-
题名直流充电整流模块的风阻仿真和试验研究
- 1
-
-
作者
张银
江丙云
季仁才
戚振贤
-
机构
万帮数字能源股份有限公司
国创移动能源创新中心(江苏)有限公司
-
出处
《机械设计与制造》
北大核心
2025年第6期231-234,共4页
-
基金
国际科技合作项目—常州市第十五批科技计划(CZ20210009)。
-
文摘
针对直流充电桩的整流模块,使用仿真和试验相结合的方法进行风阻特性研究。首先对整流模块进行三维逆向建模,然后导入热仿真软件中进行网格划分、迭代求解得到压力、流速等关键参数,得到风阻特性曲线,同时,开展相应的风洞和风量试验。结果表明:风阻特性的仿真结果与试验结果误差小于5%,证明仿真方法获取模块风阻曲线的可靠性。此外,基于仿真和测量结果绘制出模块风阻特性曲线,标记出风扇工作点,以此判断风机工作点位于最佳工作区。
-
关键词
整流模块
风阻曲线
风洞试验
流场仿真
直流充电桩
-
Keywords
Rectifier Module
Wind Resistance Curve
Wind Tunnel Experiment
Fluid Simulation
DC Charg-ing Pile
-
分类号
TH16
[机械工程—机械制造及自动化]
TM51
[电气工程—电器]
-
-
题名基于用水总量控制的雄安新区用水强度指标体系
被引量：8
- 2
-
-
作者
吕良华
姜蓓蕾
耿雷华
张海滨
庞苏
-
机构
南京水利科学研究院水文水资源与水利工程科学国家重点实验室
万帮数字能源股份有限公司
-
出处
《水资源保护》
EI
CAS
CSCD
北大核心
2022年第5期105-110,共6页
-
基金
国家重点研发计划(2018YFC0406506)
中央级公益性科研院所基本科研业务费专项(Y519002)。
-
文摘
为实现用水总量的控制目标,从控制用水强度、提高水资源利用效率两方面出发,利用比拟借鉴方法构建了雄安新区不同时期分行业、分区域的用水强度指标体系。针对用水强度指标的不确定性,利用随机模拟方法预测了雄安新区不同时期需水总量,并进行统计分析。结果表明:雄安新区建设期、建成期、腾飞期最小需水量在7.5亿m^(3)以内,平均需水量为8亿m^(3)左右,最大需水量达到9亿m^(3);建议在建立先进用水强度指标体系的基础上,严格用水强度指标的执行监管,确保用水强度指标落地见效,全面推广生活、工业、农业先进节水技术,加强非常规水资源利用,促进水资源高效循环利用。
-
关键词
用水强度
需水预测
用水总量控制
雄安新区
-
Keywords
water use intensity
water demand prediction
total water consumption control
Xiong'an New Area
-
分类号
TV213.4
[水利工程—水文学及水资源]
-
-
题名基于虚拟同步发电机控制技术的V2G系统研究
被引量：16
- 3
-
-
作者
李德胜
李国策
刘博
-
机构
国创新能源汽车智慧能源装备创新中心(江苏)有限公司
万帮数字能源股份有限公司
-
出处
《电力系统保护与控制》
CSCD
北大核心
2021年第7期127-133,共7页
-
基金
国家自然科学基金项目资助(51277056)。
-
文摘
随着新能源汽车的普及,V2G(Vehicle-to-Grid)技术受到越来越多的重视。针对电动汽车并入配电网低惯性的特点,选取虚拟同步发电机控制技术(VirtualSynchronousGenerator, VSG)作为控制方案,结合同步发电机的功角曲线和转动惯量的特性,提出了一种转动惯量的自适应控制算法。利用有功转子环节功率变化量与频率变化量之间存在一阶惯性的特点,通过分析转动惯量与此一阶惯性环节时间常数之间存在的关系,设计了转动惯量的自适应控制算法。并分析了同步发电机的调差系数、阻尼系数与下垂系数之间的关系。最后在Simulink仿真平台搭建模型,验证了所提算法的有效性。
-
关键词
V2G
虚拟同步发电机
转动惯量
自适应算法
功角曲线
-
Keywords
V2G
virtual synchronous generator
moment of inertia
adaptive algorithm
power angle curve
-
分类号
TM31
[电气工程—电机]
-
-
题名充电桩抗冲击性能的BP神经网络预测
被引量：3
- 4
-
-
作者
胡鹏
吴俊
江丙云
袁鹏飞
刘俊磊
刘昊
-
机构
万帮数字能源股份有限公司
浙江大学机械工程学院
-
出处
《机械设计》
CSCD
北大核心
2023年第S02期143-148,共6页
-
基金
江苏省重大共性技术研发项目-大功率自动充电系统(GC04C200001)
常州市第十五批科技计划项目(CZ20210009)
-
文摘
抗冲击性能是电动汽车充电桩的重要指标,文中结合试验测试提出了基于BP神经网络的预测模型,以快速预测不同工况下的充电桩的抗冲击性能。首先,搭建充电桩冲击试验平台,并建立相应的有限元仿真模型,结合试验结果,验证了仿真模型的准确性;其次,采用拉丁超立方方法设计200组仿真方案,并借助Python脚本语言,自动提取充电桩的抗冲击性能;最后,通过调整神经网络中的超参数,建立了充电桩抗冲击性能的预测模型。结果表明:预测模型与仿真模型的抗冲击性能的最大相对误差小于5%,并相较于仿真求解的数以小时计,神经网络预测模型仅需要几毫秒。采用神经网络模型对充电桩的抗冲击性能进行评估,极大地缩短了计算时间。
-
关键词
充电桩
冲击性能
神经网络
仿真模型
Python脚本
-
Keywords
charging pile
impact performance
neural network
simulation model
Python script
-
分类号
U491.8
[交通运输工程—交通运输规划与管理]
-
