利用人工优化神经网络控制电动汽车充电系统的功率流

《Journal of Energy Storage》:Electric vehicle charging system power flow control using artificial gorilla troops optimized neural network

【字体: 时间:2026年02月01日 来源:Journal of Energy Storage 9.8

编辑推荐:

  优化太阳能与电池储能的电动汽车充电站功率管理方法,提出基于人工黑猩猩群优化(AGTO)训练的人工神经网络(ANN)控制策略,通过硬件在环(HIL)仿真验证其稳定电压和快速响应特性优于传统PI控制器。

  
阿比谢克·普拉塔普·辛格|约根德拉·库马尔|亚什万特·索尔
印度博帕尔毛拉纳·阿扎德国立技术学院电气工程系

摘要

由于太阳能和充电需求不断变化,直流微电网中的电力管理对于电动汽车(EV)充电来说非常具有挑战性。传统的控制器往往反应迟缓或导致电力波动不稳定,这会降低充电站的效率。本研究提出了一种新型的人工大猩猩群体优化器(AGTO),用于训练控制直流微电网中电动汽车充电站电力流动的人工神经网络(ANN)。所提出的电力管理系统(PMS)整合了太阳能光伏(SPV)发电、电池储能(BS)状态(SOC)、电网电力和电动汽车电池SOC。ANN利用SPV电力、BS SOC和电网电流数据进行训练。PMS的运行取决于可用的SPV电力和BS SOC,SPV系统和BS为PMS供电,PMS再为电动汽车负载供电。研究了三种情况:1)过剩的SPV电力使BS饱和,导致电网反馈延长;2)由于辐照度和温度变化导致的SPV电力波动以及适中的BS SOC,使得需要向电网注入电力;3)SPV发电量变化结合低BS SOC状态,需要从电网导入电力以满足电动汽车负载需求。将ANN的性能与传统的PI控制器进行了比较,结果表明ANN在稳定时间和减少振荡方面表现更优。使用OPAL-RT OP5600进行的硬件在环(HIL)实时仿真验证了这些发现。通过MATLAB和OPAL-RT的结果对比,评估了所提出的ANN在直流微电网电动汽车充电中的有效性。

引言

21世纪见证了汽车行业的范式转变,由于消费者偏好、技术突破以及对可持续未来的贡献,电池驱动的车辆成为主流。为了减少对环境的影响并迈向绿色经济,各国都在投资清洁、可持续的交通方式。政府为购买电动汽车的消费者提供税收优惠,以促进绿色经济的发展。由于汽车行业主要企业在该领域的巨额投入,电动汽车市场正在增长。电动汽车(EV)的普及受到多种因素的推动。作为回应,开发了各种商业模式,旨在促进个人出行、无人驾驶出行、车辆共享、公共交通和物流等多种交通方式。到2030年底,道路上的电动汽车数量将超过1150万辆[1]。对于希望购买电动汽车的人来说,纯电动汽车和混合动力电动汽车(HEV)是主要选择。一旦电池电量耗尽,就需要重新充电,这就需要建立电动汽车充电基础设施[2]。可再生能源的整合有助于实现电动汽车的主要目标,即减少空气和噪音污染,并解决其他环境问题[3]。虽然太阳能充电站具有最大的潜力,但还有许多其他可再生能源选项[4],[5]。然而,太阳能充电站受到辐照度变化的影响,因此必须结合电池储能使用。
微电网(MG)通过内置且可适应的通信网络整合了能源管理、效率、可靠性和稳定性[6],[7]。微电网固有的自愈能力确保了即使在需求或能源供应发生变化的情况下,也能持续运行并协调使用所有能源资源[8]。
孤立微电网的一个优势是它们可以部署在连接电力设施具有挑战性的偏远地区。这些地区被称为脆弱的生态系统,因此,使用可再生能源供电的独立微电网具有显著的优势。与传统的化石燃料驱动的汽车和能源生产方法相比,电动汽车和可再生能源在生态上更加可持续[9]。根据其电力输送系统,微电网可分为交流/直流(AC/DC)两种类型。直流微电网在效率、系统规模、运行控制和成本方面优于交流微电网。当使用的电子转换器较少时,整体效率会提高。由于交流/直流转换器消除了对变压器的需求,微电网的整体占地面积大大减小。
单个充电站无法满足所有需求。仅使用可再生能源充电站为电动汽车供电将是一种资源浪费[6]。根据电动汽车充电站的电力需求及其连接的太阳能光伏阵列,所描述的充电站可以在并网模式和离网模式之间切换。能够在离网模式和并网模式之间平滑过渡对于有效管理运营非常有益。这种辅助机制有助于最佳利用太阳能光伏(PV)阵列。因此,充电站可以通过车辆到家庭(Vehicle-to-Home)和车辆到电网(Vehicle-to-Grid)等模式为住宅负载和电网供电。夜间无法利用太阳能,因此需要储能设备以应对紧急情况,满足充电站的负载需求[9]。然而,电池的有限存储容量有时会导致电池电力不足[10]。因此,建立电网连接对于充电站作为备用措施以维持负载需求非常重要。在[11],[12]中的研究作者得出结论,混合充电站在充电过程中既可靠又降低了成本。根据研究结果,结合光伏(PV)阵列、电池储能(BS)单元和并网模式的集成已被证明可以有效降低运营成本、减少温室气体排放,并最小化大气中颗粒物的排放。直流微电网中的电力流动可能导致直流母线电压波动,从而可能引发电网故障[13]。因此,为了保持直流(DC)微电网的稳定运行状态,使用高效的有功功率管理控制器至关重要。多项研究探讨了在负载波动期间维持最佳电力流动控制的方法[14],[15],[16],[17]。例如,参考文献[19]介绍了一种自适应功率调节和管理技术,可以应对电源和负载功率的波动。此外,参考文献[20]探讨了一种基于人工神经网络(ANN)的方法,用于控制孤立直流微电网中的电压和功率流动。该方法未能充分解决由负载变化和电源变化引起的电压波动问题。由可再生能源供电的交流/直流微电网可以为交流和直流负载供电,但直流母线电压可能会出现过冲和较长的稳定时间。在[21],[22],[23]中描述的EMS中使用了模糊逻辑,其中控制算法的核心功能是满足微电网的需求,将电力出售给相关电网是次要目标。
然而,当微电网与电网连接时,电力管理系统(PMS)的一个关键目标是平滑电网的功率曲线,以减轻可再生能源(RES)和负载的不可预测行为对电网的影响,并保证配电网络的持续可靠性和高标准。
本文提出了一种基于ANN的电动汽车充电站(EVCS)电力管理控制器。EVCS包括光伏模块(太阳能板)、电池储能、电网供电以及作为负载的电动汽车。ANN控制器旨在应对电源功率波动和负载条件变化,确保直流母线电压相对于参考电压保持稳定。
本研究的主要贡献包括:
  • 优化电力流动:系统智能调节太阳能板、电池储能单元、电网和电动汽车之间的电力流动,以实现最大效率。
  • 电网集成:多余的太阳能电力可以反馈到电网中,减轻系统的整体负载。
  • 本文的结构如下:第2节详细介绍了基于直流微电网的电动汽车充电站(EVCS)的设计和建模。第3节探讨了结合人工大猩猩群体优化器(AGTO)方法的人工神经网络(ANN)的训练仿真。第4节展示了所提出控制方法的仿真和实验结果。第5节提供了主要发现和结论的简要概述。

    部分摘录

    EVCS的设计和建模

    图1中提出的电动汽车充电站利用了可再生能源和电网能源的协同组合。太阳能光伏阵列直接将太阳辐射转换为电能,而固定式电池储能(SBS)作为缓冲,减轻太阳能输出的波动。单相电网连接提供了可靠且稳定的电力来源,确保了不间断的运行。最后,电动汽车本身作为系统的动态负载。

    使用人工神经网络训练人工大猩猩群体优化器的仿真

    依赖于人工神经网络(ANN)的控制策略具有快速性、可靠性和韧性等显著特点。图4展示了带有电网集成功能的电动汽车充电站的流程图,案例I、II和III均为电网集成案例,因此电力流动控制器起着关键作用。图5是展示ANN如何连接到电网的配置图。该神经网络包含一个输出层、十个隐藏层和两个

    结果与分析

    在本节中,通过仿真验证了所提出技术的有效性和可靠性。通过详细的MATLAB 2018b仿真设计了三种情况,每种情况代表了基于直流微电网的电动汽车充电站的真实运行条件。这些情况基于实际假设进行设计,反映了现实世界的光伏输出、电池行为和电动汽车负载变化。为了确保实际意义,所有三种情况都经过了进一步验证

    结果验证

    所提出的基于人工大猩猩群体优化器的ANN电力流动控制器用于电动汽车充电站,并通过OPAL-RT OP5600实时仿真器进行了验证。实时数字仿真器、I/O端口、TCP/IP连接以及运行RT-Lab软件的宿主PC构成了其实验室配置。为了验证所提出的基于ANN的电力流动控制器,首先在MATLAB/Simulink R2018b上开发了系统模型,并通过RT-LAB与OPAL-RT OP5600进行了接口

    结论

    本研究提出了一种新型的电力流动控制器(PFC),用于电动汽车充电站(EVCS),该控制器利用人工神经网络(ANN)实现更优的控制。与传统PI控制器不同,ANN-PFC优先考虑稳定性和效率。它保持稳定的直流母线电压,最小化了过渡时间和电压尖峰等瞬态现象。电力流动控制器(PFC)保证了直流母线电压的稳定性,并减少了直流链路电压的波动。

    CRediT作者贡献声明

    阿比谢克·普拉塔普·辛格:撰写——原始草稿、方法论、调查、概念化。约根德拉·库马尔:撰写——审阅与编辑、监督。亚什万特·索尔:验证、监督、方法论。

    利益冲突声明

    作者声明他们没有已知的财务利益或个人关系可能影响本文的研究工作。

    致谢

    作者感谢M.P. 科学与技术研究与发展委员会,博帕尔,印度资助的“利用先进技术实现农村可持续发展中的可再生能源”(批准编号14446/CST/R&DIPhy. and Engg. and Pharmacy/2023-24 参考编号AIRLYR. P-2/370,日期2023年10月5日)项目,该项目为这项研究提供了支持。
    相关新闻
    生物通微信公众号
    微信
    新浪微博
    • 搜索
    • 国际
    • 国内
    • 人物
    • 产业
    • 热点
    • 科普

    知名企业招聘

    热点排行

      今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

      版权所有 生物通

      Copyright© eBiotrade.com, All Rights Reserved

      联系信箱:

      粤ICP备09063491号