-
对电动汽车无线充电过程中降低辐射方法的研究
来源:电气传动 发布日期:2022-05-20
电磁辐射是电动汽车无线充电技术发展的主要问题。对现有的电动汽车无线充电方式进行对比后，提出一种在电动汽车无线充电过程中降低辐射的方法，并从电路设计、内部程序设计以及仿真实验等方面进行了分析。通过仿真测试出保持原并联网络处于谐振状态下所需的电容大小。结果表明，在不同的漏磁下，通过调整电路中电容的接入量进行修正之后，会降低充电过程中产生的电磁辐射，减少在充电过程中能量的损耗。
-
轨迹数据驱动的电动汽车充电需求及V2G可调控容量估计
来源:电力系统自动化 发布日期:2022-05-19
电动汽车（EV）充电需求估计是研究电动汽车与电网互动（V2G）的重要前提。为此，提出一种行驶轨迹数据驱动的EV充电需求预测模型，并进一步考虑用户多维效益，构建用户选择参与V2G响应的用户决策模型，分析区域V2G响应能力的调控潜力。首先，对行车轨迹大数据集进行清洗与挖掘，基于动态能耗理论构建了EV充电需求时空分布预估模型。其次，基于社会行为学理论并综合考虑用电需求效用、经济效用、环保效用以及社会效用
-
基于V2G的电动汽车充放电双层优化调度策略
来源:高压电器 发布日期:2022-05-16
针对大规模电动汽车（EV）随机接入电网时，电动汽车无序充电将会导致电网用电量增加，负荷峰谷差值变大，如何有效降低电动汽车带来的用电负荷风险是未来关注的重点。文中提出了基于车网互动（vehicle to grid,V2G）的电动汽车充放电双层优化调度策略。其中，上层模型以电网总负荷方差最小和代理商调度计划偏差最小为目标函数；下层模型以用户参与调度意愿和调度能力为基础，在代理商配合调度中心计划的前提下
-
电动汽车分片式前翼子板冲压工艺分析
来源:锻造与冲压 发布日期:2022-05-15
为实现分片式前翼子板无新增投资，继续采用一模出左右件的方案，本课题通过有限元虚拟仿真和工艺排布分析对该方案进行了研究。首先通过有限元虚拟仿真确定本课题的板料形状为双梯形料；其次通过工艺排布分析确定本课题的前翼子板需5序完成。研究表明，通过优化板料形状以及工艺排布可以实现一模出左右件的方案，无需针对分出来的小件单独制作模具。
-
电动汽车参与电网调峰的策略研究
来源:电子技术与软件工程 发布日期:2022-05-15
本文提出一种基于负荷需求曲线的电动汽车参与电网调峰的策略模型。以公交桩和私人桩为控制对象，完成对电动汽车充电时间和充电功率的整体调度。并通过算例模拟仿真，结果表明：在调峰容量充足的情况下，通过此调峰策略能够实现对负荷需求曲线的无差别跟踪。通过整体调度控制电动汽车的充电行为，可以出色完成需求曲线的要求，实现负荷的时空平移，减小负荷峰谷差。
-
电动汽车低碳减排潜力及影响分析
来源:黑龙江环境通报 发布日期:2022-05-15
为了实现节能减排目标，促进可持续发展，分析了低碳减排及其影响因素及电动汽车对低碳交通发展的影响，展望了电动汽车低碳减排未来发展趋势。应电力技术改革及节能技术的创新，优化城市内部交通，加强对电动汽车的宣传推广，大力发展电动汽车，保证节能减排工作的顺利实施，达到预期效果。
-
电动汽车充电剩余时间估算
来源:技术与市场 发布日期:2022-05-15
电动汽车的剩余充电时间是电动汽车车主很关注的一个参数，由于充电剩余时间受到充电电流的调整进行变换，尤其是普遍使用的动力锂电池充电电流的大小受到充电桩、电池温度和SOC等多种因素制约，提出基于电池当前参数进行快速模拟电池全程充电过程的方法来估算锂电池充电剩余时间。在3 s内完成充电温升和随SOC的电流需求变化仿真，估算出电池剩余充电时间，并在出现异常时进行实时调整与末端矫正，经验证，在实际使用过程中
-
共克时艰：新冠疫情“大考”下的中国汽车业
来源:汽车与配件 发布日期:2022-05-15
近期，突发新冠疫情打断了中国汽车工业的正常运转。为了帮助企业走出困境，更好地应对今后类似不可控风险，麦肯锡基于在供应链管理、全渠道营销及工厂建设与运营等方面的经验，提出若干应对之举，希望对国内汽车企业及供应链伙伴有所帮助，以期共克时艰。
-
考虑锂离子电池老化的纯电动汽车能量管理策略
来源:测试技术学报 发布日期:2022-05-12
为改善电动汽车的电池使用寿命，提出了一种电池老化管理策略，使汽车在综合考虑了车辆的行驶里程、充电时间、驾驶性能等指标的情况下来控制电池容量退化，将多目标、多输出的优化问题转变为单一性能指标.该策略以电池充放率和放电深度为控制变量，采用粒子群优化算法对模型进行离散化迭代，选择出每一步的最优控制变量数值.经过20万km的NEDC驾驶工况循环验证，电池退化减少了0.2%,证明所提电池老化管理策略可以减少
-
基于深度学习考虑出行模式的电动汽车充电负荷场景生成
来源:电力系统自动化 发布日期:2022-05-11
随着电动汽车的快速普及，交通网与电网的耦合进一步加深，交通网出行模式将对电动汽车充电负荷产生显著影响。传统的充电负荷模拟方法依赖于对交通路网和电动汽车个体建模并有较强的假设。文中提出了一种基于数据驱动的卷积自编码器和条件对抗生成网络的电动汽车充电负荷场景生成方法。该方法首先采用基于无监督学习的卷积自编码器对交通网出行预测数据降维并自适应地抽取出特征信息。其次，设计了一种适用于日前交通网充电负荷场景
027-87841330