CN109249815A - 一种基于afe的高压充电控制系统及控制方法 - Google Patents
一种基于afe的高压充电控制系统及控制方法 Download PDFInfo
- Publication number
- CN109249815A CN109249815A CN201811194436.3A CN201811194436A CN109249815A CN 109249815 A CN109249815 A CN 109249815A CN 201811194436 A CN201811194436 A CN 201811194436A CN 109249815 A CN109249815 A CN 109249815A
- Authority
- CN
- China
- Prior art keywords
- group
- load
- module
- electric current
- afe
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 230000001681 protective effect Effects 0.000 claims abstract description 18
- 230000008901 benefit Effects 0.000 claims abstract description 4
- 230000009182 swimming Effects 0.000 claims description 48
- 238000005259 measurement Methods 0.000 claims description 30
- 241000854291 Dianthus carthusianorum Species 0.000 claims description 24
- 238000001228 spectrum Methods 0.000 claims description 21
- 238000006243 chemical reaction Methods 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 15
- 230000004931 aggregating effect Effects 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 14
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 8
- 230000005611 electricity Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000005265 energy consumption Methods 0.000 claims description 7
- 238000006116 polymerization reaction Methods 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000003595 spectral effect Effects 0.000 claims description 4
- 241001269238 Data Species 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 230000002441 reversible effect Effects 0.000 claims description 3
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/44—Methods for charging or discharging
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/80—Technologies aiming to reduce greenhouse gasses emissions common to all road transportation technologies
- Y02T10/92—Energy efficient charging or discharging systems for batteries, ultracapacitors, supercapacitors or double-layer capacitors specially adapted for vehicles
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/14—Plug-in electric vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明属于高压充电领域,公开了一种基于AFE的高压充电控制系统及控制方法,控制系统设置有BMS系统,BMS系统连接驱动模块、输入电流检测模块、AFE模块、保护模块、输出电流检测模块。BMS系统与操作系统连接,受操作系统控制;驱动模块后连接有交流电输入模块、其他电流输入模块,交流电输入模块、其他电流输入模块受输入电流检测模块检测,AFE模块连接有保护模块,保护模块与电流输出模块连接,电流输出模块受输出电流检测模块检测。本发明可以率大、寿命长、效率高、成本低、故障率低的特点,提高新能源汽车充电的稳定性和安全性,极大的降低新能源汽车充电综合成本,增加新能源汽车充电站的经济效益。
Description
技术领域
本发明属于高压充电领域,尤其涉及一种基于AFE的高压充电控制系统及 控制方法。
背景技术
直流充电桩,俗称“快充”,顾名思义,就是可以快速地对电动汽车充电。 直流充电桩分为一体式直流充电桩和分体式直流充电桩两类,目前在这两类结 构中MOSFET模块占据市场主导地位,但采用在高压电控制方面存在如下问题: 模块转换效率低,模块寿命有限,模块故障率高,安全性不足。
综上所述,现有技术存在的问题是:
现有技术中,模块转换效率低,模块寿命有限,模块故障率高,安全性不 足。
还存在电网的功率因数低,电网污染高;
对新能源汽车充电的稳定性和安全性差。
发明内容
针对现有技术存在的问题,本发明提供了一种基于AFE的高压充电控制系 统及控制方法。
本发明是这样实现的,
一种基于AFE的高压充电的控制方法,所述基于AFE的高压充电的控制方 法包括:
AFE模块采用共直流母线微网系统对不同的电流进行统一转化;
AFE模块中滤波模块对电流进行滤波,AFE模块将电流信息反馈到BMS 系统,BMS系统通过智能调节控制电流的输入与转化,并控制电流的输出模块、 输出电流检测模块对输出电流进行检测、调整;
进一步,所述基于AFE的高压充电的控制方法还包括:
通过BMS系统控制驱动模块进行工作,由交流电输入模块、其他电流输入 模块提供电力,经过输出电流检测模块反馈到BMS系统;
当出现故障时,保护模块与报警模块进行保护。
进一步,共直流母线微网系统对不同的电流进行统一转化中,需先对不同 电流的相位噪声信号进行处理,得到正确相位噪声测量结果后,进行电流网络 群间负载平衡,具体包括:
通过振荡器信号的功率谱模型,利用信号功率谱测量数据,采用非线性最 小二乘法进行曲线拟合,得到功率谱模型中的参数初值,并编写正则方程组对 参数进行修正,最终得到满足既定要求的参数;再根据信号功率谱与其相位噪 声幂律模型的关系,将求得的参数代入相位噪声幂律模型中,进而得到被测信 号的相位噪声测量结果;再进行电流网络群间负载平衡;
采用非线性最小二乘法确定参数初值的方法具体包括:
依据式采用非线性最小二乘法,确定参数的初值,取(β=0,1,2,3,4),即需要选择aβ的初值,将式表示为如 下的矩阵形式:
FA=S;
其中:
A=[a0 a1 … a4]T S=[S0 S1 … S4]T;
矩阵F中所要用的数据点是从N个{(fi,Si)}i=1,2,…,N中选取五个频率点, 选取的数值应保证矩阵F是满秩可逆;
由此得表示参数aβ初值的矩阵A的初值为:
以为初始值进行迭代对矩阵A的值进行估计,l表示 迭代次数,此时l=0;
参数估计的误差由以下方程估算:
其中系数和为:
其中Sk表示频率fk处的功率谱测量值,表示频率fk处对应的功率谱的第l 次迭代值,即:
噪声模型参数估计的判断方法为:
判断如不满足误差要求,令:
l=l+1;
并将修正后的和对应的功率谱测量数据代入正则方程组进行求解,得到各参数的修正值β=0,1,···4,重新判断直至误差满足测量要求或达到 设定的迭代次数。
满足误差要求,则将参数值作为(β=0,1,2,3,4)的值代入式中,即得到被测信号的相位噪声,并由 此绘制相位噪声曲线;
电流网络群间负载平衡的方法包括:
步骤1,电流群A的超级节点S随机地向周围k·log2N个群发送群负载请求 消息,获取所述k·log2N个群的负载信息,并通过计算这k·log2N个群的负载平 均值来估算出当前整个网络的群平均负载Loadavg,其中k是一个在区间[1, N/log2N]取值的整数,N为网络中群的数目;
步骤2,若电流群A当前负载Load>γ·Loadavg,且群分裂成的两个小群中节 点数目均大于网络群节点数目下限,则将该群分裂成两个群,其中γ是一个大于 1的实数,网络群间负载平衡的方法本次执行结束;否则转至步骤3;
步骤3,构建网络中Chord环,电流群A向其前驱群和后继群发送负载请 求消息,从而获取前驱群和后继群的当前负载情况,其中前驱群为网络Chord 环中离电流群A最近的前一个群,后继群为网络Chord环中离电流群A最近的 后一个群;
步骤4,如果电流群A当前负载Load>Loadavg则转至步骤5,如果Load<Loadavg则转至步骤8;否则网络群间负载平衡的方法执行结束;
步骤5,如果电流群A负载Load≥Loadlight/(1-2·β),则将自身负载降低β, 其中β是一个在区间(0,0.5)取值的实数,并转至步骤6;否则转至步骤8;其 中Loadlight为该群的前驱群和后继群中负载较小的群的负载;
步骤6,如果Loadlight为电流群A的前驱群的负载,则电流群A通知其前驱 群沿着Chord环顺时针移动,移动的地址空间长度为 (Load-Loadlight)×Length/(2×Load),并将相应的元数据转移到前驱群中,网络群间 负载平衡的方法本次执行结束,其中Length为电流群A在Chord环中所维护的 地址空间长度;否则转至步骤7;
步骤7,Loadlight为电流群A的后继群的负载,则该群沿着Chord环逆时针 移动,移动的地址空间长度为(Load-Loadlight)×Length/(2×Load),并将相应的元数 据转移到后继群中,而后网络群间负载平衡的方法本次执行结束;
步骤8,如果Load≤(1-2·β)·Loadheavy,并转至步骤9;其中Loadheavy为该群的 前驱群和后继群中负载较重群的负载,β是一个在区间(0,0.5)取值的实数,否 则网络群间负载平衡方法执行结束;
步骤9,如果Loadheavy为电流群A的前驱群的负载,则电流群A通知其前驱 群沿着Chord环逆时针移动,移动的地址空间长度为 (Loadheavy-Load)×Lengthpredecessor/(2×Loadheavy),并从前驱群获取相应的元数据,其 中Lengthpredecessor为前驱群在Chord环中所维护的地址空间长度,而后网络群间负 载平衡方法本次执行结束;否则转至步骤10;
步骤10,Loadheavy为电流群A的后继群的负载,则电流群A沿着Chord环顺 时针移动,移动的地址空间长度为(Loadheavy-Load)×Lengthsuccessor/(2×Loadheavy),并 从后继群获取相应的元数据,其中Lengthsuccessor为后继群在Chord环中所维护的地 址空间长度,此时网络群间负载平衡方法执行结束。
进一步,BMS系统通过智能调节控制电流的输入与转化,并控制电流的输 出模块、输出电流检测模块对输出电流进行检测、调整,具体包括:
首先在BMS系统集成的传感器节点上进行格拉布斯预处理,删除误差较大 的数据,然后再利用自适应数据聚合算法向簇首节点进行聚合,最后簇首节点 再以多跳的方式向基站进行数据传输,在非均匀成簇的基础上引入格拉布斯预 处理来减少误差较大的数据的传输能耗,加入自适应数据聚合算法来降低簇首 节点的能耗;
利用自适应数据聚合算法向簇首节点进行聚合具体包括:
步骤一,在面积为S=L*L的部署区域内,随机分布N个同构的无线传感器 节点,sink节点位于部署区域之外,节点处理整个无线传感器网络内收集到的 数据;
步骤二,非均匀成簇
sink节点位于部署区域的上方;首先部署区域X轴划分为S个泳道,所有 泳道有相同的宽度w,并且每个泳道的长度与部署区域的长度相等;用从1到s 作为泳道的ID,最左端的泳道的ID为1,然后每个泳道沿着y轴划分为多个矩 形网格,每个泳道中的每个网格都被定义一个水平,最下端的网格的水平为1, 每个网格和每个泳道有相同的宽度w;每个泳道中网格的个数、长度与泳道到 sink的距离有关;通过设置网格的长度来调整网格的大小;针对不同的泳道, 距离sink越远的泳道含有的网格数目越小;针对同一泳道,距离sink越远的 网格的长度越大;A中含有S个元素,第k个元素表示在第k个泳道中网格的数 目;每个网格用一个数组(i,j)作为ID,表示第i个泳道有水平j;定义S个 数组表示网格的长度,第v个数组Hv表示第v个泳道中网格的长度,并且Hv的 第w个元素hvw表示网格(v,w)的长度;网格(i,j)的边界为:
o_x+(i-1)×w<x≤o_x+i×w
非均匀网格划分好之后进行成簇阶段;算法分为很多轮进行,在每轮中选 取每个网格中剩余能量最大的节点作为簇首节点,其余节点根据就近原则加入 簇,然后再进行数据聚合;
步骤三,格拉布斯预处理
传感器节点需要对收集的数据进行预处理,然后再向簇首节点传输数据; 采用格拉布斯预准则对传感器节点所采集到的数据进行预处理假设某个簇首节 点含有n个传感器节点,传感器节点收集到的数据为x1,x2,…,xn,服从正态分布, 并设:
根据顺序统计原理,计算格拉布斯统计量:
给定显著性水平α=0.05之后,测量值满足gi≤g0(n,α),则认为测量值有效, 测量值参与到下一层次的数据聚合;反之,则认为测量值无效,因此需要剔除, 即不参与到下一层次的数据聚合;
步骤四,自适应聚合算法
通过迭代得到各个节点测量数据的无偏估计值,求取各个传感器节点的测 量数据值与估计值之间的欧式距离,以归一化的欧式距离作为自适应加权融和 的权值;选用簇中的传感器节点采集到的数据的最大值与最小值的平均值作为 中心数据;
某个簇中有个传感器节点,用维列向量D=(d1,d2,…,dn)表示相应节点的测量值,通过计算各个节点数据与中心数据的欧式距离反应不同节点数据与中心数 据之间的偏差大小,其中li的计算公式为:
根据欧式距离自适应设定相应的权值大小,距离越大权值越小,距离越小 权值越大;
其中wi为相应的权值。
本发明的另一目的在于提供一种计算机程序,所述计算机程序运行所述的 基于AFE的高压充电的控制方法。
本发明的另一目的在于提供一种终端,所述终端至少搭载实现所述基于 AFE的高压充电的控制方法的控制器。
本发明的另一目的在于提供一种计算机可读存储介质,包括指令,当其在 计算机上运行时,使得计算机执行所述的基于AFE的高压充电的控制方法。
本发明的另一目的在于提供一种实施所述基于AFE的高压充电的控制方法 的基于AFE的高压充电控制系统,所述基于AFE的高压充电控制系统,设置有:
BMS系统,所述BMS系统连接驱动模块、输入电流检测模块、AFE模块、 保护模块、输出电流检测模块、操作系统;用于智能调节控制电流的输入与转 化,并控制电流的输出模块、输出电流检测模块对输出电流进行检测、调整;
驱动模块连接有交流电输入模块、其他电流输入模块、输入电流检测模块;, AFE模块连接有保护模块,保护模块与电流输出模块连接。
进一步,所述AFE模块包括IGBT模块与滤波模块;IGBT模块与滤波模块 通过信号线连接;
BMS系统连接有报警模块。
本发明的另一目的在于提供一种新能源车充电桩,所述新能源车充电桩至 少搭载所述的基于AFE的高压充电控制系统。
本发明的优点及积极效果为:
该发明设置有共直流母线微网系统,共直流母线技术用于部分充换电站系 统,可以实现废旧电池的循环利用,做到削峰填谷。该发明设置有IGBT模块, IGBT特有的功率大、寿命长、效率高、成本低、故障率低的特点,提高了电网 的功率因数,降低对电网污染;实现双向的能量流动,可实现公共电网与直流 母线微网的连接。该发明设置有报警模块和保护模块,可以保证系统的安全性。
该发明可以率大、寿命长、效率高、成本低、故障率低的特点,提高新能 源汽车充电的稳定性和安全性,极大的降低新能源汽车充电综合成本,增加新 能源汽车充电站的经济效益。
本发明共直流母线微网系统对不同的电流进行统一转化中,需先对不同电 流的相位噪声信号进行处理,得到正确相位噪声测量结果后,进行电流网络群 间负载平衡,通过振荡器信号的功率谱模型,利用信号功率谱测量数据,采用 非线性最小二乘法进行曲线拟合,得到功率谱模型中的参数初值,并编写正则 方程组对参数进行修正,最终得到满足既定要求的参数;再根据信号功率谱与 其相位噪声幂律模型的关系,将求得的参数代入相位噪声幂律模型中,进而得 到被测信号的相位噪声测量结果;再进行电流网络群间负载平衡;可对不同的 转化电流进行智能调整,满足不同电流的需求。
本发明BMS系统通过智能调节控制电流的输入与转化,并控制电流的输出 模块、输出电流检测模块对输出电流进行检测、调整,首先在BMS系统集成的 传感器节点上进行格拉布斯预处理,删除误差较大的数据,然后再利用自适应 数据聚合算法向簇首节点进行聚合,最后簇首节点再以多跳的方式向基站进行 数据传输,在非均匀成簇的基础上引入格拉布斯预处理来减少误差较大的数据 的传输能耗,加入自适应数据聚合算法来降低簇首节点的能耗;保证了智能调 节控制电流实施,为设备正确运行提供保证。
附图说明
图1是本发明实施例提供的基于AFE的高压充电控制系统示意图;
图中:1、驱动模块;2、交流电输入模块;3、输入电流检测模块;4、IGBT 模块;5、共直流母线微网系统;6、AFE模块;7、滤波模块;8、保护模块;9、 电流输出模块;10、输出电流检测模块;11、BMS系统;12、操作系统;13、 警报模块;14、其他电流输入模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并 配合附图1详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示,本发明实施例提供的基于AFE的高压充电控制系统,包括: 驱动模块1、交流电输入模块2、输入电流检测模块3、IGBT模块4、共直流母 线微网系统5、AFE模块6、滤波模块7、保护模块8、电流输出模块9、输出电 流检测模块10、BMS系统11、操作系统12、警报模块13、其他电流输入模块 14。
所述BMS系统11连接驱动模块1、输入电流检测模块3、AFE模块6、保 护模块8、输出电流检测模块10。BMS系统11与操作系统12连接,受操作系 统12控制;
驱动模块1后连接有交流电输入模块2、其他电流输入模块9,交流电输入 模块2、其他电流输入模块9受输入电流检测模块检测3,AFE模块6连接有 保护模块8,保护模块8与电流输出模块9连接,电流输出模块9受输出电流检 测模块10检测。
所述AFE模块6包括IGBT模块4与滤波模块7。
所述IGBT模块4使用共直流母线微网系统5。
所述BMS系统11连接有报警模块13。
本发明实施例提供的基于AFE的高压充电的控制方法,包括:
通过BMS系统控制驱动模块进行工作,由交流电输入模块2、其他电流输 入模块提供电力,经过输出电流检测模块反馈到BMS系统;
AFE模块采用共直流母线微网系统对不同的电流进行统一转化;
AFE模块中滤波模块对电流进行滤波,AFE模块将电流信息反馈到BMS 系统,BMS系统通过智能调节控制电流的输入与转化,并控制电流的输出模块、 输出电流检测模块对输出电流进行检测,将信息反馈到BMS系统,BMS系统 进行调整;
当出现故障时,保护模块与报警模块进行保护。
本发明的工作原理:该发明通过BMS系统11作为处理系统,控制驱动模 块1进行工作,由交流电输入模块2、其他电流输入模块9提供电力经过输出电 流检测模块3反馈到BMS系统11,AFE模块6采用共直流母线微网系统5实 现对不同的电流进行统一转化,AFE模块6中滤波模块7实现电流的滤波功能, AFE模块6将电流信息反馈到BMS系统11,BMS系统11通过智能调节控制电 流的输入与转化,并控制电流的输出模块9,输出电流检测模块10对输出电流 进行检测,将信息反馈到BMS系统11,BMS系统11进行调整,操作系统12 由工作人员进行操作;当出现故障时保护模块8与报警模块13提供保护。
下面结合具体分析对本发明作进一步描述。
本发明实施例提供的共直流母线微网系统对不同的电流进行统一转化中, 需先对不同电流的相位噪声信号进行处理,得到正确相位噪声测量结果后,进 行电流网络群间负载平衡,具体包括:
通过振荡器信号的功率谱模型,利用信号功率谱测量数据,采用非线性最 小二乘法进行曲线拟合,得到功率谱模型中的参数初值,并编写正则方程组对 参数进行修正,最终得到满足既定要求的参数;再根据信号功率谱与其相位噪 声幂律模型的关系,将求得的参数代入相位噪声幂律模型中,进而得到被测信 号的相位噪声测量结果;再进行电流网络群间负载平衡;
采用非线性最小二乘法确定参数初值的方法具体包括:
依据式采用非线性最小二乘法,确定参数的初值,取(β=0,1,2,3,4),即需要选择aβ的初值,将式表示为如 下的矩阵形式:
FA=S;
其中:
A=[a0 a1 … a4]T S=[S0 S1 … S4]T;
矩阵F中所要用的数据点是从N个{(fi,Si)}i=1,2,…,N中选取五个频率点, 选取的数值应保证矩阵F是满秩可逆;
由此得表示参数aβ初值的矩阵A的初值为:
以为初始值进行迭代对矩阵A的值进行估计,l表示 迭代次数,此时l=0;
参数估计的误差由以下方程估算:
其中系数和为:
其中Sk表示频率fk处的功率谱测量值,表示频率fk处对应的功率谱的第l 次迭代值,即:
噪声模型参数估计的判断方法为:
判断如不满足误差要求,令:
l=l+1;
并将修正后的和对应的功率谱测量数据代入正则方程组进行求解,得到各参数的修正值β=0,1,···4,重新判断直至误差满足测量要求或达到 设定的迭代次数。
满足误差要求,则将参数值作为(β=0,1,2,3,4)的值代入式中,即得到被测信号的相位噪声,并由 此绘制相位噪声曲线;
电流网络群间负载平衡的方法包括:
步骤1,电流群A的超级节点S随机地向周围k·log2N个群发送群负载请求 消息,获取所述k·log2N个群的负载信息,并通过计算这k·log2N个群的负载平 均值来估算出当前整个网络的群平均负载Loadavg,其中k是一个在区间[1, N/log2N]取值的整数,N为网络中群的数目;
步骤2,若电流群A当前负载Load>γ·Loadavg,且群分裂成的两个小群中节 点数目均大于网络群节点数目下限,则将该群分裂成两个群,其中γ是一个大于 1的实数,网络群间负载平衡的方法本次执行结束;否则转至步骤3;
步骤3,构建网络中Chord环,电流群A向其前驱群和后继群发送负载请 求消息,从而获取前驱群和后继群的当前负载情况,其中前驱群为网络Chord 环中离电流群A最近的前一个群,后继群为网络Chord环中离电流群A最近的 后一个群;
步骤4,如果电流群A当前负载Load>Loadavg则转至步骤5,如果Load<Loadavg则转至步骤8;否则网络群间负载平衡的方法执行结束;
步骤5,如果电流群A负载Load≥Loadlight/(1-2·β),则将自身负载降低β, 其中β是一个在区间(0,0.5)取值的实数,并转至步骤6;否则转至步骤8;其 中Loadlight为该群的前驱群和后继群中负载较小的群的负载;
步骤6,如果Loadlight为电流群A的前驱群的负载,则电流群A通知其前驱 群沿着Chord环顺时针移动,移动的地址空间长度为 (Load-Loadlight)×Length/(2×Load),并将相应的元数据转移到前驱群中,网络群间 负载平衡的方法本次执行结束,其中Length为电流群A在Chord环中所维护的 地址空间长度;否则转至步骤7;
步骤7,Loadlight为电流群A的后继群的负载,则该群沿着Chord环逆时针 移动,移动的地址空间长度为(Load-Loadlight)×Length/(2×Load),并将相应的元数 据转移到后继群中,而后网络群间负载平衡的方法本次执行结束;
步骤8,如果Load≤(1-2·β)·Loadheavy,并转至步骤9;其中Loadheavy为该群的 前驱群和后继群中负载较重群的负载,β是一个在区间(0,0.5)取值的实数,否 则网络群间负载平衡方法执行结束;
步骤9,如果Loadheavy为电流群A的前驱群的负载,则电流群A通知其前驱 群沿着Chord环逆时针移动,移动的地址空间长度为 (Loadheavy-Load)×Lengthpredecessor/(2×Loadheavy),并从前驱群获取相应的元数据,其 中Lengthpredecessor为前驱群在Chord环中所维护的地址空间长度,而后网络群间负 载平衡方法本次执行结束;否则转至步骤10;
步骤10,Loadheavy为电流群A的后继群的负载,则电流群A沿着Chord环顺 时针移动,移动的地址空间长度为(Loadheavy-Load)×Lengthsuccessor/(2×Loadheavy),并 从后继群获取相应的元数据,其中Lengthsuccessor为后继群在Chord环中所维护的地 址空间长度,此时网络群间负载平衡方法执行结束。
BMS系统通过智能调节控制电流的输入与转化,并控制电流的输出模块、 输出电流检测模块对输出电流进行检测、调整,具体包括:
首先在BMS系统集成的传感器节点上进行格拉布斯预处理,删除误差较大 的数据,然后再利用自适应数据聚合算法向簇首节点进行聚合,最后簇首节点 再以多跳的方式向基站进行数据传输,在非均匀成簇的基础上引入格拉布斯预 处理来减少误差较大的数据的传输能耗,加入自适应数据聚合算法来降低簇首 节点的能耗;
利用自适应数据聚合算法向簇首节点进行聚合具体包括:
步骤一,在面积为S=L*L的部署区域内,随机分布N个同构的无线传感器 节点,sink节点位于部署区域之外,节点处理整个无线传感器网络内收集到的 数据;
步骤二,非均匀成簇
sink节点位于部署区域的上方;首先部署区域X轴划分为S个泳道,所有 泳道有相同的宽度w,并且每个泳道的长度与部署区域的长度相等;用从1到s 作为泳道的ID,最左端的泳道的ID为1,然后每个泳道沿着y轴划分为多个矩 形网格,每个泳道中的每个网格都被定义一个水平,最下端的网格的水平为1, 每个网格和每个泳道有相同的宽度w;每个泳道中网格的个数、长度与泳道到 sink的距离有关;通过设置网格的长度来调整网格的大小;针对不同的泳道, 距离sink越远的泳道含有的网格数目越小;针对同一泳道,距离sink越远的 网格的长度越大;A中含有S个元素,第k个元素表示在第k个泳道中网格的数 目;每个网格用一个数组(i,j)作为ID,表示第i个泳道有水平j;定义S个 数组表示网格的长度,第v个数组Hv表示第v个泳道中网格的长度,并且Hv的 第w个元素hvw表示网格(v,w)的长度;网格(i,j)的边界为:
o_x+(i-1)×w<x≤o_x+i×w
非均匀网格划分好之后进行成簇阶段;算法分为很多轮进行,在每轮中选 取每个网格中剩余能量最大的节点作为簇首节点,其余节点根据就近原则加入 簇,然后再进行数据聚合;
步骤三,格拉布斯预处理
传感器节点需要对收集的数据进行预处理,然后再向簇首节点传输数据; 采用格拉布斯预准则对传感器节点所采集到的数据进行预处理假设某个簇首节 点含有n个传感器节点,传感器节点收集到的数据为x1,x2,…,xn,服从正态分布, 并设:
根据顺序统计原理,计算格拉布斯统计量:
给定显著性水平α=0.05之后,测量值满足gi≤g0(n,α),则认为测量值有效, 测量值参与到下一层次的数据聚合;反之,则认为测量值无效,因此需要剔除, 即不参与到下一层次的数据聚合;
步骤四,自适应聚合算法
通过迭代得到各个节点测量数据的无偏估计值,求取各个传感器节点的测 量数据值与估计值之间的欧式距离,以归一化的欧式距离作为自适应加权融和 的权值;选用簇中的传感器节点采集到的数据的最大值与最小值的平均值作为 中心数据;
某个簇中有个传感器节点,用维列向量D=(d1,d2,…,dn)表示相应节点的测量值,通过计算各个节点数据与中心数据的欧式距离反应不同节点数据与中心数 据之间的偏差大小,其中li的计算公式为:
根据欧式距离自适应设定相应的权值大小,距离越大权值越小,距离越小 权值越大;
其中wi为相应的权值。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组 合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程 序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指 令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可 以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算 机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向 另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、 计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或 无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据 中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用 介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。 所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、 或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的 限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变 化与修饰,均属于本发明技术方案的范围内。
Claims (10)
1.一种基于AFE的高压充电的控制方法,其特征在于,所述基于AFE的高压充电的控制方法包括:
AFE模块采用共直流母线微网系统对不同的电流进行统一转化;
AFE模块中滤波模块对电流进行滤波,AFE模块将电流信息反馈到BMS系统,BMS系统通过智能调节控制电流的输入与转化,并控制电流的输出模块、输出电流检测模块对输出电流进行检测、调整。
2.如权利要求1所述的基于AFE的高压充电的控制方法,其特征在于,
所述基于AFE的高压充电的控制方法还包括:
通过BMS系统控制驱动模块进行工作,由交流电输入模块、其他电流输入模块提供电力,经过输出电流检测模块反馈到BMS系统;
当出现故障时,保护模块与报警模块进行保护。
3.如权利要求1所述的基于AFE的高压充电的控制方法,其特征在于,
共直流母线微网系统对不同的电流进行统一转化中,需先对不同电流的相位噪声信号进行处理,得到正确相位噪声测量结果后,进行电流网络群间负载平衡,具体包括:
通过振荡器信号的功率谱模型,利用信号功率谱测量数据,采用非线性最小二乘法进行曲线拟合,得到功率谱模型中的参数初值,并编写正则方程组对参数进行修正,最终得到满足既定要求的参数;再根据信号功率谱与其相位噪声幂律模型的关系,将求得的参数代入相位噪声幂律模型中,进而得到被测信号的相位噪声测量结果;再进行电流网络群间负载平衡;
采用非线性最小二乘法确定参数初值的方法具体包括:
依据式采用非线性最小二乘法,确定参数的初值,取即需要选择aβ的初值,将式表示为如下的矩阵形式:
FA=S;
其中:
A=[a0 a1…a4]T S=[S0 S1…S4]T;
矩阵F中所要用的数据点是从N个{(fi,Si)}i=1,2,…,N中选取五个频率点,选取的数值应保证矩阵F是满秩可逆;
由此得表示参数aβ初值的矩阵A的初值为:
以为初始值进行迭代对矩阵A的值进行估计,l表示迭代次数,此时l=0;
参数估计的误差 由以下方程估算:
其中系数和为:
其中Sk表示频率fk处的功率谱测量值,表示频率fk处对应的功率谱的第l次迭代值,即:
噪声模型参数估计的判断方法为:
判断如不满足误差要求,令:
l=l+1;
并将修正后的和对应的功率谱测量数据代入正则方程组进行求解,得到各参数的修正值重新判断直至误差满足测量要求或达到设定的迭代次数。
满足误差要求,则将参数值作为的值代入式中,即得到被测信号的相位噪声,并由此绘制相位噪声曲线;
电流网络群间负载平衡的方法包括:
步骤1,电流群A的超级节点S随机地向周围k·log2N个群发送群负载请求消息,获取所述k·log2N个群的负载信息,并通过计算这k·log2N个群的负载平均值来估算出当前整个网络的群平均负载Loadavg,其中k是一个在区间[1,N/log2N]取值的整数,N为网络中群的数目;
步骤2,若电流群A当前负载Load>γ·Loadavg,且群分裂成的两个小群中节点数目均大于网络群节点数目下限,则将该群分裂成两个群,其中γ是一个大于1的实数,网络群间负载平衡的方法本次执行结束;否则转至步骤3;
步骤3,构建网络中Chord环,电流群A向其前驱群和后继群发送负载请求消息,从而获取前驱群和后继群的当前负载情况,其中前驱群为网络Chord环中离电流群A最近的前一个群,后继群为网络Chord环中离电流群A最近的后一个群;
步骤4,如果电流群A当前负载Load>Loadavg则转至步骤5,如果Load<Loadavg则转至步骤8;否则网络群间负载平衡的方法执行结束;
步骤5,如果电流群A负载Load≥Loadlight/(1-2·β),则将自身负载降低β,其中β是一个在区间(0,0.5)取值的实数,并转至步骤6;否则转至步骤8;其中Loadlight为该群的前驱群和后继群中负载较小的群的负载;
步骤6,如果Loadlight为电流群A的前驱群的负载,则电流群A通知其前驱群沿着Chord环顺时针移动,移动的地址空间长度为(Load-Loadlight)×Length/(2×Load),并将相应的元数据转移到前驱群中,网络群间负载平衡的方法本次执行结束,其中Length为电流群A在Chord环中所维护的地址空间长度;否则转至步骤7;
步骤7,Loadlight为电流群A的后继群的负载,则该群沿着Chord环逆时针移动,移动的地址空间长度为(Load-Loadlight)×Length/(2×Load),并将相应的元数据转移到后继群中,而后网络群间负载平衡的方法本次执行结束;
步骤8,如果Load≤(1-2·β)·Loadheavy,并转至步骤9;其中Loadheavy为该群的前驱群和后继群中负载较重群的负载,β是一个在区间(0,0.5)取值的实数,否则网络群间负载平衡方法执行结束;
步骤9,如果Loadheavy为电流群A的前驱群的负载,则电流群A通知其前驱群沿着Chord环逆时针移动,移动的地址空间长度为(Loadheavy-Load)×Lengthpredecessor/(2×Loadheavy),并从前驱群获取相应的元数据,其中Lengthpredecessor为前驱群在Chord环中所维护的地址空间长度,而后网络群间负载平衡方法本次执行结束;否则转至步骤10;
步骤10,Loadheavy为电流群A的后继群的负载,则电流群A沿着Chord环顺时针移动,移动的地址空间长度为(Loadheavy-Load)×Lengthsuccessor/(2×Loadheavy),并从后继群获取相应的元数据,其中Lengthsuccessor为后继群在Chord环中所维护的地址空间长度,此时网络群间负载平衡方法执行结束。
4.如权利要求1所述的基于AFE的高压充电的控制方法,其特征在于,BMS系统通过智能调节控制电流的输入与转化,并控制电流的输出模块、输出电流检测模块对输出电流进行检测、调整,具体包括:
首先在BMS系统集成的传感器节点上进行格拉布斯预处理,删除误差较大的数据,然后再利用自适应数据聚合算法向簇首节点进行聚合,最后簇首节点再以多跳的方式向基站进行数据传输,在非均匀成簇的基础上引入格拉布斯预处理来减少误差较大的数据的传输能耗,加入自适应数据聚合算法来降低簇首节点的能耗;
利用自适应数据聚合算法向簇首节点进行聚合具体包括:
步骤一,在面积为S=L*L的部署区域内,随机分布N个同构的无线传感器节点,sink节点位于部署区域之外,节点处理整个无线传感器网络内收集到的数据;
步骤二,非均匀成簇
sink节点位于部署区域的上方;首先部署区域X轴划分为S个泳道,所有泳道有相同的宽度w,并且每个泳道的长度与部署区域的长度相等;用从1到s作为泳道的ID,最左端的泳道的ID为1,然后每个泳道沿着y轴划分为多个矩形网格,每个泳道中的每个网格都被定义一个水平,最下端的网格的水平为1,每个网格和每个泳道有相同的宽度w;每个泳道中网格的个数、长度与泳道到sink的距离有关;通过设置网格的长度来调整网格的大小;针对不同的泳道,距离sink越远的泳道含有的网格数目越小;针对同一泳道,距离sink越远的网格的长度越大;A中含有S个元素,第k个元素表示在第k个泳道中网格的数目;每个网格用一个数组(i,j)作为ID,表示第i个泳道有水平j;定义S个数组表示网格的长度,第v个数组Hv表示第v个泳道中网格的长度,并且Hv的第w个元素hvw表示网格(v,w)的长度;网格(i,j)的边界为:
o_x+(i-1)×w<x≤o_x+i×w
非均匀网格划分好之后进行成簇阶段;算法分为很多轮进行,在每轮中选取每个网格中剩余能量最大的节点作为簇首节点,其余节点根据就近原则加入簇,然后再进行数据聚合;
步骤三,格拉布斯预处理
传感器节点需要对收集的数据进行预处理,然后再向簇首节点传输数据;采用格拉布斯预准则对传感器节点所采集到的数据进行预处理假设某个簇首节点含有n个传感器节点,传感器节点收集到的数据为x1,x2,…,xn,服从正态分布,并设:
根据顺序统计原理,计算格拉布斯统计量:
给定显著性水平α=0.05之后,测量值满足gi≤g0(n,α),则认为测量值有效,测量值参与到下一层次的数据聚合;反之,则认为测量值无效,因此需要剔除,即不参与到下一层次的数据聚合;
步骤四,自适应聚合算法
通过迭代得到各个节点测量数据的无偏估计值,求取各个传感器节点的测量数据值与估计值之间的欧式距离,以归一化的欧式距离作为自适应加权融和的权值;选用簇中的传感器节点采集到的数据的最大值与最小值的平均值作为中心数据;
某个簇中有个传感器节点,用维列向量D=(d1,d2,…,dn)表示相应节点的测量值,通过计算各个节点数据与中心数据的欧式距离反应不同节点数据与中心数据之间的偏差大小,其中li的计算公式为:
根据欧式距离自适应设定相应的权值大小,距离越大权值越小,距离越小权值越大;
其中wi为相应的权值。
5.一种计算机程序,其特征在于,所述计算机程序运行权利要求1所述的基于AFE的高压充电的控制方法。
6.一种终端,其特征在于,所述终端至少搭载实现权利要求1所述基于AFE的高压充电的控制方法的控制器。
7.一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行如权利要求1所述的基于AFE的高压充电的控制方法。
8.一种实施权利要求1所述基于AFE的高压充电的控制方法的基于AFE的高压充电控制系统,其特征在于,所述基于AFE的高压充电控制系统,设置有:
BMS系统,所述BMS系统连接驱动模块、输入电流检测模块、AFE模块、保护模块、输出电流检测模块、操作系统;用于智能调节控制电流的输入与转化,并控制电流的输出模块、输出电流检测模块对输出电流进行检测、调整;
驱动模块连接有交流电输入模块、其他电流输入模块、输入电流检测模块;,AFE模块连接有保护模块,保护模块与电流输出模块连接。
9.如权利要8所述基于AFE的高压充电控制系统,其特征在于,所述AFE模块包括IGBT模块与滤波模块;IGBT模块与滤波模块通过信号线连接;
BMS系统连接有报警模块。
10.一种新能源车充电桩,其特征在于,所述新能源车充电桩至少搭载权利要求8所述的基于AFE的高压充电控制系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811194436.3A CN109249815A (zh) | 2018-10-15 | 2018-10-15 | 一种基于afe的高压充电控制系统及控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811194436.3A CN109249815A (zh) | 2018-10-15 | 2018-10-15 | 一种基于afe的高压充电控制系统及控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109249815A true CN109249815A (zh) | 2019-01-22 |
Family
ID=65045352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811194436.3A Pending CN109249815A (zh) | 2018-10-15 | 2018-10-15 | 一种基于afe的高压充电控制系统及控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109249815A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103916327A (zh) * | 2014-03-21 | 2014-07-09 | 西安电子科技大学 | 一种hp2p网络负载平衡的方法 |
CN104518563A (zh) * | 2014-11-24 | 2015-04-15 | 武汉经开能源科技发展有限公司 | 基于新能源应用的电动汽车充电系统和该系统的控制方法 |
CN104618997A (zh) * | 2015-01-28 | 2015-05-13 | 西安电子科技大学 | 一种基于非均匀网格的数据聚合方法 |
US20150132615A1 (en) * | 2013-11-13 | 2015-05-14 | Samsung Sdi Co., Ltd. | Battery pack, apparatus including battery pack, and method of managing battery pack |
CN105512431A (zh) * | 2016-01-04 | 2016-04-20 | 西安电子科技大学 | 一种基于相位噪声数学模型的相位噪声测量方法 |
CN205861809U (zh) * | 2016-08-10 | 2017-01-04 | 青岛钜洋信息工程有限公司 | 一种共直流母线充电机检测系统 |
CN106505704A (zh) * | 2016-12-09 | 2017-03-15 | 深圳市安和威电力科技股份有限公司 | 一种多枪结构的igbt充电机 |
-
2018
- 2018-10-15 CN CN201811194436.3A patent/CN109249815A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150132615A1 (en) * | 2013-11-13 | 2015-05-14 | Samsung Sdi Co., Ltd. | Battery pack, apparatus including battery pack, and method of managing battery pack |
CN103916327A (zh) * | 2014-03-21 | 2014-07-09 | 西安电子科技大学 | 一种hp2p网络负载平衡的方法 |
CN104518563A (zh) * | 2014-11-24 | 2015-04-15 | 武汉经开能源科技发展有限公司 | 基于新能源应用的电动汽车充电系统和该系统的控制方法 |
CN104618997A (zh) * | 2015-01-28 | 2015-05-13 | 西安电子科技大学 | 一种基于非均匀网格的数据聚合方法 |
CN105512431A (zh) * | 2016-01-04 | 2016-04-20 | 西安电子科技大学 | 一种基于相位噪声数学模型的相位噪声测量方法 |
CN205861809U (zh) * | 2016-08-10 | 2017-01-04 | 青岛钜洋信息工程有限公司 | 一种共直流母线充电机检测系统 |
CN106505704A (zh) * | 2016-12-09 | 2017-03-15 | 深圳市安和威电力科技股份有限公司 | 一种多枪结构的igbt充电机 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107749629A (zh) | 一种基于充电站负荷实时调度充电桩接入的控制方法 | |
CN108075536A (zh) | 充电桩的柔性充电调控方法及充电桩系统 | |
CN102111337A (zh) | 任务调度方法和系统 | |
CN108683155B (zh) | 一种换流阀晶闸管及阻容参数优化方法及装置 | |
WO2022099951A1 (zh) | 一种充电桩的远程集群充电控制方法、装置及系统 | |
CN111222696B (zh) | 电压暂降治理优化方法、装置、计算机设备和存储介质 | |
CN110556877B (zh) | 一种考虑soc均衡的配电网分布式储能聚合控制方法 | |
CN107067092A (zh) | 一种特高压输变电工程造价组合预测方法及预测装置 | |
CN109818361A (zh) | 一种输电网中基于网损灵敏度的储能选址方法 | |
CN112036067A (zh) | 一种沟槽电缆稳态温升预测方法 | |
CN115841176A (zh) | 充电桩变频负荷的安全态势感知方法及系统 | |
CN109249815A (zh) | 一种基于afe的高压充电控制系统及控制方法 | |
CN109617079A (zh) | 一种直流配电系统潮流解的存在性与稳定性分析方法 | |
CN111697607B (zh) | 一种多端柔性直流输电受端电网接入方法及系统 | |
CN109888847B (zh) | 多馈入交直流混联电网的优化运行方法、装置及系统 | |
CN109193670A (zh) | 一种自供电电路的保护装置及方法 | |
Ishibuchi et al. | Two-objective solution set optimization to maximize hypervolume and decision space diversity in multiobjective optimization | |
CN112884358A (zh) | 一种电采暖设备有序用电优化调度方法及终端 | |
CN108460177A (zh) | 一种大规模多状态串并联系统的可靠性近似计算方法 | |
CN113824161B (zh) | 一种DoS攻击下的交直流微电网集群系统控制方法 | |
Nguyen et al. | Power loss minimization by optimal placement of distributed generation considering the distribution network configuration based on artificial ecosystem optimization | |
CN114938013A (zh) | 一种电动汽车集群参与配电网协调控制的方法及装置 | |
CN114358447A (zh) | 一种柔性互联装置配置方法、装置、电子设备及存储介质 | |
CN207530619U (zh) | 一种智能配电终端及充电站充电管理系统 | |
Qian et al. | Vortex dynamics in a coarsening two-dimensional XY model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190122 |
|
RJ01 | Rejection of invention patent application after publication |