CN114996906A - 一种航空混合电推进系统的能量管理策略 - Google Patents
一种航空混合电推进系统的能量管理策略 Download PDFInfo
- Publication number
- CN114996906A CN114996906A CN202210462051.0A CN202210462051A CN114996906A CN 114996906 A CN114996906 A CN 114996906A CN 202210462051 A CN202210462051 A CN 202210462051A CN 114996906 A CN114996906 A CN 114996906A
- Authority
- CN
- China
- Prior art keywords
- power
- model
- hybrid electric
- electric propulsion
- propulsion system
- 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
- 238000010248 power generation Methods 0.000 claims abstract description 23
- 230000002068 genetic effect Effects 0.000 claims abstract description 9
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 8
- 230000035772 mutation Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000009194 climbing Effects 0.000 claims description 3
- 238000002485 combustion reaction Methods 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000002940 Newton-Raphson method Methods 0.000 claims description 2
- 239000007921 spray Substances 0.000 claims 1
- 239000000446 fuel Substances 0.000 abstract description 9
- 238000007726 management method Methods 0.000 description 26
- 239000003921 oil Substances 0.000 description 13
- 238000011217 control strategy Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 238000000034 method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 210000000349 chromosome Anatomy 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 239000000295 fuel oil Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004870 electrical engineering Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 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]
- G06F30/20—Design optimisation, verification or simulation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D27/00—Arrangement or mounting of power plants in aircraft; Aircraft characterised by the type or position of power plants
- B64D27/02—Aircraft characterised by the type or position of power plants
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D27/00—Arrangement or mounting of power plants in aircraft; Aircraft characterised by the type or position of power plants
- B64D27/02—Aircraft characterised by the type or position of power plants
- B64D27/026—Aircraft characterised by the type or position of power plants comprising different types of power plants, e.g. combination of a piston engine and a gas-turbine
-
- 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
- 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
- Y02T50/00—Aeronautics or air transport
- Y02T50/60—Efficient propulsion technologies, e.g. for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本发明公开了一种航空混合电推进系统的能量管理策略,实现功率在发电系统和储电装置之间的合理分配。针对某具体的飞行任务,该策略包括步骤:1)将具体飞行任务负载需求功率按任务阶段离散化;2)根据系统模型构建发电系统输出功率与发动机单位时间油耗以及储电装置输出功率与等效单位时间油耗的关系模型;3)以各阶段功率分配比为变量,以完成该飞行任务的全局耗油量最低为目标,发电系统与储电装置输出功率范围为限制条件,通过遗传算法得出满足目标的各阶段的功率分配比。以该能量管理策略为控制要求的航空混合电推进系统能使飞行器在完成目标飞行任务的情况下有效降低耗油量。
Description
技术领域
本发明涉及混合系统能量管理策略领域,具体涉及一种航空混合电推进系统的能量管理策略。
背景技术
航空混合电推进系统作为“双碳”目标下实现低碳航空的重要途径,凭借其高功率密度、高效率和低排放等特点受到了越来越多的关注。航空混合电推进系统架构如图1所示,系统工作时,由发电系统产生电能,经过电力变换装置后带动分布式推进系统提供动力,控制器可以控制发电系统的输出功率和储电装置的充放电情况,储电装置能调整发动机的负荷使其尽量在高效区工作,起到“削峰填谷”的作用。因此对于航空混合电推进系统而言,能量管理策略已经成为混合动力系统稳定运行、合理分配能量的关键,好的能量管理策略还能实现减少油耗的作用。
常见的能量管理策略可以分为基于规则策略和基于优化策略两类。基于规则的能量管理策略包括了有限状态机、功率跟随、模糊控制等控制策略。例如:周能辉等人在《汽车工程》第35卷第2期上的论文“插电式混合动力轿车整车控制策略的研究”利用混动汽车工作时的电量状态和功率需求来制定能量规则控制策略,通过试验验证了该控制策略可以在不同的工况下合理分配转矩,提高电机和发动机效率;金传琦在《交通节能与环保》的网络首发论文“新能源混合动力汽车能量管理策略研究”根据其工作模式提出一种基于规则策略的逻辑门限能量管理策略,实现工作模式的平稳切换及混动系统的动力分配。
然而基于规则的控制策略主要根据经验提前设定规则,可靠性及可行性较高,但无法保证系统能量管理中的效率以及运行环境变化带来的问题,对于混合推进系统的适应性较差。相较之下基于优化的能量管理策略主要是针对系统的耗油量、运行成本等目标进行优化,以得到系统的最优工作点。例如:马睿等人在《中国电机工程》的网络首发论文“计及飞行任务与能耗分析的航空燃料电池推进系统能量管理策略”提出了一种考虑多飞行任务模式与外部最大能耗的综合能量管理方法,在减少燃料电池系统所承受的应力同时,提升了系统输出的稳定性;授权公布号为CN113158499B的发明专利“一种纯电池动力船舶综合电力系统的能量管理策略及系统”提出的一种纯电池动力船舶综合电力系统的能量管理策略及系统,通过航线与已有船舶航行情况调研、航速与电池输出功率关系模型构建、剩余航程航行方案优化,提高电池动力船舶的航行经济性和应对突发事件的能力。
用于汽车、舰船等邻域混合动力系统的基于优化的能量管理策略已有很多文献发表,但面向航空混合电推进系统的基于全局优化的能量管理策略的文献还未见报道。现有技术多为基于规则策略的逻辑门限能量管理策略,针对具体飞行任务的适应性较差。以此,基于遗传算法优化的航空混合电推进系统的能量管理策略提供了一种更加节能、高效的解决方案。
发明内容
针对现有技术存在的以上缺陷,本发明提供了一种航空混合电推进系统的能量管理策略,能够根据具体飞行任务的各任务阶段负载功率需求,对航空混合电推进系统的发电系统和储电装置进行能量优化调控。
为实现上述目的,本发明所设计的一种航空混合电推进系统的能量管理策略,其特殊之处在于,所述方法包括如下步骤:
1)根据某次具体飞行任务负载需求功率与飞行时间的关系按飞行阶段离散化,将各个飞行阶段的负载所需功率视作定值;
2)根据航空混合电推进系统模型构建发电系统输出功率与发动机单位时间油耗以及储电装置输出功率与等效单位时间油耗的关系模型;
3)以各阶段功率分配比为变量,以完成该飞行任务的全局耗油量最低为目标,发电系统与储电装置输出功率范围为限制条件,通过遗传算法得出满足目标的各阶段的功率分配比。
优选地,所述步骤1)的具体步骤为:将飞行任务按飞行情况分为起飞、爬升、巡航、下降、动力着陆、着陆等任务阶段,各个阶段内的负载需求功率近似为平均功率且保持不变。
优选地,所述步骤2)的航空混合电推进系统模型由自由涡轮式涡轮轴发动机模型、高速永磁同步发电机模型、储电装置模型、电力变换装置模型、电动机模型和涵道风扇模型组成,所述自由涡轮式涡轮轴发动机模型由进气道、压气机、燃烧室、高压涡轮、动力涡轮和喷管部件级模型按照气路顺序依次组合,再利用共同工作方程通过牛顿-拉夫逊方法求解。
优选地,所述步骤2)中发电系统输出功率与发动机单位时间油耗关系模型的表达式为:
优选地,所述步骤3)的具体步骤为:
31)确定k个任务阶段的负载所需功率Pi,need(i=1,2,…,k),发电系统最大输出功率P1max,电池最大充放电功率P2max.cd、P2max.fd;
32)定义发电系统输出功率在各任务阶段与负载所需功率的比值变量[x1,x2,…,xk],并对其进行实物编码;
33)设置种群规模,根据约束条件产生初始种群;
34)根据当代种群中每个个体的值计完成该飞行任务的耗油量;
35)进行变异、交叉、选择差分进化操作,设置变异因子、交叉因子值;
36)将父代个体与子代个体进行判断和更新操作,优选更优个体;迭代次数加1,返回至34),直到迭代次数达到设置的最大值为止。
本发明所提出的一种航空混合电推进系统的能量管理策略,通过对具体飞行任务的各任务阶段负载功率离散化、输出功率与单位时间油耗关系模型构建、利用遗传算法计算各任务阶段功率分配方案,在完成目标飞行任务的情况下有效降低耗油量。
附图说明
图1是一种航空混合电推进系统的能量管理策略的流程图。
图2是混合电推进系统架构。
图3是遗传算法的流程框图。
图4是实施例中串联式混合电推进系统示意图。
图5是实施例中串联式混合电推进系统结构图。
图6是实施例中某典型飞行任务各任务阶段时间占比和负载需求功率示意图。
图7是实施例中航空混合电推进系统的能量管理策略寻优过程
图8是实施例中计算得到的耗油量最低的各阶段能量分配情况。
具体实施方式
现在将详细参照本发明的具体实施例。尽管将结合具体实施例描述本发明,但将理解,不是想要将本发明限于所述的实施例。相反,想要覆盖由所附权利要求限定的在本发明的精神和范围内包括的变更、修改和等价物。应注意,这里描述的方法步骤都可以由任何功能块或功能布置来实现,且任何功能块或功能布置可被实现为物理实体或逻辑实体、或者两者的组合。
为了使本领域技术人员更好地理解本发明,下面结合附图和具体实施方式对本发明作进一步详细说明。
注意:接下来要介绍的示例仅是一个具体的例子,而不作为限制本发明的实施例必须为如下具体的步骤、数值、条件、数据、顺序等等。本领域技术人员可以通过阅读本说明书来运用本发明的构思来构造本说明书中未提到的更多实施例。
本发明所提出的一种航空混合电推进系统的能量管理策略可用于如图4、5所示的串联式混合电推进系统,其中包括微型燃气涡轮发动机、高速永磁同步发电机、储电装置、整流器、逆变器、功率调配控制器和分布式推进系统组成。该系统工作原理为:空气经过过滤器过滤后进入压气机,经压气机压缩进入回热器预热,再进入燃烧室与燃油燃烧,燃气膨胀推动涡轮做功,通过轴传动一方面驱动压气机旋转使系统自持工作,另一方面驱动高速永磁电机工作输出电能。发电机输出的电能经整流器整流后输送到负载端,再经过逆变器转变成交流电后为负载供能,功率调配控制器负责控制发电系统的输出功率和储电装置的充放电情况。
上述的功率调配控制器控制指令由本发明所提出的一种航空混合电推进系统的能量管理策略决定,具体步骤如下:
步骤一:飞行任务负载需求功率按任务阶段离散。
以某全程2小时的典型短飞行任务为例,将其按负载功率需求分为起飞、爬升、巡航、下降1、下降2、动力着陆、着陆共七个任务阶段,各阶段时间占比和负载需求功率如图6所示。
步骤二:输出功率与单位时间油耗的关系模型。
航空混合电推进系统的各部件仿真模型建立已有成熟的技术手段,需要指出的是,本实施例中发动机模型中压气机和涡轮特性图是通过对Gasturb软件中的部件通用特性曲线缩放和插值方法,利用经验公式计算得到。
通过对系统模型仿真得到发电系统输出功率与发动机单位时间油耗关系模型的拟合表达式为:
考虑完成飞行任务前后储电装置的能量损失,建立储电装置输出功率与等效单位时间油耗的关系模型,拟合表达式为:
步骤三:利用遗传算法得出各阶段功率分配比。
遗传算法求解各任务阶段功率分配方案计算步骤包括:
1)设定7个任务阶段的时间占比和负载所需功率分别为:
设定最大遗传代数为100,变量个数7,基因长度20,代沟0.9。
2)以发电系统输出功率在各任务阶段与负载所需功率的比值[x1,x2,…,x7]为决策变量,变量取值范围为[0,2],选择格雷码编码方式对其进行实物编码,生成染色体。
3)设置种群规模为60,根据约束条件产生初始种群。
4)根据当代种群中每个个体的值计完成该飞行任务的耗油量。具体的计算方法为:
发电系统和储电装置各任务阶段的输出功率分别为:
P1,i=xiPi,need(i=1,2,…,7)
P2,i=(1-xi)Pi,need(i=1,2,…,7)
完成飞行任务的耗油量为:
5)进行变异、交叉、选择差分进化操作,变异因子为1.2、交叉因子值为0.8;
6)将父代个体与子代个体进行判断和更新操作,优选更优个体;迭代次数加1,返回至4),直到迭代次数达到设置的最大值为止。
航空混合电推进系统的能量管理策略寻优过程如图7所示,最优解如图8所示。最终计算得到的最优的个体为[0.4814,0.7024,1.9844,1.9950,1.8239,0.9379,1.1864],耗油量为82.77kg。
用相同规模发动机作为动力系统完成该飞行任务需消耗燃油90kg,故采用航空混合电推进系统的能量管理策略可降低油耗约8%。
Claims (5)
1.一种航空混合电推进系统的能量管理策略,其特征在于,所述策略包括如下步骤:
1)根据某次具体飞行任务负载需求功率与飞行时间的关系按飞行阶段离散化,将各个飞行阶段的负载所需功率视作定值;
2)根据航空混合电推进系统模型构建发电系统输出功率与发动机单位时间油耗以及储电装置输出功率与等效单位时间油耗的关系模型;
3)以各阶段功率分配比为变量,以完成该飞行任务的全局耗油量最低为目标,发电系统与储电装置输出功率范围为限制条件,通过遗传算法得出满足目标的各阶段的功率分配比。
2.根据权利要求1所述的一种航空混合电推进系统的能量管理策略,其特征在于:所述步骤1)的具体步骤为:将飞行任务按飞行情况分为起飞、爬升、巡航、下降、动力着陆、着陆等任务阶段,各个阶段内的负载需求功率近似为平均功率且保持不变。
3.根据权利要求1所述的一种航空混合电推进系统的能量管理策略,其特征在于:所述步骤2)的航空混合电推进系统模型由自由涡轮式涡轮轴发动机模型、高速永磁同步发电机模型、储电装置模型、电力变换装置模型、电动机模型和涵道风扇模型组成,所述自由涡轮式涡轮轴发动机模型由进气道、压气机、燃烧室、高压涡轮、动力涡轮和喷管部件级模型按照气路顺序依次组合,再利用共同工作方程通过牛顿-拉夫逊方法求解。
5.根据权利要求1所述的一种航空混合电推进系统的能量管理策略,其特征在于:所述步骤3)的具体步骤为:
31)确定k个任务阶段的负载所需功率Pi,need(i=1,2,…,k),发电系统最大输出功率P1max,电池最大充放电功率P2max.cd、P2max.fd;
32)定义发电系统输出功率在各任务阶段与负载所需功率的比值变量[x1,x2,…,xk],并对其进行实物编码;
33)设置种群规模,根据约束条件产生初始种群;
34)根据当代种群中每个个体的值计完成该飞行任务的耗油量;
35)进行变异、交叉、选择差分进化操作,设置变异因子、交叉因子值;
36)将父代个体与子代个体进行判断和更新操作,优选更优个体;迭代次数加1,返回至34),直到迭代次数达到设置的最大值为止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210462051.0A CN114996906B (zh) | 2022-04-28 | 2022-04-28 | 一种航空混合电推进系统的能量管理策略 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210462051.0A CN114996906B (zh) | 2022-04-28 | 2022-04-28 | 一种航空混合电推进系统的能量管理策略 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114996906A true CN114996906A (zh) | 2022-09-02 |
CN114996906B CN114996906B (zh) | 2024-08-27 |
Family
ID=83026047
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210462051.0A Active CN114996906B (zh) | 2022-04-28 | 2022-04-28 | 一种航空混合电推进系统的能量管理策略 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114996906B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115593647A (zh) * | 2022-11-03 | 2023-01-13 | 清华大学(Cn) | 用于垂直起降飞机的串联混合动力系统航程最优设计方法 |
CN115924102A (zh) * | 2022-11-03 | 2023-04-07 | 清华大学 | 用于垂直起降飞机的串联混合动力系统航时最优设计方法 |
CN117401167A (zh) * | 2023-12-12 | 2024-01-16 | 中国航空工业集团公司金城南京机电液压工程研究中心 | 一种飞机的电力系统模态切换方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008128416A1 (en) * | 2007-04-19 | 2008-10-30 | The Chinese University Of Hong Kong | Energy management for hybrid electric vehicles |
CN106908066A (zh) * | 2017-04-25 | 2017-06-30 | 西安电子科技大学 | 基于遗传算法的无人机监视覆盖单步寻优的航迹规划方法 |
WO2017197325A1 (en) * | 2016-05-13 | 2017-11-16 | Top Flight Technologies, Inc. | Data center powered by a hybrid generator system |
CN107609649A (zh) * | 2017-09-13 | 2018-01-19 | 广东电网有限责任公司江门供电局 | 一种基于遗传粒子群混合的雷电定位计算优化方法 |
CN112836427A (zh) * | 2021-01-14 | 2021-05-25 | 西北工业大学 | 基于改进遗传算法的航空发动机最低油耗控制优化方法 |
US20220067249A1 (en) * | 2020-02-05 | 2022-03-03 | Imagars Llc | Machine Learning to Accelerate Design of Energetic Materials |
-
2022
- 2022-04-28 CN CN202210462051.0A patent/CN114996906B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008128416A1 (en) * | 2007-04-19 | 2008-10-30 | The Chinese University Of Hong Kong | Energy management for hybrid electric vehicles |
WO2017197325A1 (en) * | 2016-05-13 | 2017-11-16 | Top Flight Technologies, Inc. | Data center powered by a hybrid generator system |
CN106908066A (zh) * | 2017-04-25 | 2017-06-30 | 西安电子科技大学 | 基于遗传算法的无人机监视覆盖单步寻优的航迹规划方法 |
CN107609649A (zh) * | 2017-09-13 | 2018-01-19 | 广东电网有限责任公司江门供电局 | 一种基于遗传粒子群混合的雷电定位计算优化方法 |
US20220067249A1 (en) * | 2020-02-05 | 2022-03-03 | Imagars Llc | Machine Learning to Accelerate Design of Energetic Materials |
CN112836427A (zh) * | 2021-01-14 | 2021-05-25 | 西北工业大学 | 基于改进遗传算法的航空发动机最低油耗控制优化方法 |
Non-Patent Citations (1)
Title |
---|
朱炳杰 等: "分布式混合电推进飞行器技术综述", 航空学报, 19 October 2021 (2021-10-19), pages 1 - 17 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115593647A (zh) * | 2022-11-03 | 2023-01-13 | 清华大学(Cn) | 用于垂直起降飞机的串联混合动力系统航程最优设计方法 |
CN115924102A (zh) * | 2022-11-03 | 2023-04-07 | 清华大学 | 用于垂直起降飞机的串联混合动力系统航时最优设计方法 |
CN115924102B (zh) * | 2022-11-03 | 2023-11-28 | 清华大学 | 用于垂直起降飞机的串联混合动力系统航时最优设计方法 |
CN117401167A (zh) * | 2023-12-12 | 2024-01-16 | 中国航空工业集团公司金城南京机电液压工程研究中心 | 一种飞机的电力系统模态切换方法及装置 |
CN117401167B (zh) * | 2023-12-12 | 2024-02-09 | 中国航空工业集团公司金城南京机电液压工程研究中心 | 一种飞机的电力系统模态切换方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114996906B (zh) | 2024-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114996906B (zh) | 一种航空混合电推进系统的能量管理策略 | |
Podder et al. | Control strategies of different hybrid energy storage systems for electric vehicles applications | |
Hu et al. | Integrated optimization of battery sizing, charging, and power management in plug-in hybrid electric vehicles | |
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 | |
Cao et al. | An optimized EV charging model considering TOU price and SOC curve | |
Liu et al. | Rule-corrected energy management strategy for hybrid electric vehicles based on operation-mode prediction | |
CN112668240B (zh) | 一种基于虚拟储能的全电力船舶经济性调度方法及系统 | |
Li et al. | A novel hybrid propulsion system configuration and power distribution strategy for light electric aircraft | |
Herrera et al. | Optimal energy management of a hybrid electric bus with a battery-supercapacitor storage system using genetic algorithm | |
CN103158711A (zh) | 用于混合动力车的转矩控制方法及其系统 | |
Li et al. | The role and application of convex modeling and optimization in electrified vehicles | |
CN112668791A (zh) | 热电联供系统的优化方法 | |
Li et al. | Energy sources durability energy management for fuel cell hybrid electric bus based on deep reinforcement learning considering future terrain information | |
Hofman et al. | Rule-based energy management strategies for hybrid vehicle drivetrains: A fundamental approach in reducing computation time | |
Ajayan et al. | Implementation of firefly algorithm in optimal sizing of proton exchange membrane fuel cell–battery hybrid locomotive | |
CN112498332B (zh) | 一种并联式混合动力汽车模糊自适应能量管理控制方法 | |
Hong et al. | Power Control Strategy Optimization to Improve Energy Efficiency of the Hybrid Electric Propulsion Ship | |
Kapetanović et al. | Energy model of a fuel cell hybrid-electric regional train in passenger transport service and vehicle-to-grid applications | |
Akli et al. | Integrated optimal design of a hybrid locomotive with multiobjective genetic algorithms | |
Saju et al. | Hybrid electric car comparison to increase the reliability for fuel efficiency | |
Yu | Fuzzy logic energy management strategy based on genetic algorithm for plug-in hybrid electric vehicles | |
Arani et al. | Energy management of dual-source propelled electric vehicle using fuzzy controller optimized via genetic algorithm | |
CN113420927B (zh) | 多源动力系统的多目标配置优化方法 | |
Arshad et al. | Hybrid Electric Vehicles: a General Overview | |
Li et al. | Hybrid Power System Topology and Energy Management Scheme Design for Hydrogen-Powered Aircraft |
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 |