图3.25 动力电池循环寿命与温度关系 从试验结果可以看出，动力电池的循环寿命随着使用环境温度的升高而逐渐减少。 另外，通过文献[123]的试验结果（如图 3.25（b）所示）还可以看出，在 20℃左右时， 电池的循环寿命次数达到最大。因而通常将动力电池的温度区间定义为 20~40℃左右。 3）放电深度（DOD）和倍率，放电深度和放电倍率是电池在使用过程中的两个 关键控制参数。处于不同放电深度下即 SOC 状态时的电池活性物质以及电解液浓度等 均有所不同，由此会对电池的电化学反应过程产生影响，多次循环后产生明显不同的 容量衰减性能；而放电倍率主要会影响电池的极化程度，放电倍率越大极化现象（极 化电势）即越明显，电池系统会越偏离平衡状态，由此带来电池极板的加速老化，缩 短电池寿命。 纯电动汽车用动力电池属于能量型电池，其正常的充放电倍率一般在±3C 以内， 在这样的放电倍率下，由放电倍率对循环寿命造成的影响基本可以忽略不计。文献[123] 针对 CBP2450 型号的动力电池组进行不同倍率下的循环放电试验结果如图 3.26 所示。 而在 HEV 的应用中，放电倍率可达到 10C，此时倍率的影响则不容被忽视[124]。 图3.26 不同充放电倍率对电池寿命的影响 为了验证放电深度对循环寿命的影响，文献[125]设计了如图 3.27（a）所示的循

连续时间下的随机控制，主要介绍动态规划原则，HJB方程（有限时间、无限时间、停时）、最优停时问题、粘性解以及脉冲控制 该书是对上述问题/模型/理论的基础介绍，不过多涉及深层次定理证明，适用于入门

2.1 纯电动汽车结构及运动力学特性 2.1.1 典型纯电动汽车结构及动力系统应用发展趋势 纯电动汽车的结构型式较为灵活，目前主要包括电机中央驱动和电动轮驱动两种。 其中，电动机中央驱动还包括有无传动轴的前驱、后驱等多种型式，而电动轮也分为 两轮和四轮驱动型式，包括轮边驱动和轮毂驱动两种。目前纯电动汽车仍处于产业化 的初级阶段，在传统内燃机汽车基础上进行电气化改装实现单能量源供电、单电机驱 动的结构型式仍最为普遍，该种方式可以较好的利用传统内燃机汽车的技术经验和产 品平台，通过较少的设计改进即可完成搭载式纯电动汽车的开发，以缩短样车开发的 周期，快速完成对纯电驱动技术的研究和验证。另外，在此基础上，也可以较为方便 的对电池布置以及专用减速器等进行有针对性的设计优化和二次开发，使其结构和设 计更适应纯电动汽车的技术特点，进一步优化整车性能。本文主要以该种车型作为研 究对象，其典型的整车及动力系统结构如图 2.1 所示。 整 流 器 升压 动力 电池 逆变 器 电机空调 减 速 系 统 低压附件DC/DC 电 网 图2.1 纯电动汽车整车及动力系统结构图

随机单位承诺 公式和双重优化算法主要借鉴了Anthony Papavasiliou的工作： 将可再生能源与需求延缓耦合 作者：帕帕瓦西里乌（Papavasiliou），安东尼（Anthony）博士，加利福尼亚大学伯克利分校，2011，99； 3499039 解决原始问题 $Pythonmain.py 解决线性松弛 $ python main.py --relax 解决线性松弛+舍入算法 $ python main.py --relax --round 拉格朗日分解和次梯度优化 $ python main.py -分解 $ python main.py -分解--nar 6 --epsilon 0.01 -

一本好用的书，ppp理论的基础，网络性能等分析。非常有用

许多随机动态程序 (DP) 具有弱耦合结构，因为每个周期中的一组链接约束耦合了原本独立的子问题集合。 此类问题的两个广泛研究的近似是近似线性规划 (ALP)，它涉及优化在子问题之间相加分离的值函数近似，以及拉格朗日松弛，其中涉及放宽链接约束。 众所周知，这两种近似都提供了所有状态下最优值函数的上限，而 ALP 在初始状态下提供了更严格的上限。 这篇短文的目的是为这些上限即使不相同也常常接近这一事实提供理论依据。 我们表明： (i) 对于任何弱耦合 DP，这两个上限之间的差异 --- 松弛间隙 --- 根据 ALP 内约束分离问题的完整性间隙从上方有界； (ii) 如果子问题奖励是统一有界的，并且链接约束上的一些广泛适用的条件成立，则松弛间隙由与子问题数量无关的常数从上方限定； (iii) 当子问题动作是二元的并且链接约束具有单模结构时，松弛间隙为零。 (iii) 的条件在几个广泛研究的问题中成立：不安分的强盗问题、在线随机匹配问题、网络收入管理问题和重新定位资源的价格导向控制。 这些发现概括并统一了现有的结果。

Author: Francois Louveaux, John R. Birge Publisher: Springer (2000) Binding: Hardcover, 448 pages pricer: $119.00 ISBN-10: 0387982175 editorialreviews The aim of stochastic programming is to find optimal decisions in problems which involve uncertain data. This field is currently developing rapidly with contributions from many disciplines including operations research, mathematics, and probability. Conversely, it is being applied in a wide variety of subjects ranging from agriculture to financial planning and from industrial engineering to computer networks. This textbook provides a first course in stochastic programming suitable for students with a basic knowledge of linear programming, elementary analysis, and probability. The authors aim to present a broad overview of the main themes and methods of the subject. Its prime goal is to help students develop an intuition on how to model uncertainty into mathematical problems, what uncertainty changes bring to the decision process, and what techniques help to manage uncertainty in solving the problems. The first chapters introduce some worked examples of stochastic programming and demonstrate how a stochastic model is formally built. Subsequent chapters develop the properties of stochastic programs and the basic solution techniques used to solve them. Three chapters cover approximation and sampling techniques and the final chapter presents a case study in depth. A wide range of students from operations research, industrial engineering, and related disciplines will find this a well-paced and wide-ranging introduction to this subject.

网上找的关于随即逼近算法(Stochastic Approximation Algorithms)的资料。

TextBook : Adventures Stochastic Processes by Resnick

stochastic stability and control