搜索资源列表
area-load
- 电动汽车是智能电网的一个重要组成部分，能很好的解决能源紧缺，环境污染等问题。无线充电技术更有利于电动汽车与电网进行互动，更好的发挥电动汽车削峰填谷、消纳可再生能源的功能。本文在研究中国电动汽车发展相关政策的基础上，结合电动汽车无线充电的特点，基于统计数据，利用蒙特卡罗方法抽取私家电动汽车一次出行里程数，根据电池充电特性及车辆行驶习惯获得电动汽车充电的起始荷电状态、充电功率和起始充电时间，建立了一个较为精确的预测无线充电私家电动汽车充电负荷的数学模型，并对2015年和2020年私家电动汽车进行了充
randoncharge2
- 基于全美家用车辆调查的电动汽车充电特性,根据美国交通部2001年对全美家庭机动车的统计数据，拟合建立了考虑最后出行结束时刻和日行驶里程的电动汽车无序充电特性分析-based on NHTS Charcristics of ev charging
EV-charging-load-forecast
- 基于蒙特卡洛方法，模拟电动汽车一天随机出行情况，并预测电动汽车一天的充电负荷及曲线。可自行调整车辆数、充电频率、充电功率、起始充电时间、行驶里程等信息。-EV charging load forecast based on monte carol
cabature kalman
- 容积卡尔曼滤波测量方程基于统计数据，利用蒙特卡罗方法抽取私家电动汽车一次出行里程数，根据电池充电特性及车辆行驶习惯获得电动汽车充电的起始荷电状态、充电功率和起始充电时间，建立了一个较为精确的预测无线充电私家电动汽车充电负荷的数学模型，(The volume Calman filter measurement equation is based on the statistical data, using Monte Carlo method to extract the first trip m
V2Gjisuan
- 根据最后出行时刻，日行驶里程，放电开始时刻，充电开始时刻计算V2G(According to the last travel time, the daily mileage, the discharge start time and the charging start time are calculated by V2G)
V2Gpower
- 根据最后出行时刻，日行驶里程计算V2G曲线(According to the last travel time, the daily mileage V2G curve is calculated.)
电动汽车续航里程模型
- 通过蒙特卡洛模拟电动汽车（EV）出行行为，有参数(Through Monte Carlo simulation of electric vehicle (EV) travel behavior, there are parameters)