CN114122466A - 燃料电池车电池优化管理方法、系统、设备及介质 - Google Patents
燃料电池车电池优化管理方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN114122466A CN114122466A CN202111332974.6A CN202111332974A CN114122466A CN 114122466 A CN114122466 A CN 114122466A CN 202111332974 A CN202111332974 A CN 202111332974A CN 114122466 A CN114122466 A CN 114122466A
- Authority
- CN
- China
- Prior art keywords
- fuel cell
- vehicle
- soc
- vehicle speed
- vehicle 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
- 239000000446 fuel Substances 0.000 title claims abstract description 98
- 238000005457 optimization Methods 0.000 title claims abstract description 50
- 238000007726 management method Methods 0.000 title claims abstract description 41
- 238000001228 spectrum Methods 0.000 claims abstract description 57
- 238000005265 energy consumption Methods 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 23
- 230000001133 acceleration Effects 0.000 claims description 20
- 238000007621 cluster analysis Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 7
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 5
- 229910052739 hydrogen Inorganic materials 0.000 description 5
- 239000001257 hydrogen Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- HEZMWWAKWCSUCB-PHDIDXHHSA-N (3R,4R)-3,4-dihydroxycyclohexa-1,5-diene-1-carboxylic acid Chemical compound O[C@@H]1C=CC(C(O)=O)=C[C@H]1O HEZMWWAKWCSUCB-PHDIDXHHSA-N 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000006731 degradation reaction Methods 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M8/00—Fuel cells; Manufacture thereof
- H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
- H01M8/04298—Processes for controlling fuel cells or fuel cell systems
- H01M8/04992—Processes for controlling fuel cells or fuel cell systems characterised by the implementation of mathematical or computational algorithms, e.g. feedback control loops, fuzzy logic, neural networks or artificial intelligence
-
- 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
-
- 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
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/30—Hydrogen technology
- Y02E60/50—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
- 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)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Mechanical Engineering (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Automation & Control Theory (AREA)
- Power Engineering (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Transportation (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (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电池优化管理方法、系统、设备及介质。燃料电池车电池优化管理方法，包括：获取车速谱、SOC、车辆动力系统特性参数；以车辆使用成本为目标，输入车速谱、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；利用能耗优化协同状态变量初始值管理燃料电池车电池。燃料电池车电池优化管理系统，包括：参数获取模块；函数构建模块；运算模块；管理模块。本发明还提供了实现燃料电池车电池优化管理方法的设备及介质。
Description
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电池优化管理方法、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，针对燃料电池的能量管理在车辆上的应用，主要有基于规则控制、模糊逻辑控制和实时优化控制。
中国专利(CN111791758A、CN 112092683A、CN 110843556 B、CN 110015192 B)等专利都是基于规则进行能量管理。结合车辆实时的驱动需求、电池温度、SOC、燃料电池的功率限值，制定特定的规则来控制燃料电池的启停和功率点，减低燃料电池变载要求，来提升燃料电池使用寿命。
中国专利(CN112249001A)中公开了一种基于模糊逻辑的燃料电池汽车能量管理方法，基于初始化数集建立模糊逻辑模型，结合车辆实时的功率需求、电池SOC、燃料电池电流、效率等参数，得出该情况下对应的燃料电池功率。
中国专利(CN104002804B)中公开了一种用于燃料电池混合动力的能量控制方法，基于电池、燃料电池、DCDC特性，使用PMP最优理论，预先计算不同状态下DCDC最优功率输出，在行驶时获取车辆功率需求，匹配DCDC功率输出，达到瞬时优化的目的。
对于上述专利文献中所公开的控制系统及方法，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，没有将驾驶员需求、道路交通情况和车辆作为一个整体来考虑，结合驾驶员实际运输路线、效率需求、智能网联技术获取的道路交通状况因素，得出在满足车辆运输需求的情况下，实现车辆寿命、能耗最优的能量管理方案。
发明内容
基于此，本发明的目的在于，提供一种燃料电池车电池优化管理方法、系统、设备及介质。
第一方面，本发明提供一种燃料电池车电池优化管理方法，包括：
获取车速谱、SOC、车辆动力系统特性参数；
以车辆使用成本为目标，输入车速谱、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；
利用能耗优化协同状态变量初始值管理燃料电池车电池。
上述技术方案在一种实施方式中，所述获取车速谱，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，所述获取车速谱，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。
上述技术方案在一种实施方式中，所述车辆使用成本，包括：燃料成本、电堆使用寿命均摊成本。
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，所述计算获得能耗优化协同状态变量初始值之后，还包括：将所述能耗优化协同状态变量初始值存储至数据库。
第二方面，本发明提供一种燃料电池车电池优化管理系统，包括：
参数获取模块，用于获取车速谱、SOC、车辆动力系统特性参数；
函数构建模块，用于以车辆使用成本为目标，输入车速谱、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；
运算模块，用于根据哈密顿函数，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；
管理模块，用于利用能耗优化协同状态变量初始值管理燃料电池车电池。
第三方面，本发明提供一种设备，包括：
存储器，用于存储一个或多个程序；
处理器，用于运行所述存储器中存储的所述程序，以实现如上述任一项所述的燃料电池车电池优化管理方法。
第四方面，本发明还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电池优化管理方法。
相对于现有技术，本发明通过获取车速谱、SOC、车辆动力系统特性参数；以车辆使用成本为目标，输入车速谱、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；利用能耗优化协同状态变量初始值管理燃料电池车电池，本发明利用车辆相关数据计算能耗优化协同状态变量初始值，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电池优化管理方法的示例性流程框图。
图2是本发明的燃料电池车电池优化管理系统的流程框图。
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电池优化管理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电池优化管理方法，该方法可以通过车辆管理设备实现，其具体包括：
步骤101，获取车速谱、SOC、车辆动力系统特性参数。
其中，所述车辆动力系统特性参数包括电机效率特性参数、燃料电池效率特性参数、传动比参数、整车重量参数等。
具体地，上述步骤101，所述获取车速谱，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。具体地，可以先将所述车速谱特征进行PCA分析，进而通过坐标转换，转化为低维度无量纲量，并进行车速谱聚类分析，聚类分析可使用K-means方法。
示例性的，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，完成对车速谱的聚类分析。
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。
步骤102，以车辆使用成本为目标，输入车速谱、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：
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：
其中，P·fc(t)要满足以下正则条件：
具体地，所述车辆使用成本，包括：燃料成本、电堆使用寿命均摊成本。
优选地，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103，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。具体地，可以通过求解正则方程进行计算。
步骤104，将所述能耗优化协同状态变量初始值存储至数据库。
在具体实施时，该数据库可以为与车辆通信连接的云端计算平台中的数据库。
步骤105，利用能耗优化协同状态变量初始值管理燃料电池车电池。
请进一步参阅图2，图2是本发明的燃料电池车电池优化管理系统的流程框图。
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电池优化管理系统，包括：
参数获取模块S1，用于获取车速谱、SOC、车辆动力系统特性参数。
函数构建模块S2，用于以车辆使用成本为目标，输入车速谱、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。
运算模块S3，用于根据哈密顿函数，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。
管理模块S4，用于利用能耗优化协同状态变量初始值管理燃料电池车电池。
在具体实施时，上述参数获取模块S1可以用于实现：
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。具体地，可以先将所述车速谱特征进行PCA分析，进而通过坐标转换，转化为低维度无量纲量，并进行车速谱聚类分析，聚类分析可使用K-means方法。
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。
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。
优选地，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。
在具体实施时，所述参数获取模块S1、函数构建模块S2、运算模块S3可以为与车辆通信连接的云端计算平台，而管理模块S4则可以设置于车辆的中控台。
第三方面，基于相同的发明构思，本发明提供一种设备，包括：
存储器，用于存储一个或多个程序；
处理器，用于运行所述存储器中存储的所述程序，以实现如所述的燃料电池车电池优化管理方法。
所述设备还可以优选地包括通信接口，所述通信接口用于与外部设备进行通信和数据交互传输。
需要说明的是，所述存储器可能包含高速RAM存储器，也可能还包括非易失性存储器(nonvolatile memory)，例如至少一个磁盘存储器。
在具体实现上，如果存储器、处理器及通信接口集成在一块芯片上，则存储器、处理器及通信接口可以通过内部接口完成相互间的通信。如果存储器、处理器和通信接口独立实现，则存储器、处理器和通信接口可以通过总线相互连接并完成相互间的通信。
第四方面，基于相同的发明构思，本发明还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电池优化管理方法。
应当理解，所述计算机可读存储介质为可存储数据或程序的任何数据存储设备，所述数据或程序其后可由计算机系统读取。计算机可读存储介质的示例包括只读存储器、随机存取存储器、CD-ROM、HDD、DVD、磁带和光学数据存储设备等。计算机可读存储介质还可分布在网络耦接的计算机系统中使得计算机可读代码以分布式方式来存储和执行。
计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、射频(Radio Frequency，RF)等，或者上述的任意合适的组合。
在一些实施方案中，计算机可读存储介质可以是非暂态的。
相对于现有技术，本发明通过获取车速谱、SOC、车辆动力系统特性参数；以车辆使用成本为目标，输入车速谱、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；利用能耗优化协同状态变量初始值管理燃料电池车电池，本发明利用车辆相关数据计算能耗优化协同状态变量初始值，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)
1.一种燃料电池车电池优化管理方法，其特征在于，包括：
获取车速谱、SOC、车辆动力系统特性参数；
以车辆使用成本为目标，输入车速谱、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；
利用能耗优化协同状态变量初始值管理燃料电池车电池。
2.根据权利要求1所述的燃料电池车电池优化管理方法，其特征在于，所述获取车速谱，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所述的燃料电池车电池优化管理方法，其特征在于，所述获取车速谱，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。
4.根据权利要求1所述的燃料电池车电池优化管理方法，其特征在于，所述车辆使用成本，包括：燃料成本、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，所述计算获得能耗优化协同状态变量初始值之后，还包括：将所述能耗优化协同状态变量初始值存储至数据库。
7.一种燃料电池车电池优化管理系统，其特征在于，包括：
参数获取模块，用于获取车速谱、SOC、车辆动力系统特性参数；
函数构建模块，用于以车辆使用成本为目标，输入车速谱、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；
运算模块，用于根据哈密顿函数，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；
管理模块，用于利用能耗优化协同状态变量初始值管理燃料电池车电池。
8.一种设备，其特征在于，包括：
存储器，用于存储一个或多个程序；
处理器，用于运行所述存储器中存储的所述程序，以实现如权利要求1-6任一项所述的燃料电池车电池优化管理方法。
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电池优化管理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111332974.6A CN114122466B (zh) | 2021-11-11 | 燃料电池车电池优化管理方法、系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111332974.6A CN114122466B (zh) | 2021-11-11 | 燃料电池车电池优化管理方法、系统、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114122466A true CN114122466A (zh) | 2022-03-01 |
| CN114122466B CN114122466B (zh) | 2024-05-31 |
Family
ID=
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114843561A (zh) * | 2022-05-13 | 2022-08-02 | 中国第一汽车股份有限公司 | 燃料电池的控制方法及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102011116127A1 (de) * | 2011-10-15 | 2013-04-18 | Volkswagen Aktiengesellschaft | Verfahren zum Betreiben einer Brennstoffzelleneinrichtung eines Brennstoffzellen-Hybridfahrzeugs |
| CN103682399A (zh) * | 2012-09-19 | 2014-03-26 | 现代自动车株式会社 | 用于控制燃料电池系统的系统和方法 |
| CN111891110A (zh) * | 2020-05-15 | 2020-11-06 | 吉林大学 | 智能网联混合动力汽车能量-热量一体化实时管理系统 |
| CN112776673A (zh) * | 2020-12-06 | 2021-05-11 | 吉林大学 | 智能网联燃料电池汽车实时能量优化管理系统 |
| CN113002370A (zh) * | 2021-04-16 | 2021-06-22 | 吉林大学 | 一种燃料电池汽车实时能量管理控制方法 |
| 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 |
| CN113561793A (zh) * | 2021-08-02 | 2021-10-29 | 昆明理工大学 | 一种动态约束的智能燃料电池汽车能量管理策略 |
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102011116127A1 (de) * | 2011-10-15 | 2013-04-18 | Volkswagen Aktiengesellschaft | Verfahren zum Betreiben einer Brennstoffzelleneinrichtung eines Brennstoffzellen-Hybridfahrzeugs |
| CN103682399A (zh) * | 2012-09-19 | 2014-03-26 | 现代自动车株式会社 | 用于控制燃料电池系统的系统和方法 |
| CN111891110A (zh) * | 2020-05-15 | 2020-11-06 | 吉林大学 | 智能网联混合动力汽车能量-热量一体化实时管理系统 |
| CN112776673A (zh) * | 2020-12-06 | 2021-05-11 | 吉林大学 | 智能网联燃料电池汽车实时能量优化管理系统 |
| CN113002370A (zh) * | 2021-04-16 | 2021-06-22 | 吉林大学 | 一种燃料电池汽车实时能量管理控制方法 |
| CN113561793A (zh) * | 2021-08-02 | 2021-10-29 | 昆明理工大学 | 一种动态约束的智能燃料电池汽车能量管理策略 |
| 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 |
Non-Patent Citations (1)
| Title |
|---|
| 赵艳娥等: "四轮驱动燃料电池汽车动力系统参数匹配与优化", 汽车工程, vol. 29, no. 05, pages 409 - 414 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114843561A (zh) * | 2022-05-13 | 2022-08-02 | 中国第一汽车股份有限公司 | 燃料电池的控制方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gao et al. | Equivalent fuel consumption optimal control of a series hybrid electric vehicle | |
| Tian et al. | Data-driven hierarchical control for online energy management of plug-in hybrid electric city bus | |
| Hu et al. | A study on energy distribution strategy of electric vehicle hybrid energy storage system considering driving style based on real urban driving data | |
| CN110775065A (zh) | 一种基于工况识别的混合动力汽车电池寿命预测方法 | |
| Jinquan et al. | Real-time energy management of fuel cell hybrid electric buses: Fuel cell engines friendly intersection speed planning | |
| Xue | Design and Optimization of Lithium-Ion Batteries for Electric-Vehicle Applications. | |
| 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 | |
| CN113085860A (zh) | 一种跟车环境下的燃料电池混合动力汽车的能量管理方法 | |
| Ghobadpour et al. | An intelligent energy management strategy for an off‐road plug‐in hybrid electric tractor based on farm operation recognition | |
| CN115577938A (zh) | 一种电气化按需移动调度方法、装置及系统 | |
| CN115860185A (zh) | 一种考虑极端高温天气下多类型电动汽车充电方式的电网负荷预测方法 | |
| CN112550050B (zh) | 一种电动汽车充电方法和系统 | |
| Ali et al. | Intelligent real-time power management of multi-source HEVs based on driving state recognition and offline optimization | |
| Sadhukhan et al. | Optimal placement of electric vehicle charging stations in a distribution network | |
| CN113859054B (zh) | 燃料电池车控制方法、系统、设备及介质 | |
| CN114122466B (zh) | 燃料电池车电池优化管理方法、系统、设备及介质 | |
| CN114122466A (zh) | 燃料电池车电池优化管理方法、系统、设备及介质 | |
| CN113997925B (zh) | 一种插电式混合动力系统能量管理方法 | |
| CN113879182A (zh) | 车辆能量管理控制方法、系统、设备及介质 | |
| CN112434374A (zh) | 一种纯电动汽车复合电源系统的容量配比方法及系统 | |
| Hu et al. | A real-time multi-objective optimization method in energy efficiency for plug-in hybrid electric vehicles considering dynamic electrochemical characteristics of battery and driving conditions | |
| CN111369741A (zh) | 一种电力市场下多停车场共享车位与电动汽车撮合系统 | |
| Miller et al. | Optimized system for on-route fast charging of battery-electric shuttle buses | |
| Ahn et al. | A Two-Stage Genetic Algorithm for Battery Sizing and Route Optimization of Medium-Duty Electric Delivery Fleets | |
| CN117553816B (zh) | 考虑车主偏好与需求的电动汽车路径规划与充放电策略联合优化方法 |
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 |