[目的]重卡换电站能解决换电重卡充电时间长,续航里程短等痛点,但其动力电池存在容量大、使用频率高、热失控风险高等问题。[方法]为解决以上问题,文章建立了耦合双向充电机的电池热-电耦合模型,对电动重卡动力电池热特性进行研究,应用C...[目的]重卡换电站能解决换电重卡充电时间长,续航里程短等痛点,但其动力电池存在容量大、使用频率高、热失控风险高等问题。[方法]为解决以上问题,文章建立了耦合双向充电机的电池热-电耦合模型,对电动重卡动力电池热特性进行研究,应用COMSOL-SIMULINK进行联合仿真。[结果]仿真结果表明:所提出耦合模型,可以有效控制电池车辆到电网(Vehicle to Grid,V2G)工况下的电压电流。在V2G工况前期,最大电流密度在负极与负极极耳的交界处,最小电流密度在正极与正极极耳的交界处,正极极耳温度比负极极耳高4.1℃;在V2G工况后期,最大局部电流密度从极耳向电池下端转移,底部区域因浓度的影响有利于电化学反应,电芯温度高于极耳温度;热滥用工况下,副反应发生顺序为SEI膜分解、负极分解、正极与电解液反应,其中,电极副反应生热是导致电池进入无法返回的热失控的主要原因,SEI膜的分解反应是电池开始热失控的标志。[结论]所提外电路-热电耦合模型能有效反映在重卡换电站双向充电机激励下,电池热电耦合模型的温度分布与热失控影响。展开更多
[目的]随着电动汽车数量的快速增加,电动汽车储能对电网的影响日益显著。为了实现电动汽车充电站与电网的动态交互,利用电动汽车储能调节负荷,以减小峰谷差和对电网的冲击,文章提出了一种基于虚拟同步技术的控制调度策略,考虑将无功响...[目的]随着电动汽车数量的快速增加,电动汽车储能对电网的影响日益显著。为了实现电动汽车充电站与电网的动态交互,利用电动汽车储能调节负荷,以减小峰谷差和对电网的冲击,文章提出了一种基于虚拟同步技术的控制调度策略,考虑将无功响应纳入新型电力系统。[方法]首先,文章采用日前申请机制,建立了双层滚动优化调度模型,用于制定各充电站的充电计划。随后,针对V2G(Vehicle to Grid)系统的工作模式和特点,提出了一种改进型虚拟同步控制方式。该控制方式下,功率能够双向流动,并通过V2G调度控制策略进行最优分配,从而实现有功和无功的调度响应。[结果]实验结果表明:所提出的策略能够有效减小电动汽车充放电对电力系统的冲击,增强系统的稳定性。此外,通过将上层调度指令下发到下层V2G变换器控制上,可以很好地实现充电站与电网的双向互动。[结论]上层调度策略与下层变换器控制策略的结合,不仅满足了V2G系统的基本需求,还展现出良好的输出特性。这一控制调度策略为未来电力系统的稳定运行提供了有力保障。展开更多
车网互动(vehicle to grid,V2G)技术利用调度模型生成的决策调度电动汽车(electric vehicle,EV)有序参与电网管理,可实现高效削峰填谷,采用联邦学习方式可以在充电站不愿共享原始数据的条件下完成调度模型训练,因此选定符合多方利益的...车网互动(vehicle to grid,V2G)技术利用调度模型生成的决策调度电动汽车(electric vehicle,EV)有序参与电网管理,可实现高效削峰填谷,采用联邦学习方式可以在充电站不愿共享原始数据的条件下完成调度模型训练,因此选定符合多方利益的训练标签和保证模型参数聚合结果的正确性对于V2G调度决策至关重要。为此,提出一种面向V2G调度的可信联邦学习方法。首先,构建V2G实时调度模型可信联邦学习架构,其包括标签生成模块、可验证联邦学习模块和实时调度模块3个部分;然后,综合考虑EV用户、运营商及电网侧负荷波动,提出一个计及电网多方主体利益的实时调度标签数据生成模型,并设计调度模型标签的动态更新方法;其次,提出模型参数聚合的安全存证与验证方法,确保联邦学习模型参数聚合的正确性;最后,对3种充电时段类型EV占主导生成的标签数据和所提出验证方法的时间开销、存储开销和Gas开销进行分析。算例结果表明,所提出的标签模型展示了EV用户、运营商以及电网侧负荷波动的最优值特征,构建聚合树的时间开销达到毫秒级,相比于传统验证方式,聚合验证智能合约的Gas开销显著降低。因此,所提出的可信联邦学习方法与电网中多方主体利益一致,并具有较好的性能。展开更多
文摘[目的]重卡换电站能解决换电重卡充电时间长,续航里程短等痛点,但其动力电池存在容量大、使用频率高、热失控风险高等问题。[方法]为解决以上问题,文章建立了耦合双向充电机的电池热-电耦合模型,对电动重卡动力电池热特性进行研究,应用COMSOL-SIMULINK进行联合仿真。[结果]仿真结果表明:所提出耦合模型,可以有效控制电池车辆到电网(Vehicle to Grid,V2G)工况下的电压电流。在V2G工况前期,最大电流密度在负极与负极极耳的交界处,最小电流密度在正极与正极极耳的交界处,正极极耳温度比负极极耳高4.1℃;在V2G工况后期,最大局部电流密度从极耳向电池下端转移,底部区域因浓度的影响有利于电化学反应,电芯温度高于极耳温度;热滥用工况下,副反应发生顺序为SEI膜分解、负极分解、正极与电解液反应,其中,电极副反应生热是导致电池进入无法返回的热失控的主要原因,SEI膜的分解反应是电池开始热失控的标志。[结论]所提外电路-热电耦合模型能有效反映在重卡换电站双向充电机激励下,电池热电耦合模型的温度分布与热失控影响。
文摘[目的]随着电动汽车数量的快速增加,电动汽车储能对电网的影响日益显著。为了实现电动汽车充电站与电网的动态交互,利用电动汽车储能调节负荷,以减小峰谷差和对电网的冲击,文章提出了一种基于虚拟同步技术的控制调度策略,考虑将无功响应纳入新型电力系统。[方法]首先,文章采用日前申请机制,建立了双层滚动优化调度模型,用于制定各充电站的充电计划。随后,针对V2G(Vehicle to Grid)系统的工作模式和特点,提出了一种改进型虚拟同步控制方式。该控制方式下,功率能够双向流动,并通过V2G调度控制策略进行最优分配,从而实现有功和无功的调度响应。[结果]实验结果表明:所提出的策略能够有效减小电动汽车充放电对电力系统的冲击,增强系统的稳定性。此外,通过将上层调度指令下发到下层V2G变换器控制上,可以很好地实现充电站与电网的双向互动。[结论]上层调度策略与下层变换器控制策略的结合,不仅满足了V2G系统的基本需求,还展现出良好的输出特性。这一控制调度策略为未来电力系统的稳定运行提供了有力保障。
文摘车网互动(vehicle to grid,V2G)技术利用调度模型生成的决策调度电动汽车(electric vehicle,EV)有序参与电网管理,可实现高效削峰填谷,采用联邦学习方式可以在充电站不愿共享原始数据的条件下完成调度模型训练,因此选定符合多方利益的训练标签和保证模型参数聚合结果的正确性对于V2G调度决策至关重要。为此,提出一种面向V2G调度的可信联邦学习方法。首先,构建V2G实时调度模型可信联邦学习架构,其包括标签生成模块、可验证联邦学习模块和实时调度模块3个部分;然后,综合考虑EV用户、运营商及电网侧负荷波动,提出一个计及电网多方主体利益的实时调度标签数据生成模型,并设计调度模型标签的动态更新方法;其次,提出模型参数聚合的安全存证与验证方法,确保联邦学习模型参数聚合的正确性;最后,对3种充电时段类型EV占主导生成的标签数据和所提出验证方法的时间开销、存储开销和Gas开销进行分析。算例结果表明,所提出的标签模型展示了EV用户、运营商以及电网侧负荷波动的最优值特征,构建聚合树的时间开销达到毫秒级,相比于传统验证方式,聚合验证智能合约的Gas开销显著降低。因此,所提出的可信联邦学习方法与电网中多方主体利益一致,并具有较好的性能。
