针对车网互动(vehicle-to-grid,V2G)场景下大规模电动汽车(electric vehicle, EV)接入电网时处理速度慢、精度低等问题,提出一种基于自适应密度空间聚类(density-based spatial clustering of applications with noise, DBSCAN)算法的E...针对车网互动(vehicle-to-grid,V2G)场景下大规模电动汽车(electric vehicle, EV)接入电网时处理速度慢、精度低等问题,提出一种基于自适应密度空间聚类(density-based spatial clustering of applications with noise, DBSCAN)算法的EV动态分类和多步马尔科夫链聚合方法。在分类阶段,利用k-dist曲线和差分k-dist曲线对DBSCAN算法进行改进,并引入增量式聚类的概念,对EV数据进行动态分类,得到不同荷电状态(state of charge,SOC)、剩余在网时长及可调控容量的多维特征EV集群。在聚合阶段,提出考虑多步状态转移的马尔科夫链理论,利用该理论对每一EV集群在线建立聚合模型,并考虑多步状态转移的情况,弥补了传统马尔科夫链无法处理多特征EV动态聚合的缺陷,从而得到更准确的聚合功率。仿真结果表明,所提出的分类方法能够快速准确地将接入电网的大规模EV划分为不同集群,并且EV集群经过聚合后其功率准确度得到显著提高,能够有效解决大规模EV入网时存在的问题。展开更多
相较于传统车载充电系统,集成型车载充电系统(integrated onboard charger system,IOCS)在成本、功率密度等方面具备显著优势。文中基于六相永磁电驱系统设计了一台IOCS,并研究了模型预测电流控制(model predictive current control,MP...相较于传统车载充电系统,集成型车载充电系统(integrated onboard charger system,IOCS)在成本、功率密度等方面具备显著优势。文中基于六相永磁电驱系统设计了一台IOCS,并研究了模型预测电流控制(model predictive current control,MPCC)算法在该系统并网模式下的应用。首先,分析所提IOCS的电路拓扑并建立数学模型,同时介绍传统MPCC的实施流程。然后,针对传统MPCC计算量大、稳态性能差等不足,提出一种基于占空比优化的MPCC(MPCC based on duty cycle optimization,DCO-MPCC)策略。一方面,减少备选电压矢量数量,降低电流预测环节带来的计算负担;另一方面,提出一种占空比优化技术,改善系统稳态性能。最后,通过实验验证了所提算法的有效性与优越性。实验结果表明,DCO-MPCC策略能够显著提升系统稳态性能并减少算法计算量。充电与车网互动(vehicle to grid,V2G)工况下,网侧电流总谐波畸变(total harmonic distortion,THD)分别降低6.18%与5.92%,算法运行时间减少17.54μs。展开更多
文摘针对车网互动(vehicle-to-grid,V2G)场景下大规模电动汽车(electric vehicle, EV)接入电网时处理速度慢、精度低等问题,提出一种基于自适应密度空间聚类(density-based spatial clustering of applications with noise, DBSCAN)算法的EV动态分类和多步马尔科夫链聚合方法。在分类阶段,利用k-dist曲线和差分k-dist曲线对DBSCAN算法进行改进,并引入增量式聚类的概念,对EV数据进行动态分类,得到不同荷电状态(state of charge,SOC)、剩余在网时长及可调控容量的多维特征EV集群。在聚合阶段,提出考虑多步状态转移的马尔科夫链理论,利用该理论对每一EV集群在线建立聚合模型,并考虑多步状态转移的情况,弥补了传统马尔科夫链无法处理多特征EV动态聚合的缺陷,从而得到更准确的聚合功率。仿真结果表明,所提出的分类方法能够快速准确地将接入电网的大规模EV划分为不同集群,并且EV集群经过聚合后其功率准确度得到显著提高,能够有效解决大规模EV入网时存在的问题。
文摘相较于传统车载充电系统,集成型车载充电系统(integrated onboard charger system,IOCS)在成本、功率密度等方面具备显著优势。文中基于六相永磁电驱系统设计了一台IOCS,并研究了模型预测电流控制(model predictive current control,MPCC)算法在该系统并网模式下的应用。首先,分析所提IOCS的电路拓扑并建立数学模型,同时介绍传统MPCC的实施流程。然后,针对传统MPCC计算量大、稳态性能差等不足,提出一种基于占空比优化的MPCC(MPCC based on duty cycle optimization,DCO-MPCC)策略。一方面,减少备选电压矢量数量,降低电流预测环节带来的计算负担;另一方面,提出一种占空比优化技术,改善系统稳态性能。最后,通过实验验证了所提算法的有效性与优越性。实验结果表明,DCO-MPCC策略能够显著提升系统稳态性能并减少算法计算量。充电与车网互动(vehicle to grid,V2G)工况下,网侧电流总谐波畸变(total harmonic distortion,THD)分别降低6.18%与5.92%,算法运行时间减少17.54μs。
