分享5篇关于直流充电桩的计算机专业论文

今天分享的是关于直流充电桩的5篇计算机毕业论文范文, 如果你的论文涉及到直流充电桩等主题,本文能够帮助到你

电动汽车直流充电桩监测与管理系统研究与设计

这是一篇关于电动汽车,直流充电桩,监测,Delphi的论文, 主要内容为随着公民环保意识的增强以及对电动汽车的逐渐接受,电动汽车数量剧增,但是电动汽车充电设施还不能满足用户的充电需求,尤其是充电桩数目不足、功能不完善制约着电动汽车的发展。电动汽车直流充电桩具有充电速度快的优点,是未来公共充电桩发展的主力,但是由于其工作在高电压、大电流的环境,为了保证用户的安全及设备的稳定运行,设计安全可靠的监控管理系统具有重要的意义。本文首先研究设计电动汽车直流充电桩监测与控制模块。该模块以STM32F407ZGT6控制器为核心,通过与ATT7022B芯片为核心的三相电能计量模块进行SPI通信,采集充电桩交流侧运行的电能信息,包括有功功率,充电电量等。通过霍尔电流传感器ACS758ECB、霍尔电压传感器BJHVS-AS5采集直流充电电流、电压。通过GPRS-DTU模块实现充电桩与监控管理中心进行双向通信。设计人机交互模块显示充电信息及引导用户完成充电。设计控制导引电路与电动汽车电池管理系统进行CAN总线通信。对于电动汽车直流充电桩上位机管理系统,选择软件体系架构C/S结构,主要是完成充电桩的远程监控及用户数据的存储、修改、查询等功能。运用Delphi程序语言作为前端应用程序的开发语言,以及SQL Server作为后台数据库,使用ADO管理工具使SQL Sever数据库与Delphi相连接,设计开发了一个适用于充电桩的监控管理系统。在实验室内制作样机并对相关功能进行验证,表明能够完成基本的功能。其中,经过校表后的三相电表对交流侧输入电压、电流、有功功率有效值测量精度能够达到0.5S,控制导引模块的设计满足最新国家标准GB/T 27930-2015《电动汽车非车载传导式充电机与电池管理系统之间的通信协议》。GPRS-DTU模块能够将数据上传至监控管理中心服务器,通过上位机监控软件能够对数据接收、处理,对用户数据能够完成存储、查询等工作,方便充电桩管理人员的操作。

基于国产微处理器的直流双枪充电桩控制系统设计与实现

这是一篇关于直流充电桩,国产微处理器,充电引导与控制,单芯片控制双枪的论文, 主要内容为直流充电桩是新能源电力设施的重要组成部分,为电动汽车提供充电服务。单体柜机配置两把充电枪的设备形式大幅扩展了充电桩产品的可用性,提高了充电设施的使用效率。随着国产大规模集成电路产品的发展,选择国产微处理器替代国外处理器产品将成为主流,实现成本低、可靠性高、易用性高的直流双枪充电桩对于国产器件在新能源领域应用极具工程意义。本论文介绍了充电桩的工作原理,对新国标直流双枪充电桩产品进行了功能需求、安全需求、维护需求、物联需求四个方面的需求分析,确定了控制系统的设计原则。介绍了直流双枪充电桩的整体设计,根据控制系统对桩体内部各模块的控制操作类别,进行了详细的接口设计及参数规划。硬件设计与实现方面,为提升控制系统的可靠性,采用隔离电源设计及隔离接口设计,包括数字隔离CAN、RS-232、RS-485接口、光耦隔离驱动接口及光耦隔离的输入接口等。充电枪接口电路设计介绍了插枪监测电路、温度检测电路和电子锁的控制电路的设计。为实现充电桩联网需求,控制系统搭载了无线通信和以太网两种通信模组。系统软件设计分为嵌入式软件和触摸屏组态软件设计两大部分。嵌入式软件部分采用实时嵌入式操作系统作为核心,对系统应用任务进行了划分,确定了各任务的优先级,规划了各任务间的信息传输流,重点讨论了充电引导与控制的流程、单处理器控制双枪的架构、双枪能源的动态分配、新老国标的兼容性设计及故障处理机制。人机接口设计部分描述了界面的设计思路及组态软件的设计与实现,对于每个充电过程中的分项流程进行详细介绍。联网方面,应用了当前最流行的物联网通信协议MQTT实现了充电桩与架设在阿里云的后台连接,协议采用JSON的描述方法实现了后台交互。

直流充电桩智能状态监测系统的研究与设计

这是一篇关于直流充电桩,大数据,计量误差,深度学习,ConvFormer的论文, 主要内容为随着新能源汽车产业的迅速发展,越来越多的人开始选择购买新能源汽车,这也带来了充电设备市场的扩大,尤其是充电桩的需求量急剧上升。然而,充电桩服务存在着一些问题,主要包括以下方面:(1)现目前大多采用传统技术手段处理充电过程中的大量数据,导致数据利用不充分和无法长期存储等问题。(2)公共充电桩通常位于停车场和加油站等场所,由于数量众多且分布范围广,人工维护成本高,且充电桩多数情况下处于无人看管的状态。(3)直流电能表作为电能计量装置,计量精度会受到多种因素的影响,例如温度和电力电子元件老化等,此外,充电站内的固定损耗也会导致计量误差,进而给用户和供电公司带来经济损失。为了降低充电桩的运行和维护成本,提高充电桩的使用效率,充电桩应该具备更高的自动化水平,并简化其维护流程。因此,充电桩的智能监测和计量状态智能预测与评估变得越来越重要,逐渐成为研究和关注的焦点。针对以上问题,本文分析了所使用的相关理论技术,包括直流充电桩的计量误差、大数据技术、机器学习技术以及本文计量误差预测所使用的机器学习和深度学习技术等,本文的主要工作包括:(1)利用合作单位的直流充电桩试点站提供的充电桩原始数据,采用Kafka+Flume+Spark Streaming+MySQL等大数据技术进行原始数据的采集、接收、分析和预处理。(2)使用Vue+ThinkPHP前后端框架设计开发直流充电桩智能状态监测系统,包括数据管理、人员管理、智能预测、设备管理和维修管理等模块,并完成各个模块的数据库设计和系统测试,以满足用户的需求。(3)在实验前进行了数据特征相关性分析和可行性分析,验证了建模的可行性,并提出了更符合数据特征结构的ConvFormer模型。(4)采用机器学习和深度学习技术,包括LSTM、LightGBM、Transformer和ConvFormer模型,对直流充电桩的电量计量误差进行预测和充电桩计量状态进行估计。在深度学习平台AutoDL上进行了实验验证和结果分析,实验结果表明本文提出的ConvFormer模型在训练耗时和测试耗时上比LSTM、LightGBM、Transformer模型耗时少,训练耗时分别少5.83min、0.45min、3.01min,测试耗时分别少25.2s、5.8s、13.1s,其MAE、MSE指标分别为0.01005、0.00034;最后将该模型和软件系统部署在云端,以完成系统计量误差智能预测的功能。