CN112926211A - 一种基于工况预测的燃料电池汽车能量管理优化方法 - Google Patents

一种基于工况预测的燃料电池汽车能量管理优化方法 Download PDF

Info

Publication number
CN112926211A
CN112926211A CN202110257364.8A CN202110257364A CN112926211A CN 112926211 A CN112926211 A CN 112926211A CN 202110257364 A CN202110257364 A CN 202110257364A CN 112926211 A CN112926211 A CN 112926211A
Authority
CN
China
Prior art keywords
power
fuel cell
power battery
battery
motor
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.)
Pending
Application number
CN202110257364.8A
Other languages
English (en)
Inventor
宋大凤
杨丽丽
曾小华
梁伟智
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jilin University
Original Assignee
Jilin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jilin University filed Critical Jilin University
Priority to CN202110257364.8A priority Critical patent/CN112926211A/zh
Publication of CN112926211A publication Critical patent/CN112926211A/zh
Pending legal-status Critical Current

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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/40—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for controlling a combination of batteries and fuel cells
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Game Theory and Decision Science (AREA)
  • Sustainable Energy (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Operations Research (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Fuel Cell (AREA)
  • Mechanical Engineering (AREA)

Abstract

本发明公开一种基于工况预测的燃料电池汽车能量管理优化方法，包括工况预测和能量管理控制两部分，其中，能量管理优化控制包括内层动力电池能量优化控制和外层燃料电池能量优化控制。针对电‑电混合燃料电池汽车，采用马尔可夫模型预测行驶工况，进而获得电机需求功率，内层控制采用动态规划算法获得动力电池参考目标功率和燃料电池参考目标功率，然后外层控制根据燃料电池系统电压衰退模型修正燃料电池参考目标功率，进而实现多动力源的能量分配。本发明提出的方法可以优化动力源的工作点，主动延长动力电池寿命，提高燃料电池耐久性和车辆经济性。

Description

一种基于工况预测的燃料电池汽车能量管理优化方法
技术领域
本发明属于汽车控制系统，更确切地说，本发明涉及基于工况预测的燃料电池汽车能量管理优化控制。
背景技术
电-电混合燃料电池汽车存在多个动力源，需要合理协调各个动力源的工作状态以满足整车动力性需求，进而充分发挥其节能优势。其中，动力电池性能和燃料电池性能直接影响驱动电动机的性能，从而影响整车的燃氢经济性和排放性能，是实现整车性能的关键。燃料电池汽车能够提供电池电动汽车那样的环境效益，且行驶范围更长，加氢时间短；然而，燃料电池的耐久性，成为当前燃料电池汽车产业化的主要棘手问题。
研究表明，燃氢消耗、动力电池寿命衰减程度及燃料电池系统电压衰退三者之间是互相耦合的，在能量优化管理控制策略中考虑动力电池寿命的衰减程度即燃料电池系统电压衰退对提高车辆经济性及动力源使用性能、降低车辆使用成本是十分必要的。
目前对燃料电池汽车能量管理的研究主要集中在降低能耗上，如中国专利公布号为CN108944900B，公布日为2020-10-09，公开了一种燃料电池汽车能量管理控制方法，实时检测行驶工况，根据行驶工况计算需求功率，控制燃料电池按照需求功率输出，可以优化整车经济性能，然而未考虑到燃料电池和动力电池衰减对能耗的影响；现有公开专利，整车能量管理研究中很少考虑动力电池寿命衰减、燃料电池系统电压衰退和车辆经济性之间的关系，进而导致动力源工作点恶化，不利于提高整车经济性，本专利针对电-电混合燃料电池汽车，制定了基于工况预测的燃料电池汽车能量管理优化控制方法，对于优化电池使用性能、提高燃料电池耐久性和节能有重要意义。
发明内容
本发明提出了一种基于工况预测的燃料电池汽车能量管理优化方法，为解决上述技术问题，本发明是采用如下技术方案实现的，包括下列步骤：
(1)工况预测
定义电机的需求功率区间为[Umin,Umax]，Umin为电机最大需求功率，Umax为电机最小需求功率，以单位功率将电机的需求功率区间划分成m个状态区间，即以单位功率作为每个状态区间的长度；
基于历史工况的电机需求功率计算第i个状态区间转移到第j个状态区间的频数除以第i个状态区间转移到任意状态区间频数之和，即为第i个状态区间转移到第j个状态区间的状态转移概率，所有的状态转移概率组成了状态转移概率矩阵；
在电机需求功率的状态转移概率矩阵的基础上，对未来电机需求功率进行预测，假设当前时刻的电机需求功率为U0，下一时刻的电机需求功率Pm(1)的条件分布列为
Figure BDA0002968073860000021
在[0,1]区间内满足均匀分布的条件下取随机数r1，若：
Figure BDA0002968073860000022
式中，U1为下一时刻预测的电机需求功率，即Pm(1)＝U1；以此类推，分别取r2,...,rk随机数，得到第k时刻预测的电机需求功率Uk；
(2)能量管理控制
第一步，进行内层动力电池优化能量优化控制，包括以下内容；
①建立多目标优化控制模型，包括：优化目标函数和动力电池寿命衰减模型，采用动态规划算法获得满足优化目标的最优控制量；
优化目标函数为：
Figure BDA0002968073860000023
式中，μ为权重系数，取值范围为0～1；CH2(xk,uk)为燃氢消耗成本，包括燃料电池燃氢消耗和动力电池等效燃氢消耗；CH(xk,uk)为动力电池寿命衰减成本；Ca为转化系数；xk为状态变量，即动力电池荷电状态(SOC)；uk为决策变量，即动力电池功率；
状态转移方程Sg[xk,uk]为：
Figure BDA0002968073860000024
式中，SOCk为k时刻动力电池SOC，Ik+1为k+1时刻流经动力电池的电流，Qbat为动力电池容量；
k时刻燃氢消耗成本CE(xk,uk)为：
CH2(xk,uk)＝Wfc(k)+αPbat(k)
式中，Wfc(k)为k时刻燃料电池燃氢消耗量，Pbat(k)为k时刻动力电池功率，α为等效燃氢系数；
k时刻动力电池寿命衰减成本CH(xk,uk)通过下式求取：
CH(xk,uk)＝σ·|Ic(k)|
式中，σ为动力电池寿命衰减影响因子，Ic(k)为k时刻的动力电池充放电倍率；
动力电池寿命衰减影响因子σ通过下式求取：
Figure BDA0002968073860000031
式中，τ为动力电池额定寿命，即通过额定运行条件下寿命终止(End of Life,EOL)时流过动力电池的总电量；γ是实际运行条件下动力电池寿命终止时流过动力电池的总电量；Ic,nom为动力电池额定充放电倍率；Ic为动力电池实际充放电倍率；
②基于上述所建立的多优化目标控制模型，采用动态规划算法，由时刻k＝N开始从后向前计算，逐步求得各阶段的最优决策轨迹、最优状态轨迹和最优成本值，直至k＝1时求解结束；
③基于逆向计算保存的结果，正向计算，即从第一时刻到N时刻结束，已知动力电池SOC的初始值，通过插值获得每一时刻的最优控制量，进而得到燃料电池参考目标功率和动力电池参考目标功率；
第二步，进行外层燃料电池能量优化控制，包括以下内容；
建立燃料电池电压衰退模型，工况的变化程度通过相邻5个时刻的燃料电池系统输出功率的标准差来表征，燃料电池系统的电压衰退率通过下式表示：
Figure BDA0002968073860000032
式中，udecay为燃料电池衰退的电压，
Figure BDA0002968073860000033
为相邻5个时刻的燃料电池功率，μu1为燃料电池输出功率单位标准差下的燃料电池衰退率，μu2为稳态工况下燃料电池衰退率；
燃料电池系统输出功率限制变化值ΔPf根据下式获得：
Figure BDA0002968073860000041
式中，ΔPfmax为初始的最大功率限制变化值；
第三步，根据所建立的燃料电池电压衰退模型，通过反馈的燃料电池电压衰退速率对燃料电池系统输出功率限制变化值ΔPf进行动态调整，当燃料电池电压衰退速率较大时ΔPf减小，使功率变化标准差减小，降低燃料电池电压衰退速率，进而修正上述内层动力电池能量优化控制获得的燃料电池参考目标功率，实现燃料电池汽车系统动力源的最优能量分配。
与现有技术相比本发明的有益效果是：
1.本发明所述的一种基于工况预测的燃料电池汽车能量管理优化方法采用马尔可夫模型来准确预测电机需求功率，有利于提高车辆经济性。
2.本发明所述的一种基于工况预测的燃料电池汽车能量管理优化方法在内层动力电池能量优化控制中考虑了动力电池寿命的衰减因素，有利于延长动力电池的使用寿命。
3.本发明所述的一种基于工况预测的燃料电池汽车能量管理优化方法在外层燃料电池能量优化控制中建立了面型控制的燃料电池电压衰退模型，有利于提高燃料电池耐久性，降低车辆全寿命周期成本。
附图说明
下面结合附图对本发明作进一步的说明：
图1是基于工况预测的燃料电池汽车能量管理优化的整体流程图。
具体实施方式
下面结合附图对本发明作详细的描述：
本发明公开一种基于工况预测的燃料电池汽车能量管理优化方法，包括工况预测和能量管理控制两部分，其中，能量管理优化控制包括内层动力电池能量优化控制和外层燃料电池能量优化控制。针对电-电混合燃料电池汽车，采用马尔可夫模型预测行驶工况，进而获得电机需求功率，内层控制采用动态规划算法获得动力电池参考目标功率和燃料电池参考目标功率，然后外层控制根据燃料电池系统电压衰退模型修正燃料电池参考目标功率，进而实现多动力源的能量分配。接下来具体说明实现考虑衰减的燃料电池汽车动力电池优化设计的思路。
(1)工况预测
定义电机的需求功率区间为[Umin,Umax]，Umin为电机最大需求功率，Umax为电机最小需求功率，以单位功率将电机的需求功率区间划分成m个状态区间，即以单位功率作为每个状态区间的长度；
基于历史工况的电机需求功率计算第i个状态区间转移到第j个状态区间的频数除以第i个状态区间转移到任意状态区间频数之和，即为第i个状态区间转移到第j个状态区间的状态转移概率，所有的状态转移概率组成了状态转移概率矩阵；
在电机需求功率的状态转移概率矩阵的基础上，对未来电机需求功率进行预测，假设当前时刻的电机需求功率为U0，下一时刻的电机需求功率Pm(1)的条件分布列为
Figure BDA0002968073860000054
在[0,1]区间内满足均匀分布的条件下取随机数r1，若：
Figure BDA0002968073860000051
式中，U1为下一时刻预测的电机需求功率，即Pm(1)＝U1；以此类推，分别取r2,...,rk随机数，得到第k时刻预测的电机需求功率Uk；
(2)能量管理控制
参阅图1，第一步，进行内层动力电池优化能量优化控制，包括以下内容；
①建立多目标优化控制模型，包括：优化目标函数和动力电池寿命衰减模型，采用动态规划算法获得满足优化目标的最优控制量；
优化目标函数为：
Figure BDA0002968073860000052
式中，μ为权重系数，取值范围为0～1；CH2(xk,uk)为燃氢消耗成本，包括燃料电池燃氢消耗和动力电池等效燃氢消耗；CH(xk,uk)为动力电池寿命衰减成本；Ca为转化系数；xk为状态变量，即动力电池荷电状态(SOC)；uk为决策变量，即动力电池功率；
状态转移方程Sg[xk,uk]为：
Figure BDA0002968073860000053
式中，SOCk为k时刻动力电池SOC，Ik+1为k+1时刻流经动力电池的电流，Qbat为动力电池容量；
k时刻燃氢消耗成本CE(xk,uk)为：
CH2(xk,uk)＝Wfc(k)+αPbat(k)
式中，Wfc(k)为k时刻燃料电池燃氢消耗量，Pbat(k)为k时刻动力电池功率，α为等效燃氢系数；
k时刻动力电池寿命衰减成本CH(xk,uk)通过下式求取：
CH(xk,uk)＝σ·|Ic(k)|
式中，σ为动力电池寿命衰减影响因子，Ic(k)为k时刻的动力电池充放电倍率；
动力电池寿命衰减影响因子σ通过下式求取：
Figure BDA0002968073860000061
式中，τ为动力电池额定寿命，即通过额定运行条件下寿命终止(End of Life,EOL)时流过动力电池的总电量；γ是实际运行条件下动力电池寿命终止时流过动力电池的总电量；Ic,nom为动力电池额定充放电倍率；Ic为动力电池实际充放电倍率；
②基于上述所建立的多优化目标控制模型，采用动态规划算法，由时刻k＝N开始从后向前计算，逐步求得各阶段的最优决策轨迹、最优状态轨迹和最优成本值，直至k＝1时求解结束；
③基于逆向计算保存的结果，正向计算，即从第一时刻到N时刻结束，已知动力电池SOC的初始值，通过插值获得每一时刻的最优控制量，进而得到燃料电池参考目标功率和动力电池参考目标功率；
第二步，进行外层燃料电池能量优化控制，包括以下内容；
建立燃料电池电压衰退模型，工况的变化程度通过相邻5个时刻的燃料电池系统输出功率的标准差来表征，燃料电池系统的电压衰退率通过下式表示：
Figure BDA0002968073860000062
式中，udecay为燃料电池衰退的电压，
Figure BDA0002968073860000063
为相邻5个时刻的燃料电池功率，μu1为燃料电池输出功率单位标准差下的燃料电池衰退率，μu2为稳态工况下燃料电池衰退率；
燃料电池系统输出功率限制变化值ΔPf根据下式获得：
Figure BDA0002968073860000071
式中，ΔPfmax为初始的最大功率限制变化值；
第三步，根据所建立的燃料电池电压衰退模型，通过反馈的燃料电池电压衰退速率对燃料电池系统输出功率限制变化值ΔPf进行动态调整，当燃料电池电压衰退速率较大时ΔPf减小，使功率变化标准差减小，降低燃料电池电压衰退速率，进而修正上述内层动力电池能量优化控制获得的燃料电池参考目标功率，实现燃料电池汽车系统动力源的最优能量分配。

Claims (1)

1.一种基于工况预测的燃料电池汽车能量管理优化方法，其特征在于包括下列步骤：
(1)工况预测
定义电机的需求功率区间为[Umin,Umax]，Umin为电机最大需求功率，Umax为电机最小需求功率，以单位功率将电机的需求功率区间划分成m个状态区间，即以单位功率作为每个状态区间的长度；
基于历史工况的电机需求功率计算第i个状态区间转移到第j个状态区间的频数除以第i个状态区间转移到任意状态区间频数之和，即为第i个状态区间转移到第j个状态区间的状态转移概率，所有的状态转移概率组成了状态转移概率矩阵；
在电机需求功率的状态转移概率矩阵的基础上，对未来电机需求功率进行预测，假设当前时刻的电机需求功率为U0，下一时刻的电机需求功率Pm(1)的条件分布列为
Figure FDA0002968073850000011
在[0,1]区间内满足均匀分布的条件下取随机数r1，若：
Figure FDA0002968073850000012
式中，U1为下一时刻预测的电机需求功率，即Pm(1)＝U1；以此类推，分别取r2,...,rk随机数，得到第k时刻预测的电机需求功率Uk；
(2)能量管理控制
第一步，进行内层动力电池优化能量优化控制，包括以下内容；
①建立多目标优化控制模型，包括：优化目标函数和动力电池寿命衰减模型，采用动态规划算法获得满足优化目标的最优控制量；
优化目标函数为：
Figure FDA0002968073850000013
式中，μ为权重系数，取值范围为0～1；CH2(xk,uk)为燃氢消耗成本，包括燃料电池燃氢消耗和动力电池等效燃氢消耗；CH(xk,uk)为动力电池寿命衰减成本；Ca为转化系数；xk为状态变量，即动力电池荷电状态(SOC)；uk为决策变量，即动力电池功率；
状态转移方程Sg[xk,uk]为：
Figure FDA0002968073850000021
式中，SOCk为k时刻动力电池SOC，Ik+1为k+1时刻流经动力电池的电流，Qbat为动力电池容量；
k时刻燃氢消耗成本CE(xk,uk)为：
CH2(xk,uk)＝Wfc(k)+αPbat(k)
式中，Wfc(k)为k时刻燃料电池燃氢消耗量，Pbat(k)为k时刻动力电池功率，α为等效燃氢系数；
k时刻动力电池寿命衰减成本CH(xk,uk)通过下式求取：
CH(xk,uk)＝σ·|Ic(k)|
式中，σ为动力电池寿命衰减影响因子，Ic(k)为k时刻的动力电池充放电倍率；
动力电池寿命衰减影响因子σ通过下式求取：
Figure FDA0002968073850000022
式中，τ为动力电池额定寿命，即通过额定运行条件下寿命终止(End of Life,EOL)时流过动力电池的总电量；γ是实际运行条件下动力电池寿命终止时流过动力电池的总电量；Ic,nom为动力电池额定充放电倍率；Ic为动力电池实际充放电倍率；
②基于上述所建立的多优化目标控制模型，采用动态规划算法，由时刻k＝N开始从后向前计算，逐步求得各阶段的最优决策轨迹、最优状态轨迹和最优成本值，直至k＝1时求解结束；
③基于逆向计算保存的结果，正向计算，即从第一时刻到N时刻结束，已知动力电池SOC的初始值，通过插值获得每一时刻的最优控制量，进而得到燃料电池参考目标功率和动力电池参考目标功率；
第二步，进行外层燃料电池能量优化控制，包括以下内容；
建立燃料电池电压衰退模型，工况的变化程度通过相邻5个时刻的燃料电池系统输出功率的标准差来表征，燃料电池系统的电压衰退率通过下式表示：
Figure FDA0002968073850000031
式中，udecay为燃料电池衰退的电压，
Figure FDA0002968073850000032
为相邻5个时刻的燃料电池功率，μu1为燃料电池输出功率单位标准差下的燃料电池衰退率，μu2为稳态工况下燃料电池衰退率；
燃料电池系统输出功率限制变化值ΔPf根据下式获得：
Figure FDA0002968073850000033
式中，ΔPfmax为初始的最大功率限制变化值；
第三步，根据所建立的燃料电池电压衰退模型，通过反馈的燃料电池电压衰退速率对燃料电池系统输出功率限制变化值ΔPf进行动态调整，当燃料电池电压衰退速率较大时ΔPf减小，使功率变化标准差减小，降低燃料电池电压衰退速率，进而修正上述内层动力电池能量优化控制获得的燃料电池参考目标功率，实现燃料电池汽车系统动力源的最优能量分配。
CN202110257364.8A 2021-03-09 2021-03-09 一种基于工况预测的燃料电池汽车能量管理优化方法 Pending CN112926211A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110257364.8A CN112926211A (zh) 2021-03-09 2021-03-09 一种基于工况预测的燃料电池汽车能量管理优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110257364.8A CN112926211A (zh) 2021-03-09 2021-03-09 一种基于工况预测的燃料电池汽车能量管理优化方法

Publications (1)

Publication Number Publication Date
CN112926211A true CN112926211A (zh) 2021-06-08

Family

ID=76172263

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110257364.8A Pending CN112926211A (zh) 2021-03-09 2021-03-09 一种基于工况预测的燃料电池汽车能量管理优化方法

Country Status (1)

Country Link
CN (1) CN112926211A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113246805A (zh) * 2021-07-02 2021-08-13 吉林大学 考虑汽车驾驶舱温度的燃料电池功率管理控制方法
CN113428049A (zh) * 2021-08-26 2021-09-24 北京理工大学 一种考虑电池老化抑制的燃料电池混动汽车能量管理方法
CN113978478A (zh) * 2021-11-23 2022-01-28 北京理工大学 一种基于分层凸优化的燃料电池汽车节能驾驶方法
CN114506250A (zh) * 2022-03-10 2022-05-17 厦门金龙联合汽车工业有限公司 一种基于运营数据的燃料电池汽车工况自适应控制方法
CN114583221A (zh) * 2022-03-16 2022-06-03 中国核能电力股份有限公司 一种电堆衰减寿命的测算方法
CN114643904A (zh) * 2022-02-25 2022-06-21 燕山大学 一种能量管理方法、装置、汽车及存储介质
CN114889498A (zh) * 2022-05-07 2022-08-12 苏州市华昌能源科技有限公司 一种氢电混合动力系统的功率优化分配方法
CN115782700A (zh) * 2022-12-07 2023-03-14 北京理工大学 考虑电池热健康约束的燃料电池混动汽车能量管理方法
CN116729208A (zh) * 2023-08-15 2023-09-12 北京理工大学 一种燃料电池混动汽车能量管理方法、系统及电子设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150056477A1 (en) * 2012-09-28 2015-02-26 Infintium Fuel Cell Systems (Shanghai) Co., Ltd. Fuel Cell Mixed Power Supply Energy Management Method
CN107878445A (zh) * 2017-11-06 2018-04-06 吉林大学 一种考虑电池性能衰减的混合动力汽车能量优化管理方法
CN110775065A (zh) * 2019-11-11 2020-02-11 吉林大学 一种基于工况识别的混合动力汽车电池寿命预测方法
CN110775043A (zh) * 2019-11-11 2020-02-11 吉林大学 一种基于电池寿命衰减模式识别的混动汽车能量优化方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150056477A1 (en) * 2012-09-28 2015-02-26 Infintium Fuel Cell Systems (Shanghai) Co., Ltd. Fuel Cell Mixed Power Supply Energy Management Method
CN107878445A (zh) * 2017-11-06 2018-04-06 吉林大学 一种考虑电池性能衰减的混合动力汽车能量优化管理方法
CN110775065A (zh) * 2019-11-11 2020-02-11 吉林大学 一种基于工况识别的混合动力汽车电池寿命预测方法
CN110775043A (zh) * 2019-11-11 2020-02-11 吉林大学 一种基于电池寿命衰减模式识别的混动汽车能量优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
曾小华 等: "考虑电池寿命的插电式混合动力汽车能量管理优化", 《浙江大学学报(工学版)》 *
林海波: "基于电池性能衰退的燃料电池汽车能量管理预测控制", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113246805A (zh) * 2021-07-02 2021-08-13 吉林大学 考虑汽车驾驶舱温度的燃料电池功率管理控制方法
CN113428049A (zh) * 2021-08-26 2021-09-24 北京理工大学 一种考虑电池老化抑制的燃料电池混动汽车能量管理方法
CN113978478B (zh) * 2021-11-23 2023-11-21 北京理工大学 一种基于分层凸优化的燃料电池汽车节能驾驶方法
CN113978478A (zh) * 2021-11-23 2022-01-28 北京理工大学 一种基于分层凸优化的燃料电池汽车节能驾驶方法
CN114643904A (zh) * 2022-02-25 2022-06-21 燕山大学 一种能量管理方法、装置、汽车及存储介质
CN114506250A (zh) * 2022-03-10 2022-05-17 厦门金龙联合汽车工业有限公司 一种基于运营数据的燃料电池汽车工况自适应控制方法
CN114506250B (zh) * 2022-03-10 2023-04-14 厦门金龙联合汽车工业有限公司 一种基于运营数据的燃料电池汽车工况自适应控制方法
CN114583221A (zh) * 2022-03-16 2022-06-03 中国核能电力股份有限公司 一种电堆衰减寿命的测算方法
CN114583221B (zh) * 2022-03-16 2024-01-05 中国核能电力股份有限公司 一种电堆衰减寿命的测算方法
CN114889498A (zh) * 2022-05-07 2022-08-12 苏州市华昌能源科技有限公司 一种氢电混合动力系统的功率优化分配方法
CN114889498B (zh) * 2022-05-07 2023-12-15 苏州市华昌能源科技有限公司 一种氢电混合动力系统的功率优化分配方法
CN115782700A (zh) * 2022-12-07 2023-03-14 北京理工大学 考虑电池热健康约束的燃料电池混动汽车能量管理方法
CN116729208A (zh) * 2023-08-15 2023-09-12 北京理工大学 一种燃料电池混动汽车能量管理方法、系统及电子设备

Similar Documents

Publication Publication Date Title
CN112926211A (zh) 一种基于工况预测的燃料电池汽车能量管理优化方法
CN109606137B (zh) 融合成本寿命因素的多源电驱动系统经济性优化方法
CN113022380B (zh) 一种考虑衰减的燃料电池汽车动力电池优化设计方法
CN109693578B (zh) 一种燃料电池车整车功率分配控制方法和系统
CN108987770A (zh) 一种多堆燃料电池发电系统的协调优化控制方法
CN111347940B (zh) 一种电电混合燃料电池汽车能量管理控制方法
CN112677956B (zh) 一种考虑电池寿命的行星混联式混动车实时优化控制方法
CN109591659B (zh) 一种智能学习的纯电动汽车能量管理控制方法
CN110271454A (zh) 一种燃料电池电动汽车功率优化方法
CN111244988B (zh) 考虑分布式电源的电动汽车和储能优化调度方法
CN112706753B (zh) 一种基于灰狼优化的ecms混动汽车能量管理策略
CN112810503A (zh) 考虑动态响应能力的基于神经网络的汽车动力控制方法
CN115230485A (zh) 基于短期功率平滑预测的燃料电池公交车能量管理方法
CN114996906A (zh) 一种航空混合电推进系统的能量管理策略
CN113928182B (zh) 基于全局交通信息的混合动力汽车电池热管理优化系统
CN114940103A (zh) 考虑行驶成本与寿命成本的燃料电池重卡功率管理方法
CN112590763A (zh) 一种基于电池热及老化的行星混联混动汽车能量优化方法
CN112109594B (zh) 用于混合动力车的能量管理控制方法和系统
CN111071073A (zh) 基于随机负载的燃料电池混合动力系统及其控制方法
CN113420927B (zh) 多源动力系统的多目标配置优化方法
CN114824370B (zh) 一种双堆燃料电池系统整车能量控制方法
CN113104021B (zh) 一种基于智能优化的增程式电动汽车能量管理控制方法
CN116394803A (zh) 一种考虑速度优化的混合燃料电池车辆功率优化控制方法
CN112084645B (zh) 一种基于混合迭代adp方法的锂离子电池储能系统能量管理方法
CN111404374B (zh) 运用遗传算法优化的双向dc-dc变换器的控制方法

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210608

WD01 Invention patent application deemed withdrawn after publication