CN113859054A - 燃料电池车控制方法、系统、设备及介质 - Google Patents

燃料电池车控制方法、系统、设备及介质 Download PDF

Info

Publication number
CN113859054A
CN113859054A CN202111334652.5A CN202111334652A CN113859054A CN 113859054 A CN113859054 A CN 113859054A CN 202111334652 A CN202111334652 A CN 202111334652A CN 113859054 A CN113859054 A CN 113859054A
Authority
CN
China
Prior art keywords
energy consumption
fuel cell
vehicle speed
vehicle
speed spectrum
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
Application number
CN202111334652.5A
Other languages
English (en)
Other versions
CN113859054B (zh
Inventor
陈玮山
李波
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.)
Guangdong Hanhe Automobile Co ltd
Original Assignee
Guangdong Hanhe Automobile Co ltd
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 Guangdong Hanhe Automobile Co ltd filed Critical Guangdong Hanhe Automobile Co ltd
Priority to CN202111334652.5A priority Critical patent/CN113859054B/zh
Publication of CN113859054A publication Critical patent/CN113859054A/zh
Application granted granted Critical
Publication of CN113859054B publication Critical patent/CN113859054B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • B60L58/30—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling fuel cells
    • 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
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/10—Vehicle control parameters
    • 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
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/10—Vehicle control parameters
    • B60L2240/12—Speed
    • 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
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/40—Application of hydrogen technology to transportation, e.g. using fuel cells

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)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明公开了一种燃料电池车控制方法、系统、设备及介质。燃料电池车控制方法，包括：将实时分析获得的车速谱特征与数据库中预存的车速谱特征进行对比，获得二者最接近的车速谱类型；根据整车实时反馈的SOC和所述车速谱类型，确定能耗优化协同状态变量初始值；根据能耗优化协同状态变量初始值，并结合整车动力特性参数，计算所有可选路径的能耗值；根据驾驶员的运输能耗需求和所有可选路径的能耗值，选择行驶路径；控制燃料电池车按照行驶路径对应的功率输出。燃料电池车控制系统，包括：分析模块；控制模块。本发明还提供了实现燃料电池车控制方法的设备及介质。

Description

燃料电池车控制方法、系统、设备及介质
技术领域
本发明涉及燃料电池车技术领域，特别是涉及一种燃料电池车控制方法、系统、设备及介质。
背景技术
氢能是一种高能量、无污染、零排放的清洁能源，在能源、运输等产业中有着独特优势，燃料电池汽车燃料补给时间短、续航里程高，这一特性使得它在商用车运输领域，越来越成为一种优秀的解决方案，可实现完全对燃油车的替代。
燃料电池车广泛应用的难点在于燃料电池自身和氢气成本高，提高燃料电池寿命和效率是燃料电池汽车发展的关键因素，在短期内燃料电池技术难以有重大突破的条件下，能量管理技术是现在最有效、最实用的技术手段。
能量管理技术可以有效降低行驶工况对燃料电池变载需求，提升燃料电池使用寿命；同时，在满足单次行驶工况的要求下，降低燃料电池工作点瞬时功率，提升总体效率，降低氢气消耗。以此从整个生命周期上降低燃料电池汽车的使用成本。
目前对燃料电池的功率控制都是针对瞬时的驱动需求和车辆及其零部件自身特性，得出的优化结果。现有技术没有将驾驶员的行驶需求、道路交通情况和车辆作为一个整体来考虑，使得目前的燃料电池车的能耗较高，且使用寿命短。
发明内容
基于此，本发明的目的在于，提供一种燃料电池车控制方法、系统、设备及介质。
第一方面，本发明提供一种燃料电池车控制方法，包括：
将实时分析获得的车速谱特征与数据库中预存的车速谱特征进行对比，获得二者最接近的车速谱类型；
根据整车实时反馈的SOC和所述车速谱类型，确定能耗优化协同状态变量初始值；
根据能耗优化协同状态变量初始值，并结合整车动力特性参数，计算所有可选路径的能耗值；
根据驾驶员的运输能耗需求和所有可选路径的能耗值，选择行驶路径；
控制燃料电池车按照行驶路径对应的功率输出。
上述技术方案在一种实施方式中，所述实时分析获得的车速谱特征，包括：从车速数据中抽取运行时间、运行里程、最大速度、最大加速度、最大减速度、运行平均速度、加速段平均速度、减速段平均速度、相对正加速度、加速比例、减速比例、匀速比例、怠速比例中的一种或多种，获得车速谱特征；
将所述车速谱特征进行坐标变换，转化为低维度无量纲量，并进行车速谱聚类分析。
上述技术方案在一种实施方式中，所述实时分析获得的车速谱特征，还包括：
将所述车速谱聚类分析中距离各分类聚类中心距离最近的速度谱，作为该分类的车速谱特征。
上述技术方案在一种实施方式中，确定能耗优化协同状态变量初始值，包括：
以车辆使用成本为目标，输入所述车速谱特征、SOC、车辆动力系统特性参数，以SOC平衡为约束条件，构建哈密顿函数；
根据哈密顿函数，在各工况和SOC条件下，计算获得能耗优化协同状态变量初始值；
所述车辆使用成本，包括：燃料成本和电堆使用寿命均摊成本。
上述技术方案在一种实施方式中，所述电堆使用寿命均摊成本根据燃料电池寿命模型计算获得；
其中，所述燃料电池寿命模型的建立过程包括：
获取车辆燃料电池特性数据；
分析功率变载频率、变载速率与燃料电池寿命之间的关系，建立燃料电池寿命模型。
上述技术方案在一种实施方式中，根据驾驶员的运输能耗需求和所有可选路径的能耗值，选择行驶路径，包括：
将驾驶员的运输能耗需求与所有可选路径的能耗值进行对比：
若存在能耗值小于或等于驾驶员的运输能耗需求的可选路径，则选择能耗值最小的可选路径作为行驶路径；
或者，
若可选路径的能耗值均大于驾驶员的运输能耗需求，则选择能耗值最小的可选路径作为行驶路径。
第二方面，本发明提供一种燃料电池车控制系统，包括：
分析模块，用于将实时分析获得的车速谱特征与数据库中预存的车速谱特征进行对比，获得二者最接近的车速谱类型；
以及用于根据整车实时反馈的SOC和所述车速谱类型，确定能耗优化协同状态变量初始值；
以及用于根据能耗优化协同状态变量初始值，并结合整车动力特性参数，计算所有可选路径的能耗值；
以及用于根据驾驶员的运输能耗需求和所有可选路径的能耗值，选择行驶路径；
控制模块，用于控制燃料电池车按照行驶路径对应的功率输出。
第三方面，本发明提供一种设备，所述设备包括存储装置和处理器，所述存储装置用于存储一个或多个程序；
当所述一个或多个程序被所述处理器执行时，所述处理器实现如上述任一项所述的燃料电池车控制方法。
第四方面，本发明提供一种计算机可读存储介质，其存储有至少一个程序，当所述程序被处理器执行时，实现如上述任一项所述的燃料电池车控制方法。
相对于现有技术，本发明通过将实时分析获得的车速谱特征与数据库中预存的车速谱特征进行对比，获得二者最接近的车速谱类型，根据整车实时反馈的SOC和所述车速谱类型，确定能耗优化协同状态变量初始值，根据能耗优化协同状态变量初始值，并结合整车动力特性参数，计算所有可选路径的能耗值，根据驾驶员的运输能耗需求和所有可选路径的能耗值，选择行驶路径，控制燃料电池车按照行驶路径对应的功率输出，实现了基于驾驶员能耗需求为基础，实现对燃料电池车电池的科学有效管理，从而提高燃料电池车电池的使用寿命和使用效率。
为了更好地理解和实施，下面结合附图详细说明本发明。
附图说明
图1是本发明的燃料电池车控制方法的示例性流程框图。
图2是本发明的燃料电池车控制系统的示例性连接框图。
具体实施方式
在本说明书中提到或者可能提到的上、下、左、右、前、后、正面、背面、顶部、底部等方位用语是相对于其构造进行定义的，它们是相对的概念。因此，有可能会根据其所处不同位置、不同使用状态而进行相应地变化。所以，也不应当将这些或者其他的方位用语解释为限制性用语。
以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与本公开的一些方面相一致的实施方式的例子。
在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
请参阅图1，图1是本发明的燃料电池车控制方法的示例性流程框图。
第一方面，本发明提供一种燃料电池车控制方法，该方法可通过汽车管理设备实现，其具体包括：
步骤101，将实时分析获得的车速谱特征与数据库中预存的车速谱特征进行对比，获得二者最接近的车速谱类型。
具体地，将数据库的车速谱按照以下14个特征参数进行统计：
运行时间/s；
里程/km/h；
最大速度/(km/h)；
最大加速度/(m2/s)；
最大减速度/(m2/s)；
平均速度/(km/h)；
运行平均速度/(km/h)；
加速段平均速度/(km/h)；
减速段平均速度/(km/h)；
相对正加速度/(m/s2)；
加速比例/(％)；
减速比例/(％)；
匀速比例/(％)；
怠速比例/(％)；
每个工况统计后可得到14维向量Xi；
统计后的参数X使用主成分分析法(PCA)，通过坐标变换将X变无量纲三维向量Fi，Fi＝f(v1,v2,v3)；
使用k-means方法聚类Fi，求解所有Fi在三维空间中的欧式距离，按照距离将Fi划分类别，并求解各离别中心点Fck。
使用上述方法对实时预测路径PCA分析，得到无量纲量F，计算F到各类别中心点距离Lk，距离最小类别即为二者最接近的车速谱类型。
上述步骤101中，所述实时分析获得的车速谱特征，包括：
步骤1011，从车速数据中抽取运行时间、运行里程、最大速度、最大加速度、最大减速度、运行平均速度、加速段平均速度、减速段平均速度、相对正加速度、加速比例、减速比例、匀速比例、怠速比例中的一种或多种，获得车速谱特征。
步骤1012，将所述车速谱特征进行坐标变换，转化为低维度无量纲量，并进行车速谱聚类分析。
步骤1013，将所述车速谱聚类分析中距离各分类聚类中心距离最近的速度谱，作为该分类的车速谱特征。
步骤102，根据整车实时反馈的SOC和所述车速谱类型，确定能耗优化协同状态变量初始值。
上述步骤102中，确定能耗优化协同状态变量初始值，包括：
步骤1021，以车辆使用成本为目标，输入所述车速谱特征、SOC、车辆动力系统特性参数，以SOC平衡为约束条件，构建哈密顿函数。
示例性的，构建哈密顿函数：
Figure BDA0003350145370000071
其中，λ(t)为协同状态变量，Pfc(t)为燃料电池功率，是控制变量，m·h为燃料瞬时氢耗。
其中SOC的状态方程为：
Figure BDA0003350145370000072
其中，P·fc(t)要满足以下正则条件：
Figure BDA0003350145370000073
Figure BDA0003350145370000074
其中，所述车辆使用成本，包括：燃料成本和电堆使用寿命均摊成本。
具体地，所述电堆使用寿命均摊成本根据燃料电池寿命模型计算获得。
其中，所述燃料电池寿命模型的建立过程包括：
获取车辆燃料电池特性数据；
分析功率变载频率、变载速率与燃料电池寿命之间的关系，建立燃料电池寿命模型。
示例性的，燃料电池车辆的实际行驶工况可以模拟为起停、怠速、负载运行和大功率负载四种行驶工况的总和。四种工况运行后都会使燃料电池电压发生下降，因此，燃料电池在整个使用周期内总的电压下降为：
f＝n1V1+t1U1+n2V2+t2U2；
其中，n1指每小时的平均启停周期；
t1指每小时的怠速时间；
n2指每小时平均负载变化周期；
t2指每小时平均高功率负载时间；
V1指每个启停时的电压降级率；
U1指怠速的电压降级率；
V2指每个负载变化周期的电压降级率；
U2指高功率负载的电压降级率；
V1、V2、U1、U2通过实验数据经过参数辨识获得。
将允许的单个燃料电池电压降级值定义为ΔV，即若车用燃料电池的电压衰减了ΔV，则定义为该燃料电池失效。所以燃料电池寿命公式如下：
Tf＝ΔV/(n1V1+t1U1+n2V2+t2U2)；
单个循环寿命均摊成本计算如下：
P＝Pfcs/Tf*ΔTf。
步骤1022，根据哈密顿函数，在各工况和SOC条件下，计算获得能耗优化协同状态变量初始值。
步骤103，根据能耗优化协同状态变量初始值，并结合整车动力特性参数，计算所有可选路径的能耗值。
步骤104，根据驾驶员的运输能耗需求和所有可选路径的能耗值，选择行驶路径。
上述步骤104，根据驾驶员的运输能耗需求和所有可选路径的能耗值，选择行驶路径，包括：
将驾驶员的运输能耗需求与所有可选路径的能耗值进行对比：
若存在能耗值小于或等于驾驶员的运输能耗需求的可选路径，则选择能耗值最小的可选路径作为行驶路径；
或者，
若可选路径的能耗值均大于驾驶员的运输能耗需求，则选择能耗值最小的可选路径作为行驶路径。
步骤105，控制燃料电池车按照行驶路径对应的功率输出。
请参阅图2，图2是本发明的燃料电池车控制系统的示例性连接框图。
第二方面，基于相同的发明构思，本发明提供一种燃料电池车控制系统，包括：
分析模块，用于将实时分析获得的车速谱特征与数据库中预存的车速谱特征进行对比，获得二者最接近的车速谱类型；
以及用于根据整车实时反馈的SOC和所述车速谱类型，确定能耗优化协同状态变量初始值；
以及用于根据能耗优化协同状态变量初始值，并结合整车动力特性参数，计算所有可选路径的能耗值；
以及用于根据驾驶员的运输能耗需求和所有可选路径的能耗值，选择行驶路径；
控制模块，用于控制燃料电池车按照行驶路径对应的功率输出。
在具体实施时，上述分析模块可以用于实现：
a，从车速数据中抽取运行时间、运行里程、最大速度、最大加速度、最大减速度、运行平均速度、加速段平均速度、减速段平均速度、相对正加速度、加速比例、减速比例、匀速比例、怠速比例中的一种或多种，获得车速谱特征。
b，将所述车速谱特征进行坐标变换，转化为低维度无量纲量，并进行车速谱聚类分析。
c，将所述车速谱聚类分析中距离各分类聚类中心距离最近的速度谱，作为该分类的车速谱特征。
上述分析模块还可以用于实现：
d，以车辆使用成本为目标，输入所述车速谱特征、SOC、车辆动力系统特性参数，以SOC平衡为约束条件，构建哈密顿函数。
其中，所述车辆使用成本，包括：燃料成本、电堆使用寿命均摊成本、电池使用寿命均摊成本。
具体地，所述电堆使用寿命均摊成本根据燃料电池寿命模型计算获得。
其中，所述燃料电池寿命模型的建立过程包括：
获取车辆燃料电池特性数据；
分析功率变载频率、变载速率与燃料电池寿命之间的关系，建立燃料电池寿命模型。
进一步，所述电池使用寿命均摊成本根据动力电池寿命模型计算获得。
其中，所述动力电池寿命模型的建立过程包括：
获取动力电池特性数据；
分析充放电电流、能量与动力电池寿命之间的关系，建立动力电池寿命模型。
上述分析模块还可以用于实现：
e，根据哈密顿函数，在各工况和SOC条件下，计算获得能耗优化协同状态变量初始值。
f，根据能耗优化协同状态变量初始值，并结合整车动力特性参数，计算所有可选路径的能耗值。
g，根据驾驶员的运输能耗需求和所有可选路径的能耗值，选择行驶路径。
上述分析模块还可以用于实现：
h，将驾驶员的运输能耗需求与所有可选路径的能耗值进行对比：
若存在能耗值小于或等于驾驶员的运输能耗需求的可选路径，则选择能耗值最小的可选路径作为行驶路径；
或者，
若可选路径的能耗值均大于驾驶员的运输能耗需求，则选择能耗值最小的可选路径作为行驶路径。
第三方面，基于相同的发明构思，本发明提供一种设备，所述设备包括存储装置和处理器，所述存储装置用于存储一个或多个程序；
当所述一个或多个程序被所述处理器执行时，所述处理器实现如所述的燃料电池车控制方法。
第四方面，基于相同的发明构思，本发明提供一种计算机可读存储介质，其存储有至少一个程序，当所述程序被处理器执行时，实现如所述的燃料电池车控制方法。
相对于现有技术，本发明通过将实时分析获得的车速谱特征与数据库中预存的车速谱特征进行对比，获得二者最接近的车速谱类型，根据整车实时反馈的SOC和所述车速谱类型，确定能耗优化协同状态变量初始值，根据能耗优化协同状态变量初始值，并结合整车动力特性参数，计算所有可选路径的能耗值，根据驾驶员的运输能耗需求和所有可选路径的能耗值，选择行驶路径，控制燃料电池车按照行驶路径对应的功率输出，实现了基于驾驶员能耗需求为基础，实现对燃料电池车电池的科学有效管理，从而提高燃料电池车电池的使用寿命和使用效率。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (9)

1.一种燃料电池车控制方法，其特征在于，包括：
将实时分析获得的车速谱特征与数据库中预存的车速谱特征进行对比，获得二者最接近的车速谱类型；
根据整车实时反馈的SOC和所述车速谱类型，确定能耗优化协同状态变量初始值；
根据能耗优化协同状态变量初始值，并结合整车动力特性参数，计算所有可选路径的能耗值；
根据驾驶员的运输能耗需求和所有可选路径的能耗值，选择行驶路径；
控制燃料电池车按照行驶路径对应的功率输出。
2.根据权利要求1所述的燃料电池车控制方法，其特征在于，所述实时分析获得的车速谱特征，包括：从车速数据中抽取运行时间、运行里程、最大速度、最大加速度、最大减速度、运行平均速度、加速段平均速度、减速段平均速度、相对正加速度、加速比例、减速比例、匀速比例、怠速比例中的一种或多种，获得车速谱特征；
将所述车速谱特征进行坐标变换，转化为低维度无量纲量，并进行车速谱聚类分析。
3.根据权利要求2所述的燃料电池车控制方法，其特征在于，所述实时分析获得的车速谱特征，还包括：
将所述车速谱聚类分析中距离各分类聚类中心距离最近的速度谱，作为该分类的车速谱特征。
4.根据权利要求1所述的燃料电池车控制方法，其特征在于，确定能耗优化协同状态变量初始值，包括：
以车辆使用成本为目标，输入所述车速谱特征、SOC、车辆动力系统特性参数，以SOC平衡为约束条件，构建哈密顿函数；
根据哈密顿函数，在各工况和SOC条件下，计算获得能耗优化协同状态变量初始值；
所述车辆使用成本，包括：燃料成本和电堆使用寿命均摊成本。
5.根据权利要求4所述的燃料电池车电池优化管理方法，其特征在于，所述电堆使用寿命均摊成本根据燃料电池寿命模型计算获得；
其中，所述燃料电池寿命模型的建立过程包括：
获取车辆燃料电池特性数据；
分析功率变载频率、变载速率与燃料电池寿命之间的关系，建立燃料电池寿命模型。
6.根据权利要求1-5任一项所述的燃料电池车电池优化管理方法，其特征在于，根据驾驶员的运输能耗需求和所有可选路径的能耗值，选择行驶路径，包括：
将驾驶员的运输能耗需求与所有可选路径的能耗值进行对比：
若存在能耗值小于或等于驾驶员的运输能耗需求的可选路径，则选择能耗值最小的可选路径作为行驶路径；
或者，
若可选路径的能耗值均大于驾驶员的运输能耗需求，则选择能耗值最小的可选路径作为行驶路径。
7.一种燃料电池车控制系统，其特征在于，包括：
分析模块，用于将实时分析获得的车速谱特征与数据库中预存的车速谱特征进行对比，获得二者最接近的车速谱类型；
以及用于根据整车实时反馈的SOC和所述车速谱类型，确定能耗优化协同状态变量初始值；
以及用于根据能耗优化协同状态变量初始值，并结合整车动力特性参数，计算所有可选路径的能耗值；
以及用于根据驾驶员的运输能耗需求和所有可选路径的能耗值，选择行驶路径；
控制模块，用于控制燃料电池车按照行驶路径对应的功率输出。
8.一种设备，其特征在于，所述设备包括存储装置和处理器，所述存储装置用于存储一个或多个程序；
当所述一个或多个程序被所述处理器执行时，所述处理器实现如权利要求1-6任一项所述的燃料电池车控制方法。
9.一种计算机可读存储介质，其存储有至少一个程序，其特征在于，当所述程序被处理器执行时，实现如权利要求1-6任一项所述的燃料电池车控制方法。
CN202111334652.5A 2021-11-11 2021-11-11 燃料电池车控制方法、系统、设备及介质 Active CN113859054B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111334652.5A CN113859054B (zh) 2021-11-11 2021-11-11 燃料电池车控制方法、系统、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111334652.5A CN113859054B (zh) 2021-11-11 2021-11-11 燃料电池车控制方法、系统、设备及介质

Publications (2)

Publication Number Publication Date
CN113859054A true CN113859054A (zh) 2021-12-31
CN113859054B CN113859054B (zh) 2023-11-17

Family

ID=78984602

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111334652.5A Active CN113859054B (zh) 2021-11-11 2021-11-11 燃料电池车控制方法、系统、设备及介质

Country Status (1)

Country Link
CN (1) CN113859054B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117087500A (zh) * 2023-10-20 2023-11-21 佛山市清极能源科技有限公司 一种燃料电池车辆的功率控制策略及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5885170B1 (ja) * 2014-09-25 2016-03-15 三菱電機株式会社 車両用エネルギーマネジメント装置
CN107729951A (zh) * 2017-11-14 2018-02-23 吉林大学 一种考虑道路与环境特征的驾驶员行为分析装置及方法
CN109733248A (zh) * 2019-01-09 2019-05-10 吉林大学 基于路径信息的纯电动汽车剩余里程模型预测方法
CN109927709A (zh) * 2017-12-15 2019-06-25 郑州宇通客车股份有限公司 一种车辆行驶路线工况确定方法、能量管理方法及系统
CN110077193A (zh) * 2018-01-25 2019-08-02 宝沃汽车（中国）有限公司 车辆的控制方法、系统及车辆
CN110126841A (zh) * 2019-05-09 2019-08-16 吉林大学 基于道路信息和驾驶风格的纯电动汽车能耗模型预测方法
CN110135632A (zh) * 2019-04-29 2019-08-16 吉林大学 基于路径信息的phev自适应最优能量管理方法
CN113071474A (zh) * 2021-04-08 2021-07-06 浙江吉利控股集团有限公司 一种车辆的能量管理方法、系统及车辆

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5885170B1 (ja) * 2014-09-25 2016-03-15 三菱電機株式会社 車両用エネルギーマネジメント装置
CN107729951A (zh) * 2017-11-14 2018-02-23 吉林大学 一种考虑道路与环境特征的驾驶员行为分析装置及方法
CN109927709A (zh) * 2017-12-15 2019-06-25 郑州宇通客车股份有限公司 一种车辆行驶路线工况确定方法、能量管理方法及系统
CN110077193A (zh) * 2018-01-25 2019-08-02 宝沃汽车（中国）有限公司 车辆的控制方法、系统及车辆
CN109733248A (zh) * 2019-01-09 2019-05-10 吉林大学 基于路径信息的纯电动汽车剩余里程模型预测方法
CN110135632A (zh) * 2019-04-29 2019-08-16 吉林大学 基于路径信息的phev自适应最优能量管理方法
CN110126841A (zh) * 2019-05-09 2019-08-16 吉林大学 基于道路信息和驾驶风格的纯电动汽车能耗模型预测方法
CN113071474A (zh) * 2021-04-08 2021-07-06 浙江吉利控股集团有限公司 一种车辆的能量管理方法、系统及车辆

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117087500A (zh) * 2023-10-20 2023-11-21 佛山市清极能源科技有限公司 一种燃料电池车辆的功率控制策略及系统

Also Published As

Publication number Publication date
CN113859054B (zh) 2023-11-17

Similar Documents

Publication Publication Date Title
CN110775065B (zh) 一种基于工况识别的混合动力汽车电池寿命预测方法
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
CN106004865B (zh) 基于工况识别的里程自适应混合动力汽车能量管理方法
Qi et al. Development and evaluation of an evolutionary algorithm-based online energy management system for plug-in hybrid electric vehicles
Gao et al. Equivalent fuel consumption optimal control of a series hybrid electric vehicle
Larsson et al. Commuter route optimized energy management of hybrid electric vehicles
Zhang et al. A deep reinforcement learning-based energy management framework with Lagrangian relaxation for plug-in hybrid electric vehicle
Sarioglu et al. Energy management for fuel-cell hybrid vehicles based on specific fuel consumption due to load shifting
CN112319462B (zh) 一种插电式混合动力汽车能量管理方法
Sun et al. A real-time PMP energy management strategy for fuel cell hybrid buses based on driving segment feature recognition
CN113815437B (zh) 燃料电池混合动力汽车的预测性能量管理方法
Ebbesen Optimal sizing and control of hybrid electric vehicles
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
Ghobadpour et al. An intelligent energy management strategy for an off‐road plug‐in hybrid electric tractor based on farm operation recognition
CN113859054B (zh) 燃料电池车控制方法、系统、设备及介质
Chang et al. A novel energy management strategy integrating deep reinforcement learning and rule based on condition identification
Li et al. Electrothermal dynamics-conscious many-objective modular design for power-split plug-in hybrid electric vehicles
Li et al. Predictive multi-objective operation strategy considering battery cycle aging for hybrid electric vehicles
CN114122466B (zh) 燃料电池车电池优化管理方法、系统、设备及介质
Sadhukhan et al. Optimal placement of electric vehicle charging stations in a distribution network
Li et al. Eco-routing for plug-in hybrid electric vehicles
Rezvanizanian et al. A mobility performance assessment on plug-in EV battery
Kurtulus et al. Model based route guidance for hybrid and electric vehicles
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
CN114179777A (zh) 一种基于工况识别的变等效因子混合动力汽车能量管理方法

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
GR01 Patent grant
GR01 Patent grant