CN111753402B - 燃料电池汽车辅助动力源锂电池的建模方法 - Google Patents
燃料电池汽车辅助动力源锂电池的建模方法 Download PDFInfo
- Publication number
- CN111753402B CN111753402B CN202010471347.XA CN202010471347A CN111753402B CN 111753402 B CN111753402 B CN 111753402B CN 202010471347 A CN202010471347 A CN 202010471347A CN 111753402 B CN111753402 B CN 111753402B
- Authority
- CN
- China
- Prior art keywords
- diaphragm
- negative electrode
- anode
- formula
- positive
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Geometry (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Computer Hardware Design (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种燃料电池汽车辅助动力源锂电池的建模方法,模型包括能量、液相组分、固相组分、液相电势四个守恒方程以及其余参量求解等5部分。温度计算采用显示格式算法,在每个时间步段直接求解在正、负极板,正、负极、以及隔膜处的温度。液相电势采用联立三个守恒方程的方式求解。通过对方程的求解,可建立完整的一维瞬态锂电池模型,根据定义的初始参数及锂电池工作的操作条件,就可求解出锂电池的多种工作参数反馈至燃料电池汽车整车系统,实现辅助储能电池与燃料电池堆的耦合。在探究燃料电池能量管理策略时,直观观察到不同工况对于辅助电池内部的瞬态响应。为实施合理的能量管理策略、动力系统的设计配置及选型提供参考建议。
Description
技术领域
本发明属于燃料电池领域,具体涉及一种燃料电池辅助动力的一维瞬态锂电池的建模方法。
技术背景
在环境污染以及能源危机问题引起广泛关注的环境下,汽车的排放法规日益严苛,而质子交换膜燃料电池(PEMFC)具有高功率密度、高能量转化效率、零排放、噪声低的特点,使其成为具有广阔前景的一种车用动力源装置。在汽车行驶中,由于燃料电池的瞬态响应慢,遇到负载急剧大幅度变化时,会造成“氧气饥饿”现象,将极大缩减燃料电池堆的耐久性。为了克服该缺陷,燃料电池汽车需要搭配辅助动力源。例如储能电池和超级电容,因此燃料电池和储能电池之间需要有合理的能量管理策略,来保证其经济性、动力性和可靠性。
能量管理策略能保证动力系统的瞬态响应及时、燃料电池工作状态稳定、以及辅助储能电池工作安全。目前能量管理策略研究中,普遍使用简化过多的等效电路模型或者基于MATLAB/Simulink(软件)平台搭建的简易模型,无法探究系统层面上瞬态工况下锂离子电池内部的锂离子传输情况、电池产热情况以及电势分布情况。二维与三维锂离子电池模型用来研究锂电池内部的电化学反应、产热情况,但是由于其需要求解大量的守恒方程,并且需要精细的划分计算域网格,因此计算效率低,不适用于探究系统层面上的能量管理策略。
本发明提出了一种适用于燃料电池汽车辅助动力源的磷酸铁锂电池模型,基于锂电池电化学热耦合模型,能够高效计算锂电池在瞬态工作情况下的锂离子传输情况、电池产热情况以及电势分布情况。既弥补了等效电路模型与MATLAB/Simulink模型的简化过多,不能探究电池内部瞬态过程的不足,又解决了高维度模型计算效率低下无法应用在系统层面探究能量管理策略的问题。对燃料电池能量管理策略开发提供了仿真支持,极大缩短了产品研发周期以及台架实验成本。
发明内容
本发明的目的在于,提出一种瞬态磷酸铁锂电池建模方法,充分考虑电化学反应过程与产热过程相互耦合作用,通过对四个守恒方程的求解,能够精确模拟磷酸铁锂电池的工作过程。
锂电池结构包括正极极板、负极极板,正极、负极及隔膜。模型包括能量、液相组分、固相组分、液相电势四个守恒方程以及其余参量求解,每个守恒方程建立的具体步骤如下:
(1)能量守恒方程
温度计算采用显示格式算法,在每个时间步段直接求解在正、负极极板,正、负极,隔膜处的温度。经离散化处理后,温度计算表达式如下:
其中各有效导热系数计算如下式:
(2)液相组分守恒方程
电池正极、隔膜、负极中电解质的液相锂离子浓度的计算如下:
Deff,P_S、Deff,S_N分别是正极与隔膜之间,隔膜与负极之间的液相有效扩散系数,计算如下式:
式中Deff,P、Deff,S、Deff,N分别表示正极、隔膜、负极的有效扩散系数,其计算式为:
式中brug为布鲁格曼系数。
(3)固相组分守恒方程
锂电池正极、负极中电解质的固相锂离子浓度的计算如下:
(4)液相电势守恒方程
电池中液相电势采用联立三个守恒方程的方式求解,其守恒方程如下:
κeff,P_S、κeff,S_N分别表示正极与隔膜之间、隔膜与负极之间的液相有效电导率,其计算式为:
(5)其余参量求解
固相电势方程通过简化得到下式:
模型中各项热源项的计算表达式如下:
keff,P、keff,N表示正、负极的有效反应速率常数,其计算式为:
SOC(荷电状态)计算式为:
式中SOCt为t时刻的SOC值。
电池t时刻输出电压为:
通过对上述方程的求解,即可建立完整的一维瞬态锂电池模型,根据锂电池定义的初始参数以及锂电池工作的操作条件,就可以求解出锂电池工作的输出电压、温度、液相电势、液相浓度、固相浓度参数,然后将输出参数反馈给系统,实现辅助储能电池与燃料电池堆的耦合。
本发明的特点以及产生的有益之处在于:
(1)本发明所建立的精细电化学模型,既能提供完整的锂电池运行的关键参数变化情况,又能耦合燃料电池汽车整车系统,在探究“燃料电池-锂电池”动力系统中的功率分配策略、能量管理策略、特殊工况瞬态响应机理、整车热管理、燃料消耗优化、系统配置设计方面的探究有重要的工程实用意义,对生产中的正向设计指导、故障机理分析、控制策略优化来说是非常有效的工具。
(2)建立的瞬态锂电池模型能够实现与燃料电池堆的耦合,通过边界条件的设定,构建完整的燃料电池汽车动力系统。在探究燃料电池汽车动力系统能量管理策略时,可以直观的观察到不同工况对于辅助动力源即锂电池的内部的瞬态响应情况,同时也可以实时监控锂电池实时工作的性能,为实施合理的能量管理策略、动力系统的设计配置以及选型提供参考建议。
(3)一维瞬态锂电池仿真模型充分考虑了锂电池工作时的电化学反应机理过程,以及产热过程的耦合作用,从而建立起一个真实可靠的数值仿真工具。
(4)本发明采用显示格式更新算法,控制方程在锂电池各层中心处求解,层内不再细分网格,模型的计算效率高且能够保证足够的模型精度。
附图说明
图1是锂电池结构示意图。
图2是0.5放电倍率和1放电倍率下的输出电压验证曲线图。
图3是0.5放电倍率和1放电倍率下的温度验证曲线图。
图4是0至1800秒正极、隔膜、负极锂离子浓度变化曲线图。
图5是0至1800秒正极、隔膜、负极液相电势变化曲线图。
其中图2和图3是仿真结果与实验数据曲线对比,图4和图5均为本发明的实施例效果。
具体实施方式
以下通过具体实施例对本发明的建模步骤及过程作进一步的说明。
锂离子电池结构如图1所示,其结构包括正极极板、正极、隔膜、负极、负极极板。放电工作时,锂离子由负极脱嵌经过隔膜嵌入正极,这个过程在电解液中进行,电子由负极经过外电路流向正极。上述过程伴随着锂离子的固相、液相传输、电势变化以及热传递过程。
下面结合具体计算实例说明其发明方案和应用,计算实例涉及到的参数如下:
电芯数量:1;正极初始固相浓度:3900mol m-3;负极初始固相浓度:23970.4mol m-3。
正极、隔膜、负极液相初试浓度:1500mol m-3。
正极最大固相浓度:26390mol m-3;负极最大固相浓度:31540mol m-3。
正极固相扩散系数:1.25×10-15m2 s-1;负极固相扩散系数3.9×10-14m2 s-1。
正极反应速率常数:3.626×10-11m2.5 mol-0.5s-1;负极反应速率常数:0.5×10- 11m2.5mol-0.5s-1。
正极极板厚度:16×10-6m;正极厚度:92×10-6m;隔膜厚度:20×10-6m;负极厚度:59×10-6m;负极极板厚度:9×10-6m。
正极活性物质粒子半径:1.15×10-6m;负极活性物质粒子半径:14.75×10-6m。
正极极板比热容:903J kg-1K-1;正极比热容:1260.2J kg-1K-1;隔膜比热容:1978Jkg-1K-1;负极比热容:1437.4J kg-1K-1;负极极板比热容:385J kg-1K-1。
正极极板导热系数:160W m-1K-1;正极导热系数:1.48W m-1K-1;隔膜导热系数:0.334W m-1K-1;负极导热系数:1.04W m-1K-1;负极极板导热系数:400W m-1K-1。
正极极板固相导电率:3.8×107S m-1;正极固相导电率:0.067S m-1;负极固相导电率:13.33S m-1;负极极板固相导电率:6.33×107S m-1。
正极孔隙率:28%;隔膜孔隙率:40%;负极孔隙率:30%。
正极比表面积:1.336×106m-1;负极比表面面积:1.065×105m-1。
正极固相扩散活化能:20000J mol-1;负极固相扩散活化能:4000J mol-1;正极反应常数活化能:4000J mol-1;负极反应常数活化能:4000J mol-1。
布鲁格曼系数:1.5;法拉第常数96487C mol-1;理想气体常数:8.314472J mol-1K-1;传输系数0.363。
迭代计算时间步长:1×10-6s。
周围环境温度为20℃,锂电池的初始温度为20℃。
对外界换热系数为:1.5W m-2K-1。
放电工作电流密度为:19A m-2。
以下选取一段完整的循环迭代步骤进行说明,列举的是由4.9s到5.0s的计算为例。
(1)液相锂离子浓度
式中分别表示4.9s时刻正极、隔膜、负极中的液相锂离子浓度分别为1.479×103、1.5034×103、1.5334×103mol m-3;εP、εS、εN分别是正极、隔膜、负极的孔隙率,aP、aN分别是正、负极的比表面积,t+是传输系数,分别是4.9s时正、负极电荷通量,值为-1.602×10-6、3.1339×10-5mol m-2s-1。Deff,P_S、Deff,S_N分别是征集与隔膜之间,隔膜与负极之间的液相有效扩散系数。计算如下式:
式中Deff,P、Deff,S、Deff,N分别表示正极、隔膜、负极的有效扩散系数,其计算式为:
式中brug为布鲁格曼系数,分别表示4.9s时正极极板、正极、隔膜、负极、负极极板的温度,值为293.1719、293.1719、293.1719、293.1720、293.1720K;经过带入相应参数,计算可得Deff,P、Deff,S、Deff,N分别为3.231×10-11、4.8886×10-11、2.8025×10-11mol s-1;则最终得到分别表示5.0s时正极、隔膜、负极中的液相锂离子浓度,其值分别为1.4786×103、1.5035×103、1.5340×103mol m-3。
(2)固相锂离子浓度计算
式中表示4.9s时正极、负极中的平均固相锂离子浓度,值为3.9205×103、2.3939×104mol m-3;表示t时刻正极、负极中的表面固相锂离子浓度,值为4.2151×103、1.717143×104mol m-3;Rp,P、Rp,N分别表示正、负极活性物质颗粒半径。分别表示正极、负极有效固相扩散系数,其计算式为:
式中分别是正、负极固相扩散系数,分别是正、负极固相扩散活化能,R表示理想气体常数;分别表示4.9s时正极极板、正极、隔膜、负极、负极极板的温度,值为293.1719、293.1719、293.1719、293.1720、293.1720K;SOCt为4.9s时的SOC值为75.9%。带入相关参数进行迭代计算,分别为1.2508×10-15、1.3662×10-14m2s-1,最终得到即5.0s时正极、负极中的平均固相锂离子浓度,值为3.9209×103、2.3939×104mol m-3。
(3)液相电势计算
式中R表示理想气体常数,F表示法拉第常数;κeff,P_S、κeff,S_N分别表示正极与隔膜之间、隔膜与负极之间的液相有效电导率,其计算式为:
式中κP、κS、κN分别表示正极、隔膜、负极的液相电导率,其值通过拟合实验数据得到,在5.0s分别为1.1996、1.1897、1.1769S m-1;分别表示5.0s时正极、隔膜、负极中的液相电势,将负极液相电势设为电势参考0点,联立三个方程,代入相关计算参量得到当前5.0s时值分别为-0.0027、-0.0013、0V。
在模型算法的计算逻辑(计算顺序)上,能量守恒方程需要在这里求解,因为要用到上面求解的浓度、电势等参数。
(4)能量守恒方程计算
式中分别表示4.9s时正极极板、正极、隔膜、负极、负极极板的温度,值为293.1719、293.1719、293.1719、293.1720、293.1720K;ρBPP、ρP、ρS、ρN、ρBPN分别表示正极极板、正极、隔膜、负极、负极极板的密度,Cp,BPP、Cp,P、Cp,S、Cp,N、Cp,BPN分别表示正极极板、正极、隔膜、负极、负极极板的比热容,lBPP、lP、lS、lN、lBPN分别表示正极极板、正极、隔膜、负极、负极极板的厚度,λBPP_P、λP_S、λS_N、λN_BPN分别表示正极极板与正极之间、正极与隔膜之间、隔膜与负极之间、负极与负极极板之间的有效导热系数。各有效导热系数计算如下式:
式中的λBPP、λP、λS、λN、λBPN分别表示正极极板、正极、隔膜、负极、负极极板的导热系数,带入其数值计算(λBPP_P、λP_S、λS_N、λN_BPN)分别为1.7346、0.9177、0.6775、1.1982W m-1K-1。h是与外界换热系数,Tref是外界环境温度为20℃;是4.9s时工作电流密度,值为为-19Am-2。σeff,BPP、σeff,BPN是正、负极极板的固相有效电导率,通过固相电导率乘孔隙率得到分别为0.029、7.4667S m-1。分别是t时刻正极、隔膜、负极欧姆热源项,分别表示t时刻正极、负极可逆热源项,分别表示t时刻正极、负极活化热源项。相关计算为:
式中keff,P、keff,N表示正、负极的有效反应速率常数,其计算式为:
式中kP、kN是正、负极反应速率常数,是正、负极反应常数活化能;表示最大固相浓度,带入相关参数计算keff,P、keff,N为3.6265×10-11、5.0006×10-12m2.5mol-0.5s-1,进而得到表示4.9s时值为:-0.0030、0.1178V。表示4.9s时正、负极的熵变,其值根据实验数据拟合得到为-3.3553×10-5、-1.0239×10-4V K-1,经过代入计算得到4.9s时各热源项分别为:3.27×103、202.5628、285.9678、619.5636、3.7925×104、2.0316×103、-9.6687×103W m-3。经过计算最终得到5.0s时正极极板、正极、隔膜、负极、负极极板 的温度,其值分别为:293.1723、293.1723、293.1724、293.724、293.1724K。
(5)荷电状态与输出电压计算
式中SOCt为5.0s时的SOC值,带入相关参数计算可得0.759。
电池在5.0s时输出电压如下计算:
通过对上述模型进行的验证,仿真结果与实验数据的对照如图2和图3所示。仿真结果与实验数据吻合较好,所建立模型的有效性得到验证。
图4、图5是模型实施例计算输出的曲线结果。图4是不同时刻正极、隔膜、负极锂离子浓度变化曲线。图5给出了不同时刻正极、隔膜、负极液相电势变化曲线。
Claims (1)
1.燃料电池汽车辅助动力源锂电池的建模方法,锂电池结构包括正极极板、负极极板、正极、负极及隔膜,其特征是:建模方法包括能量、液相组分、固相组分、液相电势四个守恒方程以及其余参量求解,每个守恒方程建立的具体步骤如下:
(1)能量守恒方程
温度计算采用显示格式算法,在每个时间步段直接求解在正极板、负极板,正极、负极、以及隔膜处的温度,经离散化处理后,温度计算表达式如下:
式中分别表示t时刻正极极板、正极、隔膜、负极、负极极板的温度;分别表示t+Δt时刻正极极板、正极、隔膜、负极、负极极板的温度;ρBPP、ρP、ρS、ρN、ρBPN分别表示正极极板、正极、隔膜、负极、负极极板的密度;Cp,BPP、Cp,P、Cp,S、Cp,N、Cp,BPN分别表示正极极板、正极、隔膜、负极、负极极板的比热容;lBPP、lP、lS、lN、lBPN分别表示正极极板、正极、隔膜、负极、负极极板的厚度;Δt表示时间步长大小;λBPP_P、λP_S、λS_N、λN_BPN分别表示正极极板与正极之间、正极与隔膜之间、隔膜与负极之间、负极与负极极板之间的有效导热系数;h是与外界换热系数;Tref是外界环境温度;是t时刻工作电流密度;σeff,BPP、σeff,BPN分别是正极极板和负极极板的固相有效电导率;分别是t时刻正极、隔膜、负极的欧姆热源项;分别表示t时刻正极、负极可逆热源项;分别表示t时刻正极、负极活化热源项,其中各有效导热系数计算如下式:
式中的λBPP、λP、λS、λN、λBPN分别表示正极极板、正极、隔膜、负极、负极极板的导热系数,
(2)液相组分守恒方程
锂电池结构的正极、隔膜、负极中电解质的液相锂离子浓度的计算如下:
式中分别表示t时刻正极、隔膜、负极中的液相锂离子浓度; 分别表示t+Δt时刻正极、隔膜、负极中的液相锂离子浓度;εP、εS、εN分别是正极、隔膜、负极的孔隙率;aP、aN分别是正极和负极的比表面积;t+是传输系数;分别是正负极的电荷通量;Deff,P_S、Deff,S_N分别是正极与隔膜之间,隔膜与负极之间的液相有效扩散系数,计算如下式:
式中Deff,P、Deff,S、Deff,N分别表示正极、隔膜、负极的有效扩散系数,其计算式为:
式中brug为布鲁格曼系数,
(3)固相组分守恒方程
电池正极、负极中电解质的固相锂离子浓度的计算如下:
式中表示t时刻正极、负极中的平均固相锂离子浓度;分别表示t+Δt时刻正极、负极中的平均固相锂离子浓度;表示t时刻正极、负极中的表面固相锂离子浓度;Rp,P、Rp,N分别表示正、负极活性物质颗粒半径;分别表示正极、负极有效固相扩散系数,其计算式为:
(4)液相电势守恒方程
电池中液相电势采用联立三个守恒方程的方式求解,其守恒方程如下:
式中κP、κS、κN分别表示正极、隔膜、负极的液相电导率,
(5)其余参量求解
固相电势方程通过简化得到下式:
模型中各项热源项的计算表达式如下:
荷电状态SOC计算式为:
SOCt为t时刻的荷电状态值,
锂电池t时刻输出电压为:
通过对上述方程的求解,即可建立完整的一维瞬态锂电池模型,根据锂电池定义的初始参数以及锂电池工作的操作条件,就可以求解出锂电池工作的输出电压、温度、液相电势、液相浓度、固相浓度参数,然后将输出参数反馈给燃料电池汽车整车系统,实现辅助储能电池与燃料电池堆的耦合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010471347.XA CN111753402B (zh) | 2020-05-29 | 2020-05-29 | 燃料电池汽车辅助动力源锂电池的建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010471347.XA CN111753402B (zh) | 2020-05-29 | 2020-05-29 | 燃料电池汽车辅助动力源锂电池的建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111753402A CN111753402A (zh) | 2020-10-09 |
CN111753402B true CN111753402B (zh) | 2022-03-29 |
Family
ID=72674119
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010471347.XA Active CN111753402B (zh) | 2020-05-29 | 2020-05-29 | 燃料电池汽车辅助动力源锂电池的建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111753402B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114094197B (zh) * | 2021-11-05 | 2023-12-26 | 江苏景创锂能新能源科技有限公司 | 一种锂电池的生产工艺 |
CN115116555B (zh) * | 2022-06-29 | 2024-09-13 | 上海玫克生储能科技有限公司 | 基于打靶法的电化学模型的电场解耦方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104991980A (zh) * | 2014-10-31 | 2015-10-21 | 吉林大学 | 锂离子电池的电化学机理建模方法 |
CN110412483A (zh) * | 2019-05-06 | 2019-11-05 | 西安理工大学 | 一种基于互联观测器的车用锂电池荷电状态估计方法 |
-
2020
- 2020-05-29 CN CN202010471347.XA patent/CN111753402B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104991980A (zh) * | 2014-10-31 | 2015-10-21 | 吉林大学 | 锂离子电池的电化学机理建模方法 |
CN110412483A (zh) * | 2019-05-06 | 2019-11-05 | 西安理工大学 | 一种基于互联观测器的车用锂电池荷电状态估计方法 |
Non-Patent Citations (2)
Title |
---|
Numerical investigation of thermal behaviors in lithium-ion battery stack discharge;Rui L等;《 Applied Energy,》;20141231;全文 * |
锂离子动力电池电化学降阶建模与SOC估计研究;王冰键;《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》;20190215;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111753402A (zh) | 2020-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Song et al. | Effects of temperature on the performance of fuel cell hybrid electric vehicles: A review | |
Munoz et al. | Energy management control design for fuel cell hybrid electric vehicles using neural networks | |
Yao et al. | Grey Markov prediction-based hierarchical model predictive control energy management for fuel cell/battery hybrid unmanned aerial vehicles | |
Yang et al. | Thermal optimization of a kirigami-patterned wearable lithium-ion battery based on a novel design of composite phase change material | |
CN111753402B (zh) | 燃料电池汽车辅助动力源锂电池的建模方法 | |
Farsi et al. | PEM fuel cell-assisted lithium ion battery electric vehicle integrated with an air-based thermal management system | |
Mebarki et al. | Study of the energy performance of a PEM fuel cell vehicle | |
Robledo et al. | Hydrogen fuel cell scooter with plug-out features for combined transport and residential power generation | |
CN114347866B (zh) | 一种基于vmd处理的燃料电池能量管理方法 | |
Yan et al. | Adaptive maximum power point tracking based on Kalman filter for hydrogen fuel cell in hybrid unmanned aerial vehicle applications | |
CN114996932A (zh) | 一种锂离子电池过充热失控模型的建模方法 | |
Shoukat et al. | Application of digital twin in smart battery electric vehicle: Industry 4.0 | |
Yang et al. | Advanced Battery Management System for Electric Vehicles | |
Hu et al. | Adaptive rule control strategy for composite energy storage fuel cell vehicle based on vehicle operating state recognition | |
Boyacıoğlu et al. | Modeling and Control of a PEM Fuel Cell Hybrid Energy System Used in a Vehicle with Fuzzy Logic Method | |
Rizzo et al. | Converting conventional cars in mild hybrid solar vehicles | |
Ettihir et al. | MPPT control strategy on PEM fuel cell low speed vehicle | |
Wurzenberger et al. | FCEV performance assessment-electrochemical fuel cell and battery modelling on vehicle level | |
Singh et al. | Heuristic power management of hybrid source electric vehicle based on PV-battery-PEMFC | |
Li et al. | Energy management of solid oxide fuel cell/lithium battery hybrid system | |
Khadhraoui et al. | Energy Management and Performances Evaluation of Proton Exchange Membrane Fuel Cell Battery Electric Vehicle | |
Noura et al. | An online identification based energy management strategy for a fuel cell hybrid electric vehicle | |
Pachauri et al. | Imperative Role of Proton Exchange Membrane Fuel Cell System and Hydrogen Energy Storage for Modern Electric Vehicle Transportation: Challenges and Future Perspectives | |
Sarı et al. | A proposed artificial neural network model for PEM fuel cells | |
Ren et al. | Research on Energy Management Strategy Based on Fuel Cell Health Status |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |