文献

J-GLOBAL ID：201702263382870744   整理番号：17A1631199

神経回路網に基づくエネルギー予測器を用いたEV(電気自動車)バスのための帯電コストの最適化【Powered by NICT】

Charging cost optimization for EV buses using neural network based energy predictor

著者 (3件)： Nageshrao Subramanya P. (Department of Aerospace Engineering, University of Michigan, Ann Arbor, MI, 48109, USA) ,  Jacob Jubin (Netherlands Organization for Applied Scientific Research (TNO), Automotive Campus 30, 5708 JZ Helmond, The Netherlands) ,  Wilkins Steven (Netherlands Organization for Applied Scientific Research (TNO), Automotive Campus 30, 5708 JZ Helmond, The Netherlands)
資料名： IFAC PapersOnLine  (IFAC PapersOnLine)
巻： 50  号： 1  ページ： 5947-5952  発行年： 2017年 
JST資料番号： W3101A  ISSN： 2405-8963  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 従来バス,それらの運転知識の数十年に基づくに向けて公共輸送会社は運転のコストを最適化することができる。しかし,電気バスの利用における最近の傾向と,コスト最適運転は挑戦に値するものになることができる。本論文ではオフライン最適充電戦略はエネルギーコストを最小化するために開発した。これは路線バスの周期性と予測可能な動作を利用することにより行われる。開発したオフライン戦略-効果的利用のために,電気バスの実際のエネルギー需要は先験的知らなければならない,それは過酷な作業である。この問題に対処するために,予測因子を設計した。神経回路網に基づく予測因子である翌日のエネルギー需要を推定することができた。これを用いて,三種類の最適充電戦略が実装されている。,運用上の制約は,その後,バッテリー充電状態から成るより問題点(SoC)制約の完了を確実にするために考慮し,温度制約は二番目と三番目の最適化問題のために含めた。全ての利用可能な機会で容量に電気バスを充電の非最適戦略と比較した場合,三つの手法の全ては,有意なエネルギーコスト最小化をもたらした。さらに,第二および第三の定式化,すなわち,SoCと温度制約のための,質的な加齢法を用いて,非最適充電戦略と比較した場合,電池の健康におけるいくつかの改善が観察された。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 充電 ,  *最適化 ,  エネルギーコスト ,  定式化 ,  *神経回路網 ,  ニューラルネットワーク ,  最適化問題 ,  *電気自動車 ,  二次電池 ,  *予測 ,  公共輸送 ,  エネルギー需要
準シソーラス用語： システムオンチップ ,  予測因子 ,  オフライン , 【Automatic Indexing@JST】

著者キーワード (4件)： 電気自動車 ,  機械学習 ,  ニューラルネット ,  最適

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (8件)： 神経回路網 ,  エネルギー ,  予測器 ,  EV ,  電気自動車 ,  バス ,  帯電 ,  最適化