North-American-Charging-Standard-Technical-Specification

North-American-Charging-Standard-AC-DC-Pin-Sharing-Appendix.pdf

HASSELBLAD哈苏BATTERY CHARGING HUB用户手册.pdf

序寻优matlab代码电动汽车充电计划在不受监管的电力市场中的稳健优化 Nikita Korolko & Zafer Sahinoglu 在这个项目中，我们解决了在不受监管的电力市场中优化电动汽车充电的问题。 由于代表物理电池限制的非线性充电状态曲线，即使在固定电价的情况下，这个问题也是高度非线性的。 我们为单个和多个 EV 充电框架设计易于处理的公式。 在论文的第一部分，我们开发了一种新的高效切割平面方法，可用于解决已知和不确定电价两种情况下的充电优化问题。 本文的第二部分考虑了具有实时电价的后一种情况。 我们获得了名义收费问题的稳健优化对应物，当严格执行预算约束时，从经济角度来看，这尤其重要。 新的稳健配方被证明是易于处理的。 此外，计算实验表明，决策者可以找到在相应目标值方面接近最优的解决方案，并且对于不确定的电价具有鲁棒性。 文件“Article_Robust.pdf”是发表在 IEEE Transactions on Smart Grid 上的论文。 Julia 文件“MINLP_1.jl”解决了第 7 页上的混合整数非线性优化问题 (9)。该求解算法使用了论文第 2 节中描

matlab程序（yalmip+cplex）复现自《基于主从博弈的智能小区代理商定价策略及电动汽车充电管理》魏韡 摘要：智能电网的负荷包括传统负荷和主动负荷，我国配电网侧的主动负荷主要由电动汽车构成，功率需求随电价变化是其重要特点之一。随着电动汽车的普及，代理商将在小区电动汽车充电管理中扮演重要角色。如何制定代理商的定价与购电策略，实现代理商与电动汽车车主双赢，成为重要的 基于以上原因，提出了一种未来智能小区代理商的定价及购电策略，将代理商和车主各自追求利益最大化建 模为主从博弈。该模型亦可为研究电动汽车参与的需求侧响应提供重要的借鉴。另外，还进一步通过 Karush-Kuhn Tucker 最优性条件和线性规划对偶定理将此博弈模型转化 为混合混合整数线性规划问题进行求解，最终获得全局最优的定价策略。 关键字智能电网；电动汽车充电；定价；主从博弈

ocpp-go Go中的开放充电点协议实现。 该库以运行OCPP 1.6+版的现代充电点和中央系统为目标。 鉴于OCPP的未来版本将不再支持SOAP，因此该库仅支持OCPP-J。 当前没有支持OCPP-S的计划。 现状和路线图 注意：由于重构，版本0.10.0引入了一些API的重大更改。 功能保持不变，但命名更改。 计划的里程碑和功能： OCPP 1.6 OCPP 2.0 OCPP 1.6的用法 需要Go 1.13+版本。 go get github.com/lorenzodonini/ocpp-go 您还需要获取一些依赖项： cd export GO111MODULE=on go mod download 您的应用程序可以充当（服务器）或（客户端）。 中央系统 如果要将库集成到自定义的中央系统中，则必须实现在配置文件界面中定义的

matlab程序复现自《电动汽车充电负荷预测方法及应用研究_曹卫涛》 规模化电动汽车充电负荷在未来某一天随时间特性的分布规律是研究电动汽车发展对配 电网影响以及充电站选址定容问题的前提与基础。电动汽车充电负荷的分布情况与车主的行为特征有关，不同类型的电动汽车车主出行规律以及充电习惯不一样，车主选择充电开始的时间、充电开始时，电池的剩余电量或者车辆行驶里程等决定了充电负荷的具体分布。因此，本章从影响电动汽车充电负荷分布的因素入手，将电动汽车按用途进行分类，分别研究探讨不同类型电动汽车的充电方式以及时间特性规律，同时综合考虑分时电价、多样的充电模式对电动汽车负荷分布的影响，建立出每一种类型的电动汽车特有的负荷计算模型，根据模型对北京某地区的电动汽车充电负荷进行时间分布预测研究，并对预测结果进行分析。

2020年11月22日更新 各位， 2020-11-17：我注意到人们正在等待代码。 正如我在某些电子邮件中所说的那样，论文终于在我还是腾讯的时候完成了。 2020年5月，我从腾讯离开，加入了深圳大学。 如您所知，对于一家商业公司，我将所有材料留在腾讯内部。 非常抱歉，无法再提供原始的MATLAB代码。 我将尝试最近在Pytorch中重新实现它。 谢谢。 2020-11-22：上传了pytorch实施。 再次抱歉，我无法提供带有SARSA的原始MATLAB实现。 当我们小组致力于A3C框架的研究工作时，我使用A3C框架实施EV充电环境和功能状态，以提高实施效率。 结果，尽管结果与原始结果略有不同，但快速收敛仍然很重要。 就个人而言，我们的主要贡献是问题的提出和解决，可以在env（）函数中找到。 因此，让我在这里停止，再次感谢您的关注。 引用这项工作 S. Wang，S。Bi和YJ Zh

PD IEC TS 62196-3-1：2020 Conductive charging of electric vehicles - Part 3-1：Vehicle connector, vehicle inlet and cable assembly for DC charging intended to be used with a thermal management system - 完整英文版（65页）.pdf

Fuzzy Multi-objective Optimized with Efficient Energy and Time-varying Price for EV Charging System