CN112434374A - 一种纯电动汽车复合电源系统的容量配比方法及系统 - Google Patents
一种纯电动汽车复合电源系统的容量配比方法及系统 Download PDFInfo
- Publication number
- CN112434374A CN112434374A CN202011376203.2A CN202011376203A CN112434374A CN 112434374 A CN112434374 A CN 112434374A CN 202011376203 A CN202011376203 A CN 202011376203A CN 112434374 A CN112434374 A CN 112434374A
- Authority
- CN
- China
- Prior art keywords
- capacity
- matching
- battery
- optimization
- electric vehicle
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 239000002131 composite material Substances 0.000 title claims abstract description 41
- 238000005457 optimization Methods 0.000 claims abstract description 56
- 239000003990 capacitor Substances 0.000 claims abstract description 42
- 238000004146 energy storage Methods 0.000 claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000009826 distribution Methods 0.000 claims abstract description 16
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 8
- 230000002068 genetic effect Effects 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims description 18
- 238000013461 design Methods 0.000 claims description 8
- 230000032683 aging Effects 0.000 claims description 7
- 238000005096 rolling process Methods 0.000 claims description 7
- 230000001133 acceleration Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000009194 climbing Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000011217 control strategy Methods 0.000 claims description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 5
- 229910052744 lithium Inorganic materials 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012938 design process Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 238000013433 optimization analysis Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002921 genetic algorithm search Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Computer Hardware Design (AREA)
- Molecular Biology (AREA)
- Automation & Control Theory (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Aviation & Aerospace Engineering (AREA)
- Genetics & Genomics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Physiology (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种纯电动汽车复合电源系统的容量配比方法及系统,该方法获取设定的电池和超级电容的型号、汽车行驶工况和续航里程要求等输入值,通过车辆动力学建模生成工况功率文件,分析建立容量配比约束,结合复合电源系统重量迭代,综合得到粗略匹配下的容量配比参数;以终生行驶里程和储能系统折算每百公里成本作为联合优化目标,外层构建基于遗传算法的容量配比优化器,内层构建基于规则的功率分配策略,实现超级电容串联数和功率分配策略参数的联合优化。本发明利用遗传算法对于配比精确参数与功率分配参数展开高效寻优,大大降低了计算代价与时间成本,快速给出最优的混合拓扑和容量配比参数。
Description
技术领域
本发明涉及纯电动汽车复合电源技术领域,特别涉及一种纯电动汽车复合电源系统的容量配比方法及系统。
背景技术
动力锂电池组构成的单一储能系统作为纯电动汽车的动力来源,在面对实际行驶工况的大倍率、频繁充放电等挑战时,会加速老化,造成相关成本抬升,并极大影响用户的体验。超级电容能够快速、频繁地大倍率充、放电,具备高功率密度和高循环寿命。将锂电池与超级电容构成复合电源系统作为电动汽车的动力来源,能够同时兼顾能量需求和功率需求,满足汽车在复杂的行驶工况下的能量与功率需求,延长电池寿命。
复合电源系统研究的难点之一在于拓扑结构和相应的容量配比的选择。现有的复合电源领域的专利均只涉及到能量管理问题,没有对拓扑构型的选择和容量配比参数的整定进行具有普适性的研究工作。
发明内容
本发明的目的是提供一种纯电动汽车复合电源系统的容量配比方法及系统,它能够自动化地实现纯电动汽车对复合电源系统的拓扑结构选择和容量配比参数的敲定功能。输入储能元件与典型工况信息后,本系统可基于车辆需求与优化分析,给出终生行驶里程最大、平均行驶成本最低的复合电源系统匹配参数与混合拓扑,并给出与纯电池系统的性能比较分析。
为解决上述技术问题,本发明所采用的技术方案是:
一种纯电动汽车复合电源系统的容量配比方法,包括如下步骤:
步骤1:设定电池和超级电容的型号与计算模型的具体参数,设定要进行容量配比整定的具体工况文件,设定期望的车辆续航里程;
步骤2:通过工况速度文件输入至生成功率函数,计算生成得到具体的工况功率文件,分析建立容量配比约束,结合复合电源系统重量迭代函数,综合得到粗略匹配下的容量配比参数,并输出设定工况的功率曲线;
步骤3:设定联合优化函数的优化倾向,对三种拓扑构型进行五次遗传算法优化求解,取目标损失函数值最小的拓扑结构与优化配置参数,并评估终生里程和每百公里平均成本;
步骤4:显示最优的拓扑结构与最优的容量配置参数,计算同等规模的纯电池系统的性能,比较分析电池系统和复合电源系统的性能差异。
进一步地,容量配比方法包括电动汽车纵向动力学建模方法、复合电源系统总重量设计方法、复合电源系统参数匹配约束的建立方法、复合电源系统的联合优化方法。
进一步地,电池和超级电容的型号、工况文件和续航里程可以根据不同的需求进行选择设定。
进一步地,所述电动汽车纵向动力学建模计算功率P=ηFv,
其中,P为储能系统所提供功率,η为传动及能量转换效率,v为速度(m/s),F为车辆受到全部阻力,可以计算为:F=frolling+fuphill+fair+facc,
进一步地,所述容量配置粗略匹配过程中,根据典型工况的功率和能量特征与预期行驶里程要求,计算电池所需储能总量,基于此求得电池总数量:NB, sNB,p(EB,cell-EBr,cell)≥Erange,根据电动汽车直流总线电压要求计算电池串联数,进而得到并联数:NB,sUB,cell>UB,DC。
进一步地,根据超出电池参考功率的峰值负载能量与制动回馈能量需求的限制,计算超级电容所需储能总量: 为保证DC-DC工作效率,设定超级电容组工作电压在电池总线电压1/2上下,进而得到超级电容串联数和并联数:
进一步地,所述容量配置联合优化过程中,优化目标涉及电池老化和系统成本两个方面。
其中w1,w2均为权重系数,取决于优化的倾向性。
进一步地,所述容量配置联合优化的内层控制策略为一种基于规则的功率分配策略,且该策略中的一些参数也需要通过联合优化与超级电容串联数共同求出。
一种纯电动汽车复合电源系统的容量配比系统,该系统包括:
输入设定模块,用于设定电池和超级电容的型号与计算模型的具体参数,设定要进行容量配比整定的具体工况文件,设定期望的车辆续航里程;
粗略匹配模块,用于通过工况速度文件输入至生成功率函数,计算生成得到具体的工况功率文件,分析建立容量配比约束,结合复合电源系统重量迭代函数,综合得到粗略匹配下的容量配比参数,并输出设定工况的功率曲线;
联合优化匹配模块,用于通过设定联合优化函数的优化倾向,对三种拓扑构型进行五次遗传算法优化求解,取目标损失函数值最小的拓扑结构与优化配置参数作为联合优化匹配结果,并评估终生里程和每百公里平均成本;
比较分析模块,用于显示最优的拓扑结构与最优的容量配置参数,计算并显示同等规模的纯电池系统的性能,比较分析电池系统和复合电源系统的性能差异。
本发明原理在于:一种纯电动汽车复合电源系统的容量配比方法。软件包括软件的窗口界面文件、软件的函数文件、图片文件、表格文件,其中所述的窗口界面文件用于显示软件主窗口和结果子窗口;函数文件用于根据输入的储能元件与典型工况信息,基于车辆需求与优化分析,给出最终的复合电源系统匹配参数与拓扑构型,并与纯电池系统的性能进行比较分析;图片文件用于展示三种不同拓扑构型;表格文件用于保存典型工况或用户自定义的工况。
容量配比方法包括电动汽车纵向动力学建模方法、复合电源系统总重量设计方法、复合电源系统参数匹配约束的建立方法、复合电源系统的联合优化方法。其中电动汽车纵向动力学建模方法用于根据所选择工况的速度文件,计算生成复合电源系统所需提供的功率文件,用于后续的参数匹配;复合电源系统总重量设计方法用于设计系统重量迭代过程,确定复合电源系统合适的重量;复合电源系统的参数匹配约束的建立方法用于建立复合电源容量配比参数优化求解的边界条件,即约束条件;复合电源系统的联合优化方法用于建立超级电容模块串联数和功率分配策略参数的最优值联合求解方法。
所述拓扑构型与容量配比软件的输入端将所选电池、超级电容型号,行驶工况,期望行驶里程以及所选的优化方案输入至软件内部,软件通过生成功率函数计算车辆所需功率文件,通过粗略匹配函数计算容量配比的粗略匹配结果,通过参数联合优化函数计算三种拓扑结构的最优参数,通过复合电源与纯电池性能比较函数给出性能评估结果;
进一步地,所述生成功率函数考虑了车辆车轮滚动阻力、爬坡阻力、空气阻力、加速阻力四部分,当速度文件、车辆自身参数、工况文件等均已提供时,即可计算出该工况下储能系统所需提供的功率文件;
进一步地,所述粗略匹配函数考虑了车辆续航里程要求、总线电压要求、功率回收要求等,首先根据典型工况的功率和能量特征与预期行驶里程要求,计算电池所需储能总量,进而得到电池总数量,再根据电动汽车直流总线电压要求求得电池串、并联数,以同时满足超出电池参考功率的峰值负载能量与制动回馈能量需求为基准计算超级电容所需储能量,进而根据DC-DC变换器的效率要求得到超级电容串、并联数;
进一步地,所述参数联合优化函数综合考虑混合拓扑构型、超级电容模块串联数、功率分配策略参数等三方面因素,以超级电容模块串联数和功率分配策略参数为待优化的参数,以电动汽车终生行驶里程和储能系统折算成本为优化目标,在典型工况下,基于不同的混合拓扑构型,以基于规则的功率分配策略推演目标函数值,使用遗传算法在参数可行域内搜寻使目标函数最小的全局最优解。
与现有技术相比,本发明的有益效果是:
1.本发明提供了一种简便高效的软件来实现纯电动汽车复合电源的容量配比优化计算,全面实现了纯电动汽车背景下的锂电池与超级电容复合电源系统的结构参数设计,有助于提升复合电源系统参数配置设计的效率与可靠性。
2.本发明实现了涉及复合电源系统配置的多种计算方法的集成,将涉及锂电池与超级电容复合电源系统的结构设计中的条件约束计算、电动汽车动力学仿真、复合电源系统系统配置与功率分配参数联合优化、混合拓扑比选等多个环节一一实现。
3.本发明考虑到了不同客户对电池、超级电容型号,使用工况,续航里程,优化目标偏向等多方面的不同需求,在其他锂电池与超级电容混合储能系统的配置设计过程中也可适用,其工作流程和优化方法具有一般性意义。
4.本发明实现了复合电源系统配比参数与功率分配参数的高效联合优化。在所设计的配比软件中,采用基于规则的功率分配策略与基于粗略匹配的配比参数范围,针对不同类型的混合拓扑,利用遗传算法对于配比精确参数与功率分配参数展开高效寻优,大大降低了此类问题的计算代价与时间成本,快速给出可靠、较优的混合拓扑,配比参数,功率分配策略方案。
附图说明
图1为本发明一种纯电动汽车复合电源系统的容量配比方法流程图;
图2为本发明车辆纵向动力学建模示意图;
图3为本发明一种纯电动汽车复合电源系统的容量配比系统软件文件组织架构示意图;
图4为本发明复合电源拓扑构型1;
图5为本发明复合电源拓扑构型2;
图6为本发明复合电源拓扑构型3;
图7为本发明软件主窗口界面;
图8为本发明软件结果子窗口界面;
图9为本发明软件比较分析子窗口界面。
具体实施方式
下面结合附图以及具体实施方式进一步说明本发明。
本发明的一种纯电动汽车复合电源系统的容量配比方法及系统,其软件工作流程如图1所示,包括:数据输入与设定、粗略匹配过程、联合优化匹配过程、结果输出与分析。
所述的数据输入与设定包括选择电池、选择超级电容、加载典型工况、输入期望里程等,将设定的数据输入至软件内部。
所述的粗略匹配过程,用于生成功率文件、建立匹配约束、重量迭代匹配、输出典型工况功率等,根据工况侧的负载统计信息计算得出粗略的电池和超级电容的配置数量。
具体来说,所述的功率生成过程根据数据输入与设定环节得到的电池、超级电容、典型工况速度信息、期望续航里程等信息,考虑车辆纵向动力学建模,得到车辆在这种典型工况下的功率信息。所述的参数匹配约束建立过程综合考虑里程要求、总线电压要求、功率回收要求等得出电池和超级电容串并联数的范围。所述的总重量设计过程通过设计重量迭代过程来确定复合电源系统合适的重量。
具体来说,根据车辆行驶过程的受力分析,对图2所示的车辆行驶示意图进行功率计算如下:
P=ηFv
其中,P为储能系统所提供功率,η为传动及能量转换效率,v为速度(m/s),F为车辆受到全部阻力,可以计算为:
F=frolling+fuphill+fair+facc
其中,四部分阻力分别表示滚动阻力、爬坡阻力、空气阻力、加速阻力,各自的计算方法如下:
facc=1.04ma
因此,当速度文件、车辆总重、坡度文件均已提供时,即可计算出典型工况下储能系统所需提供的功率文件。
具体来说,根据典型工况的功率和能量特征与预期行驶里程要求,计算电池所需储能总量,基于此求得电池总数量:
NB,sNB,p(EB,cell-EBr,cell)≥Erange
其中,Erange为预期行驶里程所需要的总能量,EWLTP为一个WLTP典型工况的总能量,Srange为预期行驶里程,SWLTP为WLTP典型工况的预期行驶里程,NB,s为电池串联数目,NB,p为电池并联数目,EB,cell为电池单体储能量,EBr,cell为电池单体内阻损耗能量。
根据电动汽车直流总线电压要求计算电池串联数,进而得到并联数:
NB,sUB,cell>UB,DC
其中,UB,cell为电池单体端电压,UB,DC为电动汽车直流总线电压。
计算超级电容所需储能总量,同时满足超出电池参考功率的峰值负载能量与制动回馈能量需求:
其中,Epeak为超出电池参考功率的峰值负载能量,PWLTP(t)为时刻t的WLTP工况功率,PB,n为电池参考功率,Eregn为制动回馈能量,NC,s为超级电容串联数,NC,p为超级电容并联数,EC,cell为超级电容单体储能量。
为保证DC-DC工作效率,设定超级电容组工作电压在电池总线电压1/2上下,进而得到超级电容串联数和并联数:
因此根据以上计算公式,结合重量迭代过程,即可完成混合储能系统的总重量、电池模块串并联数、超级电容模块并联数的设计,以及对于超级电容模块串联数范围的确定;
所述的联合优化匹配过程综合考虑混合拓扑构型、超级电容模块串联数、功率分配策略参数等三方面因素对拓扑构型与配置参数进行联合优化。
具体来说,优化目标涉及电池老化和系统成本两个方面。其中,电池老化方面,以终生行驶里程作为目标,该目标值Mlife可以用下面的公式计算:
其中,Mlife为终身行驶里程,Mcycle为一个工况的行驶里程,Ah,cycle为单个工况期间的放电安时通量,Qloss,EOL为电池到达寿命终点时的容量损失率,B为指数前因子,ccycle为放电倍率,Ea为活化能,R为理想气体常数,T为电池温度。
系统成本方面,以储能系统折算百公里成本作为目标,该目标值C100km可以用下面的公式计算:
其中,C100km为每百公里折算成本,Ah,EOL为电池达到寿命终点时的放电安时通量,Ecycle为单个工况循环的耗电量,CEle为每瓦时的电价,CHESS为复合电源系统安装的总成本。
因此优化目标函数可以由下式表示:
J=w1Mlife+w2C100km
其中w1,w2均为权重系数,取决于优化的倾向性。
在本软件发明中,共涉及3种混合拓扑(图4至6),每种混合拓扑执行5次遗传算法搜索,取目标函数值最小的拓扑及优化参数,最终给出使优化目标最优的超级电容模块串联数、混合拓扑构型以及基于规则功率分配策略的推荐参数。
本发明的一种纯电动汽车复合电源系统的容量配比方法及系统,其软件文件组织架构如图3所示。软件的主窗口程序PowerMatching.m为软件运行起点,随着复合电源系统的配置过程,可调用自定义函数文件8个,当混合储能系统配置过程全部完成后,可调用子窗口程序showresult.m用于显示配置结果,可调用子窗口程序compareresult.m用于显示推荐配置的混合储能系统与纯电池系统之间的性能对比,子窗口程序compareresult.m在其运行过程中可调用自定义函数文件2个。
本发明的一种纯电动汽车复合电源系统的容量配比方法及系统,其软件主窗口界面由PowerMatching.fig和PowerMatching.m文件所定义,为软件运行的起始点和主要功能实现区。PowerMatching.fig的布局如图7所示,由图7可知,主窗口包含的控件共计:画图区2个,按钮6个,下拉框3个,输入框2个,信息显示区3个。
软件的结果子窗口界面,由showresult.fig和showresult.m文件所定义,为软件展示最终匹配结果。showresult.fig的布局如图8所示,由图8可知,主窗口包含的控件共计:画图区2个,信息显示区1个。
软件的比较分析子窗口界面,由compareresult.fig和compareresult.m文件所定义,为软件展示推荐复合电源系统与纯电池系统之间性能比较分析的结果。compareresult.fig的布局如图9所示,由图9可知,主窗口包含的控件共计:表格区1个,信息显示区1个。
Claims (10)
1.一种纯电动汽车复合电源系统的容量配比方法,其特征在于,该方法包括如下步骤:
步骤1、设定电池和超级电容的型号与计算模型的具体参数,设定要进行容量配比整定的具体工况文件,设定期望的车辆续航里程;
步骤2、通过工况速度文件输入至生成功率函数,计算生成得到具体的工况功率文件,分析建立容量配比约束,结合复合电源系统重量迭代函数,综合得到粗略匹配下的容量配比参数,并输出设定工况的功率曲线;
步骤3、设定联合优化函数的优化倾向,对三种拓扑构型进行五次遗传算法优化求解,取目标损失函数值最小的拓扑结构与优化配置参数,并评估终生里程和每百公里平均成本;
步骤4、显示最优的拓扑结构与最优的容量配置参数,计算同等规模的纯电池系统的性能,比较分析电池系统和复合电源系统的性能差异。
2.根据权利要求1所述的电动汽车复合电源系统容量配比方法,其特征在于,容量配比方法包括电动汽车纵向动力学建模方法、复合电源系统总重量设计方法、复合电源系统参数匹配约束的建立方法、复合电源系统的联合优化方法。
3.根据权利要求1所述的电动汽车复合电源系统容量配比方法,其特征在于,电池和超级电容的型号、工况文件和续航里程可以根据不同的需求进行选择设定。
7.根据权利要求2所述的电动汽车复合电源系统容量配比方法,其特征在于,所述容量配置联合优化过程中,优化目标涉及电池老化和系统成本两个方面。
9.根据权利要求7所述的电动汽车复合电源系统容量配比方法,其特征在于,所述容量配置联合优化的内层控制策略为一种基于规则的功率分配策略,且该策略中的一些参数也需要通过联合优化与超级电容串联数共同求出。
10.一种纯电动汽车复合电源系统的容量配比系统,其特征在于,该系统包括:
输入设定模块,用于设定电池和超级电容的型号与计算模型的具体参数,设定要进行容量配比整定的具体工况文件,设定期望的车辆续航里程;
粗略匹配模块,用于通过工况速度文件输入至生成功率函数,计算生成得到具体的工况功率文件,分析建立容量配比约束,结合复合电源系统重量迭代函数,综合得到粗略匹配下的容量配比参数,并输出设定工况的功率曲线;
联合优化匹配模块,用于通过设定联合优化函数的优化倾向,对三种拓扑构型进行五次遗传算法优化求解,取目标损失函数值最小的拓扑结构与优化配置参数作为联合优化匹配结果,并评估终生里程和每百公里平均成本;
比较分析模块,用于显示最优的拓扑结构与最优的容量配置参数,计算并显示同等规模的纯电池系统的性能,比较分析电池系统和复合电源系统的性能差异。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011376203.2A CN112434374B (zh) | 2020-11-30 | 2020-11-30 | 一种纯电动汽车复合电源系统的容量配比方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011376203.2A CN112434374B (zh) | 2020-11-30 | 2020-11-30 | 一种纯电动汽车复合电源系统的容量配比方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112434374A true CN112434374A (zh) | 2021-03-02 |
CN112434374B CN112434374B (zh) | 2024-04-02 |
Family
ID=74697518
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011376203.2A Active CN112434374B (zh) | 2020-11-30 | 2020-11-30 | 一种纯电动汽车复合电源系统的容量配比方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112434374B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113449377A (zh) * | 2021-06-18 | 2021-09-28 | 东风柳州汽车有限公司 | 一种基于循环工况的车辆功率分配策略评估方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017161786A1 (zh) * | 2016-03-23 | 2017-09-28 | 严利容 | 基于光储系统运行优化的混合储能配比计算方法 |
CN111674269A (zh) * | 2020-05-21 | 2020-09-18 | 杭州电子科技大学 | 一种电动汽车复合电源系统参数匹配方法 |
-
2020
- 2020-11-30 CN CN202011376203.2A patent/CN112434374B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017161786A1 (zh) * | 2016-03-23 | 2017-09-28 | 严利容 | 基于光储系统运行优化的混合储能配比计算方法 |
CN111674269A (zh) * | 2020-05-21 | 2020-09-18 | 杭州电子科技大学 | 一种电动汽车复合电源系统参数匹配方法 |
Non-Patent Citations (2)
Title |
---|
戴朝华;刘洋;黄晨曦;赵舵;郭爱;陈维荣;刘楠;: "基于交叉熵算法的电动车辆复合电源参数优化", 西南交通大学学报, no. 04 * |
王庆年;曲晓冬;于远彬;: "基于目标工况的复合电源混合动力客车优化匹配", 吉林大学学报(工学版), no. 05 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113449377A (zh) * | 2021-06-18 | 2021-09-28 | 东风柳州汽车有限公司 | 一种基于循环工况的车辆功率分配策略评估方法及装置 |
CN113449377B (zh) * | 2021-06-18 | 2022-07-19 | 东风柳州汽车有限公司 | 一种基于循环工况的车辆功率分配策略评估方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112434374B (zh) | 2024-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Podder et al. | Control strategies of different hybrid energy storage systems for electric vehicles applications | |
Hu et al. | Multi-objective energy management optimization and parameter sizing for proton exchange membrane hybrid fuel cell vehicles | |
Kouchachvili et al. | Hybrid battery/supercapacitor energy storage system for the electric vehicles | |
Ahmadi et al. | Improving fuel economy and performance of a fuel-cell hybrid electric vehicle (fuel-cell, battery, and ultra-capacitor) using optimized energy management strategy | |
Zhao et al. | Energy management strategies for fuel cell hybrid electric vehicles: Classification, comparison, and outlook | |
Xiao et al. | A review of pivotal energy management strategies for extended range electric vehicles | |
Li et al. | Optimal fuzzy power control and management of fuel cell/battery hybrid vehicles | |
Li et al. | Multi-objective optimization study of energy management strategy and economic analysis for a range-extended electric bus | |
EP3245096B1 (en) | Method and arrangement for determining a value of the state of energy of a battery in a vehicle | |
Gao et al. | Equivalent fuel consumption optimal control of a series hybrid electric vehicle | |
Wegmann et al. | Optimized operation of hybrid battery systems for electric vehicles using deterministic and stochastic dynamic programming | |
Li et al. | Multiobjective optimal predictive energy management for fuel cell/battery hybrid construction vehicles | |
CN113479186B (zh) | 一种混合动力汽车能量管理策略优化方法 | |
CN112434377B (zh) | 一种机车动力电池组参数设计及评价方法 | |
Jinquan et al. | Driving information process system-based real-time energy management for the fuel cell bus to minimize fuel cell engine aging and energy consumption | |
CN113815437B (zh) | 燃料电池混合动力汽车的预测性能量管理方法 | |
Li et al. | Energy sources durability energy management for fuel cell hybrid electric bus based on deep reinforcement learning considering future terrain information | |
Xu et al. | Determination of vehicle working modes for global optimization energy management and evaluation of the economic performance for a certain control strategy | |
CN105207241A (zh) | 一种基于荷电状态检测的电动汽车调频优化控制方法 | |
CN112434374B (zh) | 一种纯电动汽车复合电源系统的容量配比方法及系统 | |
Riczu et al. | Design and optimization of an electric vehicle with two battery cell chemistries | |
Akli et al. | Integrated optimal design of a hybrid locomotive with multiobjective genetic algorithms | |
CN110194179B (zh) | 一种串联式混合动力电动汽车动力模式的确定系统 | |
CN115848217B (zh) | 一种基于多能源模组的能源管理方法 | |
CN110341537A (zh) | 一种基于模型预测控制的车载双向充电机充电控制策略 |
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 |