XiaoMi-AI文件搜索系统
World File Search System充放电
启源绿色能源首款“充放电换电”一体化
双向换电站采用启元绿色能源自主研发的电池及车辆调度边端智能设备，实现车辆与换电站的实时互联互通。此外，与生态伙伴合作开发的双向充电系统，使充电效率提升3%，大大优化了能量转换过程，减少了充电过程中的能量损耗。例如，配备四块启元绿色能源自主研发的CTB-400汽车储能电池的换电站，每年可节省100MWh电能，节能减排效果显著。
人工智能在电动汽车充放电调度和动态定价中的应用：综述
摘要：如果电动汽车 (EV) 的充电和放电不能得到充分协调，其高普及率将给现有的电力输送基础设施带来负担。动态定价是一种特殊的需求响应形式，可以鼓励电动汽车车主参与调度计划。因此，电动汽车充电和放电调度及其动态定价模型是重要的研究领域。许多研究人员专注于基于人工智能的电动汽车充电需求预测和调度模型，并认为人工智能技术比传统的优化方法（如线性、指数和多项逻辑模型）表现更好。然而，只有少数研究关注电动汽车放电调度（即车辆到电网，V2G），因为电动汽车将电力放电回电网的概念相对较新且不断发展。因此，需要回顾现有的电动汽车充电和放电相关研究，以了解研究差距并在未来的研究中做出一些改进。本文回顾了电动汽车充电和放电相关研究，并将其分为预测、调度和定价机制。本文确定了预测、调度和定价机制之间的联系，并指出了电动汽车放电调度和动态定价模型的研究空白。
研究报告通过控制金属氧化物纳米结构实现高速充放电...
在750℃下烧成6小时以上，成为单斜晶WO 3 相。 P-2、P-3在烧成前为单斜晶系WO 3 、三斜晶系WO 3 、单斜晶系W 0.71 Mo 0.29 O 3 (PDF 01-076-1297)，但在750℃下烧成6小时以上，变为单斜晶系W 0.71 钼 0.29 O 3 (PDF 01-076-1297) 和矩形 W 0.4 Mo 0.6 O 3 (PDF 01-076-1280)。 P-4在750℃下烧制24小时之前，单斜晶系W 0.71 Mo 0.29 O 3 (PDF 01-076-1297)、矩形W 0.4 Mo 0.6 O 3 和单斜晶系MoO 3 混合，但经过100小时后。煅烧后，MoO 3 峰消失，单斜晶系W 0.71 Mo形成了0.29 O 3 和矩形晶体W 0.4 Mo 0.6 O 3 。 P-5在烧成前为单斜MoO 3 (PDF PDF 00-047-1081)，但烧成6小时以上后，变为具有层状结构的矩形MoO 3 (PDF 03-065-2421)。
基于强化学习的城市轨道交通储能系统优化充放电调度算法节省电价
摘要 为节省韩国城市铁路电价，本文提出了基于强化学习的储能系统充放电优化算法。通过强化学习，按照电价单位对储能系统充放电计划进行优化，降低峰值电力需求，以节省电价。为此，对包括储能系统、电价以及根据储能系统运行而变化的电价的城市铁路系统进行了建模。还通过DQN算法对代理进行强化学习，以降低峰值电力需求。利用配备储能系统的城市铁路实际线路运行数据进行学习。在这次强化学习中，大约399个（45.3%）错误数据被删除，481个（54.7%）正常数据被提取。通过强化学习，最大峰值电力需求从2,982.4 kW降低了100 kW，达到目标值当峰值电力需求在2600kW以下时，在电价便宜的时候充电，在电价昂贵的时候放电，从而节省总电价。