电动汽车(EV)
电动汽车(EV)的相关文献在1998年到2022年内共计78篇,主要集中在电工技术、公路运输、自动化技术、计算机技术
等领域,其中期刊论文75篇、专利文献860642篇;相关期刊33种,包括城市建设、科技管理研究、科学技术与工程等;
电动汽车(EV)的相关文献由253位作者贡献,包括文福拴、张西竹、杨文涛等。
电动汽车(EV)—发文量
专利文献>
论文:860642篇
占比:99.99%
总计:860717篇
电动汽车(EV)
-研究学者
- 文福拴
- 张西竹
- 杨文涛
- 王蕾
- 何胜利
- 刘巍
- 刘洵源
- 刘现涛
- 姚方
- 张玮亚
- 张甜
- 徐荆州
- 李强
- 李浩
- 李锰
- 李鹏
- 杨昌海
- 王利利
- 王志刚
- 王珂
- 缪庆
- 苑芸芸
- 葛磊蛟
- 邹波
- 陈中
- 陈全世
- 黄健
- 黄泽华
- 齐峰
- Majid Dadafshar1
- UweSCHAEFER
- 于子豪
- 亨宁·瓦伦托维兹
- 何博
- 何茂军
- 何莉萍
- 何逢春
- 侯岚
- 俞哲人
- 俞小莉
- 兰鹏
- 冯昌森
- 刁冠通
- 刘代勇
- 刘会兰
- 刘俊勇
- 刘冬群
- 刘宏
- 刘明杭
- 刘曌煜
-
-
程杉;
赵子凯;
陈诺;
于子豪
-
-
摘要:
实现电动汽车与电网互利共赢的前提之一是如何有效预测电动汽车的充电负荷,而电动汽车时空转移的随机性和转移过程中各因素的耦合性增加了充电负荷预测的难度,文中提出一种计及动态转移规划和耦合因素的电动汽车充电负荷时空分布预测方法。首先,基于出行链技术建立含多类型电动汽车的单体出行数学模型;在此基础上,考虑交通流量、行驶路况和温度,构建电动汽车的单位里程能耗数学模型。然后,基于马尔可夫决策过程理论,考虑剩余行程和路网拥堵信息,动态更新路网信息和随机规划电动汽车时空转移路径。最后,基于算例,对比分析电动汽车及其充电负荷在不同策略、职能区域和出行日情况下的时空分布。结果表明:文中所提方法能够全面反映电动汽车车主的出行决策,且预测结果能真实反应电动汽车类型和职能区域不同导致的充电负荷在幅值和分布上的差异。
-
-
刘明杭;
田书;
梁英达
-
-
摘要:
为了解决电动汽车(electric vehicle,EV)大规模接入微电网后,由于无序充电而导致的日负荷波动增大以及运行成本增高的问题,提出了一种考虑用户满意度的微电网双层多目标优化调度方案。方案将微电网日前优化调度过程分为配网层和负荷层,配网层以最小化日负荷方差和最低的系统运行成本为目标,制定了电动汽车聚合商(electric vehicle aggregator,EVA)调度策略。负荷层制定每辆电动汽车的充电策略,在EVA的调度计划下,按照配电网系统层的要求,最大限度地提高用户的综合满意度。通过多场景对比分析,结果表明所提出的优化模型在减少日负荷方差、提高系统经济性的同时,提升了用户综合满意度,增大了用户参与调度的积极性。
-
-
孟祥福;
杨玉;
张永库;
张霄雁;
陈柔冰;
王泽
-
-
摘要:
我国政府目前已建成一定规模的充电站网络。针对充电站网络利用率低,存在大量冗余站点和电动汽车充电难等问题,提出了一种数据驱动的充电站网络优化方法。首先,该方法模拟电动汽车充电行为,对不同时间戳内的充电站分别建立队列系统,进而估计充电站间的到达率情况。在此基础上,分析城市电动汽车的充电行为空间特征,用于挖掘城市电动汽车的充电热点。然后,对充电站间的竞争依赖关系、地理位置特征及用户充电偏好间的相互作用进行建模,进而提出了充电站在网络中的使用效益评分函数。最后,建立了以最大化充电站网络使用效益为目标的充电站网络优化模型,并提出了基于充电热点的启发式网络扩展算法进行模型求解,从而获取最佳充电站网络布局。以一个典型的城区为例进行的实验测试结果表明,该方法不仅能在消除冗余站点的同时提高充电站利用率,而且能够识别充电站网络拥堵区域,为政府规划部门解决充电难问题提供了决策支持。
-
-
李咸善;
鄂璇
-
-
摘要:
在含电动汽车(electric vehicle,EV)微电网(micragrid,MG)的调峰调度中,实施分时电价或实时电价引导EV参与调峰,会导致EV过度响应或响应疲惫现象。为此,提出了分档电价协同碳配额激励机制下的含电动汽车微电网博弈优化调度策略。建立了微电网与电动汽车的主从博弈优化调度模型,微电网主体以运行成本最小和极小化负荷均方差为优化目标,考虑新能源发电完全消纳,针对等效净负荷水平制定分档电价并和碳配额协同激励,引导电动汽车在新能源发电余缺时充放电的适度响应;电动汽车用户从体响应微电网激励优化电动汽车充放电行为使其成本最小。采用粒子群算法(particle swarm optimization,PSO)求解优化模型纳什均衡点,获得微电网侧最优分档电价(ladder electricity price,LP)和电动汽车调度策略的集合。通过仿真算例验证了所提方法的有效性。
-
-
李强;
朱丹丹;
黄地;
吴盛军;
杨永标;
宋嘉启
-
-
摘要:
虚拟电厂(VPP)是管理分布式能源的重要手段,合理制定VPP运营商与电动汽车(EV)用户的定价策略,可引导EV充分消纳风、光等可再生能源,实现VPP运营商与EV用户的双赢。在此背景下,文中首先提出VPP作为售电运营商参与EV有序充电管理的主从博弈模型,其中运营商通过主从博弈制定合理的售电价格引导EV有序充电,并协调各类分布式资源参与电力市场。然后,计及风电出力的波动性和常规负荷的不确定性,在建模中引入条件风险价值(CVaR)理论,并通过Karush-Kuhn-Tucker (KKT)条件和对偶理论将模型转化为混合整数线性规划问题进行求解。最后,基于算例给出VPP运营商的最优定价策略及出力计划,并分析不同EV比例、储能最大容量、风险偏好系数对最优解的影响,为提高VPP运营收益提供优化思路。
-
-
侯岚;
李玉杰;
贾晓明;
王林杰;
钱聪;
王剑
-
-
摘要:
随着可再生能源(RE)的快速发展与智能电网的不断进步,现代电力系统的能耗特性设计朝着更灵活、更经济的微电网(MG)快速转变,MG多主体综合能源的高度参与给系统的高效经济运行带来了挑战。针对MG多能交互的复杂容量配置现状,文中提出一种包含光伏(PV),风电(WT),柴油发电机(DG)和电池储能系统(BESS)的独立MG联合容量优化方法。建立PV、WT、DG、BESS和电动汽车(EV)充电负荷模型,考虑了EV充电负荷,以最小化成本、减少温室气体排放、减少弃能为目标进行容量配置,结果表明提出的PV-WT-BESS-DG组合结构不仅经济而且可靠性高,温室气体排放量小。研究结果可为MG容量优化配置提供有力支撑。
-
-
董振鹏;
祖炳锋;
周建伟;
徐佳晨
-
-
摘要:
为了提高滑行能量回收经济性和踏板制动安全性、舒适性,基于交通信息,提出了电动汽车(EV)制动协调策略.分析了滑行制动的经济性,由交通信息和汽车行驶状态确定滑行制动强度;由道路信息和前方车辆信息建立汽车安全距离模型和碰撞预警策略,利用预警信息对滑行制动和踏板制动强度进行协调.对本策略进行仿真验证.结果表明:利用交通信息的滑行策略,在通行良好工况下综合能耗减少1.1%,拥堵工况下减轻驾驶员的制动疲劳;预警和协调策略避免了频繁预警,减小了紧急避撞触发几率.因此,利用交通信息能够辅助驾驶员进行更加合理的制动.
-
-
黄伟;
叶波
-
-
摘要:
电动汽车(electric vehicles,EV)的大规模接入,给综合能源系统调度带来了机遇和挑战.文章考虑电-热-气混合潮流和电动汽车的调度灵活性,建立了含电动汽车的综合能源系统两层嵌套调度模型,对电动汽车进行分群分层调度,合理制定每辆汽车的充放电策略.调度计划层以调度方案成本最小、能量波动最小和环保性最优为目标函数,采用改进的多目标粒子群优化(multi-objective particle swarm optimization,MOPSO)算法求解日前调度计划.EV调度层以用户满意度为目标,采用粒子群(particle swarm optimization,PSO)算法制定出各集群的充放电计划,集群内根据动态优先级制定每辆EV的充放电策略.算例分析表明,所建立的调度模型可有效求解含电动汽车的综合能源系统调度问题,且计算维度小、速度快,具有实用性.
-
-
李宗华;
翟钧;
王贤军;
马明泽;
刁冠通
-
-
摘要:
研究了纯电动汽车用户里程焦虑对用户使用行为的影响.提出了一种基于车联网大数据用户使用行为的里程焦虑程度判定模型.运用Kernal K-means聚类算法,分析了用户的里程焦虑差异在充电频次、起止充电状态(SOC)、极限使用行为等工况的不同表现,采用逻辑回归算法,建立里程焦虑分类识别模型;通过评分卡方法,把逻辑回归模型输出的焦虑概率转换成里程焦虑等级;采用调查问卷方式,对模型准确性与普遍性进行了实例验证.结果表明:所建立的模型预测准确率为95.6%,能够有效判定用户的里程焦虑程度.若与其它分析维度整合,该方法可对电动汽车用户进行大数据画像分析.
-
-
王若谷;
陈果;
王秀丽;
钱涛;
高欣
-
-
摘要:
风电出力的随机性以及电动汽车(electric vehicle,EV)充电需求的不确定性给电力系统调度带来了挑战.在传统确定性机组组合模型的基础上,针对电力系统日前调度面临的不确定问题,提出了充分考虑风电与电动汽车双重不确定性的随机优化调度及备用计算模型.首先,对于风电出力不确定性,采用基于场景分析的两阶段随机优化方法,并使用生成对抗网络(generative adversarial network,GAN)来生成风电场景.其次,对于电动汽车充电需求的不确定性,将其分为可调度与不可调度两类.可调度电动汽车根据其出行规律采用随机模拟的方法,并建立了EV充电聚集商模型;不可调度电动汽车通过K-means聚类分析得到其典型负荷曲线,并将其并入系统常规负荷中.最终建立了基于多场景分析考虑EV充电聚集商的两阶段随机机组组合模型,并通过算例分析证明了所提模型的有效性.