基于Agent的电液复合制动系统防抱死控制研究

针对纯电动汽车电液复合制动系统电机再生制动力与液压制动力动态响应特性的差异及其非线性特性问题,提出了一种基于Agent的电液复合制动防抱死控制方法。构建了由电机Agent、液压制动Agent和ABS Agent组成的复合制动系统,依据让步策略、竞争策略和协同策略对电机再生制动力和液压制动力协调分配。MATLAB/Simulink仿真结果表明:紧急制动状态下,各Agent间能有效协作,前轮始终先于后轮进入抱死趋势,复合制动系统可以准确识别路面附着系数变化并及时调整电机制动力与液压制动力,提高了制动稳定性与系统的自适应能力。

基于多Agent的电动汽车底盘智能控制系统框架

为了解决传统集成控制框架灵活性和可扩展性不足以及传统汽车底盘控制系统不适用于新型分布式轮毂电机驱动纯电动汽车的问题,提出了基于多Agent的四轮独立驱动纯电动汽车的底盘智能动态综合控制系统框架,分析了框架各个层次的功能和相互关系。以底层控制层中直接横摆力矩控制Agent为例,搭建控制器Agent模型。在MATLAB/Simulink和Carsim联合仿真环境中对前轮转向角阶跃输入工况进行仿真试验。仿真结果表明,搭建的控制器Agent较好地实现了预期的动力学控制目标,有效改善了车辆的横向操纵稳定性能,奠定了控制框架的基础。

电动汽车发展创新与节能减排研究——基于电力能源的视角结合EVA分析评价

站在电力能源供应和节能减排角度,通过对国内外电动汽车发展的对比分析,阐述了我国发展电动汽车的必然性和关键影响因素,提出了我国电动汽车产业的发展必须通过技术创新和促进电动汽车"三位一体"全产业链的形成,发挥政府、企业和消费者的整合优势,在政府引导和政策支持下,发挥社会各方尤其是要发挥电力企业的独特作用,强调企业主管部门利用EVA理念和评价体系进行政策引导、客观评价,使企业的决策更加科学合理,更加注重科技创新和拓展新的发展领域,最终实现电动汽车产业链的协同、健康发展。

基于Agent的电动汽车电池回收模型研究

运用Agent理论及多主体系统理论,建立了电动汽车废旧电池CDDM(消费者-汽车分销商-电池分销商-电池制造商)的回收模式,通过在AnyLogic软件上的建模与仿真实验,得出该回收模式能够减少对新电池的需求,并减少大约60%的废弃电池产生量,使循环使用的电池量增加32.2%。

基于Agent技术的电动汽车底盘智能控制系统研究

为了解决传统汽车控制系统冗余程度过高、耦合程度严重的问题,提出一种基于Agent技术的电动汽车底盘智能控制系统.将滑模控制算法应用到电动汽车底盘智能控制系统中,同时设计组织级控制器,根据车辆实际行驶状况与预期的稳定性能,判定车辆底盘每个子控制系统的控制规则,以实现对车辆底盘在突发环境下的有效控制.最后,通过仿真结果显示:本设计的电动汽车底盘智能控制系统实时控制响应好,有效改善了车辆的操纵稳定性与安全性.

多网络协作下电动汽车参与电力市场的调度策略

针对电动汽车充电需求的时空不确定性,电动汽车代理商如何参与电力市场并且如何实现运营利润最大化成为需要解决的问题。本研究首先建立基于多层深度学习算法的电动汽车出行预测模型,分别使用多层感知器和长短期记忆网络对电动汽车的出行数据和路况数据进行学习,通过训练好的预测模型预测次日的出行行为和路况。其次,考虑到路况的多变性对预测精度的影响,采用未来路径滚动优化方法和速度-能耗模型模拟次日电动汽车的出行行为,从而获取电动汽车更精确的时空状态和荷电状态。最后,考虑能量市场协同调度,通过日前市场的充放电调度模型对不同时段的电动汽车充放电行为进行规划,最大化电动汽车代理商的利益。为了证明所提预测方法的准确性,与预测常用的蒙特卡洛方法和拉丁超立方法进行对比,结果表明,本研究提出的深度学习算法具有更高的准确性。将模型应用于IEEE33节点测试系统中进行验证,实验结果表明,在电动汽车代理商的调度下能够有效降低电力系统的峰谷差,在系统出现阻塞的情况下,通过改变电动汽车的调度策略能够缓解系统线路阻塞问题。对代理商收益和用户出行成本进行分析,结果表明在代理商的调度下,不仅能够提高代理商收入还能够降低用户的出行成本,实现双赢。

考虑配电网负荷的电动汽车分布式充电控制

针对大规模插电式电动汽车接入对配电网安全运行造成威胁的问题,提出一种考虑配电网负荷的电动汽车分布式一致性最优充电方案。该方案采用双层优化结构:上层以减少配电网负荷波动与满足充电站功率需求为目标建立数学模型,采用粒子群优化算法求解各时段电网分配给充电站的功率;下层在充电站功率供不应求的情况下,以最大化整体用户的利益和减少充电电流波动为目标建立数学模型。提出一种基于多智能体的分布式充电协议求解电动汽车的最优充电功率。该协议是分布式的、可实现电动汽车的即插即用,且具有很好的鲁棒性和扩展性。该方案既保障了配电网的安全运行又提高了整体用户的满意度。仿真验证了方案可行性。

基于动态博弈的电动汽车集群与调度策略

针对海量电动汽车参与电网调峰造成调度维度过高的问题,文章以电动聚合商(EVA)为中间媒体,提出一种以集群方式参与调峰的电动汽车调度策略。该策略基于Stackelberg理论构建主从博弈模型。其上层以电网运营商(DSO)的调峰需求和调峰成本为优化目标,采用改进的多目标粒子群算法,得到DSO的博弈策略集。模型下层基于模糊神经网络,构建车主入网意愿计算模型;根据电动汽车荷电状态、车辆的充放电可调控时长及下层优化电价,计算出电动汽车参与调峰的意愿值,并按车主参与意愿值对车辆进行集群,EVA将集群电量回馈给DSO重新调整最优策略。对调度策略的仿真结果显示,电网峰-谷差率降低13.22%,这表明EVA在满足电网调峰需求的同时,有效降低了自身的运营成本,且车主能在参与调峰过程中获取收益。

基于图神经网络多智能体强化学习的电力-交通融合网协同优化运行

针对多重不确定性因素下配电系统、交通系统和电动汽车动态交互的电力−交通融合网序贯协同优化问题,提出一种基于图神经网络多智能体强化学习的电力−交通融合网协同优化方法。首先,基于图理论方法将电动汽车间的相互影响关系转换为一种动态网络图模型,采用一种基于注意力机制的图神经网络多智能体强化学习算法求解电动汽车充电引导策略,探讨电动汽车多智能体间的相互影响作用。然后,在含可再生能源出力的主动配电网中采用二阶锥优化及对偶优化理论对配电网最优潮流进行求解,得到配电网节点边际电价,研究电力和交通系统的动态交互特性。最后,在某区域108节点交通网络和IEEE 33节点电力系统上验证所提方法有效性。

电动汽车用户参与调控意愿的多代理表征与可信容量量化

作为一种重要的可调节资源,电动汽车(EV)参与调控有助于提升电力系统充裕性。然而,EV用户行为的不确定性可能为EV备用容量带来失效风险。针对上述问题,提出了EV用户参与调控意愿的多代理表征与可信容量量化方法。首先,结合EV出行行为设计了用户参与调控意愿的调研问卷,采集了真实用户参与调控的意愿数据;其次,通过小样本问卷数据深度挖掘建立了高效表征用户集群意愿的多代理模型;然后,在此基础上提出了用户参与调控意愿的判别方法,建立了EV集群可信容量量化模型;最后,通过算例分析了代理个体数等关键参量对EV用户集群参与调控意愿判别的影响,给出了合理设参时不同置信度下的EV集群可信容量。

虚拟电厂中多元化资源电压一致性协调控制策略

本文通过虚拟电厂将各种分布式能源聚合,形成一个整体,参与电力系统的协调控制,实现与电网之间的友好互动;提出基于多智能体的虚拟电厂中多元化资源一致性协调电压控制策略,以电动汽车联合储能作为虚拟电厂中的分布式储能装置,结合分布式电源接入配电网,通过一致性分层控制保证配电网中各节点电压的安全稳定,优化虚拟电厂中的各类资源配置和经济运行,提升虚拟电厂的整体外特性,与大电网实现友好互动;并以包含DG和EV+ESS多元化资源的合肥虚拟电厂为例,通过仿真验证了一致性电压协调控制策略的有效性。

基于多智能体的电动汽车充电协同控制策略

在分析电动汽车充电负荷特性、管理架构的基础上,借鉴复杂自适应系统的核心思想,提出基于多智能体的电动汽车充电管理模式。建立单台电动汽车的充电负荷模型和基于多智能体系统的电动汽车充电优化模型。采用蒙特卡洛方法模拟电动汽车用户的充电行为。在考虑电动汽车的充电功率、充电时间以及变压器可用容量等约束条件的前提下,针对35 k V片区配电网中电动汽车接入充电的优化问题,提出基于多智能体协同控制的电动汽车充电优化策略。仿真结果表明多智能体协同控制策略能够有效地实现电动汽车充电负荷的"移峰填谷",减小电网峰谷差。

电动汽车充电需求时空分布动态演化模型

预测电动汽车充电需求的动态时空分布对于电网应对大规模电动汽车的接入具有重要意义。已有的研究缺乏能够同时精确描述电动汽车行驶过程中地理位置与荷电状态(state of charge,SOC)变化的数学模型。为了模拟电动汽车交通需求和充电需求的动态时空变化过程,从电网调度的实际需求出发,改进了交通流领域中的微观交通仿真模型,结合Cruise软件计算的不同场景下的电动汽车每公里耗电量,提出了基于Agent-元胞自动机的电动汽车充电需求动态时空分布动态演化模型。最后,以54节点配电系统和25节点交通网络的耦合系统为例,说明所提方法可以预测快充站的电动汽车充电负荷,为电动汽车的充电负荷引导提供重要依据。

考虑风电和电动汽车等不确定性负荷的电力系统节能减排调度

可入网电动汽车(plug-in hybrid electric vehicles,PHEVs)和风电等可再生能源发电的快速发展为电力系统的安全和经济运行带来了新挑战。为此,综合考虑了负荷和风电的不确定性、可入网电动汽车的智能充放电控制以及PHEVs与风电的协调互补和系统的节能减排,构建了计及碳排放的调度模型。先采用多场景模拟技术将风电和负荷不确定性的随机过程分解为若干典型的离散概率场景;再采用多代理技术将24 h对应为24个工作代理,工作代理负责火电、风电和PHEVs之间的静态调度;协同代理负责工作代理之间的动态协调。最后对含10机火电机组、PHEVs和风电的系统进行仿真。结果表明,多场景模拟能减少调度求解难度;含风电和PHEVs的系统能有效协调风电和PHEVs,减少其运行成本和碳排放量;通过调节节能与减排需求对应的权重,可以实现节能和减排之间的有效折衷。

电动汽车准实时协同充放电策略

电动汽车作为未来能源互联网的重要组成部分得到了越来越多的关注。针对电动汽车的充放电问题,提出一个准实时的协同充放电多代理系统。系统采用M/G/∞排队模型预测未来短时间内电动汽车的充电负载需求,为充放电决策提供准实时信息。在不破坏配电网系统限制的前提下,以最大化用户充电需求满意度和最小化用户充电成本为目标的两阶段优化策略在满足用户充电需求的同时,节约了用户的充电成本。仿真结果表明,采用两阶段优化策略的多代理系统可有效实现电动汽车高渗透率下的协同充放电管理,增强了系统的健壮性。

基于多代理系统的电动汽车协调充电策略

为最大化电力公司利益,设计了一种用于协调电动汽车充电的多代理系统,并在满足电动汽车车主充电需求及变压器容量限制的前提下,提出一种以负荷峰谷差最小为目标的分布式优化算法。利用分时电价算法初步优化后得到理想的充电时间区间,在充电区间内应用优化算法避免新的负荷尖峰,引入训练学习机制以使负荷曲线达到削峰填谷的效果。根据用户的驾驶习惯,采用蒙特卡洛方法模拟用户的充电需求,对电动汽车在无序充电、单次优化充电以及引入训练学习机制充电3种情况下的电网负荷进行了仿真分析。研究结果表明:单次优化可以避免负荷尖峰,但不能优化峰谷差;而引入训练学习机制后在减小峰谷差方面有显著作用,而且该分布式优化有更高的计算效率,适于实际应用。

基于多代理系统的电动汽车充放电分布式协同调度策略

大规模电动汽车(Electric Vehicles, EV)无序充电行为将增加电力系统运行的安全隐患,而数量庞大的电动汽车充放电优化控制为电力系统能量管控提出了新的挑战。提出一种改进的基于多代理系统(Multi-AgentSystem,MAS)的电动汽车充放电分布式协同调度方法。该方法以负荷填谷为目标,在虚拟电价协同机制框架下,综合考虑了配电网三相负荷平衡、变压器容量约束和节点电压约束,与MAS信息交互机制相结合,通过采用迭代修正虚拟电价的方法,实现EV有序的智能充放电。以IEEE33节点系统为例进行仿真分析,验证了所提方法的特点和有效性。

基于多代理系统的电动汽车充电行为仿真软件设计与实现

近年来中国电动汽车产业及相关基础设施建设已经进入快速发展期,大规模电动汽车充电已经成为电网运营和规划必须面对的实际问题。由于电动汽车充电存在时间和空间上的随机性,为了研究插充模式下电动汽车充电对电网的影响,寻求大规模电动汽车充电接入系统情况下的系统应对策略,利用SWARM平台建立了基于多代理系统的电动汽车充电行为仿真软件。将电动汽车及充电设备作为具有适应性的主体,交通网络与电力网络作为主体生存环境,模拟主体与主体、主体与环境之间的交互和相互影响,主体通过学习不断优化自身决策。实验结果表明,该系统通过电动汽车、充电设施、电力网络、交通网络之间的互动建模,可以反映电动汽车充电行为与电网的应对策略,为研究电动汽车相关问题提供便捷工具。

基于多代理技术的电动汽车规模演化模型

跨时间尺度的电动汽车充电需求分析是研究电动汽车规模化接入对电网的影响以及指导充换电基础设施规划建设的基础,而电动汽车规模演化是驱动充电需求动态发展的内在因素,是量化不同发展阶段下充电需求的基本前提。首先分析了影响电动汽车规模演化的相关因素,比较了各种新产品扩散模型的特点;其次,基于消费者行为学理论构建电动汽车规模演化多代理模型,并提出综合考虑年拥有成本、技术成熟度、社会效用、环保效用以及充电方便程度的用户购车概率选择模型,从微观个体的角度出发研究电动汽车的规模演化趋势,不仅考虑了用户购车行为的异质性,也体现了相关群体用户决策之间的交互影响;最后,算例仿真验证了所提模型的有效性,通过设置不同场景推演了电动汽车的规模发展趋势,并分析了不同因素对电动汽车规模演化的影响。

混合动力汽车多能源动力总成的智能体控制技术

为提高混合动力汽车的智能化控制水平,进一步改善整车燃油经济性和动力性,提出一种多能源动力总成的多智能体协调控制方法.以并联式混合动力汽车为原型,建立动力总成部件子系统智能体模型,构建多智能体系统协调控制框架,根据不同工况模式对总成动力进行预分配,利用单智能体的智能行为和多智能体的协作能力解决车辆对复杂路况的自适应问题.在Cruise软件环境下对智能体控制系统和协调控制策略进行了仿真验证,结果表明,动力总成的多智能体协调控制策略正确可行,使混合动力汽车能根据不同工况自适应控制模式,进而对动力进行自适应匹配,能够改善整车燃油经济性和动力性.