数据采集方案,具有良好的灵活性、可扩展性和经济性,可有效解决当前电能数据采集中存在的问题,具有实际应用价值。

基于数据中心场景的电能路由器研究

面对人工智能的迅猛发展和算力需求的急剧增加,超大规模数据中心供配电系统催生出效率等指标进一步提升的迫切需求。本文提出采用完全电力电子变换的形式和相应的分层控制策略的电能路由器,可以替代基于以往的工频变压器和低压侧功率变换环节的传统供配电架构,大大缩短中压交流市电到负载端的供电链路,提高空间利用率。同时作为连接光伏、储能等重要设备的枢纽,电能路由器可以满足数据中心源网荷储一体化融合的要求。

数据中心电气系统不同低负荷下运行优化方案

文章结合双碳政策以及节能降耗的目标,针对某数据中心的设计方案,对高压电气系统、低压电气系统、UPS配电系统、照明配电系统等电气系统在不同低负载率下的运行方案进行优化。将IT负荷和总负荷进行最佳调配,合理降低PUE值,以达成数据中心最优的电气运行方案。

基于熵权法的电化学储能电站安全隐患数据分析

安全隐患排查治理是当前我国电化学储能电站建设运行监督管理中的重要手段,切实做好安全隐患排查治理工作有助于及时发现和消除电化学储能电站建设运行中的安全事故隐患。基于某省电化学储能电站安全隐患辨识与排查数据,采用熵权法开展了多维度、全方位、深层次的安全隐患数据分析,系统探究了各类安全隐患在空间特性(S)、运行工况(O)、类型占比(T)、危害程度(D)和治理难度(G)5个维度的危险特性和分布特征。结果表明:基于熵权法的电化学储能电站安全隐患数据分析,改善了当前安全隐患数据处理分析方式单一、信息提取不充分、结果利用率不足等问题,对精准定位安全管理的薄弱环节、助力构建安全隐患分级闭环管控机制、推动重大安全隐患精准治理、创新创建重大安全隐患数据库、提升电化学储能电站安全隐患排查治理能力具有重要的作用。