能量管理策略范例6篇

前言:中文期刊网精心挑选了能量管理策略范文供你参考和学习,希望我们的参考范文能激发你的文章创作灵感,欢迎阅读。

能量管理策略

能量管理策略范文1

关键词:燃料电池增程式电动车;能量管理策略;燃油经济性

基金项目:中央高校(同济大学)基本科研业务费学科交叉类项目 0800219311

1.引言

发展电动汽车是目前解决能源危机和环境污染的重要手段,但纯电动汽车存在续驶里程短,充电时间长的问题。增程式电动汽车作为一种特殊的混合动力电动汽车,既拥有一定的纯电动行驶里程,又可以通过增程器发电以获得不逊于传统车的续驶里程。在这样的背景下,使用增程式电动汽车是解决排放污染和能源问题最具现实意义的途径之一。

增程式电动车作为混合动力汽车的一个分支,具有混合动力汽车的基本特点。有别于传统汽车和纯电动车,增程式电动车可由两种能量源提供动力。这种双能量源的特征增加了系统设计的灵活性,在整车能量管理系统的协调控制下,双能量源与其他部件相互配合,可以进行多种优化组合,形成不同的动力系统工作模式,以适应不同的行驶工况。同时整车能量管理策略决定了整车的燃油经济性、动力性和排放性,因此能量管理策略的设计对整车经济性有着显著的影响。

2.增程式电动车

增程式电动车是在纯电动汽车基础上安装增程器。增程器是能够发电且给车载动力蓄电池充电的辅助能量装置。当蓄电池电量充足时,汽车以纯电动模式行驶;当蓄电池电量不足时,增程器开始工作,给蓄电池充电或直接驱动电机,从而大幅提高电动汽车的续驶里程。在众多类型的增程器中,质子交换膜燃料电池以其具有零排放、动态响应迅速、能量转换效率高等众多优点得到了广泛的关注。本文研究对象是以燃料电池作为增程器的燃料电池增程式电动车。如图1所示为燃料电池增程式电动车的动力系统结构[1]。

图1燃料电池增程式电动汽车动力系统

2.1整车动力系统模型

基于原型车的基础上建立混合动力汽车模型,保留其共有的部分,添加增程式燃料电池汽车特有的部件模型,编制控制算法,连接控制信号。首先根据汽车功率流的走向,依次将ADVISOR软件中的各个组件模块加入,建立连接关系,建立整车的结构模型。

汽车在行驶过程中的阻力功率主要来自滚动阻力、风阻、坡道阻力及加速阻力,汽车的需求牵引力可通过汽车行驶阻力方程式可通过以下公式来计算:

其中:

公式中,G=mg,f为滚动阻力系数,α为坡度,CD为空气阻力系数,A为汽车迎风面积。V为汽车当前车速,δ为汽车质量转换系数,通常行驶道路的坡度角不大,cos α=1,sin α=tan α=I,则汽车的行驶方程可写为:

则整车的功率平衡方程为

整车动力学参数如表1所示

表1 整车参数

2.2燃料电池系统模型

燃料电池的性能可以用它的电流-电压特性图来概述,该图显示在一个给定电流输出时燃料电池的电压输出。

燃料电池释放的功率由电流和电压的乘积给出,因此反应燃料电池的功率密度和电流密度的函数关系的功率密度曲线可以由电流-电压曲线中的信息构造。电流-电压曲线和功率密度曲线组合的曲线图为极化曲线图,如图2所示为燃料电池的极化曲线质子交换膜燃料电池极化曲线可由下式描述:

式中,V表示燃料电池的实际输出电压;Ethermo表示热动力学预测的燃料电池电压输出;ηact表示由反应动力学引起的活化损耗;ηohmic表示由离子和电子传导而引起的欧姆损耗;ηconc表示由质量传输引起的浓度损耗。从图2中可以看出,燃料电池的功率密度随电流密度的增加而增加,达到一个最大值,即峰值功率,然后在较高电流密度区下降。

一个完整的燃料电池系统模型主要有燃料电池电堆模型,氢气供应模型,辅助系统功耗模型、空压机模型、氧气供应模型、产热量模型以及产水量模型等构成[2]。

N为燃料电池单体数目;Vfc为电堆工作时单体的平均电压;ifc为电堆工作时的电流,Pcp为空压机工作时的功耗;PAuxiliary为水泵以及继电器等低压器件的功耗。如图3所示为燃料电池系统模型示意图。

本文采用的燃料电池模型基于ADVISOR软件搭建,模型构成主要包含了燃料电池电堆、水泵及低压用电器、氢气供应、空压机功耗等几个模块。

本文基于某款10kw的燃料电池系统来进行燃料电池系统模型的验证工作,验证模型的氢气消耗量与系统台架试验的误差,氢气当量比1.2,燃料电池单体片数140,燃料电池系统额定功率10 kw,峰值功率11 kw。如图4所示为燃料电池系统的模型图。

2.3锂电池模型

目前有很多可供借鉴参考的电池模型,本文选取所需参数较少的Rint模型。Rint模型只考虑内阻引起的能量损失,它将蓄电池抽象为一个理想的开路电压源VOC与一个内阻Rint串联的等效电路结构。在ADVISOR中实现的Rint电池模型由五个主要部分组成:1)蓄电池组开路电压及内阻模块;2)功率限制模块;3)电流电压计算模块;4)SOC计算模块;5)热模块。根据本文研究对象,主要修改了蓄电池组开路电压及内阻模块中电池组开路电压、充电内阻、放电内阻与SOC相关数据[3]。

Qbat为蓄电池容量,V0为蓄电池开路电压,Rbat为蓄电池内阻,V0,Rbat为电池SOC的函数。如图5所示为动力电池的仿真模型。

2.4驱动电机模型

电机模型有两种控制方式,:扭矩控制和功率控制。扭矩控制要求输入电机在不同油门开度的情况下对应的扭矩响应特性曲线,可以较为精确地反映电机的控制策略,主要应用整车动力性能的仿真。功率控制是直接根据整车行驶的功率和车速需求对电机提出扭矩和转速请求,只要不超过电机的外特性曲线,电机就可以提供辆所需的功率。该控制方法简单,但可以反映电机的功率输出,即能量消耗,因此适用于各种工况的经济性仿真。三相交流同步电机模型公式所示[4]

本文所采用的电机采用水冷模式,最大转速12000rpm,最大转矩270Nm,额定电压308V。电动及发电模式下,系统最高效率都超过94%。如图7所示为驱动电机的外特性及效率曲线。

3.增程式燃料电池汽车能量管理策略

3.1 恒温器控制策略

保证燃料电池工作在高效率区间之内,其功率输出根据整车SOC值来调整,当动力电池SOC降到某一限值时,燃料电池启动。整车对燃料电池系统输出功率请求根据当前动力电池SOC由下表插值得到。当SOC升至某一限值时,燃料电池系统降低功率至最低允许输出功率,当SOC升至某一高限值时关闭燃料电池,直到再次达到启动条件。燃料电池系统输出功率上限见表3

表2不同SOC下燃料电池系统输出功率限值

3.2 功率跟随控制策略

燃料电池始终开启,该策略的匹配目标是将氢气和动力电池同时耗尽,从而获得当前条件下的最大续驶里程。首先根据前一段时间内SOC的下降率,估算动力电池还可持续使用的时间;结合当前车载氢气的剩余能量,估算出燃料电池系统需要输出的功率:

其中: Pfc(kW)为需要燃料电池系统输出的功率,mH2(kg)是氢气剩余质量,t为预设的时间间隔,SOC为当前SOC与t时间前的动力电池SOC之差。

4.仿真和结果讨论

4.1 仿真初始条件

仿真初始条件取蓄电池SOC初始值为0.95,SOC截止窗口0.1,氢气质量1.73kg。仿真工况为在各个国家地区通用的仿真工况WLTP、NEDC、UDDS、HWFET、US06、10-15、JC08、QCT759 common 、QCT759 fast。

4.2 仿真结果对比

如表3、图8和图9所示为三种能量管理策略在不同工况下的续驶里程,氢气剩余量,功率跟随相对于恒温器续驶里程增加百分比。

表3两种策略下的仿真结果及续驶里程增加百分比

图8两种策略下的续驶里程仿真结果

4.3 功率跟随与恒温器策略对比

从表4中可以看出,功率跟随与恒温器策略相比,功率跟随在WLTP、HWFET、US06、QCT759fast几个工况下经济性有所提高,在其他工况下经济性均为负增长。其中在US06工况下,经济性增加百分比为34.51%,分析原因为在恒温器策略下燃料电池系统输出功率不能满足US06工况功率需求,SOC 状态不能保持,造成电量先于氢气用完,而在功率跟随策略下,燃料电池系统可以以较大功率输出,可以保证氢气在整个周期内用完,导致续驶里程差距较大。

4.4 燃料电池系统输出功率变化率对比

燃料电池功率波动对燃料电池寿命会造成影响,如图6和8所示分别为燃料电池系统功率、电池SOC以及燃料电池系统功率变化率在NEDC工况下随时间的变化关系。

图9燃料电池电池系统功率、电池SOC在NEDC工况下随时间的变化关系

图10燃料电池系统输出功率变化率在NEDC工况下随时间的变化关系

从图10中可以看出,在恒温器策略下,除在初次启动和最终停止阶段出现燃料电池系统功率较大波动外,在正常工作范围内,功率波动最大值为0.42kW/s,燃料电池开关次数为0;在功率跟随策略下功率波动最大值为2.7kW/s,燃料电池开关次数为0。综合以上数据说明对燃料电池寿命的影响,恒温器策略最优,功率跟随次之。

5.结论

本文将恒温器、功率跟随以及瞬时优化策略用于增程式燃料电池汽车能量管理策略的研究与分析。结果分析表明在平均车速^低、怠速占比较高的低速工况下恒温器策略在保证整车燃油经济性的前提下可以兼顾燃料电池寿命。但在平均车速较高、怠速占比较低的工况下整车燃油经济性有所降低。功率跟随策略可以覆盖平均车速较高、怠速占比较低的工况,但整车燃油经济性较差。

参考文献

[1].A. Emadi, K. Rajashekara, S. S. Williamson, and S. M. Lukic, “Topologicaloverview of hybrid electric and fuel cell vehicular power system architectures and configurations,” IEEE Trans. Veh. Technol., vol. 54,no. 3, pp. 763C770.

[2].May 2005.M. J. Kim and H. Peng, “Power management and design optimization of fuel cell/battery hybrid vehicles,” J. Power Sources, vol. 165, no. 2,pp. 819C832, Mar. 2007.

能量管理策略范文2

关键词:电力电能;计算装置;管控策略;现状分析;改善措施

中图分类号:TM93 文献标识码:A

在整个电力营销体系格局当中,电能计量任务的重要把握是确保整体工作质量的重要标准,经过电能在具体的发电、输电、配电、变电等多功能系统的整体效能发挥,实现客户的最终电能的有效利用,整体功能的实现在贯穿变电所欲供电公司内部之间存在着一定的经济结算关系,主要是根据不同节点安装的电能计量装置提供的准确信息进行必要的数据提供,保证各自的经济结算的合理性,促进整体电力事业的经济活动的有序发展,实现国家电力事业在电能计算为基础的装置管控策略的全面制定和实施。

一、电能计量装置管理的社会背景和现状

(一)关于我国电能计量装置管理的历史背景状况

在国家电力体制的不断改革和深入的前提下,必要的电力公司运转所需的电能计量的准确检定措施要顺应必要的经济体制的深化做出必要的改进,实现总体政策法制控制下的各个地方电力公司的管理过程的合理安排,建设相对系统性的,高效的电能计量控制中心,保证各个数据的精准程度,实现以资产运行为基础,整个网络平台为控制终端的电能计算的网络化操作管理,具体发挥不同岗位人员的资源优势,实现统一计量模式、统一管理制度控制下的库存清理的计量资产利用率的高效提升,真正确保集约化、精细化与数字化的电能计量管理模式的高效应用。针对目前供电公司在电量计量管理行为的不够规范的现状以及相对落后处理技术和设备存储,需要保证必要的技术经济投入下的完整电能计量管理信息系统的建设方案的制定。根据用户的需求,进行满足一定使用功能和规模的系统设计方案,设计过程中要做好与用户的实时沟通和交流,充分把握其整体价值作用,针对计量点的性质进行客户类别的智能分配,内部细节处理包括电网经营的企业关口以及供电企业的关口计量方式等,在实际中接线方式与实际运行的负荷状况,都需要做到客观的分析和调查,保证现有信息的准确性,做好必要技术的投入和应用。

(二)我国电能计量装置管理水平的现状

目前,电能计算装置中的电能表设备的附加误差主要是在不规则的环境温度的变化影响下,加上地磁场干扰下的电源质量的混乱等综合因素造成的,因此,要高度注意电力设备在运行过程中的环境信息的搜集与客观评价,正确把握其在关于电量计算方面的作用的积极效应的衡量,同时进行现场运行的电能表计量准确法的科学校正。电能计量装置的计量性能主要是通过各个计量器的集体性能决定的,因此针对性质的综合作用进行适应环境条件的计量器具的开发和应用是适应科学与环境的改善效果的必然结果;关于准确性在计量装置方面显示效果的评估,在保证装置实际运行中的计量性能在具体电能结构中的规定范围的分布效果,进行必要的装置在正常环境运转的信息核对与校正,保证装置正常情况下的使用寿命的增加,降低企业的经营成本和不必要的技术资金投入,因此在进行关于电量用量合理性的准确评估时,要高度注意设备的安全运行的维护与管理,保证其长期有效的使用时间,促进后期各期改进工作的资金投入水平。

二、目前我国电力计算存在的主要问题

电力企业在不断发展的同时,已逐步将工作重心转移到创造和维护自身的经济效益方面,使得其有效的改进电能计量装置技术的同时,针对不断上涨的电力需求进行必要的修正和处理。电力费用上涨过程中,造成的窃电现象还是比较常见的,而电力技术的深入研究,针对电力系统的谐波源大量增加,加剧了局部电压和电流波形的严重变形,影响电能表的正常工作,造成具体监测数据的异常现象,这种现象长期放任不管,将会在造成装置严重破坏的同时,极大影响电力企业的正常生产和运行工作,造成巨大的经济损失。面对这种计量装置的异常问题的日益加剧,传统的电能测量仪器造就失去了作用,但现实中的人工计量还是在不同的地区有所展现,对不同的电力问题难以做到准确估计,因此在市场化竞争不断深化的电力企业形势下,需要结合技术的最新功能进行电力系统在扩大过程中的不断改进,做到大范围的增加最先电能测量仪器的同时,保证具体数据测量的精准性,确保积极竞争市场的全面发展。因此,面对人工的电能计量监测,一直是严重困扰电力新发展要求发展的限制因素。

三、关于电力电能计量装置管控策略的探讨

电能装置发生异常时,需要结合先进的测量仪器进行具体工作环境和状态的有效排查,针对不同形势的变化进行必要状态的技术修整。

(一)电力计量装置异常的监测措施的改善

计量电压的变化后,会造成整体结构的回路的运转异常,导致整体装置的计量误差增大。在电压突变的过程中,由于电压长期低于正常水平,会造成计量三相电压的极度不平衡,具体的指示工作更加难以落实;电流回路异常在电能表内部的催化作用比较明显,造成三相电流的不平衡状态;这些电流和电压异常状况的长期堆积会造成计量设备内部的严重负荷,造成功率的因数突变,在监视设备的指示信号会在自检操作错误的同时,造成量柜的非正常打开,监视继电器的开关计量装置也会失去必要的功效;另外,在长期负荷的电量累积后,计量装置在综合误差的影响下,谐波和窃电所导致的计量装置的异常将会造成电能计量的具体数值小于实际电量运行数值,造成电量计量统计低于实际用量,对于电力企业内部的经济运转将会造成严重的压力。

对于不易发现的装置异常状况,必须借助技术设备的全面分析,进行相电压、电流、电压突变量值的准确测量,同时在三像电压和短路器位置的正常数据进行比对,确保各项数据的稳定性和规则性。充分利用信息化管理平台进行计量装置的基础信息的完善存储,在进行信息化建设的同时规范新装表计量信息的校正,完善原有设备结构的同时,掌握全面的、准确的电能计量装置的基础资料,提高整体装置的管理水平;把居民用电的产权归供电企业所有,保证记录数据在统一表格、统一校验配送的形式下进行系统管理效能的改善;注意加大电能计量检定的技术设施和资金的投入,保证供电企业在计量工作上有着一定的技术力量支持,具体保证检测数据的准确价值,同时保证长期稳定工作设备的使用寿命的延续,减少不必要的资金投入,促进整体电力事业的进一步发展。

(二)具体设备的技术功能和人员队伍的改善

提高整体电能计量队伍的素质水平,加大关于电能专业教育的投入,保证必要的技术人才的提供,进行必要的管理与技术知识的更新,建立计量人员的技术水平档案管理,制定一定水平的激励机制,充分调动计量技术人员的积极性,保证设备损坏的分析工作的积极落实,及时掌握最新的设备良好运行情况的资料,保证计量管理环节的稳定维持。考虑实际工作中营销部门在专职人员的技术素质要求,进行内部人员素质的更新,做好必要的知识和能力的培训,实现动态事项变更的双重管理,保证日常装置维护工作的积极有效落实,认真做好时候的记录,建立细致的档案资料管理制度,实现固定周期内的轮换计划与整体结构信息的按时申报。

加快电能计量装置的改造步伐,确保质量和效益的双赢。在推广新型电能表与防窃、载波等涉等附加设备的同时,具体进行不同结构的组合,实现不同要求下的整体装置的合理运行,保证检验数据的准确性,保证企业一定的经济效益的同时,促进整体作用下的管理效益和社会效益的改善。在设备的安装处理完成后,进行后期验收与维护服务的全方位提供,根据不同电量和电压等级管理进行一定规格的分类,实现人员的具体责任的划分,加强计量装置的二次回路的管理,控制具体的负荷容量,有效降低电能运行过程中的阻抗,根据实际的需要进行一定规格装置的安装,避免装置的参数值低于实际电压和电流数值,确保在计量装置运行状态下的准确数值的提供,为电能管理工作的有序安排提供一定的指导作用。

结语

针对满足不断发展的电能测量装置技术形势,具体适应不同市场变化及政府主管部门的政策要求,需要全面分析客户需要的公平、公正、优质的服务水准,进行电能计量装置的全面改进,为不同企业和客户之间的公平交易和贸易结算提供一定的技术和资金保障。

参考文献

[1]王玲.论电网企业的资产全寿命周期管理[J].中国总会计师,2008,25(11).

[2]潘华.论电力企业固定资产全寿命周期管理[J].时代经贸(中旬刊),2008,29(S9).

[3]侯保华.电能计量准确性方法研究及其在楚雄电网中的应用[D].昆明理工大学,2008,16(05).

[4]陈海波.电力工程资产管理的趋势和挑战[J].华东电力,2009,17(01).

能量管理策略范文3

关键词:Ad Hoc网络;动态策略管理;随机优化控制策略

中图分类号: TP393

文献标识码:A

0引言

在节点不断移动、拓扑动态变化、带宽受到限制的Ad Hoc网络中,移动节点大多使用电池供电,其电源有限且不易充电。部分节点电池耗尽不仅会导致这些节点不能工作,还有可能影响到整个网络的性能。因而提高能量效率是降低网络运行成本、提高系统可靠性的关键技术,已成为系统设计的目标之一[1~3]。

针对这一问题,可以在不同协议层采用不同机制来降低能量损耗。当前提高能量效率技术的研究主要集中在网络层和数据链路层,并通过计算机仿真模拟来实现。在网络层,可以使用能量路由协议[1,2]来减少功率损耗。在数据链路层,可在节点或节点组件空闲时将其转入休眠状态以减少能量消耗,DPM(Dynamic Power Management)正是基于这种思想而提出的。近年来,已有许多研究机构和企业对DPM进行了的研究。如Intel等公司推出的ACPI,应用DPM思想以简化对系统资源的管理,但它并没有提出具体的节能策略[1,4]。为了减少能量消耗,无线网络接口要尽可能地处于休眠状态,基于此提出了基于休眠模式的无线MAC层协议[3,5]。此外,Norman等人应用DPM对无线网络接口进行了分析,指出进一步研究方向是将节能策略应用于移动节点的多个主要耗能组件如硬盘、显示器等,以此来提高节能效率[2,6]。

DPM策略分为预测策略(也称启发式策略)和随机优化控制策略。预测策略不能对两种能量状态以上的复杂系统及多个交互组件进行建模。便携电脑上常用的“time out”就是一种简单的预测策略。随机优化控制策略基于数学模型,对多状态系统中组件使用情况的概率特征进行精确假设,从而可以建立更为准确的模型,得出能量消耗与系统性能之间的优化解,确定在何时执行何种状态切换来减少能量消耗[1,6,7]。

基于上述分析,本文提出了移动节点的DPM模型,并在模型中引入了随机优化控制(以下简称为优化)策略以提高节点能量效率。然后使用概率模型检测工具PRISM[8]对这一策略与DPM中另外两种常用预测策略进行了比较,结果表明这一策略的总体节能效果优于上述两种预测策略。

1移动节点的DPM模型

移动节点的DPM模型如图1所示,其组成如下:

(1) 向设备发送请求的服务请求者(Service Requester,SR);

(2) 存储不能立即执行请求的服务请求队列(Service Request Queue,SRQ);

(3) 服务各请求的服务提供者(Service Provider,SP);

(4) 根据系统负载和优化策略向SP命令的能量管理器(Power Management,PM)。

PM根据系统负载情况(如SP的状态、SRQ中请求数目等),按照所采用的优化策略向SP发出状态切换命令,SP则按照PM的命令对SRQ中请求队列进行相应处理。本模型中SR、SP分别为无线网络接口 (Wireless Network Interface Card, WNIC)和硬盘。

WNIC有4个状态,使用Lucent IEEE 802.11 WaveLan的相关数据[1]。初始时处于sleep状态,每隔一定时间进入idle状态,当访问其他节点的资源时,WNIC进入send状态,并向其他节点发送请求消息,随后进入等待响应的recv状态。

硬盘有5个状态,主要使用IBM TravelStar Vp disk driver的相关数据,见表1、表2[6,7]。只有在active状态时硬盘才能执行数据读写操作。在idle状态下,硬盘旋转而其中的一些电子组件已经关闭。idlelp状态与此相似,但能量消耗更少。stby和sleep状态分别对应于硬盘停止旋转和关闭状态。

2优化策略

上述模型的目标函数可描述为系统平均能量消耗最小,其约束条件为系统丢失请求的平均概率以及请求平均等待延时均不能太大,使用优化工具和MAPLE工具得出如表3所示优化策略[6,7]。为了便于比较,对两种常用预测策略即贪婪time out策略(目前许多电子设备、电脑操作系统中使用此策略)和延时time out策略进行了分析。在贪婪time out策略中,SP在处理完请求后进入idle状态,空闲一定时间后进入sleep状态,有请求到达就进入active状态。延时time out策略的不同之处在于进入sleep状态后,直到请求队列满时才进入active状态,因而减少了系统切换开销。

3优化策略的PRISM建模

请求到达事件和请求服务事件均可抽象为随机过程,并假设所有请求具有相同的优先级,SP按照先来先服务的方式处理SRQ中各请求。根据表1和表2,为模型选择1ms的单位时间,并建模为DTMCs。每一组件用PRISM的一个模块来表示,分别描述如下。

3.1PM模块

PM根据系统负载情况,按照所采用的策略向SP发出状态切换命令。不同约束下,PM的代码见表3。

3.2SP模块

SP中状态迁移及平均时间见表1和表2。对于迁移时间超过单位时间1ms的迁移,引入中间状态并假定消耗2.5W的能量。例如中间状态active_idlelp表示从active状态迁移到idlelp状态,其迁移时间为600ms。

SP的概率有限状态机如图2所示。当sp为idle状态时,若pm=0(发出进入active状态的命令),则sp进入active状态;若pm=1(发出进入idle状态的命令),则sp保持此状态;若pm=2(发出进入idlelp状态的命令),因为这一迁移需要5ms,故sp先迁移到active_idlelp;类似地,若pm=3(发出进入stby状态的命令)或pm=4(发出进入sleep状态的命令),sp则分别迁移到activestby状态和active_sleep状态。

3.3SR模块

本文中SR为WNIC。在Ad Hoc网络中,节点的频繁移动会使已建立的路由失效,因而不能对请求及时正确地响应,导致丢失请求,在此用p表示SR与其他节点通信成功的概率。其概率有限状态机如图3所示,SR在sleep状态下每隔tout进入idle状态,在另一tout内若收到其他节点的请求,则相继进入send和recv状态,否则进入sleep状态。在recv状态下,以概率p与其他节点通信成功,之后进入idle状态。

3.4SRQ模块

SRQ用于存储不能立即执行的请求。仅当SR为idle状态且SP为active状态时,请求队列才会减少;另一方面,仅当SR为req状态而SP不处于active状态时,请求队列才会增加。其代码在此略去。

4结果分析

假设网络面积为1B000m×1B000m,共有20个移动节点分布其中,并独立自由移动。用PRISM对表3中不同优化策略以及贪婪time out和延时time out策略进行验证,结果如下:

(1) 优化策略对网络拥塞的影响

这一影响可描述为在T时请求队列满的概率,其概率越小,网络拥塞的概率也越小。验证结果如图4所示,在T时请求队列满的概率随着时间的增加而增大;随着平均队列大小的增加(约束条件放松)而略有增大。与p=0.5相比,p=0.9时,WNIC与其他节点通信成功的概率更大,因而向硬盘发送请求和请求队列满的概率更大。

(2) 优化策略所产生的延时情况

这一情况可描述为在T时刻之前请求得到服务的概率,其概率越大延时越小,因而不会显著地降低网络的吞吐率。验证结果如图5所示,约束为2时,仅当队列满SP才进行服务,故概率为0。请求得到服务的概率随着T的增加而逐渐增大,随着平均队列大小的增加(约束条件放松)而趋于减小。

(3) 优化策略对系统可靠性的影响

这一影响可描述为在T时间内丢失N个请求的概率,其概率越小系统可靠性越高。图6中,随着T的增加,丢失请求的概率逐渐增大;丢失请求数目N越大,系统到达这一状态所需的运行时间越长。由图7可知,系统丢失请求达到N=80的概率随着平均队列大小的增加(约束条件放松)而增加,这是由于平均队列越大,系统处于sleep状态的概率更大,因而需要一定时间迁移到active状态,故丢失的概率增大。

(4) 各策略中系统平均能量消耗和平均请求丢失情况

节点能量效率可通过节点的平均能量消耗来衡量。节点所消耗的平均能量越小,其使用寿命越长,能量效率也越高。使用PRISM得出上述策略中SP在T时处于各状态的概率,相应地可以计算出平均概率,SR计算类似。对于上述两种预测策略,SP只有active、idle、sleep三种状态,只需对这三种状态进行计算。

对于优化策略,令pij表示约束条件i下(约束条件编号见表3)处于状态j的平均概率,Cj为状态j下所消耗的能量(见表1)。如p01表示约束为0.001时SP处于idle状态的平均概率,C1=1.5W。系统平均能量消耗C=∑pij×cj,其中i∈{0,1,2,3,4,5,6},j∈{0,1,3,6,9}。类似地可计算WNIC的能量消耗。

由表4可知,优化策略的平均能量消耗随着平均队列大小的增加(约束条件的放松)而减少。与两种预测策略相比,约束为2的优化策略的平均能量消耗明显较少。与其他策略相比,贪婪time out策略平均请求丢失概率较小。延时time out策略的平均请求丢失概率与约束为2的优化策略接近。

公告

据举报并查实,刊登在我刊2006年第9期(P2148-2149,2159)题为“PKI互操作性的一种新的信任模型”署名管强、朱云的文章,原系日本朝日大学博士生郭峥、奥山辙教授和加拿大魁北克大学Finley Marion教授合作,公开发表在Oct.23-28, 2005, ICAS & ICNS 05国际学术会议上的论文:A New Trust Model for PKI Interoperability的中文译文。管强、朱云在未经得原论文作者同意就将其翻译成中文,也未告知编辑部,而以自撰论文名义发表该文,实属剽窃、抄袭他人论文、欺骗编辑部和读者的不端行为。这种行为严重违反了中华人民共和国著作权法,侵害了原著作权人的权利。本刊对这种剽窃、抄袭他人论文和欺骗他人的恶劣行为表示强烈谴责。本刊已通报侵权人所在单位,并责成其作出严肃处理。通知侵权人必须向受侵害人赔礼道歉,消除影响,退还不当得利。侵权人管强、朱云已承认剽窃事实并表示道歉。在不知晓该文是剽窃、翻译文章而刊登了此文,本刊向原英文论文作者及收录原英文论文的电子工程协会学术论文数据库、电气电子工程协会―计算机协会数字图书馆致歉。请收录本刊的各中文数据库将“PKI互操作性的一种新的信任模型”一文从相关数据库中撤出。本刊并通报相关期刊社,将在三年内不再收录刊登有涉嫌剽窃、抄袭的不端行为人的文章。

特此公告!

能量管理策略范文4

>> 我国媒体汇聚传播社会正能量空间很大 正能量的形成与传递 传播的“正能量”与“美丽中国” 浅析我国快递包装回收体系的构建 我国农村环境治理的策略与治理体系构建分析 浅析我国思政课教学创新思维与高职生良好人格培养策略 传播正能量的使者 浅析我国低碳金融体系的形成 传播正能量,构建法制社会 浅析我国动画电影跨文化传播中的问题与应对策略 网络媒体传播正能量的责任与担当 关于微博“正能量”传播的分析与思考 我国制造业升级与现代制造业体系构建的行动策略 论我国行政法律体系的形成与完善 浅谈我国农村金融体系的形成与发展 我国通胀预期形成机制与管理策略 我国个人信用体系构建策略 我国当前体育赛事传播的体系拓展与融合趋势 浅析我国电视对外传播的问题及应对策略 我国食品企业社会责任体系的构建策略研究 常见问题解答 当前所在位置:,[2013-12-23]/[2016-2-28]

[2]贾产峰.出版物价值选择根向度:正能量传播及其正外部效益分析[J].出版发行研究,2013(4):31-33

[3]金光磊.中国好人文化研究[D].湛江:广东海洋大学,2014

[4]新华网.:意识形态工作是党的一项极端重要的工作[EB/OL]. [2016-2-20]/[2016-2-28]

[8]邵龙宝.中国社会的信仰问题及其实质[J].江汉论坛,2015(4):52-56

[9]朱金英.社会主义核心价值观培育践行:榜样引领与政府推动[J].合作经济与科技,2014(10):176-178

[10]杨静等.社会主义核心价值观融入学校教育的路径探讨[J].黑龙江畜牧兽医(综合版),2015(10下):221-223

[11]中国互联网络发展状况统计报告[R].北京:中国互联网络信息中心,2016:1-2

能量管理策略范文5

[关键词] 混合动力客车;再生制动;控制策略;制动力分配

再生制动是油―电混合动力汽车(本文所提到的混合动力汽车均指这类汽车)的重要工作模式,它能在车辆减速或下坡时,在保证车辆制动性能的条件下,将储存于汽车上的动能或位能通过电机转化为电能并储存在于电储能装置中[1]。该工作模式下,制动系统不仅产生车辆所需全部或部分制动力,实现了车辆的减速和制动,同时可回收一定的制动能量,有效地实现车辆的节能减排,并减少了制动器摩擦片的磨损。因此,在环保节能安全的汽车技术设计理念的引导下,再生制动的研发已成为新一代节能汽车技术的热点之一。

可见,开展再生制动的理论和应用研究不但有重要的理论意义,而且还有较高的实用价值。而国内目前对混合动力汽车的再生制动的研究相对于国外起步较晚,在以下方面还有待深入研究[2]:①再生制动能量管理和控制策略;②再生制动系统建模和车辆制动动力学建模;③基于整车综合制动动力学仿真的综合优化;④再生制动系统的实验模拟、匹配控制和综合评价。

本文根据已在我国多个城市运营的某混合动力客车车型现有的制动系统及其工作模式的介绍,展开再生制动能量管理和控制策略的研究。以理论分析和仿真研究为手段,揭示目标车型再生制动控制策略下的制动安全性能及制动能量回收率的表现,从而为优化混合动力客车制动系统控制策略提供参考。

1 目标车型再生制动系统结构与控制策略简介

目标车型配备的混合动力系统的结构及其制动模式下回馈能量路线如图1所示,动力系统由驱动桥、驱动电机、驱动电机控制器(由AC/DC转换器、DC/DC转换器及电机工作模式控制器等组成)、储能元件(超级电容)、发动机、永磁发电机、混合动力控制器等组成;而制动工况下离合器分离,永磁发电机关闭,回馈能量流动流动路线为:驱动桥驱动电机驱动电机控制器储能元件。客车采用三级微控开关式刹车踏板,实现减速/制动工况下有几种工作模式:

(1)当松开油门踏板而未踩下制动踏板时,客车采用50%的轻载发电;

(2)当微踩制动踏板使踏板行程介于第一级与第二级开关之间时,客车采用100%的全载发电;

(3)当制动踏板行程介于第二级与第三级开关之间时,客车采用再生制动和机械制动的联合制动方式;

(4)当制动踏板被迅速踩到最大行程触动第三级开关时,客车采用纯机械制动方式。

图1 目标车型动力总成系统及制动回馈能量流图

以上的工作模式能否在客车行驶中实现,使客车具有高的制动能量回收率,取决于目标车型制动力分配策略的制定与相应的制动系统的设计。根据工作模式可知,目标车型采用自由行程式控制策略,其特点为定比例式进行摩擦制动力与电机再生制动力之间的制动力分配,同时在踏板自由行程段施加回收制动力的制动控制策略,以满足客车制动安全的需要并实现高的车辆惯性能回收率。如将自由行程式控制策略的客车安全制动性能与能量回收率进行仿真分析,有助于了解混合动力客车在不同的制动强度下,客车的控制策略的制动安全性能及制动能量回收率的变化情况,从而为优化混合动力客车制动系统提供了切入点参考。而仿真研究所需的目标车型及其混合动力系统的参数如表1 所示。

2 制动力分配控制策略的理论分析

根据目标车型的工作模式反推出客车的控制策略如图2所示:OE段,制动踏板自由行程,电动机制动力增大,摩擦制动力为0,总制动力达到点A;EF段,电动机制动力增大,摩擦制动力为0,总制动力到达点B时,电动机回收制动力到达极大值;FG段,摩擦制动力从0开始增加,同时保持为电动机制动力不变,使总制动力与需求制动力相同,前后轮制动力之比按原车比例控制,即原车β线位置;GH与HI段,制动踏板开度较大,即将进入紧急制动工况,为了保证制动安全,摩擦制动力迅速恢复并增至最大,电动机制动力随之逐渐减小至完全撤销,该过程仍然保证总制动力与需求制动力相同。

图2 目标车型控制策略方案

根据再生制动系统的特点,可以从汽车制动性能的评价、再生制动性能的评价和再生制动系统对于整车性能影响的评价三个方面对再生制动系统的可行性与各项性能指数进行分析评价[3]。

(1)目标车型引入自由行程轻载发电模式以及整个制动过程保证制动力与需求制动力相同的控制策略,显然,其制动距离和制动效能比传统车型有一定的改善。然而,由于整车取消了滑行模式,在某些情况下,并不一定有利于节能行驶。因为在一定的车速范围内,适当的应用滑行模式,能充分利用整车的惯性滑行,增加行驶里程从而减少燃油消耗,而如果将惯性能回收再驱动,其效率必然降低。

(2)目标车型增加了再生制动模式的工作时段(OE段),显然目标车型可以拥有较高地制动能回收率。

(3)目标车型当进入摩擦制动力工作时段(FI段),其前后轮的制动力分配必需保证前轮比后轮先达到车轮抱死临界状态,否则后轮先抱死势必对客车行驶稳定性不利。目标车型采用了前后轮制动力按原车比例控制,从理论上可以消除该隐患。

3 制动力分配控制策略仿真分析

根据目标车型的控制策略,利用Matlab/Simulink和ADVISOR软件中建立制动工况下整车工作模式选择模型,如图3所示。并建立整车控制策略模型,如图4所示。

由于目标车型为城市客车,所以选择我国2005年实行的中国典型城市公交循环工况作为仿真测试循环,如图5所示。

仿真采用一个循环工况,输入目标车型参数进行仿真,总的仿真时间1320s,设定初始SOC(超级电容剩余电量与总电量之比)为0.9。得到仿真实际车速与SOC变化情况,分别如图6与7所示。

从图6中可以看出当初始SOC为0.9时,工况要求车速和仿真实现车速曲线完全重叠,说明目标车型的动力性满足中国典型城市公交工况的要求。从图7可以看出,在整个工况结束时,其存电量还是保持为0.9。在客车运行中,SOC下降的主要是由在起步和低速工况下采用纯电机驱动模式引起;而SOC上升的主要是由制动工况下再生制动模式引起的。为了保护超级电容,SOC在0.9处中止回收充电。从图中看到SOC曲线多次被切峰,说明目标型车有较高的能量回收率,但也表明客车尚未充分吸收制动能量,控制策略与储能系统有待进一步综合优化。比如,显然目标车型在取消自由行程段的再生制动,SOC势必减少被切峰次数,有利于制动能量的有效回收和提高整车节能潜力。

4 结论

本文对一款混合动力客车的再生制动系统进行分析,利用理论分析和仿真手段,揭示自由行程式再生制动控制策略下客车制动性能与能量回收的变化情况,得到如下结论:

(1)在自由行程下引入再生制动,可显著增加客车惯性能的回收。但并不一定利于整车的节能,比如为保护储能元件不能充分吸收客车惯性能以及取消滑行模式降低客车惯性能的利用率。

(2)目标车型所采用的自由行程式控制策略,可以具有较好的汽车制动性能、再生制动性能和整车稳定性,满足车辆行驶要求。

(3)目标车型从仿真来看,SOC多次被切峰,车辆未能充分吸收客车惯性能,可以从控制策略和硬件系统的综合设计方面着手研究,进一步提高再生制动下能量回收率。

参考文献:

[1] 陈全世,仇斌,谢起成.燃料电池电动汽车[M].北京:清华大学出版社,2005.

[2] 颜静.CVT混合动力再生制动控制策略与仿真研究[D].重庆:重庆大学, 2006.

[3] 赵岩.并联液压混合动力汽车制动系统建模和仿真研究[D].吉林:吉林大学, 2009.

Regenerative Braking Strategy Research for Hybrid Electric Bus

Yu Jie

(Electromechanical and Automation Engineering Department, Fujian University of Technology, Fuzhou 350108, China)

能量管理策略范文6

【关键词】绿色云计算 随机任务 迁移调度

1 引言

在IT领域,云计算提供了一种特殊的服务方式,以其高性能计算能力和高扩展性等特点,逐渐成为产业界和学术界的热门方向。目前,大多数研究者都将目光放在了怎样让云计算中心的运算性能能够达到最高,怎样将云计算中心的资源利用率达到最高、怎样让云计算中心的服务器节点的资源利用率达到一个负载均衡等等。在研究以上问题的时候忽略了能量消耗这个问题,随着云计算的使用增加,云计算中心的能量消耗已经达到了一个很高的状态。绿色计算这一特征一直都用来描述云计算,但云计算自身并没有提供很好的解决方案来评价和降低能耗,因此需要一种成熟的方案来实现绿色计算的意义。针对这一问题,本文提出了一种基于云计算环境下的降低能耗算法,通过迁移和调度策略实现了减低能耗和提高云计算中心资源利用率两个方面的性能。

本文剩下的章节安排如下:第二章,介绍相关的研究,主要是介绍一些国外高刊(SCI)中的算法;第三章,提出能量模型,根据相应的公式推导,得到一个云计算中心耗能的能量模型;第四章,介绍RECMSA算法的具体过程以及实现方法;第五章,通过实验进行算法的比较;第六章,对本文所做的工作进行总结。

2 相关研究

最早研究能量管理策略的是Pinheiro等人,主要的策略是通过减少云计算中心物理服务器节点的工作量,重新配置任务,然后让一部分工作量极少的节点休眠,从而达到节能的效果。在该研究中,作者认为任务的重新配置操作会存在时间上的消耗,但是对整体节能会友很好的效果。

Wood等人提出一个经典的迁移调度策略(AVG),其核心公式如下公式(1):

其中,CPUu、MEMu、NETu分别表示一台物理服务器节点的CPU、MEM以及NET的利用率。根据公式(1)很明显可以知道,当 V值越大,说明该物理服务器节点的资源利用率很高,V值越小,说明该物理服务器节点的资源利用率低。那么当有新任务到达云计算中心时,将新任务放在V值最小的服务器节点上进行服务。

Zheng等人提出了另外一个负载均衡算法(NORMAL),其核心公式如下公司(2):

首先,在云计算中心随机选择一台物理服务器节点m;然后其它的每一台物理服务器i与m进行比对;N1i表示CPU的计算能力, N2i表示MEM的能力,N3i表示硬盘的存储能力。Ci、Mi、Di、NETi分别表示CPU、MEM、DISK以及NET的利用率。a、b、c、d分别表示CPU、MEM、DISK以及NET的权值。该算法的目的是通过计算得出B的值,然后当有新任务到达时,将新任务分配到B值最小的物理服务器节点进行服务。

3 能量模型

在云计算中心,每一个工作中的服务器节点的电能消耗主要是在CPU、内存、磁盘存储和网络接口这些方面。通过对这四个系统资源的相互比较,可以得知CPU的使用状况是服务器节点的电能消耗情况的关键因素,本文的主要研究目标就是管理服务器节点的电能消耗以及使用的高效率。此外, CPU利用率通常与服务器节点负载成正比。

当有应用程序在服务器上运行时,CPU使用情况与服务器节点的电能能耗成线性关系。其原因就是服务器节点的电能消耗情况的关键因素为CPU的使用状况。这些研究还表明在单位时间内(例如:1小时)一个电源开启的空闲的服务器节点与一个CPU使用率为100%的服务器节点之间的电能能耗比值为60%~70%。这个事实证明,如果能让一些空闲的服务器进行休眠,或者让工作量低的服务器通过迁移调度算法将自己的服务转让出去,然后进行休眠,这样在很大程度是可以降低云计算中心的总功耗。因此,定义了以下能量模型:

其中,Emax表示一个服务器节点处于工作状态为100%时的能量消耗值;α表示在单位时间内一个电源开启的空闲的服务器节点与一个完全工作状态服务器节点之间的电能能耗比值;u表示CPU的利用率。

在服务器节点工作时,CPU的利用率随着时间在不断变化,因此使用一个与时间有关的 函数来表示CPU的利用率。定义一个服务器节点在时间[ Tstart,Tend]内的电能能耗为:

假如一个云计算中心有n(0,1,2,3...i...)台服务器节点,那么整个云计算中心在时间[Tstart,Tend]内的电能能耗为:

通过以上(3)-(5)式可以最终得到一个云服务中心在时间[Tstart,Tend]内的电能能耗模型:

4 RECMSA策略

云计算中心的服务对象(任务)是随机任务,当前云计算中心服务器节点的工作状态同样为随机状态,即一部分服务器节点负载很高,一部分服务器节点负载很低。本文也是在这个前提下进行研究。此外,使用CPU和MEM两个参考参数对服务器节点的资源利用率进行评估。云计算中心的服务器节点都为相同类型的机器。RECMSA策略又分为RECMA迁移策略和RECSA调度策略。

4.1 RECMA迁移策略

在一个有N(0,1,2,3…i…)个服务器节点的云计算中心内,任意一个服务器节点的资源利用状态用表示,与分别表示第i台服务器节点当前CPU和MEM的使用率。则可以计算得到整个云计算中心的CPU与MEM的平均利用率分别为Cpuavg,Memavg。

下面进行服务器节点的分类,因为在第三节已经将到,CPU是决定服务器节点电能能耗的关键因素,所以通过每个服务器节点的CPU利用率与整个云计算中心的CPU平均利用率Cpuavg进行比较。S(j){j|j∈i,Cpuj>Cpuavg}集合表示CPU利用率大于平均利用率的服务器节点,S(k){j|j∈i,Cpuk

那么将 的这台服务器节点上的服务迁移到 的这台服务器节点上, 的这台服务器节点是完全能够正常工作的,因为将两台服务器上的服务累加后CPU和MEM的利用率小于100%。如图4-1描述了服务器节点上的服务迁移过程。

4.2 RECSA调度策略

RECSA调度策略是在RECMSA迁移策略完成后的基础上进行的。通过RECMSA迁移策略可以让一部分资源利用率少的服务器节点进入休眠状态,从而达到节能的目的。RECSA调度策略是对新进入的应用进行合理调度,达到既提高资源利用率又节能这两个方面的要求。

首先,将新进入的应用(AP_New)放到一台测试服务器(Server_Test)上进行测试,测得AP_New的CPU和MEM的利用率分别为ψ,ξ 。然后将ξ,ψ与正在工作中得服务器节点S(i)中,进行比较,通过以下步骤进行调度:

第一步:

两个条件同时满足。

将AP_New放入S(i)运行,否则进入第二步;

第二步:

如果 ,则开启一台新的服务器节点对AP_New进行服务,否则进入第三步;

第三步:

如果但是,那么将S(i)进行丢弃处理,即S(i)不再进入 这个集合当中,返回进入第一步。

5 仿真实验

RECMSA策略算法有两个目的:一是提高云计算中心资源利用率;二是降低云计算中心电能能耗。因此,在做仿真实验时主要根据这两个因素进行实验。实验中得任务为随机任务。

5.1 仿真环境

通过使用C/C++编程实现对算法的模拟,因此本文将使用相同的编程环境进行实验。本文中使用到的重要参数见表1,此外 Ptotal表示能耗,和分别表示CPU和MEM的资源利用率。

5.2 实验结果及分析

首先通过对使用RECMA迁移策略算法前后云计算中心CPU和MEM的资源利用率进行比较以及在[Tstart,Tend]内能耗的比较。实验结果如图5-1和图5-2所示。

通过图5-1和图5-2可以发现,使用RECMA迁移策略后云计算中心CPU和MEM的资源利用率有明显的提高,能耗明显降低。

进一步,在初始状态相同的云计算中心这个前提下,然后对随机进入的新任务进行服务,使用文献中的AVG算法、RECSA调度策略算法以及传统调度算法NORMAL进行对比,比较的参考因子为CPU和MEM的资源利用率,能耗这两个方面。实验结果如图5-3和图5-4所示:

图5-3和图5-4描绘了云计算中心资源利用率以及能耗这两个方面的情况。可以清楚的知道RECSA调度策略算法在资源利用率以及能耗两个方面都比AVG算法以及NORMAL算法要好。

6 结论

在本文中,提出了一种基于云计算环境下的降低能耗算法,首先通过对物理服务器节点的资源利用(CPU,MEM)状态分析,然后通过算法进行合理迁移;然后当有新任务到达时,进一步利用算法进行分析调度。最终通过实验证明实现了降低能量消耗和提高资源利用率两个目的。下一步工作,在此基础上考虑更多的资源状况进行综合分析,对云计算系统的耗能进一步的进行优化。

(通讯作者:李玉明)

参考文献

[1] 宋杰.李甜甜等. 一种云计算环境下的能效模型和度量方法[J]. 软件学报,2012,23(2),200-214.

[2] E. Pinheiro, R. Bianchini, E.V. Carrera, T. Heath, Load balancing and unbalancing for power and performancee in cluster-based systems, in: Proceedings of the Workshop on Compilers and Operating Systems for Low Power, 2011, pp.182-195

[3] Wood,Prashant,Arun V,et al.Black box Gray box Strategies for VM//Proceedingsof Symp. On Networked Systems Design and Implementation:April 11 13,2007.Cambridge,MA.Proceedings of NSDI,2007:229 242

[4] ZHENG H,ZHOU L,WU J.Design and Implementation of Load Balancing in Web Server Cluster System[J].Journal of Nanjing University of Aeronautics & Astronautics,2006,38(3):347 351

[5] Anton Beloglazov,Jemal Abawajy,Rajkumar Buyya,Energy-aware resource allocation heuristics for efficient management of data centers for Cloud computing:Future Generation Computer Systems 28(2012)755-768.

作者简介

王梓名(1987-),男,四川省成都市人。硕士研究生学历。现供职于四川大学华西第二医院,研究方向为云计算、医院信息管理。

吴邦华(1984-),男,四川省成都市人。大学本科学历。现供职于四川大学华西第二医院,研究方向为医院信息系统管理。

通讯作者

李玉明(1985-),男,四川省成都市人。大学本科学历。现供职于四川大学华西第二医院,研究方向为医院信息系统管理。