原文传递
基于电池剩余电量预测的电动公交车充电控制策略研究
| 论文题名： | 基于电池剩余电量预测的电动公交车充电控制策略研究 |
| 关键词： | 电动汽车;RBF神经网络;粒子群优化算法;差分进化算法;充电控制;电池剩余电量;预测模型 |
| 摘要： | 随着人类对化石能源消耗的日益增加，能源短缺问题逐渐凸显。传统汽车作为人们生产、生活中不可或缺的工具，不但消耗大量能源而且其尾气严重污染环境，人们正在寻求新的工具来替代传统汽车。电动汽车借助其尾气零排放、噪声污染小等特点得到了社会各界的大力扶持，将成为未来汽车领域内的中坚力量。然而，当大量电动汽车集中接入电网时，电池作为电力负荷不但会增加当地电网的电力负荷，而且会加剧负荷波动，最终给电网的持续稳定运行带来不利影响，因此有必要为电动汽车制定充电控制策略来维护电网运行。通过控制策略对动力电池进行合理有效的利用能够维护电力负荷平衡，减少电力负荷峰值的叠加，提升电网供电质量，进而优化电网运行并降低其成本。 在查阅大量文献资料以及对电动公交车充电站实地考察的基础上发现，电动公交车在结束一天的运行后电池剩余电量过多，并给当地电网带来众多不利影响。本文以电动公交充电站作为研究对象，通过提高电动公交车电池剩余电量预测结果精度研究制定充电控制策略,最终实现降低剩余电量以及优化电网运行的目的。首先，建立了电动公交车充电负荷模型，分析充电以及剩余电量过多给当地电网带来的影响。然后，利用径向基神经网络搭建预测模型对电动公交车电池剩余电量进行预测，为进一步提高其预测结果精度，通过粒子群算法对径向基神经网络的扩展常数、神经元个数寻求最优解，优化电池电量预测算法；最后，在提高剩余电量预测结果精度的基础上研究制定充电控制策略，将负荷波动最小、谷峰差最低作为控制目标函数，利用差分进化算法进行全局寻优求解，并用MTLAB仿真分析。 从仿真结果可以看出，经过优化之后算法预测结果的精度明显提高，在此基础上的充电控制策略能够有效的将日间补充充电负荷部分转移到夜间电力负荷低谷时段，减小了电力负荷峰值，填补了电力负荷低谷，减轻了电力负荷波动，维护了电网的电力负荷平衡；同时降低了电池的剩余电量，减少了充电站充运营成本。 |
| 作者： | 胡亚超 |
| 专业： | 电机与电器 |
| 导师： | 陈霞 |
| 授予学位： | 硕士 |
| 授予学位单位： | 山东科技大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
