CN117196195A - 基于新能源电池车的车列编组与电源系统配置方法及系统 - Google Patents
基于新能源电池车的车列编组与电源系统配置方法及系统 Download PDFInfo
- Publication number
- CN117196195A CN117196195A CN202311106992.1A CN202311106992A CN117196195A CN 117196195 A CN117196195 A CN 117196195A CN 202311106992 A CN202311106992 A CN 202311106992A CN 117196195 A CN117196195 A CN 117196195A
- Authority
- CN
- China
- Prior art keywords
- power
- battery
- power supply
- train
- demand
- 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 55
- 230000005611 electricity Effects 0.000 claims abstract description 93
- 238000013461 design Methods 0.000 claims abstract description 19
- 230000003137 locomotive effect Effects 0.000 claims abstract description 19
- 238000010248 power generation Methods 0.000 claims abstract description 10
- 238000009940 knitting Methods 0.000 claims abstract description 3
- 230000006870 function Effects 0.000 claims description 24
- 238000012544 monitoring process Methods 0.000 claims description 18
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 claims description 16
- 238000005457 optimization Methods 0.000 claims description 14
- 230000007246 mechanism Effects 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 6
- 238000000611 regression analysis Methods 0.000 claims description 6
- 230000010485 coping Effects 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 230000007306 turnover Effects 0.000 claims description 5
- 238000012731 temporal analysis Methods 0.000 claims description 4
- 238000000700 time series analysis Methods 0.000 claims description 4
- 230000007774 longterm Effects 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000001737 promoting effect Effects 0.000 abstract 1
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 32
- 229910052742 iron Inorganic materials 0.000 description 16
- 238000007726 management method Methods 0.000 description 15
- 229910000831 Steel Inorganic materials 0.000 description 11
- 238000004519 manufacturing process Methods 0.000 description 11
- 239000010959 steel Substances 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 238000012546 transfer Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 6
- 239000002184 metal Substances 0.000 description 5
- 229910052751 metal Inorganic materials 0.000 description 5
- 229910052799 carbon Inorganic materials 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000033764 rhythmic process Effects 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 238000003723 Smelting Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- WKPSFPXMYGFAQW-UHFFFAOYSA-N iron;hydrate Chemical compound O.[Fe] WKPSFPXMYGFAQW-UHFFFAOYSA-N 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004321 preservation Methods 0.000 description 2
- 238000009924 canning Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000011819 refractory material Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000009628 steelmaking Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了基于新能源电池车的车列编组与电源系统配置方法及系统,涉及电源系统配置技术领域,包括:收集车列的用电需求,预测未来用电需求,并分析当前状态;结合用电需求评估车辆电池容量的安全性,使用确定最佳电池容量和混编比例;考虑电池类型、容量、输出功率、运行环境因素设计电源系统,优化配置;结合电源系统设计评估车列的运行稳定性,选择最佳的车列编组策略和在途供电方式;分析机车车头的发电条件和能力,选择充电方式。本发明提供的基于新能源电池车的车列编组与电源系统配置方法提高了新能源电池车的运行效率,还增强了系统的可靠性和灵活性,从而有助于推动新能源电池车的广泛应用。
Description
技术领域
本发明涉及电源系统配置技术领域,具体为基于新能源电池车的车列编组与电源系统配置方法及系统。
背景技术
随着双碳战略深化,“绿色零等待”作为兼顾绿色指标和经济指标的制造业综合评价,为众多细分领域研究。特别地,钢铁冶炼作为传统长流程制造过程,能量损失与时间域耦合,影响绿色低碳与生产成本。如何降低物料过程温降、提升中转效率、减少碳排放,是钢企新一代智能协同生产中的重要课题。铁钢界面高温熔融金属转运调度作为其中重要研究对象,针对炼铁高炉产出液态铁水经铁水罐装罐、柴油机车运输至炼钢区域过程,通过增加铁水罐保温盖设备,降低重罐铁水及空罐耐材在途温降损失,具有显著经济收益与社会价值。
结合工艺实际生产过程,增加铁水罐保温盖装置,涉及到开关盖执行机构供电问题。传统保温盖驱动机构供电采用固定点取电方式,其中涵盖人工拔插取电方式、机械臂拔插取电方式、轨道车搭接取电方式。这三种传统方式,无一例外地要求铁水转运车列需要相对准确地停靠在固定区域,才能保障取电过程的顺利进行,而在车列行驶过程中无法对罐车上设备进行供电,势必造成车列调度、驾驶控制、设备状态监控、机构执行到位等的不便利,影响转运过程工艺规划与场地布局,降低车列整体运转效率。特别地,为国内钢铁企业广泛采用的人工拔插方式,更是存在着恶劣天气人工带电作业的安全风险问题。
基于上述问题,针对铁钢界面高温熔融金属物料转运保铁水罐保温盖装置供电问题,结合转运流程工艺需求,设计新能源专用电池车编入铁水转运车列,并配置车载电源系统,实现对车载传感与控制装置的转运全过程不间断供电。该系列方法有效提升铁钢界面物料转运自动化程度与生产效率,优化人员操作工作,规避作业安全风险,为钢铁冶炼全流程顺行提供支撑,同时具备良好业务场景延展性。
发明内容
鉴于上述存在的问题,提出了本发明。
因此,本发明解决的技术问题是:如何准确预测车辆用电需求、优化电池容量和混编比例、设计能适应各种工况和环境的电源系统,以及实现灵活的应对机制。
为解决上述技术问题,本发明提供如下技术方案:基于新能源电池车的车列编组与电源系统配置方法,包括:收集车列的用电需求,预测未来用电需求,并分析当前状态;结合用电需求评估车辆电池容量的安全性,使用确定最佳电池容量和混编比例;考虑电池类型、容量、输出功率、运行环境因素设计电源系统,优化配置;结合电源系统设计评估车列的运行稳定性,选择最佳的车列编组策略和在途供电方式;分析机车车头的发电条件和能力,选择充电方式;根据车列的周转率和机车车头的发电条件制定充电周期、路径和功率,利用数学模型动态调整电池容量和充电策略以适应实时需求。
作为本发明所述的基于新能源电池车的车列编组与电源系统配置方法的一种优选方案,其中:所述收集车列的用电需求包括收集车辆历史用电数据,对历史用电数据进行预处理,利用时间序列分析预测短期和长期用电需求,结合天气、路线、载客量外部因素,采用多元回归分析优化用电需求预测,建立模糊逻辑模型,判断数据的不确定性,计算预测的方差,设定方差阈值,当数据超过判断阈值时,判断为不确定条件,在不确定条件下进行需求估计,预测未来用电需求。
所述时间序列分析表示为,
其中,Yt表示时间t的用电需求,φi表示自回归系数,d表示差分阶数,θi表示移动平均系数,p,q分别表示自回归和移动平均的阶数,L表示滞后算子,εt表示白噪声误差。
所述多元回归分析表示为,
Yt=β0+β1X1t+β2X2t+…+βnXnt+εt
其中,Yt表示时间t的用电需求,βi表示回归系数,Xit表示外部因素,包括天气、路线、载客量,εt表示误差项。
作为本发明所述的基于新能源电池车的车列编组与电源系统配置方法的一种优选方案,其中:所述预测未来用电需求包括获取历史平均用电需求Y,依据用电需求阈值与车列的用电需求对比,所述用电需求阈值包括a1、a2、a3、a4,当|Yt-Y|<a1时,判断为正常用电需求状态,当Yt>Y+a2时,判断为增加用电需求状态,当Yt<Y-a3时,判断为减少用电需求状态,当|Yt-Y|>a4且方差阈值大于判断阈值时,判断为极端不确定情况状态。
作为本发明所述的基于新能源电池车的车列编组与电源系统配置方法的一种优选方案,其中:所述评估车辆电池容量的安全性包括收集功率数据,分析工作时长,若处于正常用电需求状态,收集功率数据,获取每个车挂上的用电传感器及执行机构的功率,汇总车挂的液压开关盖执行机构、安监摄像头设备的功率数据,评估当前电池容量,计算单充电周期内各设备的极限工作时长与动作/待机占空比,根据每个车挂的功率数据,结合牵引机车头最多挂接的车挂数量,得到总功率需求,确定电池容量配置,使用历史数据和当前数据计算平均用电需求,根据平均用电需求加上20%的工况余量得到电源系统所需配置的电池总容量。
若处于增加用电需求状态,检测增加的用电部分,使用传感器和数据分析工具确定增加的用电部分和具体量,重新评估功率需求,考虑新增的用电需求对总功率的影响,分析增加用电的原因,根据所述原因调整电池容量配置,根据增加的用电需求和20%的工况余量重新计算所需电池总容量,若当前电池容量不足,提出增加电池容量优化策略。
若处于减少用电需求状态,检测减少的用电部分,使用传感器和数据分析工具确定减少的用电部分和具体量,分析减少用电的原因,优化电池容量配置,根据减少的用电需求,重新计算电池容量,保留20%的工况余量,若当前电池容量过大,提出减少电池容量优化策略。
若处于极端不确定情况状态,识别极端情况,通过特定用电传感器检测异常的用电波动,分析设备的极限工作时长与动作/待机占空比,拟牵引机车头挂接4个重罐车挂时的最大功率需求,结合异常用电情况,计算电源系统在此极端情况下所需的电池总容量,并额外增加30%的工况余量,预留应急处理空间,启动备用电源、调配临时电池支援、制定特殊充电计划。
作为本发明所述的基于新能源电池车的车列编组与电源系统配置方法的一种优选方案,其中:所述设计电源系统包括基于所述电池总容量Ctotal确定所需电池数量,选择与总功率需求Ptotal匹配的输出转换器,并计算其转换效率,设计紧急应对机制,若Poutput超过预定值Pmax,启动备用电源,使用临时电池支援,设计动态电池调整函数以根据当前电池容量和电力需求调整电池输出,动态电池调整函数为f(Ccurrent,Pdemand),根据当前电池容量Ccurrent和电力需求Pdemand调整电池输出。
所述电池总容量包括选择电池类型及规格,计算所需电池数量,表示为,
其中,N表示电池数量,Cbattery表示单个电池的容量。
所述转换效率表示为,
Poutput=η×Ptotal
其中,η表示转换效率,Poutput是转换后的输出功率。
作为本发明所述的基于新能源电池车的车列编组与电源系统配置方法的一种优选方案,其中:所述车列编组策略包括基于所述电源系统设计分析电池容量和输出功率,使用线性规划模型确定可能的车辆编组策略,使用优化算法输入用电需求和牵引条件,寻找最佳车列编组方式,对于增加或减少用电需求,使用差分方程调整电池输出。
所述在途供电方式包括设计车载充电设备的效率函数,表示不同的充电功率和时间下的充电效率,根据车列的运行计划,设计充电时间窗函数确定最佳充电时机,设计远程监控和控制系统的信号强度函数,监控车与控制中心的距离。
作为本发明所述的基于新能源电池车的车列编组与电源系统配置方法的一种优选方案,其中:所述选择充电方式包括当判断为极端不确定情况状态时,通过牵引机车头将电池车运送并停泊至固定充电位,固定点地面装配有直流快速充电地桩,通过充电枪与车载充电底座进行连接充电。
当判断为正常用电需求状态或增加用电需求状态或减少用电需求状态时,通过牵引机车头柴油机为电池车进行充电。
本发明的另外一个目的是提供基于新能源电池车的车列编组与电源系统配置系统,其能通过精确分析车辆用电需求、灵活调整电池容量、优化电源系统配置、实现多种应对策略。
为解决上述技术问题,本发明提供如下技术方案:基于新能源电池车的车列编组与电源系统配置系统,包括:电池管理模块、电源配置模块、车列编组模块以及充电管理模块;所述电池管理模块用于实时监测和管理车辆电池的状态,动态调整电池容量和充电策略,适应不同工作情况和应急处理空间,收集功率数据,评估电池容量的安全性,确定电池容量配置和优化策略;所述电源配置模块用于设计和优化电源系统,包括电池类型选择、数量确定、输出转换器匹配,计算电源系统所需的电池总容量,并增设相应的工况余量,设计紧急应对机制;所述车列编组模块用于分析电池容量和输出功率,基于电源系统设计确定可能的车辆编组策略,使用线性规划和优化算法,结合用电需求和牵引条件寻找最佳车列编组方式;所述充电管理模块用于根据车列和机车车头的发电条件,制定充电周期、路径和功率,选择充电方式,监控车与控制中心的距离。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上所述基于新能源电池车的车列编组与电源系统配置方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上所述基于新能源电池车的车列编组与电源系统配置方法的步骤。
本发明的有益效果:本发明提供的基于新能源电池车的车列编组与电源系统配置方法通过收集车辆的用电需求和预测未来用电需求,评估车辆的电池容量需求,从而避免电池容量的浪费或不足。实现更优化的电源系统配置,从而适应各种运行环境和工况。通过结合车列编组策略和在途供电方式的选择,实现了车列运行的灵活性和稳定性,从而适应了用电需求的变化和异常情况。通过识别极端不确定情况并采取特殊充电计划,增强系统的应急处理能力。提高了新能源电池车的运行效率,还增强了系统的可靠性和灵活性,从而有助于推动新能源电池车的广泛应用。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明一个实施例提供的基于新能源电池车的车列编组与电源系统配置方法的整体流程图。
图2为本发明第二个实施例提供的基于新能源电池车的车列编组与电源系统配置系统的整体结构图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1,为本发明的一个实施例,提供了基于新能源电池车的车列编组与电源系统配置方法,包括:
收集车列的用电需求,预测未来用电需求,并分析当前状态。
结合用电需求评估车辆电池容量的安全性,使用确定最佳电池容量和混编比例。
考虑电池类型、容量、输出功率、运行环境因素设计电源系统,优化配置。
结合电源系统设计评估车列的运行稳定性,选择最佳的车列编组策略和在途供电方式。
分析机车车头的发电条件和能力,选择充电方式。
根据车列的周转率和机车车头的发电条件制定充电周期、路径和功率,利用数学模型动态调整电池容量和充电策略以适应实时需求。
收集车列的用电需求包括收集车辆历史用电数据,对历史用电数据进行预处理,利用时间序列分析预测短期和长期用电需求,结合天气、路线、载客量外部因素,采用多元回归分析优化用电需求预测,建立模糊逻辑模型,判断数据的不确定性,计算预测的方差,设定方差阈值,当数据超过判断阈值时,判断为不确定条件,在不确定条件下进行需求估计,预测未来用电需求。
时间序列分析表示为,
其中,Yt表示时间t的用电需求,φi表示自回归系数,d表示差分阶数,θi表示移动平均系数,p,q分别表示自回归和移动平均的阶数,L表示滞后算子,εt表示白噪声误差。
多元回归分析表示为,
Yt=β0+β1X1t+β2X2t+…+βnXnt+εt
其中,Yt表示时间t的用电需求,βi表示回归系数,Xit表示外部因素,包括天气、路线、载客量,εt表示误差项。
预测未来用电需求包括获取历史平均用电需求Y,依据用电需求阈值与车列的用电需求对比,用电需求阈值包括a1、a2、a3、a4,当|Yt-Y|<a1时,判断为正常用电需求状态,当Yt>Y+a2时,判断为增加用电需求状态,当Yt<Y-a3时,判断为减少用电需求状态,当|Yt-Y|>a4且方差阈值大于判断阈值时,判断为极端不确定情况状态。
评估车辆电池容量的安全性包括收集功率数据,分析工作时长,若处于正常用电需求状态,收集功率数据,获取每个车挂上的用电传感器及执行机构的功率,汇总车挂的液压开关盖执行机构、安监摄像头设备的功率数据,评估当前电池容量,计算单充电周期内各设备的极限工作时长与动作/待机占空比,根据每个车挂的功率数据,结合牵引机车头最多挂接的车挂数量,得到总功率需求,确定电池容量配置,使用历史数据和当前数据计算平均用电需求,根据平均用电需求加上20%的工况余量得到电源系统所需配置的电池总容量。
若处于增加用电需求状态,检测增加的用电部分,使用传感器和数据分析工具确定增加的用电部分和具体量,重新评估功率需求,考虑新增的用电需求对总功率的影响,分析增加用电的原因,根据原因调整电池容量配置,根据增加的用电需求和20%的工况余量重新计算所需电池总容量,若当前电池容量不足,提出增加电池容量优化策略。
若处于减少用电需求状态,检测减少的用电部分,使用传感器和数据分析工具确定减少的用电部分和具体量,分析减少用电的原因,优化电池容量配置,根据减少的用电需求,重新计算电池容量,保留20%的工况余量,若当前电池容量过大,提出减少电池容量优化策略。
若处于极端不确定情况状态,识别极端情况,通过特定用电传感器检测异常的用电波动,分析设备的极限工作时长与动作/待机占空比,拟牵引机车头挂接4个重罐车挂时的最大功率需求,结合异常用电情况,计算电源系统在此极端情况下所需的电池总容量,并额外增加30%的工况余量,预留应急处理空间,启动备用电源、调配临时电池支援、制定特殊充电计划。
设计电源系统包括基于电池总容量Ctotal确定所需电池数量,选择与总功率需求Ptotal匹配的输出转换器,并计算其转换效率,设计紧急应对机制,若Poutput超过预定值Pmax,启动备用电源,使用临时电池支援,设计动态电池调整函数以根据当前电池容量和电力需求调整电池输出,动态电池调整函数为f(Ccurrent,Pdemand),根据当前电池容量Ccurrent和电力需求Pdemand调整电池输出。
电池总容量包括选择电池类型及规格,计算所需电池数量,表示为,
其中,N表示电池数量,Cbattery表示单个电池的容量。
转换效率表示为,
Poutput=η×Ptotal
其中,η表示转换效率,Poutput是转换后的输出功率。
车列编组策略包括基于电源系统设计分析电池容量和输出功率,使用线性规划模型确定可能的车辆编组策略,使用优化算法输入用电需求和牵引条件,寻找最佳车列编组方式,对于增加或减少用电需求,使用差分方程调整电池输出。
基于电源系统设计,分析电池容量C和输出功率P,使用线性规划模型确定可能的车辆编组策略:其中n为车辆数量。
使用优化算法输入用电需求和牵引条件,寻找最佳车列编组方式。其中,优化算法可以基于动态规划或其他先进算法,来平衡功率需求和车列长度。
对于增加或减少用电需求,使用差分方程ΔP=Pnew-Pold调整电池输出,其中Pnew和Pold分别表示新的和旧的功率需求。
设计一个供电需求的时间序列分析模型,通过历史数据来预测将来的功率需求,并相应地调整车列编组策略。
在途供电方式包括设计车载充电设备的效率函数,表示不同的充电功率和时间下的充电效率,根据车列的运行计划,设计充电时间窗函数确定最佳充电时机,设计远程监控和控制系统的信号强度函数,监控车与控制中心的距离。
设计车载充电设备的效率函数E(Pcharge,t)以表示在充电功率Pcharge和时间t下的充电效率。
根据车列的运行计划,设计一个充电时间窗函数T(Pcharge,Cremaining)以确定最佳充电时机。其中Cremaining是剩余电池容量。
设计远程监控和控制系统的信号强度函数S(d),其中d是车与控制中心的距离。通过S(d)的实时计算,可实现对车载充电设备的精准控制。
结合地理信息系统(GIS)设计一种充电站的空间分布模型,以确保充电站的合理分布,满足车辆的充电需求。
选择充电方式包括当判断为极端不确定情况状态时,通过牵引机车头将电池车运送并停泊至固定充电位,固定点地面装配有直流快速充电地桩,通过充电枪与车载充电底座进行连接充电,该方法结合铁路轨道布设现状及场地设备条件,可能造成牵引机车头调配效率受限及场地浪费问题。
当判断为正常用电需求状态或增加用电需求状态或减少用电需求状态时,通过牵引机车头柴油机为电池车进行充电,考虑柴油机正常运行状态下不停机,能够极大幅度提升电池车充电周期,甚至实现电池车无需下线充电,保障车列整体转运效率进一步提升。在考虑机车头发电能力、保障机车头自身用电量得到满足的基础上,采用上述充电方式。
实施例2
参照图2,为本发明的一个实施例,提供了基于新能源电池车的车列编组与电源系统配置系统,包括:
电池管理模块、电源配置模块、车列编组模块以及充电管理模块;
电池管理模块用于实时监测和管理车辆电池的状态,动态调整电池容量和充电策略,适应不同工作情况和应急处理空间,收集功率数据,评估电池容量的安全性,确定电池容量配置和优化策略;
电源配置模块用于设计和优化电源系统,包括电池类型选择、数量确定、输出转换器匹配,计算电源系统所需的电池总容量,并增设相应的工况余量,设计紧急应对机制;
车列编组模块用于分析电池容量和输出功率,基于电源系统设计确定可能的车辆编组策略,使用线性规划和优化算法,结合用电需求和牵引条件寻找最佳车列编组方式;
充电管理模块用于根据车列和机车车头的发电条件,制定充电周期、路径和功率,选择充电方式,监控车与控制中心的距离。
电池管理模块与电源配置模块紧密协作,根据电池的状态和需求确定电源系统的配置,与充电管理模块交流,为充电策略提供数据支持。
电源配置模块与电池管理模块相连,根据电池状态和需求进行电源配置。与车列编组模块协同,根据车列的编组方式,调整电源系统的配置。
车列编组模块与电源配置模块紧密协作,确保电源系统的配置与车列编组策略相匹配。与充电管理模块交流,以确保车列编组与充电需求相一致。
充电管理模块与电池管理模块相连,共同确定充电周期和路径,实现电池的实时监控和管理。与车列编组模块交流,以确保车列编组与充电需求的一致性。
实施例3
本发明的一个实施例,其不同于前两个实施例的是:
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置)、便携式计算机盘盒(磁装置)、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编辑只读存储器(EPROM或闪速存储器)、光纤装置以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
实施例4
为本发明的一个实施例,提供了基于新能源电池车的车列编组与电源系统配置方法,为了验证本发明的有益效果,通过经济效益计算和仿真实验进行科学论证。
该方法有效解决传统罐车供电方式需要人工拔插供电带来的开关盖滞后与不稳定问题,规避因人工操作失误及特殊气候条件下带电操作导致的生产事故风险。同时,对比在高炉炉底、转炉区域固定点位,安装拔插电机械臂或滑触供电装置的方案,系统维护成本低,开关盖动作逻辑设置不受限于供电位置,设计更加灵活。方法的成功实践对相似的在途车列供电工业场景具有良好推广价值。
上述基于专用电池车的铁运车列在途编组供电方法,已于某钢铁集团公司铁-钢界面的全自动铁包加盖项目中实施应用。系统上线后,在铁水温降控制、转运节奏、岗位优化配置等方面获得提升,结合该项目应用单位年产量、钢铁及废钢价格走势、现场调度节奏等情况,初步获得如下表所示效益提升。
在传统罐车供电方式中,人工拔插供电常常带来开关盖滞后与不稳定问题,同时存在由于人工操作失误或特殊气候条件下的生产事故风险。某钢铁集团公司为了解决这些问题,引入了基于专用电池车的铁运车列在途编组供电方法,实验结果如表1所示。
表1实验结果对比表
提升类型 | 实施前 | 实施后 | 效益提升 |
铁水温降 | 80℃温降损失 | 50℃温降损失 | 减少30℃ |
铁水罐周转率 | 120min/单次车列 | 100min/单次车列 | 减少20min |
运行故障率 | 0.2 | 0.048 | 降低76% |
铁水温降控制明显提升,铁水温降损失减少了30℃,有助于提高炼铁效率。铁水罐周转率得到优化,单次车列时间减少20min,增强了整体的生产流程效率。运行故障率显著下降,从20%降到4.8%,极大地增强了生产线的稳定性和可靠性。
解决了传统供电方式的问题,降低了维护成本,提高了设计灵活性,还在铁水温降控制、转运节奏、岗位优化配置等方面取得了显著的效益提升。它为相似的在途车列供电工业场景提供了一种具有良好推广价值的解决方案。
降低开关盖滞后与不稳定问题,规避人工操作的事故风险,提高系统灵活性,降低维护成本。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.基于新能源电池车的车列编组与电源系统配置方法,其特征在于,包括:
收集车列的用电需求,预测未来用电需求,并分析当前状态;
结合用电需求评估车辆电池容量的安全性,使用确定最佳电池容量和混编比例;
考虑电池类型、容量、输出功率、运行环境因素设计电源系统,优化配置;
结合电源系统设计评估车列的运行稳定性,选择最佳的车列编组策略和在途供电方式;
分析机车车头的发电条件和能力,选择充电方式;
根据车列的周转率和机车车头的发电条件制定充电周期、路径和功率,利用数学模型动态调整电池容量和充电策略以适应实时需求。
2.如权利要求1所述的基于新能源电池车的车列编组与电源系统配置方法,其特征在于:所述收集车列的用电需求包括收集车辆历史用电数据,对历史用电数据进行预处理,利用时间序列分析预测短期和长期用电需求,结合天气、路线、载客量外部因素,采用多元回归分析优化用电需求预测,建立模糊逻辑模型,判断数据的不确定性,计算预测的方差,设定方差阈值,当数据超过判断阈值时,判断为不确定条件,在不确定条件下进行需求估计,预测未来用电需求;
所述时间序列分析表示为,
其中,Yt表示时间t的用电需求,φi表示自回归系数,d表示差分阶数,θi表示移动平均系数,p,q分别表示自回归和移动平均的阶数,L表示滞后算子,εt表示白噪声误差;
所述多元回归分析表示为,
Yt=β0+β1X1t+β2X2t+…+βnXnt+εt
其中,Yt表示时间t的用电需求,βi表示回归系数,Xit表示外部因素,包括天气、路线、载客量,εt表示误差项。
3.如权利要求2所述的基于新能源电池车的车列编组与电源系统配置方法,其特征在于:所述预测未来用电需求包括获取历史平均用电需求Y,依据用电需求阈值与车列的用电需求对比,所述用电需求阈值包括a1、a2、a3、a4,当|Yt-Y|<a1时,判断为正常用电需求状态,当Yt>Y+a2时,判断为增加用电需求状态,当Yt<Y-a3时,判断为减少用电需求状态,当|Yt-Y|>a4且方差阈值大于判断阈值时,判断为极端不确定情况状态。
4.如权利要求3所述的基于新能源电池车的车列编组与电源系统配置方法,其特征在于:所述评估车辆电池容量的安全性包括收集功率数据,分析工作时长,若处于正常用电需求状态,收集功率数据,获取每个车挂上的用电传感器及执行机构的功率,汇总车挂的液压开关盖执行机构、安监摄像头设备的功率数据,评估当前电池容量,计算单充电周期内各设备的极限工作时长与动作/待机占空比,根据每个车挂的功率数据,结合牵引机车头最多挂接的车挂数量,得到总功率需求,确定电池容量配置,使用历史数据和当前数据计算平均用电需求,根据平均用电需求加上20%的工况余量得到电源系统所需配置的电池总容量;
若处于增加用电需求状态,检测增加的用电部分,使用传感器和数据分析工具确定增加的用电部分和具体量,重新评估功率需求,考虑新增的用电需求对总功率的影响,分析增加用电的原因,根据所述原因调整电池容量配置,根据增加的用电需求和20%的工况余量重新计算所需电池总容量,若当前电池容量不足,提出增加电池容量优化策略;
若处于减少用电需求状态,检测减少的用电部分,使用传感器和数据分析工具确定减少的用电部分和具体量,分析减少用电的原因,优化电池容量配置,根据减少的用电需求,重新计算电池容量,保留20%的工况余量,若当前电池容量过大,提出减少电池容量优化策略;
若处于极端不确定情况状态,识别极端情况,通过特定用电传感器检测异常的用电波动,分析设备的极限工作时长与动作/待机占空比,拟牵引机车头挂接4个重罐车挂时的最大功率需求,结合异常用电情况,计算电源系统在此极端情况下所需的电池总容量,并额外增加30%的工况余量,预留应急处理空间,启动备用电源、调配临时电池支援、制定特殊充电计划。
5.如权利要求4所述的基于新能源电池车的车列编组与电源系统配置方法,其特征在于:所述设计电源系统包括基于所述电池总容量Ctotal确定所需电池数量,选择与总功率需求Ptotal匹配的输出转换器,并计算其转换效率,设计紧急应对机制,若Poutput超过预定值Pmax,启动备用电源,使用临时电池支援,设计动态电池调整函数以根据当前电池容量和电力需求调整电池输出,动态电池调整函数为f(Ccurrent,Pdemand),根据当前电池容量Ccurrent和电力需求Pdemand调整电池输出;
所述电池总容量包括选择电池类型及规格,计算所需电池数量,表示为,
其中,N表示电池数量,Cbattery表示单个电池的容量;
所述转换效率表示为,
Poutput=η×Ptotal
其中,η表示转换效率,Poutput是转换后的输出功率。
6.如权利要求5所述的基于新能源电池车的车列编组与电源系统配置方法,其特征在于:所述车列编组策略包括基于所述电源系统设计分析电池容量和输出功率,使用线性规划模型确定可能的车辆编组策略,使用优化算法输入用电需求和牵引条件,寻找最佳车列编组方式,对于增加或减少用电需求,使用差分方程调整电池输出;
所述在途供电方式包括设计车载充电设备的效率函数,表示不同的充电功率和时间下的充电效率,根据车列的运行计划,设计充电时间窗函数确定最佳充电时机,设计远程监控和控制系统的信号强度函数,监控车与控制中心的距离。
7.如权利要求6所述的基于新能源电池车的车列编组与电源系统配置方法,其特征在于:所述选择充电方式包括当判断为极端不确定情况状态时,通过牵引机车头将电池车运送并停泊至固定充电位,固定点地面装配有直流快速充电地桩,通过充电枪与车载充电底座进行连接充电;
当判断为正常用电需求状态或增加用电需求状态或减少用电需求状态时,通过牵引机车头柴油机为电池车进行充电。
8.一种采用如权利要求1~7任一所述的基于新能源电池车的车列编组与电源系统配置方法的系统,其特征在于,包括:电池管理模块、电源配置模块、车列编组模块以及充电管理模块;
所述电池管理模块用于实时监测和管理车辆电池的状态,动态调整电池容量和充电策略,适应不同工作情况和应急处理空间,收集功率数据,评估电池容量的安全性,确定电池容量配置和优化策略;
所述电源配置模块用于设计和优化电源系统,包括电池类型选择、数量确定、输出转换器匹配,计算电源系统所需的电池总容量,并增设相应的工况余量,设计紧急应对机制;
所述车列编组模块用于分析电池容量和输出功率,基于电源系统设计确定可能的车辆编组策略,使用线性规划和优化算法,结合用电需求和牵引条件寻找最佳车列编组方式;
所述充电管理模块用于根据车列和机车车头的发电条件,制定充电周期、路径和功率,选择充电方式,监控车与控制中心的距离。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的基于新能源电池车的车列编组与电源系统配置方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的基于新能源电池车的车列编组与电源系统配置方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311106992.1A CN117196195A (zh) | 2023-08-30 | 2023-08-30 | 基于新能源电池车的车列编组与电源系统配置方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311106992.1A CN117196195A (zh) | 2023-08-30 | 2023-08-30 | 基于新能源电池车的车列编组与电源系统配置方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117196195A true CN117196195A (zh) | 2023-12-08 |
Family
ID=88982870
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311106992.1A Pending CN117196195A (zh) | 2023-08-30 | 2023-08-30 | 基于新能源电池车的车列编组与电源系统配置方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117196195A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117977028A (zh) * | 2024-04-01 | 2024-05-03 | 深圳市易联科电子有限公司 | 基于车辆电池监测的智能充电方法及系统 |
-
2023
- 2023-08-30 CN CN202311106992.1A patent/CN117196195A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117977028A (zh) * | 2024-04-01 | 2024-05-03 | 深圳市易联科电子有限公司 | 基于车辆电池监测的智能充电方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117196195A (zh) | 基于新能源电池车的车列编组与电源系统配置方法及系统 | |
US8116915B2 (en) | Methods and apparatus using hierarchical priority and control algorithms for grid-integrated vehicles | |
CN109447338B (zh) | 基于大数据的智能物流云端管理系统 | |
CN110647124B (zh) | 考虑铸轧协调的炼钢连铸热轧一体化生产计划方法及系统 | |
Rijsenbrij et al. | Sustainable container terminals: a design approach | |
CN104517198A (zh) | 基于gps卫星定位和远程无线通讯的充电车运营管理系统 | |
CN112764405B (zh) | 基于时间预估模型的agv调度方法 | |
CN111023532B (zh) | 一种地铁通风空调智能调节的方法 | |
CN107871179A (zh) | 一种基于运到时限的铁路货物列车运行图编制方法 | |
CN110145143A (zh) | 一种安全环保的立体智能车库 | |
WO2023178981A1 (zh) | 一种煤矿辅助运输车辆低能耗分级定位方法及系统 | |
Duan et al. | Combined configuration of container terminal berth and quay crane considering carbon cost | |
CN112418742B (zh) | 信息物理融合的电动汽车换电站网络双层控制方法 | |
Lu | The optimization of automated container terminal scheduling based on proportional fair priority | |
CN116909236A (zh) | 基于铁-钢界面铁水罐物流仿真和智能调度方法及系统 | |
Leska et al. | Comparative Calculation of the Fuel–Optimal Operating Strategy for Diesel Hybrid Railway Vehicles | |
DE102013223925B4 (de) | System und Verfahren zum effizienten Betreiben von Transportfahrzeugen | |
CN114781799A (zh) | 一种城市轨道交通能源智能管理系统 | |
CN112613234A (zh) | 一种受电弓滑板磨耗趋势估算及寿命预测方法及装置 | |
Sablin et al. | Rational distribution of excess regenerative energy in electric transport systems on the basis of fuzzy logic application | |
Hoshimov et al. | The current state of electrometallurgy in Uzbekistan | |
CN107451705A (zh) | 一种配电系统运行效率的评价标准制定方法 | |
CN111626603A (zh) | 一种具有遗传算法的油田有序用电系统及其有序用电分配方法 | |
Phiri | Optimal energy control of a rubber tyred gantry crane with potential energy recovery | |
CN114662943B (zh) | 基于多目标遗传算法的露天矿卡车调度方法 |
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 |