【摘 要】
：
针对电动汽车行驶过程中电池放电电流过大导致的电池容量衰减问题,构建了由锂离子动力电池、超级电容和多端口DC/DC变换器构成的全主动式混合储能系统,其中电流环控制器和电压环控制器分别控制输出电流和直流母线电压。结合超级电容SOC、整车需求功率和车速情况,根据建立的45条模糊控制规则,模糊逻辑控制器调节锂离子动力电池和超级电容的充放电功率,在车辆峰值功率需求较高时避免了高频电流波动对动力电池寿命的影响。同时在功率需求较低时,动力电池给超级电容充电。在HWFET工况下的实验结果表明所提出的全主动式双能量源混合储
【基金项目】
：
河南省科技攻关项目资助(202102210317),中国工程科技发展战略河南研究院咨询研究项目(2020HENZT06)。
论文部分内容阅读
针对电动汽车行驶过程中电池放电电流过大导致的电池容量衰减问题,构建了由锂离子动力电池、超级电容和多端口DC/DC变换器构成的全主动式混合储能系统,其中电流环控制器和电压环控制器分别控制输出电流和直流母线电压。结合超级电容SOC、整车需求功率和车速情况,根据建立的45条模糊控制规则,模糊逻辑控制器调节锂离子动力电池和超级电容的充放电功率,在车辆峰值功率需求较高时避免了高频电流波动对动力电池寿命的影响。同时在功率需求较低时,动力电池给超级电容充电。在HWFET工况下的实验结果表明所提出的全主动式双能量源混合储
其他文献
随着新能源发电的快速发展,大规模风电场与电网相互作用引起的次同步振荡问题不断凸显,对次同步振荡进行预测并采取预防性控制措施具有重要意义。为此,提出了一种基于机器学习可解释代理模型的风电并网系统次同步振荡的在线预测和优化控制方法。采用Prony算法分析电网小扰动过程以辨识系统阻尼水平。建立了基于梯度提升树模型的系统阻尼评估系统。提出了基于可解释代理模型的优化控制辅助决策方法。在Matlab Simulink中搭建了多个直驱风电场并网系统的仿真模型,验证了所提方法能够有效进行次同步振荡在线预测和优化控制,从而
针对智能电网大数据背景下传统密度聚类离群点检测方法在适应性和异常点样本获取成本上的不足,研究一种新的基于权值的密度聚类离群点检测算法,并用极限学习机来预测离群点判
针对工业信息物理系统面临的网络安全问题,研究了一种基于深度学习混合模型的入侵检测方案。该方案将基于深度信念网络的无监督学习策略与基于支持向量机的有监督学习策略相结合,以实现工业信息物理系统入侵检测的半监督学习。对原始数据进行归一化处理并采用深度信念网络进行数据降维后,利用支持向量机进行入侵检测。使用MATLAB工具进行仿真,对以Modbus作为通信协议的监控与数据采集系统的真实数据进行测试。结果表明,与深度信念网络、支持向量机等算法模型相比,深度学习混合模型能显著提高异常检测的准确度。
电网的快速发展和大规模互联电网的形成,使电网特性由区域模式转向全局模式。电网运行和调度控制均呈现数据密集、通信密集和计算密集的特征,从而形成了复杂的网状服务调用关系以及多层次的消息传输流程,给电网运行态势变化预测和运行风险管控带来了新挑战,亟需对通信总线数据交互过程进行有效监视。首先提出了通信总线的全链路监视与分布式追踪技术框架。然后研究了服务调用链监视和消息分布式追踪的关键技术。最后介绍了工程应用情况。该技术的应用为电网调控系统数据传输和交互提供了全面、直观的状态信息,实现了系统隐患及时发现、故障原因精
线损异常分析在低压配电网的发展规划中具有重要意义。现阶段线损的异常判定多采用阈值分析法,在时效性和准确性上存在很大的局限性。随着智能电网的推广,提出了一种基于孤立森林离群点检测算法的线损异常判定方案。首先采用k-means算法将低压台区按照不同的负载工况进行聚类,而后采用孤立森林算法计算台区数据的异常分数,最后对获取的异常分数进行阈值分析,得到最终的线损异常数据。在IEEE标准配电网络上进行仿真分析,并用电网实际台区的运行数据进行验证。结果表明,所提异常判定算法具有较高的准确性。这种基于数据挖掘技术的异常
基于下垂机制的含多并联逆变器微电网联络线功率控制策略的控制层级较多,层级间时间尺度相差较大,导致其暂态响应较差,应对本地负荷波动或下垂系数调整等扰动的能力不强。针对以上问题,提出了一种新型的含多并联逆变器微电网联络线功率分层控制策略。一层分散控制采用电压滤波跟踪误差的方法对系统公共耦合点(Point of Common Connection,PCC)电压进行快速精确的控制。二层系统级集中控制通过直接调节PCC电压幅值和相位,实现微电网与主网之间或互联微电网间特定的功率交换,而其内部各逆变器则按照功率分配系
为解决风电场多分支、混合短线路中难以查找故障点的问题,提出一种基于长短期记忆(LSTM)神经网络的风电场集电线路单相接地智能故障测距方法。首先,读取集电线路首端测量装置的电气量信息。其次,采用全相位快速傅里叶变换(apFFT)相位差校正法构建了风电场单相接地短路时的故障特征集合。然后,归一化风电场集电线路的故障数据,并训练深度学习LSTM神经网络以建立单端故障测距的预测模型。最后,通过LSTM神经网络故障定位器开展准确的故障定位。PSCAD/EMTDC实验结果表明,所提方法的预测精度高于反向传播神经网络和
针对目前变电站运动目标的立体匹配算法存在匹配点少、误匹配等问题,提出一种结合A-KAZE(Accelerated KAZE)算法和改进的SURF(Speeded Up Robust Features)算法的智能变电站运动目标立体匹配算法。采用A-KAZE算法用于提取两个图像的匹配特征点,利用二阶多尺度改进的SURF特征向量进一步计算二次响应,采用高阈值算法增加匹配点,随机采样一致算法消除不匹配点,完成匹配工作。通过实验比较,验证了该算法的有效性。实验结果表明,相对于未改进前匹配点对从908对提高到1202
为了解决直流配电网中高速通信测量点不足、故障特征复杂等导致的故障定位精度差的问题,提出了一种适用于复杂直流配电网的新型直流极间短路故障定位算法。首先,根据高频瞬态电流环路,构建含有电平转换器和DC/DC转换器的高频阻抗等效模型为故障过程提供稳定的阻抗值。其次,利用BCS理论推导与稀疏测量点相对应的节点高频暂态电压方程。最后,结合节点高频瞬态电压方程和贝叶斯压缩感知理论,求解节点高频瞬态电流稀疏矢量实现故障定位。实验结果表明:所提算法对测量点的数量要求较低,不需要严格同步地测量数据,且不受转换器的控制策略和
准确的拓扑结构是配电网精细化管理和安全运行的基础。针对现有配电网拓扑识别方法无法确定网络潮流方向以及拓扑变动检测方法受负荷突变影响大的问题,提出一种基于有向邻接矩阵的配电网拓扑变动检测与识别方法。首先,提出一种基于有向邻接矩阵的配电网拓扑识别模型,将配电网的未知拓扑描述为不确定的有向邻接矩阵,实现配电网的拓扑识别并确定潮流方向。其次,提出一种基于节点电压邻接矩阵的拓扑变动检测方法,通过分析相邻节点电压幅值的下降趋势判断拓扑是否发生变动。此外,所提出的拓扑变动检测方法可以缩小未知拓扑的范围,降低拓扑识别问题