云南民族大学电气信息工程学院，云南昆明650504
现代社会新能源汽车的利用率越来越高，很多城市都开始推广新能源汽车，政府也开始重视新能源汽车的发展。对于整个配电网来说，对短期新能源汽车充电站的负荷的预测是很有必要的。文中提出一种基于自适应噪声完备集合经验模态分解(CEEMDAN) 与量子遗传算法(QGA) -Elman 组合的模型对相似日新能源汽车充电站进行负荷预测。利用新能源汽车充电站所给的相似日的历史数据作为输入参数训练所建立的模型来预测次日的发电量。该组合模型在减小预测误差方面有所改进，研究的问题有一定应用价值。
新能源汽车 自适应噪声完备集合经验模态分解(CEEMDAN) 量子遗传算法(QGA) Elman 神经网络 组合预测模型 new energy vehicles Complete Ensemble Empirical Mode Decomposition wit Quantum Genetic Algorithm(QGA) Elman neural network combined forecasting model 太赫兹科学与电子信息学报
2022, 20(4): 378
许昌开普检测研究院股份有限公司，河南 许昌 461000
新能源汽车主要依靠电力驱动，其电力线缆传输高电压、大功率的瞬变信号，加之线缆本身的天线效应，使其成为电动汽车中最主要的电磁干扰发射源。因此电力线缆极易对周围线缆产生串扰。通过分 析电力线缆辐射电磁干扰的来源，利用FEKO仿真工具建立了电力线缆和相邻线缆的简化模型。通过改变仿真模型中线缆屏蔽层及金属线槽的设置，对比分析了这些因素对抑制串扰和干扰发射的影响。根据仿真结果， 得出了降低线缆屏蔽层阻抗和增加金属线槽的使用，有助于抑制线缆串扰的结论。
新能源 电力线缆 串扰 电磁兼容 FEKO仿真工具 new energy power cable crosstalk Electro Magnetic Compatibility FEKO 太赫兹科学与电子信息学报
2020, 18(2): 313
