高波动可再生能源条件下基于 CNN-BiLSTM 的热感知电动汽车快速充电与智能能源管理

《Scientific Reports》：Thermal aware fast EV charging and intelligent energy management using CNN-BiLSTM under highly variable renewable energy conditions

　　

摘要

电动汽车（EV）的超快速充电需要更大容量的充电站，如果充电站由频繁断电的可再生能源支持，则可能对公用网络造成额外负担。自适应滑模控制（ASMC）提供了鲁棒性和一致性；然而，其能力在电池荷电状态估计、热控制和功率优化等多目标功能方面受到限制，尤其是在高度动态的运行场景中。为解决这些问题，本文提出了一种用于连接电网的可再生能源支持电动汽车充电站的CNN-BiLSTM辅助自适应滑模控制（ASMC），以下简称CBA。CNN-BiLSTM模型被用作预测前馈模块，以估计充电需求、可再生能源功率的不确定性和电池热管理控制，而ASMC则用于鲁棒的闭环轨迹跟踪和约束执行。该控制框架实现了快速充电控制、改进的温度管理和可再生能源与公用电网之间的适当功率共享。仿真和实验结果表明，与标准ASMC控制器相比，CBA控制器在900秒内实现了85%的电池荷电状态（SoC），而标准ASMC控制器仅能达到80%，提高了6.25%。实验验证表明，该技术的成效显著，在相同的充电时间内达到了84%的SoC，而ASMC仅达到80%，提高了5.0%。此外，使用所建议的控制器，仿真中电池峰值温度降低了8.33%，实验验证中降低了10.2%，分别为48°C降至44°C和49°C降至44°C。所提出的策略还提高了充电效率，稳定了直流母线电压，增强了可再生能源的利用率，并在高度动态的运行条件下减少了电网压力，同时不牺牲充电速度和电池健康。