XiaoMi-AI文件搜索系统
World File Search System标量化
超快速充电站光伏与储能系统的多目标优化
摘要 安装超快速充电站 (UFCS) 对于推动电动汽车 (EV) 的普及至关重要。鉴于这种充电技术所需的大量电力，在充电站设计中整合可再生能源 (RES) 和储能系统 (ESS) 是减少其对电网和环境影响的一个有价值的选择。因此，本文提出了一个多目标优化问题，用于优化电动汽车 UFCS 中的光伏 (PV) 系统和电池 ESS (BESS) 的尺寸。提出的多目标函数旨在一方面最小化充电站的年化成本，另一方面最小化产生的污染物排放量。决策变量是 PV 板的数量和要安装的 ESS 的容量。通过应用线性标量化方法，优化问题简化为单目标问题。然后通过遗传算法 (GA) 优化等效的单目标函数。所提出的优化框架已应用于研究案例，结果证明 PV 和 ESS 可以显著降低年化成本和污染物排放量。最后，还进行了敏感性分析以验证所提解决方案的有效性。
锂电池快充设计的多目标优化...
锂离子电池快速充电是现代电动汽车的关键，它既要考虑充电时间，又要考虑电池的退化。快速充电优化面临的挑战包括：(i) 可能的充电协议空间维度高，而实验预算往往有限；(ii) 对电池容量衰减机制的定量描述有限。本文提出了一种数据驱动的多目标充电方法，以最大限度地缩短充电时间，同时最大限度地延长电池循环寿命，其中使用切比雪夫标量化技术将多目标优化问题转化为一组单目标问题，然后使用约束贝叶斯优化 (BO) 有效地探索充电电流的参数空间并处理充电电压的约束。此外，利用多项式展开技术将连续变电流充电协议引入到所提出的充电优化方法中。在基于多孔电极理论的电池模拟器上证明了所提出的充电方法的有效性。结果表明，与包括线性近似约束优化（COBYLA）和协方差矩阵自适应进化策略（CMA-ES）在内的最新基线相比，所提出的基于约束BO的方法具有更优的充电性能和更高的采样效率。此外，还讨论了随着充电协议中使用的自由度数量的增加，充电性能及其不确定性的增加。