CN113043917A - 一种多堆燃料电池混合动力系统分层控制方法 - Google Patents
一种多堆燃料电池混合动力系统分层控制方法 Download PDFInfo
- Publication number
- CN113043917A CN113043917A CN202110403417.2A CN202110403417A CN113043917A CN 113043917 A CN113043917 A CN 113043917A CN 202110403417 A CN202110403417 A CN 202110403417A CN 113043917 A CN113043917 A CN 113043917A
- Authority
- CN
- China
- Prior art keywords
- fuel cell
- power
- stack
- optimal
- storage battery
- 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
Images
Classifications
-
- 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
-
- 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)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Fuel Cell (AREA)
Abstract
本发明公开一种多堆燃料电池混合动力系统分层控制方法,本发明将不同的燃料电池工况造成的每个电堆的性能衰退程度整合成健康度用以表示每个燃料电池的性能。将多堆燃料电池系统和蓄电池的等效氢气消耗及健康度统一为氢气消耗度。利用具有强健康意识的优化方法,并根据氢气消耗度为性能指标求解最佳燃料电池输出功率序列。得出了最优状态变量序列SOC和离线工况序列Pload的分类,调取规则。顶层部分采用得到的规则分配燃料电池系统和蓄电池的功率,底层部分则实时采集多堆燃料电池系统中每个电堆的健康度实时分配不同电堆的功率,以达到延长多堆燃料电池系统整体耐久性的目的。
Description
技术领域
本发明属于多堆燃料电池技术领域,特别是涉及一种多堆燃料电池混合动力系统分层控制方法。
背景技术
氢能是人类应对能源短缺最为重要的手段之一,而氢燃料电池由于能量转化率高,清洁无污染的特点受到了世界的欢迎,各位学者对氢燃料电池及其应用的研究也日益广泛和深入。我国于2008年开始对氢燃料电池混合动力机车开始进行研究,现已有部分正式投入商业化应用。然而,列车的功率需求极大,甚至达到MW级别,单一的燃料电池电堆无法满足其功率需求,因此常常将多个燃料电池电堆组合为多堆燃料电池供电系统为机车提供能量。
对实际工程而言,往往采用规则的能量管理策略分配多堆燃料电池混合动力系统的能量,虽然基于规则的分配方法实时性强,实施便利,但其经济性和燃料电池的使用寿命往往无法达到商业化的要求,基于优化的能量管理方法经济效益更好但计算复杂,实时性较差。因此平衡两类能量管理方法的关系是目前亟待解决的问题,并且,传统的基于规则的能量管理方法几乎均未考虑燃料电池的寿命衰减带来的经济性影响。
以往对多堆燃料电池的研究往往集中于其内部拓扑结构及如何提升整体效率,很少考虑因不同电堆的性能差异导致某一电堆提前退役,从而造成多堆燃料电池系统的整体更换或大修。对多堆燃料电池系统的健康度的描述也较为模糊,未对其进行量化。
发明内容
为了解决上述问题,本发明提出了一种多堆燃料电池混合动力系统分层控制方法,不仅考虑了商用燃料电池机车的实用性问题,并延长了多堆燃料电池系统的使用寿命、提高了其经济性。
为达到上述目的,本发明采用的技术方案是:一种多堆燃料电池混合动力系统分层控制方法,包括底层部分和顶层部分,底层部分为多堆燃料电池供电系统,顶层部分包括混合工况模块、强健康意识优化方法模块、最优规则制定模块和顶层能量分配模块;
包括步骤:
S10,将不同的燃料电池工况造成的每个电堆的性能衰退程度以性能衰退因子表示,并将其整合成性能健康度用以表示每个燃料电池的性能;将多堆燃料电池系统和蓄电池的等效氢气消耗及性能健康度统一为氢气消耗度,构成多堆燃料电池混合动力系统的目标函数;
S20,将蓄电池的SOC和系统离线工况离散化,利用强健康意识优化方法,根据所述氢气消耗度为性能指标的多堆燃料电池混合动力系统的目标函数求解最佳燃料电池输出功率序列;
S30,根据最佳燃料电池输出功率序列获得最优状态变量序列SOC和离线工况序列Pload通过数据密度聚类中心自确定法分别确定其聚类中心,并将相邻的聚类中心的平均值作为其分类的边界值,分别得出了最优状态变量序列SOC和离线工况序列Pload的分类;
S40,对各类最优状态变量序列SOC和离线工况序列Pload进行规则提取,并随时对规则进行修剪;
S50,顶层部分采用得到的规则分配燃料电池系统和蓄电池的功率;底层部分则实时采集多堆燃料电池系统中每个电堆的健康度,实时分配不同电堆的功率。
进一步的是,多堆燃料电池混合动力系统的控制系统包括底层部分、顶层部分和健康度计算部分,三个部分的互相协调控制和配合完成分层控制方法;
底层部分的多堆燃料电池供电系统包括多组燃料电池电堆并联构成,各燃料电池电堆和蓄电池分别经Boost单向DC/DC变换器及双向DC/DC变换器连入母线,并为负载提供电能支持,其中蓄电池用以吸收系统的额外能量,健康度计算部分则用来计算不同电堆的健康度;
底层部分包括隔离电信号采样电路采集各部件的电压信号与电流信号,用以系统的实时分析和计算;还包括PWM模块为DC/DC变换器提供的脉冲信号用以控制各电源输出功率;还包括多堆燃料电池性能衰减模块在线估计各燃料电池的健康度,是底部功率分配以保证燃料电池整体使用寿命延长的重要保证;还包括多堆燃料电池功率分配模块根据多堆燃料电池性能衰减模块提供依据,对不同电堆的输出功率进行分配;
顶层部分包括混合工况模块、强健康意识优化方法模块、最优规则制定模块和顶层能量分配模块,其中,除顶层能量分配模块外,其他部分均为离线部分;顶层能量分配模块将多堆燃料电池系统视为一个整体,依据制定的最优规则,结合当前道路的情况、燃料电池和蓄电池状态分配燃料电池和蓄电池的输出功率。
进一步的是,随燃料电池和蓄电池使用时间的增加,燃料电池和蓄电池均有不同程度的性能衰退,以多堆燃料电池供电系统中每个燃料电池的健康度Hi和整体蓄电池的健康度Hbat定义其性能衰退程度;
每个燃料电池根据各自的衰退因子计算其健康度,根据当前燃料电池电堆输出功率所属区间求得各电堆对应的衰退Ti,从而计算各电堆的健康度,其表示了燃料电池性能衰退的程度;
蓄电池则通过当前输出电流计算其健康度。
进一步的是,每个燃料电池的健康度Hi和整体蓄电池的健康度Hbat的计算公式为:
其中,N为蓄电池的循环次数,c为蓄电池电能损失量,Tc为蓄电池总温度,Q为蓄电池总容量,ibat为蓄电池当前电流,
根据当前燃料电池电堆输出功率所属区间求得各电堆对应的衰退Ti;每个燃料电池的健康度包括变载衰减因子Tchange、平稳衰退因子Tusual、启停衰退因子Ton/off、高功率衰退因子Thigh和低功率衰退因子Tlow;当燃料电池在高功率区运行时,根据当前燃料电池电堆输出功率Pfci计算该燃料电池电堆的高功率衰退因子Thigh;当燃料电池在低功率区运行时,根据当前燃料电池电堆输出功率Pfci计算该燃料电池电堆的低功率衰退因子Tlow;当燃料电池启停时,计算每个电堆的启停衰退因子Ton/off;当燃料电池正常工作时,根据当前燃料电池电堆输出功率Pfci计算该燃料电池电堆的变载衰减因子Tchange和平稳衰退因子Tusual;
表述公式为:
式中,β1、β2、β3和β4为经过长期老化实验所得参数,Pfci为当前燃料电池电堆输出功率,Phighlim为燃料电池高功率运行下界,Plowlim为燃料电池低功率运行上界,Pfcmax和Pfcmin分别为每个燃料电池电堆允许输出的最大功率和最低功率;δdelay和N(c,Tc)分别为燃料电池输出功率波动率和蓄电池性能损失函数。
进一步的是,所述δdelay和N(c,Tc)分别为燃料电池输出功率波动率和蓄电池性能损失函数的表达式为:
其中,ξ为进行长期老化实验得出的燃料电池输出功率波动单位情况下的功率波动性能衰退率,Pfci|t和Pfci|t-1为当前每一个燃料电池电堆输出功率和前一时刻输出功率,ΔPfcmax为当前每一个燃料电池电堆功率变化率的最大值;Q为蓄电池容量、c为蓄电池电能损失量,M(c)为容量损失百分率,Ea(c)为活化能,TC为蓄电池总温度,RC为蓄电池内阻。
进一步的是,多堆燃料电池系统和蓄电池的等效氢气消耗表达式为:
其中,Cfc为多堆燃料电池系统整体氢气消耗,Cbat为蓄电池氢气消耗,Csystem为系统等效氢气消耗;ηdis为蓄电池放电效率,ηchg为蓄电池充电效率,这两个参数通过拟合蓄电池输出功率Pbat和荷电状态SOC得到;a1、a2、b1、b2均为常数;
将多堆燃料电池系统和蓄电池的等效氢气消耗及性能健康度统一为氢气消耗度,表达式为:
Cfc-life为多堆燃料电池系统氢气消耗度,Cbat-life为蓄电池氢气消耗度。
构建多堆燃料电池混合动力系统的目标函数为:
Jk[uk(sk),sk]=Csystem+Cfc-life+Cbat-life。
进一步的是,利用强健康意识优化方法,根据所述氢气消耗度为性能指标的多堆燃料电池混合动力系统的目标函数求解最佳燃料电池输出功率序列,包括步骤:
以蓄电池的SOC作为系统的当前状态,确定燃料电池系统的输出功率后与离线工况作差得到蓄电池的输出功率;将离线工况每隔0.1s取值以离散化,记录蓄电池SOC每隔0.1s的值作为系统的状态变量,记为s(k),燃料电池系统输出功率作为决策变量,记为u(k),其中,k为当前阶段,系统的总阶段数记为N;
将上述确定了优化时的决策变量和状态变量进行离散化处理;
为保证蓄电池的健康使用并可以回收制动能量,使SOC处于定义的区间[SOCmin,SOCmax]内,而SOCstart和SOCend则表示混合动力系统开始和运行结束之后蓄电池的荷电状态,由于燃料电池系统为主动力源,应保持SOC始末状态相等;
Pload为当前工况,Pbat为蓄电池输出功率,Pbatmin和Pbatmax为蓄电池最小及最大输出功率;
由上述约束条件并遍历整个状态变量和决策变量空间,求得其允许集合;
根据多堆燃料电池混合动力系统的目标函数,设定当前阶段性的指标函数为dk(sk),当前状态通过状态转移函数g(a,b)转移到下一个状态,遍历阶段k的每一个可用状态变量,求解转移到哪一个状态时使阶段性指标函数最小,并将这个最优过程中的性能指标函数、状态变量和决策变量储存,阶段k-1的步骤同理,直到反推至第1阶段,则此时,从第一阶段正向推导可得到一条最优的路径,从系统的初始状态出发,通过已存储的最优阶段的状态变量和决策变量可以得到燃料电池混合动力系统最佳的燃料电池输出功率序列;
进一步的是,在所述步骤S30中,根据最佳燃料电池输出功率序列获得最优状态变量序列SOC和离线工况序列Pload通过数据密度聚类中心自确定法分别确定其聚类中心,并将相邻的聚类中心的平均值作为其分类的边界值,分别得出了最优状态变量序列SOC的分类包括高、中、低三种情况,和离线工况序列Pload的分类包括怠速运行、加速运行、匀速运行和减速运行四种情况;
S31,确定初始聚类中心,计算每两个聚类中心的欧式距离,将相聚最近的两个中心合为一个中心且原聚类中心数据不删除,重复此过程直到整个样本空间聚类为一个簇,而在此过程中,保持不变的簇数为最终聚类数;
计算某点的密度ρi及该点距其他点的距离μi:
式中,dc表示距离阈值、X为密度确定函数,当其变量小于0时,其值取为1,否则为0;其中,dc的选择应保证至少有2%的样本空间使数据密度确定函数取值为1;
S32,K个初始聚类中心pk确定后,将样本空间中的每一个点归类到与其距离最近的聚类中心的那一簇,使得代价函数G(k)值最小;
利用代价函数Gk聚类后重新计算该聚类点,直到两次迭代计算的聚类中心接近重合;
S33,最优状态变量序列SOC确定4个聚类中心,离线工况序列Pload最终将会确定5个聚类中心,分别求取其相邻聚类中心的中间值确定分类边界。
进一步的是,在步骤S40中,对各类最优状态变量序列SOC和离线工况序列Pload进行规则提取,并随时对规则进行修剪。
以燃料电池最优分配功率为类标号yi,通过判断语句对SOC、工况Pload提取出分类规则ri,不同的分类规则结合成一个决策表,根据当前混合动力系统的真实状况为其分配能量,规则集的提取如式(15)所示,具体的逻辑提取规则如下表所示:
多层逻辑分类器包括:
第一层为规则提取层,根据制定逻辑,对规则提取;当最优状态变量序列SOC为高且离线工况序列Pload分别为加速运行,匀速运行,减速运行时的最佳燃料电池功率分别纳入一类规则中;当最优状态变量序列SOC为中且离线工况序列Pload分别为加速运行,匀速运行,减速运行时的最佳燃料电池功率分别纳入二类规则中;当最优状态变量序列SOC为低且离线工况序列Pload分别为加速运行,匀速运行,减速运行时的最佳燃料电池功率分别纳入三类规则中,当离线工况序列Pload为怠速运行时,将相应的最佳燃料电池功率纳入四类规则中;
第二层为规则修剪层,当第一层提取相应的规则后,第二层马上进行修剪;以第一层提取当前样本中的最佳规则时,认为该规则的训练记录均为正例,若性能指标M足够小,则表明该规则提取完成,重复进行该过程,直至所有规则提取完成,为保证规则提取精度,当某一规则提取完成后,该规则所对应数据被覆盖,性能指标计算式:
式中,m+和m-表示总的正例数和反例数,m++和m--表示该规则包含的正例和反例数。
进一步的是,S50,顶层部分采用得到的规则分配燃料电池系统和蓄电池的功率;底层部分则实时采集多堆燃料电池系统中每个电堆的健康度,实时分配不同电堆的功率。
不同电堆的功率分配方式:
为保证多堆燃料电池系统启动稳定并运行在高效率区间内,系统启动的前5ms内各燃料电堆的功率平均分配;功率均分结束后,根据不同电堆之间关系的进行功率分配;
对底层各电堆的功率输出限制:如果Pdci>Pfcmax,则输出Pdci=Pfcmax;如果Pdci<Pfcmin,则输出Pdci=Pfcmin;不属于这两种情况时,则该电堆功率直接输出即可;当Pload>0时,若多堆燃料电池系统输出功率不足,剩余部分则有蓄电池补充;当Pload<0时,系统回收额外能量,这一部分能量储存于蓄电池当中。
采用本技术方案的有益效果:
本发明将不同的燃料电池工况造成的每个电堆的性能衰退程度以性能衰退因子表示,并将其整合成健康度用以表示每个燃料电池的性能。为目标函数统一,将多堆燃料电池系统和蓄电池的等效氢气消耗及健康度统一为氢气消耗度。将蓄电池的SOC和系统离线工况离散化,利用具有强健康意识的优化方法,并根据氢气消耗度为性能指标求解最佳燃料电池输出功率序列,并保存结果。将最优状态变量序列SOC和离线工况序列Pload通过数据密度聚类中心自确定法分别确定其聚类中心,并将相邻的聚类中心的平均值作为其分类的边界值,分别得出了最优状态变量序列SOC的三种分类和离线工况序列Pload的四种分类。根据10条逻辑,调取规则,并随时对规则进行修剪。顶层部分采用得到的规则分配燃料电池系统和蓄电池的功率,底层部分则实时采集多堆燃料电池系统中每个电堆的健康度实时分配不同电堆的功率,以达到延长多堆燃料电池系统整体耐久性的目的。本发明在考虑系统经济成本的前提下考虑了每个燃料电池电堆和蓄电池的性能衰退程度,该方法的实时效果较好,且可以解决多堆燃料电池系统耐久性较差的问题;提高了商用燃料电池机车的实用性,并延长了多堆燃料电池系统的使用寿命、提高了其经济性。
附图说明
图1为本发明的一种多堆燃料电池混合动力系统分层控制方法流程示意图;
图2为本发明实施例中多堆燃料电池混合动力系统分层控制方法流程示意图;
图3为本发明实施例中一种多堆燃料电池混合动力系统分层控制系统的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图对本发明作进一步阐述。
在本实施例中,参见图1-3所示,本发明提出了一种多堆燃料电池混合动力系统分层控制方法,包括底层部分和顶层部分,底层部分为多堆燃料电池供电系统,顶层部分包括混合工况模块、强健康意识优化方法模块、最优规则制定模块和顶层能量分配模块;
包括步骤:
S10,将不同的燃料电池工况造成的每个电堆的性能衰退程度以性能衰退因子表示,并将其整合成性能健康度用以表示每个燃料电池的性能;将多堆燃料电池系统和蓄电池的等效氢气消耗及性能健康度统一为氢气消耗度,构成多堆燃料电池混合动力系统的目标函数;
S20,将蓄电池的SOC和系统离线工况离散化,利用强健康意识优化方法,根据所述氢气消耗度为性能指标的多堆燃料电池混合动力系统的目标函数求解最佳燃料电池输出功率序列;
S30,根据最佳燃料电池输出功率序列获得最优状态变量序列SOC和离线工况序列Pload通过数据密度聚类中心自确定法分别确定其聚类中心,并将相邻的聚类中心的平均值作为其分类的边界值,分别得出了最优状态变量序列SOC和离线工况序列Pload的分类;
S40,对各类最优状态变量序列SOC和离线工况序列Pload进行规则提取,并随时对规则进行修剪;
S50,顶层部分采用得到的规则分配燃料电池系统和蓄电池的功率;底层部分则实时采集多堆燃料电池系统中每个电堆的健康度,实时分配不同电堆的功率。
作为上述实施例的优化方案,多堆燃料电池混合动力系统的控制系统包括底层部分、顶层部分和健康度计算部分,三个部分的互相协调控制和配合完成分层控制方法;
底层部分的多堆燃料电池供电系统包括多组燃料电池电堆并联构成,如图所示有4组燃料电池电堆011、012、013、014并联构成,各燃料电池电堆和蓄电池分别经Boost单向DC/DC变换器111、112、113、114及双向DC/DC变换器连入母线,并为负载提供电能支持,其中蓄电池用以吸收系统的额外能量,健康度计算部分则用来计算不同电堆的健康度;
底层部分包括隔离电信号采样电路采集各部件的电压信号与电流信号,用以系统的实时分析和计算;还包括PWM模块为DC/DC变换器提供的脉冲信号用以控制各电源输出功率;还包括多堆燃料电池性能衰减模块在线估计各燃料电池的健康度,是底部功率分配以保证燃料电池整体使用寿命延长的重要保证;还包括多堆燃料电池功率分配模块根据多堆燃料电池性能衰减模块提供依据,对不同电堆的输出功率进行分配;
顶层部分包括混合工况模块、强健康意识优化方法模块、最优规则制定模块和顶层能量分配模块,其中,除顶层能量分配模块外,其他部分均为离线部分;顶层能量分配模块将多堆燃料电池系统视为一个整体,依据制定的最优规则,结合当前道路的情况、燃料电池和蓄电池状态分配燃料电池和蓄电池的输出功率。
作为上述实施例的优化方案,随燃料电池和蓄电池使用时间的增加,燃料电池和蓄电池均有不同程度的性能衰退,以多堆燃料电池供电系统中每个燃料电池的健康度Hi和整体蓄电池的健康度Hbat定义其性能衰退程度;
每个燃料电池根据各自的衰退因子计算其健康度,根据当前燃料电池电堆输出功率所属区间求得各电堆对应的衰退Ti,从而计算各电堆的健康度,其表示了燃料电池性能衰退的程度;
蓄电池则通过当前输出电流计算其健康度。
作为上述实施例的优化方案,每个燃料电池的健康度Hi和整体蓄电池的健康度Hbat的计算公式为:
其中,N为蓄电池的循环次数,c为蓄电池电能损失量,Tc为蓄电池总温度,Q为蓄电池总容量,ibat为蓄电池当前电流,
根据当前燃料电池电堆输出功率所属区间求得各电堆对应的衰退Ti;每个燃料电池的健康度包括变载衰减因子Tchange、平稳衰退因子Tusual、启停衰退因子Ton/off、高功率衰退因子Thigh和低功率衰退因子Tlow;当燃料电池在高功率区运行时,根据当前燃料电池电堆输出功率Pfci计算该燃料电池电堆的高功率衰退因子Thigh;当燃料电池在低功率区运行时,根据当前燃料电池电堆输出功率Pfci计算该燃料电池电堆的低功率衰退因子Tlow;当燃料电池启停时,计算每个电堆的启停衰退因子Ton/off;当燃料电池正常工作时,根据当前燃料电池电堆输出功率Pfci计算该燃料电池电堆的变载衰减因子Tchange和平稳衰退因子Tusual;
表述公式为:
式中,β1、β2、β3和β4为经过长期老化实验所得参数,Pfci为当前燃料电池电堆输出功率,Phighlim为燃料电池高功率运行下界,Plowlim为燃料电池低功率运行上界,Pfcmax和Pfcmin分别为每个燃料电池电堆允许输出的最大功率和最低功率;δdelay和N(c,Tc)分别为燃料电池输出功率波动率和蓄电池性能损失函数。
所述δdelay和N(c,Tc)分别为燃料电池输出功率波动率和蓄电池性能损失函数的表达式为:
其中,ξ为进行长期老化实验得出的燃料电池输出功率波动单位情况下的功率波动性能衰退率,Pfci|t和Pfci|t-1为当前每一个燃料电池电堆输出功率和前一时刻输出功率,ΔPfcmax为当前每一个燃料电池电堆功率变化率的最大值;Q为蓄电池容量、c为蓄电池电能损失量,M(c)为容量损失百分率,Ea(c)为活化能,TC为蓄电池总温度,RC为蓄电池内阻。
作为上述实施例的优化方案,多堆燃料电池系统和蓄电池的等效氢气消耗表达式为:
其中,Cfc为多堆燃料电池系统整体氢气消耗,Cbat为蓄电池氢气消耗,Csystem为系统等效氢气消耗;ηdis为蓄电池放电效率,ηchg为蓄电池充电效率,这两个参数通过拟合蓄电池输出功率Pbat和荷电状态SOC得到;a1、a2、b1、b2均为常数;
将多堆燃料电池系统和蓄电池的等效氢气消耗及性能健康度统一为氢气消耗度,表达式为:
Cfc-life为多堆燃料电池系统氢气消耗度,Cbat-life为蓄电池氢气消耗度。
构建多堆燃料电池混合动力系统的目标函数为:
Jk[uk(sk),sk]=Csystem+Cfc-life+Cbat-life。
作为上述实施例的优化方案,利用强健康意识优化方法,根据所述氢气消耗度为性能指标的多堆燃料电池混合动力系统的目标函数求解最佳燃料电池输出功率序列,包括步骤:
以蓄电池的SOC作为系统的当前状态,确定燃料电池系统的输出功率后与离线工况作差得到蓄电池的输出功率;将离线工况每隔0.1s取值以离散化,记录蓄电池SOC每隔0.1s的值作为系统的状态变量,记为s(k),燃料电池系统输出功率作为决策变量,记为u(k),其中,k为当前阶段,系统的总阶段数记为N;
将上述确定了优化时的决策变量和状态变量进行离散化处理;
为保证蓄电池的健康使用并可以回收制动能量,使SOC处于定义的区间[SOCmin,SOCmax]内,而SOCstart和SOCend则表示混合动力系统开始和运行结束之后蓄电池的荷电状态,由于燃料电池系统为主动力源,应保持SOC始末状态相等;
Pload为当前工况,Pbat为蓄电池输出功率,Pbatmin和Pbatmax为蓄电池最小及最大输出功率;
由上述约束条件并遍历整个状态变量和决策变量空间,求得其允许集合;
根据多堆燃料电池混合动力系统的目标函数,设定当前阶段性的指标函数为dk(sk),当前状态通过状态转移函数g(a,b)转移到下一个状态,遍历阶段k的每一个可用状态变量,求解转移到哪一个状态时使阶段性指标函数最小,并将这个最优过程中的性能指标函数、状态变量和决策变量储存,阶段k-1的步骤同理,直到反推至第1阶段,则此时,从第一阶段正向推导可得到一条最优的路径,从系统的初始状态出发,通过已存储的最优阶段的状态变量和决策变量可以得到燃料电池混合动力系统最佳的燃料电池输出功率序列;
作为上述实施例的优化方案,在所述步骤S30中,根据最佳燃料电池输出功率序列获得最优状态变量序列SOC和离线工况序列Pload通过数据密度聚类中心自确定法分别确定其聚类中心,并将相邻的聚类中心的平均值作为其分类的边界值,分别得出了最优状态变量序列SOC的分类包括高、中、低三种情况,和离线工况序列Pload的分类包括怠速运行、加速运行、匀速运行和减速运行四种情况;
S31,确定初始聚类中心,计算每两个聚类中心的欧式距离,将相聚最近的两个中心合为一个中心且原聚类中心数据不删除,重复此过程直到整个样本空间聚类为一个簇,而在此过程中,保持不变的簇数为最终聚类数;
计算某点的密度ρi及该点距其他点的距离μi:
式中,dc表示距离阈值、X为密度确定函数,当其变量小于0时,其值取为1,否则为0;其中,dc的选择应保证至少有2%的样本空间使数据密度确定函数取值为1;
S32,K个初始聚类中心pk确定后,将样本空间中的每一个点归类到与其距离最近的聚类中心的那一簇,使得代价函数G(k)值最小;
利用代价函数Gk聚类后重新计算该聚类点,直到两次迭代计算的聚类中心接近重合;
S33,最优状态变量序列SOC确定4个聚类中心,离线工况序列Pload最终将会确定5个聚类中心,分别求取其相邻聚类中心的中间值确定分类边界。
作为上述实施例的优化方案,在步骤S40中,对各类最优状态变量序列SOC和离线工况序列Pload进行规则提取,并随时对规则进行修剪。
以燃料电池最优分配功率为类标号yi,通过判断语句对SOC、工况Pload提取出分类规则ri,不同的分类规则结合成一个决策表,根据当前混合动力系统的真实状况为其分配能量,规则集的提取如式(15)所示,具体的逻辑提取规则如下表所示:
多层逻辑分类器包括:
第一层为规则提取层,根据制定逻辑,对规则提取;当最优状态变量序列SOC为高且离线工况序列Pload分别为加速运行,匀速运行,减速运行时的最佳燃料电池功率分别纳入一类规则中;当最优状态变量序列SOC为中且离线工况序列Pload分别为加速运行,匀速运行,减速运行时的最佳燃料电池功率分别纳入二类规则中;当最优状态变量序列SOC为低且离线工况序列Pload分别为加速运行,匀速运行,减速运行时的最佳燃料电池功率分别纳入三类规则中,当离线工况序列Pload为怠速运行时,将相应的最佳燃料电池功率纳入四类规则中;
第二层为规则修剪层,当第一层提取相应的规则后,第二层马上进行修剪;以第一层提取当前样本中的最佳规则时,认为该规则的训练记录均为正例,若性能指标M足够小,则表明该规则提取完成,重复进行该过程,直至所有规则提取完成,为保证规则提取精度,当某一规则提取完成后,该规则所对应数据被覆盖,性能指标计算式:
式中,m+和m-表示总的正例数和反例数,m++和m--表示该规则包含的正例和反例数。
作为上述实施例的优化方案,S50,顶层部分采用得到的规则分配燃料电池系统和蓄电池的功率;底层部分则实时采集多堆燃料电池系统中每个电堆的健康度,实时分配不同电堆的功率。
不同电堆的功率分配方式:
设置各燃料电池电堆最大输出功率Pfcmax、设置各燃料电池电堆最大输出功率Pfcmin、各燃料电池电堆实际输出电压电流分别为Vfci和Ifci,各电堆的健康度为Hi,各燃料电池级换器输出功率改变量为ΔPdci,各燃料电池的输出功率为Pdci,系统自动检测各燃料电池电堆健康度为其分配功率;
为保证多堆燃料电池系统启动稳定并运行在高效率区间内,系统启动的前5ms内各燃料电堆的功率平均分配,
功率均分结束后,夹设1号电堆的性能最好,其应承受来自2号电堆、3号电堆和4号电堆的功率差额。但1号电堆承受过重的负荷将加剧其老化程度,当检测到1号电堆的健康度不再为最佳时,将最佳健康度的燃料电池电堆命为1号电堆,重新承担其余性能较差电堆的功率差额。不同电堆之间的功率分配关系:
1号电堆在功率均分之后需要承担的额外功率量:
对底层各电堆的功率输出限制:如果Pdci>Pfcmax,则输出Pdci=Pfcmax;如果Pdci<Pfcmin,则输出Pdci=Pfcmin;不属于这两种情况时,则该电堆功率直接输出即可;当Pload>0时,若多堆燃料电池系统输出功率不足,剩余部分则有蓄电池补充;当Pload<0时,系统回收额外能量,这一部分能量储存于蓄电池当中。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种多堆燃料电池混合动力系统分层控制方法,其特征在于,包括底层部分和顶层部分,底层部分为多堆燃料电池供电系统,顶层部分包括混合工况模块、强健康意识优化方法模块、最优规则制定模块和顶层能量分配模块;
包括步骤:
S10,将不同的燃料电池工况造成的每个电堆的性能衰退程度以性能衰退因子表示,并将其整合成性能健康度用以表示每个燃料电池的性能;将多堆燃料电池系统和蓄电池的等效氢气消耗及性能健康度统一为氢气消耗度,构成多堆燃料电池混合动力系统的目标函数;
S20,将蓄电池的SOC和系统离线工况离散化,利用强健康意识优化方法,根据所述氢气消耗度为性能指标的多堆燃料电池混合动力系统的目标函数求解最佳燃料电池输出功率序列;
S30,根据最佳燃料电池输出功率序列获得最优状态变量序列SOC和离线工况序列Pload通过数据密度聚类中心自确定法分别确定其聚类中心,并将相邻的聚类中心的平均值作为其分类的边界值,分别得出了最优状态变量序列SOC和离线工况序列Pload的分类;
S40,对各类最优状态变量序列SOC和离线工况序列Pload进行规则提取,并随时对规则进行修剪;
S50,顶层部分采用得到的规则分配燃料电池系统和蓄电池的功率;底层部分则实时采集多堆燃料电池系统中每个电堆的健康度,实时分配不同电堆的功率。
2.根据权利要求1所述的一种多堆燃料电池混合动力系统分层控制方法,其特征在于,多堆燃料电池混合动力系统的控制系统包括底层部分、顶层部分和健康度计算部分,三个部分的互相协调控制和配合完成分层控制方法;
底层部分的多堆燃料电池供电系统包括多组燃料电池电堆并联构成,各燃料电池电堆和蓄电池分别经Boost单向DC/DC变换器及双向DC/DC变换器连入母线,并为负载提供电能支持,其中蓄电池用以吸收系统的额外能量,健康度计算部分则用来计算不同电堆的健康度;
底层部分包括隔离电信号采样电路采集各部件的电压信号与电流信号,用以系统的实时分析和计算;还包括PWM模块为DC/DC变换器提供的脉冲信号用以控制各电源输出功率;还包括多堆燃料电池性能衰减模块在线估计各燃料电池的健康度,是底部功率分配以保证燃料电池整体使用寿命延长的重要保证;还包括多堆燃料电池功率分配模块根据多堆燃料电池性能衰减模块提供依据,对不同电堆的输出功率进行分配;
顶层部分包括混合工况模块、强健康意识优化方法模块、最优规则制定模块和顶层能量分配模块,其中,除顶层能量分配模块外,其他部分均为离线部分;顶层能量分配模块将多堆燃料电池系统视为一个整体,依据制定的最优规则,结合当前道路的情况、燃料电池和蓄电池状态分配燃料电池和蓄电池的输出功率。
3.根据权利要求1所述的一种多堆燃料电池混合动力系统分层控制方法,其特征在于,随燃料电池和蓄电池使用时间的增加,燃料电池和蓄电池均有不同程度的性能衰退,以多堆燃料电池供电系统中每个燃料电池的健康度Hi和整体蓄电池的健康度Hbat定义其性能衰退程度;
每个燃料电池根据各自的衰退因子计算其健康度,根据当前燃料电池电堆输出功率所属区间求得各电堆对应的衰退Ti,从而计算各电堆的健康度,其表示了燃料电池性能衰退的程度;
蓄电池则通过当前输出电流计算其健康度。
4.根据权利要求3所述的一种多堆燃料电池混合动力系统分层控制方法,其特征在于,每个燃料电池的健康度Hi和整体蓄电池的健康度Hbat的计算公式为:
其中,N为蓄电池的循环次数,c为蓄电池电能损失量,Tc为蓄电池总温度,Q为蓄电池总容量,ibat为蓄电池当前电流,
根据当前燃料电池电堆输出功率所属区间求得各电堆对应的衰退Ti;每个燃料电池的健康度包括变载衰减因子Tchange、平稳衰退因子Tusual、启停衰退因子Ton/off、高功率衰退因子Thigh和低功率衰退因子Tlow;当燃料电池在高功率区运行时,根据当前燃料电池电堆输出功率Pfci计算该燃料电池电堆的高功率衰退因子Thigh;当燃料电池在低功率区运行时,根据当前燃料电池电堆输出功率Pfci计算该燃料电池电堆的低功率衰退因子Tlow;当燃料电池启停时,计算每个电堆的启停衰退因子Ton/off;当燃料电池正常工作时,根据当前燃料电池电堆输出功率Pfci计算该燃料电池电堆的变载衰减因子Tchange和平稳衰退因子Tusual;
表述公式为:
式中,β1、β2、β3和β4为经过长期老化实验所得参数,Pfci为当前燃料电池电堆输出功率,Phighlim为燃料电池高功率运行下界,Plowlim为燃料电池低功率运行上界,Pfcmax和Pfcmin分别为每个燃料电池电堆允许输出的最大功率和最低功率;δdelay和N(c,Tc)分别为燃料电池输出功率波动率和蓄电池性能损失函数。
6.根据权利要求5所述的一种多堆燃料电池混合动力系统分层控制方法,其特征在于,多堆燃料电池系统和蓄电池的等效氢气消耗表达式为:
其中,Cfc为多堆燃料电池系统整体氢气消耗,Cbat为蓄电池氢气消耗,Csystem为系统等效氢气消耗;ηdis为蓄电池放电效率,ηchg为蓄电池充电效率,这两个参数通过拟合蓄电池输出功率Pbat和荷电状态SOC得到;a1、a2、b1、b2均为常数;
将多堆燃料电池系统和蓄电池的等效氢气消耗及性能健康度统一为氢气消耗度,表达式为:
Cfc-life为多堆燃料电池系统氢气消耗度,Cbat-life为蓄电池氢气消耗度。
构建多堆燃料电池混合动力系统的目标函数为:
Jk[uk(sk),sk]=Csystem+Cfc-life+Cbat-life。
7.根据权利要求6所述的一种多堆燃料电池混合动力系统分层控制方法,其特征在于,利用强健康意识优化方法,根据所述氢气消耗度为性能指标的多堆燃料电池混合动力系统的目标函数求解最佳燃料电池输出功率序列,包括步骤:
以蓄电池的SOC作为系统的当前状态,确定燃料电池系统的输出功率后与离线工况作差得到蓄电池的输出功率;将离线工况每隔0.1s取值以离散化,记录蓄电池SOC每隔0.1s的值作为系统的状态变量,记为s(k),燃料电池系统输出功率作为决策变量,记为u(k),其中,k为当前阶段,系统的总阶段数记为N;
将上述确定了优化时的决策变量和状态变量进行离散化处理;
为保证蓄电池的健康使用并可以回收制动能量,使SOC处于定义的区间[SOCmin,SOCmax]内,而SOCstart和SOCend则表示混合动力系统开始和运行结束之后蓄电池的荷电状态,由于燃料电池系统为主动力源,应保持SOC始末状态相等;
Pload为当前工况,Pbat为蓄电池输出功率,Pbatmin和Pbatmax为蓄电池最小及最大输出功率;
由上述约束条件并遍历整个状态变量和决策变量空间,求得其允许集合;
根据多堆燃料电池混合动力系统的目标函数,设定当前阶段性的指标函数为dk(sk),当前状态通过状态转移函数g(a,b)转移到下一个状态,遍历阶段k的每一个可用状态变量,求解转移到哪一个状态时使阶段性指标函数最小,并将这个最优过程中的性能指标函数、状态变量和决策变量储存,阶段k-1的步骤同理,直到反推至第1阶段,则此时,从第一阶段正向推导可得到一条最优的路径,从系统的初始状态出发,通过已存储的最优阶段的状态变量和决策变量可以得到燃料电池混合动力系统最佳的燃料电池输出功率序列;
8.根据权利要求7所述的一种多堆燃料电池混合动力系统分层控制方法,其特征在于,在所述步骤S30中,根据最佳燃料电池输出功率序列获得最优状态变量序列SOC和离线工况序列Pload通过数据密度聚类中心自确定法分别确定其聚类中心,并将相邻的聚类中心的平均值作为其分类的边界值,分别得出了最优状态变量序列SOC的分类包括高、中、低三种情况,和离线工况序列Pload的分类包括怠速运行、加速运行、匀速运行和减速运行四种情况;
S31,确定初始聚类中心,计算每两个聚类中心的欧式距离,将相聚最近的两个中心合为一个中心且原聚类中心数据不删除,重复此过程直到整个样本空间聚类为一个簇,而在此过程中,保持不变的簇数为最终聚类数;
计算某点的密度ρi及该点距其他点的距离μi:
式中,dc表示距离阈值、X为密度确定函数,当其变量小于0时,其值取为1,否则为0;其中,dc的选择应保证至少有2%的样本空间使数据密度确定函数取值为1;
S32,K个初始聚类中心pk确定后,将样本空间中的每一个点归类到与其距离最近的聚类中心的那一簇,使得代价函数G(k)值最小;
利用代价函数Gk聚类后重新计算该聚类点,直到两次迭代计算的聚类中心接近重合;
S33,最优状态变量序列SOC确定4个聚类中心,离线工况序列Pload最终将会确定5个聚类中心,分别求取其相邻聚类中心的中间值确定分类边界。
9.根据权利要求8所述的一种多堆燃料电池混合动力系统分层控制方法,其特征在于,在步骤S40中,对各类最优状态变量序列SOC和离线工况序列Pload进行规则提取,并随时对规则进行修剪。
以燃料电池最优分配功率为类标号yi,通过判断语句对SOC、工况Pload提取出分类规则ri,不同的分类规则结合成一个决策表,根据当前混合动力系统的真实状况为其分配能量,规则集的提取如式(15)所示,具体的逻辑提取规则如下表所示:
多层逻辑分类器包括:
第一层为规则提取层,根据制定逻辑,对规则提取;当最优状态变量序列SOC为高且离线工况序列Pload分别为加速运行,匀速运行,减速运行时的最佳燃料电池功率分别纳入一类规则中;当最优状态变量序列SOC为中且离线工况序列Pload分别为加速运行,匀速运行,减速运行时的最佳燃料电池功率分别纳入二类规则中;当最优状态变量序列SOC为低且离线工况序列Pload分别为加速运行,匀速运行,减速运行时的最佳燃料电池功率分别纳入三类规则中,当离线工况序列Pload为怠速运行时,将相应的最佳燃料电池功率纳入四类规则中;
第二层为规则修剪层,当第一层提取相应的规则后,第二层马上进行修剪;以第一层提取当前样本中的最佳规则时,认为该规则的训练记录均为正例,若性能指标M足够小,则表明该规则提取完成,重复进行该过程,直至所有规则提取完成,为保证规则提取精度,当某一规则提取完成后,该规则所对应数据被覆盖,性能指标计算式:
式中,m+和m-表示总的正例数和反例数,m++和m--表示该规则包含的正例和反例数。
10.根据权利要求2所述的一种多堆燃料电池混合动力系统分层控制方法,其特征在于,S50,顶层部分采用得到的规则分配燃料电池系统和蓄电池的功率;底层部分则实时采集多堆燃料电池系统中每个电堆的健康度,实时分配不同电堆的功率。
不同电堆的功率分配方式:
为保证多堆燃料电池系统启动稳定并运行在高效率区间内,系统启动的前5ms内各燃料电堆的功率平均分配;功率均分结束后,根据不同电堆之间关系的进行功率分配;
对底层各电堆的功率输出限制:如果Pdci>Pfcmax,则输出Pdci=Pfcmax;如果Pdci<Pfcmin,则输出Pdci=Pfcmin;不属于这两种情况时,则该电堆功率直接输出即可;当Pload>0时,若多堆燃料电池系统输出功率不足,剩余部分则有蓄电池补充;当Pload<0时,系统回收额外能量,这一部分能量储存于蓄电池当中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110403417.2A CN113043917B (zh) | 2021-04-15 | 2021-04-15 | 一种多堆燃料电池混合动力系统分层控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110403417.2A CN113043917B (zh) | 2021-04-15 | 2021-04-15 | 一种多堆燃料电池混合动力系统分层控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113043917A true CN113043917A (zh) | 2021-06-29 |
CN113043917B CN113043917B (zh) | 2022-09-02 |
Family
ID=76519490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110403417.2A Active CN113043917B (zh) | 2021-04-15 | 2021-04-15 | 一种多堆燃料电池混合动力系统分层控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113043917B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113765125A (zh) * | 2021-09-23 | 2021-12-07 | 北方工业大学 | 一种氢储能系统集群功率分配方法 |
CN113884928A (zh) * | 2021-09-23 | 2022-01-04 | 西南交通大学 | 一种基于燃料电池健康度校正的多堆分布式控制方法 |
CN114024003A (zh) * | 2021-10-28 | 2022-02-08 | 福达(深圳)新能源技术有限公司 | 燃料电池发动机允许功率偏离自动修正及故障处理方法 |
CN114103734A (zh) * | 2021-12-30 | 2022-03-01 | 潍柴动力股份有限公司 | 一种燃料电池汽车的控制方法及装置 |
CN114284531A (zh) * | 2021-11-15 | 2022-04-05 | 电子科技大学 | 基于分布式一致性优化算法的多电堆混合能量管理方法 |
CN114335632A (zh) * | 2022-03-15 | 2022-04-12 | 青岛大学 | 一种重载燃料电池混合动力系统两层实时效率优化方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150012144A1 (en) * | 2013-07-08 | 2015-01-08 | Eaton Corporation | Method and apparatus for optimizing a hybrid power system with respect to long-term characteristics by online optimization, and real-time forecasts, prediction or processing |
CN108437822A (zh) * | 2018-03-15 | 2018-08-24 | 西南交通大学 | 一种燃料电池混合动力车辆多目标优化控制方法 |
CN110962693A (zh) * | 2019-11-21 | 2020-04-07 | 北京新能源汽车技术创新中心有限公司 | 一种基于有限状态分层的燃料电池汽车能量管理方法 |
CN111274713A (zh) * | 2020-03-09 | 2020-06-12 | 西南交通大学 | 动车组多堆燃料电池系统剩余使用寿命一致性控制方法 |
CN112231830A (zh) * | 2020-09-30 | 2021-01-15 | 浙江大学 | 基于自适应等效因子的混合动力车辆多目标优化控制方法 |
-
2021
- 2021-04-15 CN CN202110403417.2A patent/CN113043917B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150012144A1 (en) * | 2013-07-08 | 2015-01-08 | Eaton Corporation | Method and apparatus for optimizing a hybrid power system with respect to long-term characteristics by online optimization, and real-time forecasts, prediction or processing |
CN108437822A (zh) * | 2018-03-15 | 2018-08-24 | 西南交通大学 | 一种燃料电池混合动力车辆多目标优化控制方法 |
CN110962693A (zh) * | 2019-11-21 | 2020-04-07 | 北京新能源汽车技术创新中心有限公司 | 一种基于有限状态分层的燃料电池汽车能量管理方法 |
CN111274713A (zh) * | 2020-03-09 | 2020-06-12 | 西南交通大学 | 动车组多堆燃料电池系统剩余使用寿命一致性控制方法 |
CN112231830A (zh) * | 2020-09-30 | 2021-01-15 | 浙江大学 | 基于自适应等效因子的混合动力车辆多目标优化控制方法 |
Non-Patent Citations (3)
Title |
---|
YU YAN: "Hierarchical Management Control Based on Equivalent Fitting Circle and Equivalent Energy Consumption Method for Multiple Fuel Cells Hybrid Power System", 《IEEEXPLORE》 * |
林歆悠等: "考虑燃料电池衰退的FCHEV反馈优化控制策略", 《中国公路学报》 * |
王爱华等: "燃料电池混合动力汽车驱动系统的优化控制", 《智能系统学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113765125A (zh) * | 2021-09-23 | 2021-12-07 | 北方工业大学 | 一种氢储能系统集群功率分配方法 |
CN113884928A (zh) * | 2021-09-23 | 2022-01-04 | 西南交通大学 | 一种基于燃料电池健康度校正的多堆分布式控制方法 |
CN113884928B (zh) * | 2021-09-23 | 2022-06-21 | 西南交通大学 | 一种基于燃料电池健康度校正的多堆分布式控制方法 |
CN113765125B (zh) * | 2021-09-23 | 2023-06-30 | 北方工业大学 | 一种氢储能系统集群功率分配方法 |
CN114024003A (zh) * | 2021-10-28 | 2022-02-08 | 福达(深圳)新能源技术有限公司 | 燃料电池发动机允许功率偏离自动修正及故障处理方法 |
CN114284531A (zh) * | 2021-11-15 | 2022-04-05 | 电子科技大学 | 基于分布式一致性优化算法的多电堆混合能量管理方法 |
CN114103734A (zh) * | 2021-12-30 | 2022-03-01 | 潍柴动力股份有限公司 | 一种燃料电池汽车的控制方法及装置 |
CN114335632A (zh) * | 2022-03-15 | 2022-04-12 | 青岛大学 | 一种重载燃料电池混合动力系统两层实时效率优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113043917B (zh) | 2022-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113043917B (zh) | 一种多堆燃料电池混合动力系统分层控制方法 | |
CN111409510B (zh) | 一种氢燃料电池混合动力汽车的能量管理方法 | |
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 | |
CN113176511B (zh) | 考虑健康状态的储能充放电优化方法及系统 | |
CN113022385B (zh) | 燃料电池锂电池混合动力系统参数匹配方法 | |
CN110294418B (zh) | 一种混合动力轮胎式集装箱起重机分布式能量管理方法 | |
CN111064214A (zh) | 基于电动汽车两阶段滚动式策略的配电网优化调度方法 | |
CN110126679B (zh) | 一种燃料电池最佳工作点的获取方法 | |
CN113682203B (zh) | 基于燃料电池有轨电车全生命周期状态的能量调控方法 | |
CN110401189A (zh) | 退役动力电池群组的分层分组协同优化调度方法 | |
CN113103921A (zh) | 一种基于开关网络的切换式能量管理方法 | |
CN110611322B (zh) | 一种基于电动汽车能效电厂的系统频率控制方法 | |
CN114347866B (zh) | 一种基于vmd处理的燃料电池能量管理方法 | |
CN114722595A (zh) | 一种含有换电站的微电网优化运行方法 | |
Xue et al. | Adaptive dynamic programming method for optimal battery management of battery electric vehicle | |
CN113352946B (zh) | 一种燃料电池汽车动力系统的能量管理方法 | |
CN110932300B (zh) | 一种考虑梯次利用储能的配电网优化调度方法 | |
CN110707736B (zh) | 一种智能小区用户需求侧响应的微电网运行方法 | |
CN110896246B (zh) | 一种混合储能式有轨电车系统的配置优化方法 | |
CN112455291A (zh) | 一种燃料电池汽车复合电源瞬时最优能量管理方法 | |
CN114285093B (zh) | 一种源网荷储互动调度方法及系统 | |
CN115848217A (zh) | 一种基于多能源模组的能源管理方法 | |
Usmani et al. | Power management for hybrid energy storage system in electric vehicles | |
CN114347812A (zh) | 基于驾驶风格的燃料电池混合动力汽车能量管理方法 | |
CN110534826A (zh) | 一种利用大数据配组梯次利用电池技术 |
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 |