基于深度神经网络的直流充电桩远程计量性能检定方法

为实现对直流充电桩计量性能远程、节约、高效的检定,基于深度神经网络(DNN),采用现场电动汽车直流充电桩充电的大量数据,在对充电过程中各变量与累计电能进行相关性分析的基础上,建立了直流充电桩累计电能计算的DNN模型,提出了一种可用于直流充电桩的远程计量性能检定方法。实例验证结果表明:电池荷电状态对累计电能计算的影响最大,电流的影响最小；建立的DNN模型可准确计算待测桩的“实际”输出电能,模型计算结果的示值误差与实际检定示值误差间差值的绝对值小于1%；提出的直流充电桩远程计量性能检定方法可实现高效的直流充电桩计量性能评估。     

基于公平权重的电动汽车充电功率分配策略

为满足规模化电动汽车用户多样性的充电需求,提出一种基于公平权重的电动汽车充电功率分配策略.首先,在M/M/C/N排队模型的基础上加入优先级惩罚机制,初步优化用户等待时长和充电功率;其次,针对用户充电时的满意度问题,提出一种基于惩罚因子的用户满意度函数;最后,利用优化的熵权法在满足用户需求的前提下,将用户间的充电公平因子以权重的形式参与到功率分配中,实现对区内可用负荷的公平分配,并运用用户满意度函数对功率分配方法进行评价.仿真算例表明,新用户加入充电方式分配算法和基于公平权重的功率分配策略能进一步优化用户等待时长和充电功率;所提出的用户满意度函数也能有效地评价用户对充电站的态度,有助于各充电站改进服务,进一步优化用户体验.     

天气影响下基于风险评估的电动汽车光伏充电站需求响应

在“碳达峰、碳中和”背景下，新能源发电逐渐占主导地位，电动汽车数量增长显著，电动汽车光伏充电站将在需求响应方面有重要作用。该文提出一种天气影响下基于风险评估的电动汽车光伏充电站的需求响应方案，根据构建的“预测—预防—响应”三阶段流程图，结合电网及天气的地理信息系统(geographic information system, GIS)数据进行多层时空数据整合分析，作出风险地图；并据此进行天气对用户影响的风险评估，对装备有光伏发电的电动汽车充电站的运行成本进行建模，优化充电站资源在日前储备市场的参与方案；在用户参与下分别进行需求侧管理(demand side management, DSM)和停电应急管理(outage management, OM)，并进行案例研究。该文研究能有效预测天气对电力用户影响并将其可视化，并验证了带有光伏发电的电动汽车充电站，有助于减轻天气对电力供应造成负面影响的作用。