基于卡尔曼滤波的巡视机器人能耗估计

为了对机器人巡检完预定杆塔所需的能耗进行准确的估计,对巡视机器人进行受力分析,利用积分法得到基于线路的环境参数(档段的水平档距、档段高差等)的单档段内的能耗模型;通过实验验证了模型的可行性.通过分析可知,需要巡检的杆塔越多,经过每个档段误差的积累,从起始杆塔截止到终止杆塔的能耗理论值与测量值之间的相对误差越来越大,导致无法准确地估计巡检完预定杆塔所需的能耗.基于自适应卡尔曼滤波器对由能耗模型得到的能耗理论值进行迭代修正,将相对误差控制在1.05%左右,提高了估计精度.

基于多层混合效应的电动汽车能耗估计模型

基于68辆日本爱知县电动汽车1a间的实际出行GPS数据,定量分析了电动汽车在城市圈内行驶的电量消耗规律,尤其是较全面的考察了道路坡度对能耗的影响特征.比较了多层混合效应线性回归模型、最小二乘回归模型和随机效用面板模型的参数估计效果.结果表明,多层混合效应线性回归模型更好的拟合观测数据.道路坡度对能耗的影响最大,下坡坡度显著影响电动汽车回收制动能源的效率.研究成果有效提高了目前电动汽车能耗估计的精度,选择最佳能耗路径的同时,有助于减少电动汽车出行者的里程焦虑.

3D图形渲染的能耗估计

针对硬件设计和图形编程,提出了一种新的三维图形渲染计算阶段的能耗估计模型.针对三维渲染管线中顶点着色器和像素着色器的能耗问题,对影响渲染质量的顶点着色和像素着色的负载进行了分析,得出了像素数与顶点数的比值模型;同时,对顶点着色阶段和像素着色阶段的能耗进行了建模.用所建立的模型对基准测试程序进行了能耗估计,使用Synopsys VCS(Verilog Compiled Simulator)仿真器和Power Compiler来执行仿真,得到不同测试程序的实际能耗.验证结果表明,该模型预测误差的几何平均值小于3%,达到了较高的估计精度,可用于指导图形硬件和软件的功耗分析和管理.

MapReduce环境中的性能特征能耗估计方法

针对MapReduce系统中负载能耗特征多样性为系统成本调度带来的负载与节点难以匹配的问题,提出一种基于负载性能特征的能耗估计方法。该方法以MapReduce系统中各节点操作系统的性能事件为依据估计在线负载的能耗。为了提升负载能耗估计结果的准确度,采用机器学习的方法,在负载执行时,搜集系统的性能特征,并建立估计模型的样本集;采用粗糙集理论中属性约简方法对性能特征属性进行约简;在性能属性约简的结果之上,基于支持向量机理论,建立能耗的估计模型,对负载运行时系统的能耗进行准确的估计。实验结果表明:基于性能特征的能耗估计方法拥有较高的估计准确率,在单作业环境中平均相对误差为4%,在多作业环境中可达到4.5%。

几何学概率的无线传感器网络能耗估计模型

针对无线传感器网络能耗这一问题,提出了一种基于几何学概率的能耗估计模型。以节点的状态转换为基础,建立了基于半Markov链的节点能耗模型,并引入概率分布函数的概念。从传感器节点随机分布出发,假定节点之间可以相互通信,分别对在单个正六边形和相邻两个正六边形内的节点随机分布进行研究,推导得出能耗估计模型。仿真结果表明:该模型可以实现网络能耗的准确估计。

基于LEAP模型的公路营运车辆能耗估计及预测

通过大力推广电动汽车以降低公路交通汽车能耗及尾气排放,是交通运输业节能措施的主要途径。旨在探究未来我国公路交通汽车电动化发展趋势,预测未来公路营运车辆能耗特征。首先提出了公路营运车辆能耗测算方法,分析了2021年公路营运车辆能耗特征。其次构建了基于LEAP模型的公路营运车辆电动化情景分析模型,设置了基准及驱动两种情景,主要表现为公路营运汽车在更新迭代中的电动汽车渗透率,进而分析了公路营运汽车在不同情景下的能耗特征及电动车辆的电耗特征。研究结果表明:公路营运车辆基年总能耗超过3亿t标准煤,随着汽车电动化的发展,至2050年驱动情景下的公路营运车辆能耗可节约超过60%。研究成果有助于为政府部门在公路交通电动汽车充电产业领域战略布局提供相关性依据,进而助力实现公路交通低碳发展。

基于事件捕获的无线传感网络节点能耗实时估计

无线传感网络节点能耗的动态估计对于延长网络的寿命非常关键。针对无线传感网络节点的实时能耗估计,以运行TinyOS的MICAz节点作为目标平台,对TinyOS进行了功能扩展,用nesC语言设计了一个基于事件捕获的能耗估计模块。采用数据采集卡对各硬件模块的功耗模型进行了标定,实验结果表明该方法的时间和空间开销较小,估计精度约为4%。

能耗优化的神经网络轻量化方法研究进展

近年来,神经网络在语音识别、计算机视觉、自然语言处理等领域都取得了良好的进展.大量的神经网络被部署于诸如手机、摄像头等依赖电池或太阳能供电的小型设备.但神经网络参数量大计算复杂,需占用大量计算资源并消耗电能,从而限制了其在资源受限平台上的应用.学术界和工业界逐渐关注于神经网络的高能耗问题.神经网络轻量化方法可以有效地减少参数数量、降低参数精度或优化计算过程从而降低神经网络能耗.本文从能耗优化的角度梳理了神经网络能耗估算方法和神经网络轻量化方法的基本思路,综述了近年来该领域主要研究成果,并提出了能耗估算和能耗优化的神经网络轻量化方法存在的挑战及进一步研究的方向.其中神经网络能耗估算方法包括测量法、分析法和估算法.能耗优化的神经网络轻量化方法包括剪枝、量化、张量分解和知识蒸馏.对于进一步研究方向我们认为,首先需要建立可自适应网络类型的能耗模型;然后需要考虑平衡精度和能耗的轻量化方法.其次需要实现硬件平台可泛化的轻量化方法;最后开发搜索空间可约束的轻量化方法.

电动汽车剩余里程估计算法研究及验证

为了减轻驾驶员对剩余里程的焦虑感并提高电动汽车的用户认可度，一种有效的解决途径是为用户提供可靠的剩余里程，而电动汽车的剩余里程估计受到很多因素的影响，估计精度很难满足要求。本文提出了一种基于电池剩余能量估计和车辆能耗估计的剩余里程估计模型，在电池剩余能量估计方面，采用基于电池试验数据的电池修正模型，考虑电池电流、温度等多因素的影响，而在车辆能耗估计方面，则是基于过去一段时间的能耗进行计算。最后通过轮毂试验和实车试验对该模型进行了验证，验证结果表明该模型可准确估计车辆的剩余里程，较大提高了剩余里程的估计精度。

城市电动公交车辆运营管理:综述与展望

随着公交车辆电动化进程的加快,中国电动公交车保有量迅速增加,已经成为中国城市规模最大的公交车型。科学的电动公交车辆运营管理对于降低公交系统碳排放以及公交企业运营成本具有重要意义。本文介绍了中国和主要西方国家的电动公交车辆发展历程,总结了当前实际运营管理存在的问题;给出了电动公交车辆运营管理的框架体系,从运行能耗估计、车辆调度、节能驾驶、系统资源配置以及效益评价等5个方面对当前的研究成果进行了概述,并对最新的运营管理技术与方法进行了梳理;系统总结了当前研究面临的问题与挑战,从电动公交系统线网规划、基于实际数据的电池寿命估计、智能化排班技术、引入新型供电与充电模式等4个方面对未来的发展趋势进行分析。

Peak Load Evaluation Based on the Accumulated Annual Energy

This paper presents a nonlinear approach to estimate the consumed energy in electric power distribution feeders. The proposed method uses the statistical solution algorithm to analyze the active energy monthly consumption, which enables one to estimate the energy consumption during any period of the year. The energy readings and the normalized accumulated energy profile are used to estimate the hourly consumed active power, which can be used for future planning and sizing the equipment of the electrical system. The effectiveness of the proposed method is demonstrated by comparing the simulated results with that of real measured data.

电动汽车剩余里程估计算法开发及验证

以某纯电动汽车为研究对象,提出了一种基于动力电池剩余能量估计和车辆历史能耗估计的剩余里程估计模型,对剩余里程估计基本原理进行了分析,并开发了剩余里程估计软件模块,实现了动力电池剩余可用能量估计、历史能量估计、驾驶员操作条件修正等功能,并进行了实际综合路况试验,试验数据结果表明:该续驶里程估计算法的精确性和可靠性。