P3 充电指数仅考虑配备欧洲充电标准 CCS2 的车辆。豪华和中档类别有所区分。为了确保结果的统一性、实用性和可比性,P3 参考了 ADAC Ecotest 的消耗值。有关数据收集和所考虑车辆的所有信息可在第 9 章中找到。!
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。
自动工作机器的大容量蝙蝠快速充电的基础设施是其在行业中广泛使用的重要因素。缺乏空气污染,安静的操作和有限的环境加热是能够使用许多行业中电池中积累的能量动力的移动机器的基本功能。快速电池充电站在工作场所工作场所周围环境中的位置减少了充电电池所需的时间。可以预期,由内燃机,农业和许多其他繁重的工作场所的人和经典机器的参与将被电动自动驾驶机器取代。电池供电的电动机符合Strin-Gent生态要求,安全性和无人值守的操作。即使在家用电器中,人工智能和机器学习算法也已经发现了控制工作机。