CN107618519A - 一种燃料电池混合动力有轨电车参数匹配联合优化方法 - Google Patents
一种燃料电池混合动力有轨电车参数匹配联合优化方法 Download PDFInfo
- Publication number
- CN107618519A CN107618519A CN201710712872.4A CN201710712872A CN107618519A CN 107618519 A CN107618519 A CN 107618519A CN 201710712872 A CN201710712872 A CN 201710712872A CN 107618519 A CN107618519 A CN 107618519A
- Authority
- CN
- China
- Prior art keywords
- parameter
- mrow
- msub
- fuel cell
- tramcar
- 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
Classifications
-
- 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
-
- 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
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开一种燃料电池混合动力有轨电车参数匹配联合优化方法；根据运营需求及目标线路条件，设计有轨电车动力***指标和有轨电车运行工况，确定燃料电池混合动力***的参数可行域，形成初步的参数匹配备选方案；以该工况下的全寿命周期成本、服役时间和整车动力性为优化目标，搭建多目标优化函数，采用基于概率指数的自适应群体智能优化算法完成任一参数组合下的负荷分配，将多目标优化函数取最小值时的负荷分配作为该参数匹配组合下的最优分配结果；遍历所有备选参数组合，在个体最优的基础上寻找全局最优，完成燃料电池混合动力有轨电车的最优参数匹配寻优计算。本方法可有效减少氢耗量，提高整车效率，可在运营过程中达到经济性最优状态。
Description
技术领域
本发明属于混合动力技术领域，特别是涉及一种燃料电池混合动力有轨电车参数匹配联合优化方法。
背景技术
一直以来，人类赖以生存的能源多以化石能源为主，不仅对生态环境造成了巨大的污染和破坏，而且化石能源的大规模采用也加速了其枯竭的速度。而人类社会的进步与发展又离不开能源的支撑，于是人类开始关注清洁能源的开发与使用。在众多清洁能源中，氢能是人类社会的终极能源，并具有高效、清洁的特点。氢能的收集、贮存技术已非常成熟，其技术应用也得到了长足的发展，其中燃料电池就是氢能利用的主要及重要方式。
燃料电池是一种通过氢能的电化学反应而产生电能的装置，其效率更可达45％—50％，其环境友好的特点表现为反应产物仅为水，无任何温室气体排放，是一种真正的零排放发电装置，因此对生态环境不会造成任何污染和破坏，具有有效的节能减排作用。
目前燃料电池已在各行业领域得到不同程度的发展，而在轨道交通领域，燃料电池的技术应用也是近些年研究的热点问题。此外，有轨电车是一种运量中等、成本较低的轨道交通方式，较为适用于中小型城市，可作为疲劳的地铁及城市公交***的有力支援。而传统的有轨电车通过接触网供电，不仅影响了城市的美观和安全性，更容易增加车辆的故障率和运行成本，而以燃料电池及其他储能设备为混合动力源的有轨电车可有效避免这一传统问题。
客观上，燃料电池具有持续的发电能力，但其动态响应相对迟缓，无法满足机车加速过程瞬时大功率的需求等，于是增加超级电容为辅助动力源和储能设备，弥补燃料电池动态响应的不足，有效避免机车加速能力较差等问题，其次加入了蓄电池，与超级电容结合，按序投入工作，尽可能回收机车在制动时由电机反转回馈回来的制动能量。
现有混合动力有轨电车的参数匹配方法一般认为有两种，第一种是基于动力指标的独立子***多阶段参数最大化设计，另一种是基于高速基于概率指数的自适应群体智能优化算法的参数联合可行域寻优设计。基于这两种方法的设计的优点在于可操作性强，足以满足工程实际前期配置的需要。不过现有方法的设计并未考虑机车运行过程的负荷功率分配，即在参数匹配过程中未同时进行后期能量管理的深入研究，导致车辆动力***设计冗余过大，造成装车设备的浪费和运维成本增加。
发明内容
为了解决上述问题，本发明提出了一种燃料电池混合动力有轨电车参数匹配联合优化方法，能够保证整车动力***结构最简、所配置的容量及功率最优，可有效提高整车效率，降低氢耗量，减少投资与成本，并提高稳定性。
为达到上述目的，本发明采用的技术方案是：
一种燃料电池混合动力有轨电车参数匹配联合优化方法，包括步骤：
S100，确定有轨电车运行工况；进而确定燃料电池混合动力***的参数可行域，形成由备选参数组合构成的参数匹配初步备选方案集合；
S200，根据上述有轨电车运行工况下的全寿命周期成本、服役时间和整车动力性为优化目标，搭建多目标优化函数；
S300，采用基于概率指数的自适应群体智能优化算法完成参数匹配初步备选方案中参数组合下的负荷分配，并将多目标优化函数取最小值时的负荷分配作为该参数匹配组合下的最优分配结果；
S400，根据步骤S300所述遍历所述参数匹配初步备选方案集合中所有备选参数组合的最优分配结果，在每个最优分配结果的基础上寻找全局最优分配结果；
S500，由全局最优分配结果，完成燃料电池混合动力有轨电车的最优参数匹配寻优计算。
进一步的是，步骤S100中，根据机车基本参数及目标线路条件，设计有轨电车动力***指标，确定有轨电车运行工况。
进一步的是，所述的有轨电车运行工况确定过程，包括步骤：
S101，对机车基本参数进行设置，包括轴重、载重、迎风面积和戴维斯系数；并输入目标线路条件，包括站点-路程曲线、坡度-路程曲线和弯道-路程曲线；
S102，根据经验及最优制动曲线建立有轨电车运行速度曲线；
S103，基于牛顿公式及戴维斯公式对机车进行牵引计算，获得机车运行全程的牵引力-功率曲线，即得到有轨电车运行工况曲线。
本发明基于牛顿定律及空气动力学基础知识，建立了有轨电车动力学运动分析模型，并基于实测路线信息及机车动力学极限性能，设计了有轨电车日循环工况。
进一步的是，确定燃料电池混合动力***的参数可行域，形成由备选参数组合构成的参数匹配初步备选方案集合,包括步骤：
S104，取有轨电车运行工况曲线中需求功率的最大值，并取燃料电池额定功率及储能设备平均提供功率为恒定值，以蓄电池与超级电容的串并联总数为自变量，有约束方程一：
Pfc指燃料电池的额定输出功率，Psc和Pb分别指超级电容和蓄电池的平均功率；x1和x2分别指代超级电容和蓄电池的数量，为自变量；Pt指机车的需求牵引功率，η指电机效率，ηpwm指牵引逆变器效率，ηDC-DC指DC-DC变换器的效率；
S105，取机车加速和爬坡过程，取储能设备的单体容量为固定值，蓄电池与超级电容的串并联总数为自变量，有约束方程二：
Esc和EB分别指超级电容和蓄电池的所能储存的能量，以SOC＝0.6进行计算；
S106，对于动力***均由重量以及体积的最大限制，因此在约束中还需考虑辅助设备引起的重量体积增加，有约束方程三：
mFC·Sm_FC+x1·mSC·Sm_SC+x2·mB·Sm_B≤mmax
vFC·Sv_FC+x1·vSC·Sv_SC+x2·vB·Sv_B≤vmax；
其中，将因辅助设备而额外附加的质量简化为附加质量系数Sm_FC、Sm_SC以及Sm_B；用mFC、mSC和mB分别表示燃料电池、超级电容和蓄电池的单体质量；用vFC、vSC和vB分别表示燃料电池、超级电容和蓄电池的单体质量；mmax和vmax分别表示容许动力***占用的最大质量和体积上限；
S107，根据约束方程一、约束方程二和约束方程三，形成燃料电池、超级电容容量和蓄电池容量的参数可行域；
S108，在参数可行域范围内，找出满足有轨电车实际工况的备选参数组合，由备选参数组合形成参数匹配初步备选方案集合。
以燃料电池子***额定功率和储能***(超级电容和蓄电池)额定容量为自变量，根据有轨电车关键工况和动力学极限性能下的牵引需求功率及能量，建立基于电力电量平衡的自变量联合约束方程组，得到自变量的联合可行域。然后根据实际市场情况，在可行域寻找可供采用的产品型号，形成初步的参数匹配组合方案。
进一步的是，步骤S200中，所述多目标优化函数为：
θ＝m1·C(pfc,SOCbat,SOCsc)+m2·ST(pfc,SOCbat,SOCsc)+m3·DY(pfc,SOCbat,SOCsc)
其中，m1、m2和m3是权系数；C是全寿命周期成本函数，ST是服役时间，DY 是整车动力性。
建立了计及全寿命周期成本、服役时间和整车动力性的多目标优化函数，并针对提出的每一种参数匹配组合方案，进行固定日循环工况下的离线负荷功率最优分配，使燃料电池尽量工作于最高效率点，并保持储能设备SOC稳定。
进一步的是，步骤S300中，采用基于概率指数的自适应群体智能优化算法完成参数匹配初步备选方案中参数组合下的负荷分配，并将多目标优化函数取最小值时的负荷分配作为该参数匹配组合下的最优分配结果：
首先建立概率指数的一般形式，然后读取当前时刻的负荷变化率；
从而将燃料电池和储能设备的功率配比划分在相应的区间内；
然后在初步划分的区间内对其具体输出的数值进行自适应群体智能优化算法的全局寻优。
在进行负荷功率分配时建立了有关负荷波动情况的概率指数；依据这一概率值，能量管理主控单元可初步决定燃料电池和储能设备的功率输出配比范围和超级电容/蓄电池的投切情况；然后采用自适应群体智能优化算法在上述区间内对各动力源的输出情况进行全局寻优。
进一步的是，步骤S400中，根据步骤S300所述遍历所述参数匹配初步备选方案集合中所有备选参数组合的最优分配结果，在每个最优分配结果的基础上寻找全局最优分配结果。
采用本技术方案的有益效果：
本发明专利综合考虑了混合动力***参数匹配与能量管理的先后逻辑问题，为提升***效率，提出了适用于有轨电车的燃料电池/超级电容/蓄电池混合动力***参数匹配联合优化方法；该方法可在工况固定的条件下最优设计机车循环运行各动力源能量流分配情况，最优地获得燃料电池混合动力***的参数匹配结果，减少***不必要冗余度，另外基于该设计方法可最大程度地优化燃料电池输出功率，减少功率波动，控制燃料电池工作在高效功率区，有效延长其寿命。
附图说明
图1为本发明的一种燃料电池混合动力有轨电车参数匹配联合优化方法流程示意图；
图2为本发明实施例中的联合优化方法的过程示意图；
图3为本发明实施例中一种燃料电池混合动力有轨电车的结构示意图。
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。提出了适用于如图3所示的有轨电车的燃料电池/超级电容/蓄电池混合动力***参数匹配联合优化方法。
在实施例中，参见图1和图2所示，本发明提出了一种燃料电池混合动力有轨电车参数匹配联合优化方法，包括步骤S100-S500。
S100，确定有轨电车运行工况；进而确定燃料电池混合动力***的参数可行域，形成由备选参数组合构成的参数匹配初步备选方案集合。
步骤S100中，根据机车基本参数及目标线路条件，设计有轨电车动力***指标，确定有轨电车运行工况。
所述的有轨电车运行工况确定过程，包括步骤：
S101，对机车基本参数进行设置，包括轴重、载重、迎风面积和戴维斯系数；并输入目标线路条件，包括站点-路程曲线、坡度-路程曲线和弯道-路程曲线；
S102，根据经验及最优制动曲线建立有轨电车运行速度曲线；
S103，基于牛顿公式及戴维斯公式对机车进行牵引计算，获得机车运行全程的牵引力-功率曲线，即得到有轨电车运行工况曲线。
本发明基于牛顿定律及空气动力学基础知识，建立了有轨电车动力学运动分析模型，并基于实测路线信息及机车动力学极限性能，设计了有轨电车日循环工况。
具体为：有轨电车运行的P-t曲线是进行能量管理的基础，能量管理策略即是将机车需求功率在各个动力源之间进行合理的分配，而机车的需求功率是通过公式P＝F·V得到的。
其中速度V是通过计算机进行人为设计的。需输入的量有站点(Location)- 路程(Distance)信息、坡度(Slope)-路程(Distance)信息、弯道(Bend)-路程 (Distance)信息，计算机自动根据前期编程实现的设计算法得到机车循环运行速度，即V-t曲线。
牵引力F的计算是通过对机车的动力学分析进行的。首先对机车进行建模，得到机车的一般受力情况，其中风阻、摩擦阻力等基本阻力f1通过戴维斯公式进行等效；加速阻力通过牛顿第二定律进行计算，即f2＝ma。则合力F＝f1+f2，即得F-t曲线。
根据公式P＝FV，即可获得有轨电车运行工况P-t曲线。
确定燃料电池混合动力***的参数可行域，形成由备选参数组合构成的参数匹配初步备选方案集合,包括步骤：
S104，取有轨电车运行工况曲线中需求功率的最大值，并取燃料电池额定功率及储能设备平均提供功率为恒定值，以蓄电池与超级电容的串并联总数为自变量，有约束方程一：
Pfc指燃料电池的额定输出功率，Psc和Pb分别指超级电容和蓄电池的平均功率；x1和x2分别指代超级电容和蓄电池的数量，为自变量；Pt指机车的需求牵引功率，η指电机效率，ηpwm指牵引逆变器效率，ηDC-DC指DC-DC变换器的效率；
S105，取机车加速和爬坡过程，取储能设备的单体容量为固定值，蓄电池与超级电容的串并联总数为自变量，有约束方程二：
Esc和EB分别指超级电容和蓄电池的所能储存的能量，以SOC＝0.6进行计算；
S106，对于动力***均由重量以及体积的最大限制，因此在约束中还需考虑辅助设备引起的重量体积增加，有约束方程三：
mFC·Sm_FC+x1·mSC·Sm_SC+x2·mB·Sm_B≤mmax
vFC·Sv_FC+x1·vSC·Sv_SC+x2·vB·Sv_B≤vmax；
其中，将因辅助设备而额外附加的质量简化为附加质量系数Sm_FC、Sm_SC以及Sm_B；用mFC、mSC和mB分别表示燃料电池、超级电容和蓄电池的单体质量；用vFC、vSC和vB分别表示燃料电池、超级电容和蓄电池的单体质量；mmax和vmax分别表示容许动力***占用的最大质量和体积上限；
S107，根据约束方程一、约束方程二和约束方程三，形成燃料电池、超级电容容量和蓄电池容量的参数可行域；
S108，在参数可行域范围内，找出满足有轨电车实际工况的备选参数组合，由备选参数组合形成参数匹配初步备选方案集合。
以燃料电池子***额定功率和储能***(超级电容和蓄电池)额定容量为自变量，根据有轨电车关键工况和动力学极限性能下的牵引需求功率及能量，建立基于电力电量平衡的自变量联合约束方程组，得到自变量的联合可行域。然后根据实际市场情况，在可行域寻找可供采用的产品型号，形成初步的参数匹配组合方案。
S200，根据上述有轨电车运行工况下的全寿命周期成本、服役时间和整车动力性为优化目标，搭建多目标优化函数。
步骤S200中，所述多目标优化函数为：
θ＝m1·C(pfc,SOCbat,SOCsc)+m2·ST(pfc,SOCbat,SOCsc)+m3·DY(pfc,SOCbat,SOCsc)
其中，m1、m2和m3是权系数；C是全寿命周期成本函数，ST是服役时间，DY 是整车动力性。
全寿命周期成本函数C包括一次投资成本Ct、运维成本Cy及剩余价值回收 Ch，基于试验经验，对三者进行加权处理，三者权系数分别为k1，k2和k3。因此，全寿命周期成本C可表示为：
C＝k1Ct+k2Cy+k3Ch
一次投资成本采用银行贷款的方式，使用等额本息的还款方式，还款周期 30年，月利率为r，则在一次投资本金一定条件下，项目还款结束后总投资为：
CT＝Ct·γ
γ＝360·r(1+r)360/[(1+r)360-1]
运维成本包括氢气消耗成本、电力成本、维修费用成本、设备更换成本及票价等盈利收入。该项将一次性的更换维修等费用平均到整个寿命周期，并采用累加的方式对总成本进行计算。计算公式为：
Cy＝Chy(pfc)+Cele(pbat,psc)+∑Crepair+∑Creplace-Cinc
剩余价值回收包括整车回收价值、燃料电池回收价值、蓄电池回收价值及超级电容回收价值。动力源的剩余价值回收仅发生于寿命最终阶段，取其实际价值为原价值的sur倍，剩余价值为其第N年实际价值的0.1倍；另外，车辆的剩余价值为其第N年的现金流的0.2倍，因此剩余价值可表示为：
Csur＝-(Ctram+Cfc+Csc+Cbat)
Ctram＝0.2·Ctram-ini/(1+12r)N
Cfc/sc/bat＝Cfc/sc/bat·sur·0.1。
建立了计及全寿命周期成本、服役时间和整车动力性的多目标优化函数，并针对提出的每一种参数匹配组合方案，进行固定日循环工况下的离线负荷功率最优分配，使燃料电池尽量工作于最高效率点，并保持储能设备SOC稳定。
S300，采用基于概率指数的自适应群体智能优化算法完成参数匹配初步备选方案中参数组合下的负荷分配，并将多目标优化函数取最小值时的负荷分配作为该参数匹配组合下的最优分配结果。
步骤S300中，采用基于概率指数的自适应群体智能优化算法完成参数匹配初步备选方案中参数组合下的负荷分配，并将多目标优化函数取最小值时的负荷分配作为该参数匹配组合下的最优分配结果：
首先建立概率指数的一般形式，然后读取当前时刻的负荷变化率；
从而将燃料电池和储能设备的功率配比划分在相应的区间内；
然后在初步划分的区间内对其具体输出的数值进行自适应群体智能优化算法的全局寻优。
在进行负荷功率分配时建立了有关负荷波动情况的概率指数；依据这一概率值，能量管理主控单元可初步决定燃料电池和储能设备的功率输出配比范围和超级电容/蓄电池的投切情况；然后采用自适应群体智能优化算法在上述区间内对各动力源的输出情况进行全局寻优。
S400，根据步骤S300所述遍历所述参数匹配初步备选方案集合中所有备选参数组合的最优分配结果，在每个最优分配结果的基础上寻找全局最优分配结果。
步骤S400中，根据步骤S300所述遍历所述参数匹配初步备选方案集合中所有备选参数组合的最优分配结果，在每个最优分配结果的基础上寻找全局最优分配结果。
具体为：
首先建立工况最后时刻N的目标函数最小值与SOC-bat，SOC-sc的二元函数关系，即
θmin＝f(Pfc)
然后分别建立前N-1个工况点的目标函数与Pfc和SOC-bat、SOC-sc的关系，
即：
θ＝m1·C(pfc,SOCbat,SOCsc)+m2·ST(pfc,SOCbat,SOCsc)+m3·DY(pfc,SOCbat,SOCsc)
通过逆向对上式的偏微分求解，得到燃料电池最优功率与SOC-bat、SOC-sc 的二元函数关系。
Pfc-opt＝g(SOCbat,SOCsc)
由此可得固定工况下的燃料电池功率输出情况。
将Pfc与负载功率Pload的差额部分分配给储能设备，即储能设备的输出功率为：
Pess＝Pload-Pfc
并基于庞特里亚金最小值原理进行储能设备输出参考功率Pess的再分配，首先将蓄电池和超级电容的电能消耗转化为机车的等效氢耗，分别以Chydrogen-bat和 Chydrogen-sc表示，并将二者的和作为优化的目标：
Chydronge-ess＝Chydronge-bat+Chydronge-sc
并基于储能设备的等效氢耗最小原则，将储能设备参考功率Pess在蓄电池和超级电容之间的再分配，因此可得固定工况下的蓄电池、超级电容功率输出情况。至此可得全过程的燃料电池、蓄电池和超级电容的功率分配情况。
S500，由全局最优分配结果，完成燃料电池混合动力有轨电车的最优参数匹配寻优计算。
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 (7)
1.一种燃料电池混合动力有轨电车参数匹配联合优化方法，其特征在于，包括步骤：
S100，确定有轨电车运行工况；进而确定燃料电池混合动力***的参数可行域，形成由备选参数组合构成的参数匹配初步备选方案集合；
S200，根据上述有轨电车运行工况下的全寿命周期成本、服役时间和整车动力性为优化目标，搭建多目标优化函数；
S300，采用基于概率指数的自适应群体智能优化算法完成参数匹配初步备选方案中参数组合下的负荷分配，并将多目标优化函数取最小值时的负荷分配作为该参数匹配组合下的最优分配结果；
S400，根据步骤S300所述遍历所述参数匹配初步备选方案集合中所有备选参数组合的最优分配结果，在每个最优分配结果的基础上寻找全局最优分配结果；
S500，由全局最优分配结果，完成燃料电池混合动力有轨电车的最优参数匹配寻优计算。
2.根据权利要求1所述的一种燃料电池混合动力有轨电车参数匹配联合优化方法，其特征在于，步骤S100中，根据机车基本参数及目标线路条件，设计有轨电车动力***指标，确定有轨电车运行工况。
3.根据权利要求2所述的一种燃料电池混合动力有轨电车参数匹配联合优化方法，其特征在于，所述的有轨电车运行工况确定过程，包括步骤：
S101，对机车基本参数进行设置，包括轴重、载重、迎风面积和戴维斯系数；并输入目标线路条件，包括站点-路程曲线、坡度-路程曲线和弯道-路程曲线；
S102，根据经验及最优制动曲线建立有轨电车运行速度曲线；
S103，基于牛顿公式及戴维斯公式对机车进行牵引计算，获得机车运行全程的牵引力-功率曲线，即得到有轨电车运行工况曲线。
4.根据权利要求3所述的一种燃料电池混合动力有轨电车参数匹配联合优化方法，其特征在于，确定燃料电池混合动力***的参数可行域，形成由备选参数组合构成的参数匹配初步备选方案集合,包括步骤：
S104，取有轨电车运行工况曲线中需求功率的最大值，并取燃料电池额定功率及储能设备平均提供功率为恒定值，以蓄电池与超级电容的串并联总数为自变量，有约束方程一：
<mrow>
<mo>(</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>F</mi>
<mi>C</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<msub>
<mi>P</mi>
<mrow>
<mi>S</mi>
<mi>C</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
<msub>
<mi>P</mi>
<mi>B</mi>
</msub>
<mo>)</mo>
<mo>&CenterDot;</mo>
<msub>
<mi>&eta;</mi>
<mrow>
<mi>D</mi>
<mi>C</mi>
<mo>-</mo>
<mi>D</mi>
<mi>C</mi>
</mrow>
</msub>
<mo>&GreaterEqual;</mo>
<mfrac>
<msub>
<mi>P</mi>
<mi>t</mi>
</msub>
<mrow>
<msub>
<mi>&eta;&eta;</mi>
<mrow>
<mi>p</mi>
<mi>w</mi>
<mi>m</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>;</mo>
</mrow>
Pfc指燃料电池的额定输出功率，Psc和Pb分别指超级电容和蓄电池的平均功率；x1和x2分别指代超级电容和蓄电池的数量，为自变量；Pt指机车的需求牵引功率，η指电机效率，ηpwm指牵引逆变器效率，ηDC-DC指DC-DC变换器的效率；
S105，取机车加速和爬坡过程，取储能设备的单体容量为固定值，蓄电池与超级电容的串并联总数为自变量，有约束方程二：
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<msub>
<mi>E</mi>
<mrow>
<mi>S</mi>
<mi>C</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
<msub>
<mi>E</mi>
<mi>B</mi>
</msub>
<mo>)</mo>
<mo>&CenterDot;</mo>
<msub>
<mi>&eta;</mi>
<mrow>
<mi>D</mi>
<mi>C</mi>
<mo>-</mo>
<mi>D</mi>
<mi>C</mi>
</mrow>
</msub>
<mo>&GreaterEqual;</mo>
<msubsup>
<mo>&Integral;</mo>
<mrow>
<mi>t</mi>
<mrow>
<mo>(</mo>
<mi>v</mi>
<mo>=</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>t</mi>
<mrow>
<mo>(</mo>
<mi>v</mi>
<mo>=</mo>
<msub>
<mi>v</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</msubsup>
<mfrac>
<mi>P</mi>
<mrow>
<msub>
<mi>&eta;&eta;</mi>
<mrow>
<mi>p</mi>
<mi>w</mi>
<mi>m</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mi>d</mi>
<mi>t</mi>
<mo>;</mo>
</mrow>
Esc和EB分别指超级电容和蓄电池的所能储存的能量，以SOC＝0.6进行计算；
S106，对于动力***均由重量以及体积的最大限制，因此在约束中还需考虑辅助设备引起的重量体积增加，有约束方程三：
mFC·Sm_FC+x1·mSC·Sm_SC+x2·mB·Sm_B≤mmax
vFC·Sv_FC+x1·vSC·Sv_SC+x2·vB·Sv_B≤vmax；
其中，将因辅助设备而额外附加的质量简化为附加质量系数Sm_FC、Sm_SC以及Sm_B；用mFC、mSC和mB分别表示燃料电池、超级电容和蓄电池的单体质量；用vFC、vSC和vB分别表示燃料电池、超级电容和蓄电池的单体质量；mmax和vmax分别表示容许动力***占用的最大质量和体积上限；
S107，根据约束方程一、约束方程二和约束方程三，形成燃料电池、超级电容容量和蓄电池容量的参数可行域；
S108，在参数可行域范围内，找出满足有轨电车实际工况的备选参数组合，由备选参数组合形成参数匹配初步备选方案集合。
5.根据权利要求4所述的一种燃料电池混合动力有轨电车参数匹配联合优化方法，其特征在于，步骤S200中，所述多目标优化函数为：
θ＝m1·C(pfc,SOCbat,SOCsc)+m2·ST(pfc,SOCbat,SOCsc)+m3·DY(pfc,SOCbat,SOCsc)
其中，m1、m2和m3是权系数；C是全寿命周期成本函数，ST是服役时间，DY是整车动力性。
6.根据权利要求5所述的一种燃料电池混合动力有轨电车参数匹配联合优化方法，其特征在于，步骤S300中，采用基于概率指数的自适应群体智能优化算法完成参数匹配初步备选方案中参数组合下的负荷分配，并将多目标优化函数取最小值时的负荷分配作为该参数匹配组合下的最优分配结果：
首先建立概率指数的一般形式，然后读取当前时刻的负荷变化率；
从而将燃料电池和储能设备的功率配比划分在相应的区间内；
然后在初步划分的区间内对其具体输出的数值进行自适应群体智能优化算法的全局寻优。
7.根据权利要求6所述的一种燃料电池混合动力有轨电车参数匹配联合优化方法，其特征在于，步骤S400中，根据步骤S300所述遍历所述参数匹配初步备选方案集合中所有备选参数组合的最优分配结果，在每个最优分配结果的基础上寻找全局最优分配结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710712872.4A CN107618519B (zh) | 2017-08-18 | 2017-08-18 | 一种燃料电池混合动力有轨电车参数匹配联合优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710712872.4A CN107618519B (zh) | 2017-08-18 | 2017-08-18 | 一种燃料电池混合动力有轨电车参数匹配联合优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107618519A true CN107618519A (zh) | 2018-01-23 |
| CN107618519B CN107618519B (zh) | 2019-06-25 |
Family
ID=61088582
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710712872.4A Active CN107618519B (zh) | 2017-08-18 | 2017-08-18 | 一种燃料电池混合动力有轨电车参数匹配联合优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107618519B (zh) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108189674A (zh) * | 2018-03-15 | 2018-06-22 | 西南交通大学 | 一种混合动力有轨电车制动能量回收方法及*** |
| CN108376190A (zh) * | 2018-02-06 | 2018-08-07 | 重庆交通大学 | 一种确定城轨列车车载超级电容器组参数的方法 |
| CN108556672A (zh) * | 2018-05-25 | 2018-09-21 | 中车青岛四方机车车辆股份有限公司 | 一种燃料电池混合动力***的控制方法及*** |
| CN110091862A (zh) * | 2019-05-15 | 2019-08-06 | 福州大学 | 协调经济性与耐久性的燃料电池混合动力能量管理方法 |
| CN110126679A (zh) * | 2019-05-15 | 2019-08-16 | 福州大学 | 一种燃料电池最佳工作点的获取方法 |
| CN110466388A (zh) * | 2019-08-23 | 2019-11-19 | 哈尔滨理工大学 | 一种复合储能电动汽车能量管理方法 |
| CN110549868A (zh) * | 2019-09-05 | 2019-12-10 | 西南交通大学 | 基于动力***实时功率的混合动力有轨电车速度调整方法 |
| CN110549914A (zh) * | 2019-09-05 | 2019-12-10 | 西南交通大学 | 一种燃料电池有轨电车日运行近似最优能量管理方法 |
| CN110896246A (zh) * | 2019-12-05 | 2020-03-20 | 西南交通大学 | 一种混合储能式有轨电车***的配置优化方法 |
| CN111251945A (zh) * | 2018-12-03 | 2020-06-09 | 吉林大学 | 一种燃料电池汽车混合动力的能量分配控制*** |
| CN111674269A (zh) * | 2020-05-21 | 2020-09-18 | 杭州电子科技大学 | 一种电动汽车复合电源***参数匹配方法 |
| CN112434377A (zh) * | 2020-12-04 | 2021-03-02 | 中车大连机车车辆有限公司 | 一种机车动力电池组参数设计及评价方法 |
| CN112659927A (zh) * | 2020-10-14 | 2021-04-16 | 中国汽车技术研究中心有限公司 | 车用燃料电池堆性能特征的确定方法、装置、设备和介质 |
| CN112918330A (zh) * | 2021-03-18 | 2021-06-08 | 北京交通大学 | 一种燃料电池车最优工作状态控制策略的计算方法 |
| CN113246808A (zh) * | 2021-05-12 | 2021-08-13 | 西华大学 | 一种氢燃料电池商用车双动力源***参数配置优化方法 |
| CN115207421A (zh) * | 2022-09-19 | 2022-10-18 | 质子汽车科技有限公司 | 电池***供能方法、装置、电子设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101356089A (zh) * | 2006-05-19 | 2009-01-28 | 通用电气公司 | 鉴于有轨车厢参数优化火车运行的***、方法和计算机软件代码 |
| CN104071033A (zh) * | 2013-12-07 | 2014-10-01 | 西南交通大学 | 燃料电池超级电容混合动力机车参数匹配优化方法 |
| CN105083338A (zh) * | 2015-08-25 | 2015-11-25 | 北京交通大学 | 最大化利用再生能量的列车运行控制方法 |
| US9506405B2 (en) * | 1998-04-03 | 2016-11-29 | Rockwell Collins Control Technologies, Inc. | Apparatus and method for controlling power generation system |
-
2017
- 2017-08-18 CN CN201710712872.4A patent/CN107618519B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9506405B2 (en) * | 1998-04-03 | 2016-11-29 | Rockwell Collins Control Technologies, Inc. | Apparatus and method for controlling power generation system |
| CN101356089A (zh) * | 2006-05-19 | 2009-01-28 | 通用电气公司 | 鉴于有轨车厢参数优化火车运行的***、方法和计算机软件代码 |
| CN104071033A (zh) * | 2013-12-07 | 2014-10-01 | 西南交通大学 | 燃料电池超级电容混合动力机车参数匹配优化方法 |
| CN105083338A (zh) * | 2015-08-25 | 2015-11-25 | 北京交通大学 | 最大化利用再生能量的列车运行控制方法 |
Cited By (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108376190A (zh) * | 2018-02-06 | 2018-08-07 | 重庆交通大学 | 一种确定城轨列车车载超级电容器组参数的方法 |
| CN108376190B (zh) * | 2018-02-06 | 2020-02-04 | 重庆交通大学 | 一种确定城轨列车车载超级电容器组参数的方法 |
| CN108189674A (zh) * | 2018-03-15 | 2018-06-22 | 西南交通大学 | 一种混合动力有轨电车制动能量回收方法及*** |
| CN108189674B (zh) * | 2018-03-15 | 2023-06-09 | 西南交通大学 | 一种混合动力有轨电车制动能量回收方法及*** |
| CN108556672A (zh) * | 2018-05-25 | 2018-09-21 | 中车青岛四方机车车辆股份有限公司 | 一种燃料电池混合动力***的控制方法及*** |
| CN111251945A (zh) * | 2018-12-03 | 2020-06-09 | 吉林大学 | 一种燃料电池汽车混合动力的能量分配控制*** |
| CN110091862A (zh) * | 2019-05-15 | 2019-08-06 | 福州大学 | 协调经济性与耐久性的燃料电池混合动力能量管理方法 |
| CN110126679A (zh) * | 2019-05-15 | 2019-08-16 | 福州大学 | 一种燃料电池最佳工作点的获取方法 |
| CN110126679B (zh) * | 2019-05-15 | 2022-03-08 | 福州大学 | 一种燃料电池最佳工作点的获取方法 |
| CN110091862B (zh) * | 2019-05-15 | 2020-09-01 | 福州大学 | 协调经济性与耐久性的燃料电池混合动力能量管理方法 |
| CN110466388B (zh) * | 2019-08-23 | 2020-11-03 | 哈尔滨理工大学 | 一种复合储能电动汽车能量管理方法 |
| CN110466388A (zh) * | 2019-08-23 | 2019-11-19 | 哈尔滨理工大学 | 一种复合储能电动汽车能量管理方法 |
| CN110549868A (zh) * | 2019-09-05 | 2019-12-10 | 西南交通大学 | 基于动力***实时功率的混合动力有轨电车速度调整方法 |
| CN110549914A (zh) * | 2019-09-05 | 2019-12-10 | 西南交通大学 | 一种燃料电池有轨电车日运行近似最优能量管理方法 |
| CN110549868B (zh) * | 2019-09-05 | 2022-10-18 | 西南交通大学 | 基于动力***实时功率的混合动力有轨电车速度调整方法 |
| CN110549914B (zh) * | 2019-09-05 | 2022-10-28 | 西南交通大学 | 一种燃料电池有轨电车日运行近似最优能量管理方法 |
| CN110896246A (zh) * | 2019-12-05 | 2020-03-20 | 西南交通大学 | 一种混合储能式有轨电车***的配置优化方法 |
| CN110896246B (zh) * | 2019-12-05 | 2022-04-26 | 西南交通大学 | 一种混合储能式有轨电车***的配置优化方法 |
| CN111674269A (zh) * | 2020-05-21 | 2020-09-18 | 杭州电子科技大学 | 一种电动汽车复合电源***参数匹配方法 |
| CN112659927B (zh) * | 2020-10-14 | 2022-10-25 | 中国汽车技术研究中心有限公司 | 车用燃料电池堆性能特征的确定方法、装置、设备和介质 |
| CN112659927A (zh) * | 2020-10-14 | 2021-04-16 | 中国汽车技术研究中心有限公司 | 车用燃料电池堆性能特征的确定方法、装置、设备和介质 |
| CN112434377A (zh) * | 2020-12-04 | 2021-03-02 | 中车大连机车车辆有限公司 | 一种机车动力电池组参数设计及评价方法 |
| CN112434377B (zh) * | 2020-12-04 | 2023-09-15 | 中车大连机车车辆有限公司 | 一种机车动力电池组参数设计及评价方法 |
| CN112918330A (zh) * | 2021-03-18 | 2021-06-08 | 北京交通大学 | 一种燃料电池车最优工作状态控制策略的计算方法 |
| CN113246808B (zh) * | 2021-05-12 | 2022-07-12 | 西华大学 | 一种氢燃料电池商用车双动力源***参数配置优化方法 |
| CN113246808A (zh) * | 2021-05-12 | 2021-08-13 | 西华大学 | 一种氢燃料电池商用车双动力源***参数配置优化方法 |
| CN115207421A (zh) * | 2022-09-19 | 2022-10-18 | 质子汽车科技有限公司 | 电池***供能方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107618519B (zh) | 2019-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107618519B (zh) | 一种燃料电池混合动力有轨电车参数匹配联合优化方法 | |
| Jinquan et al. | A novel MPC-based adaptive energy management strategy in plug-in hybrid electric vehicles | |
| Song et al. | Multi-mode energy management strategy for fuel cell electric vehicles based on driving pattern identification using learning vector quantization neural network algorithm | |
| Sarma et al. | Determination of the component sizing for the PEM fuel cell-battery hybrid energy system for locomotive application using particle swarm optimization | |
| Zhang et al. | Modeling, optimization and control of a FC/battery hybrid locomotive based on ADVISOR | |
| Li et al. | Energy management strategy for fuel cell/battery/ultracapacitor hybrid vehicle based on fuzzy logic | |
| CN107813718A (zh) | 一种车载燃料电池混合动力***设计方法和装置 | |
| Wang et al. | Genetic algorithm-based fuzzy optimization of energy management strategy for fuel cell vehicles considering driving cycles recognition | |
| Taherzadeh et al. | A comprehensive study of the parameters impacting the fuel economy of plug-in hybrid electric vehicles | |
| CN112347615A (zh) | 一种计及光储快充一体站的配电网混合优化调度方法 | |
| CN113085860B (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 | |
| Essoufi et al. | Fuzzy logic based energy management strategy for fuel cell hybrid electric vehicle | |
| CN107832891A (zh) | 一种城市快速路口的充电站规划方法 | |
| Qi et al. | The development and numerical verification of a compromised real time optimal control algorithm for hybrid electric vehicle | |
| Huang et al. | A novel data-driven energy management strategy for fuel cell hybrid electric bus based on improved twin delayed deep deterministic policy gradient algorithm | |
| Hai et al. | Deep learning-based prediction of lithium-ion batteries state of charge for electric vehicles in standard driving cycle | |
| Zhang et al. | Half-Power Prediction and Its Application on the Energy Management Strategy for Fuel Cell City Bus | |
| Adhisuwignjo et al. | Development of a solar-powered electric bicycle in bike sharing transportation system | |
| Din et al. | Operation and energy evaluation of diesel and hybrid trains with smart switching controls | |
| Grossard et al. | An optimal energy-based approach for driving guidance of full electric vehicles | |
| CN115366929A (zh) | 有轨电车用氢燃料电池混合动力***参数配置优化方法 | |
| Boyacıoğlu et al. | Modeling and Control of a PEM Fuel Cell Hybrid Energy System Used in a Vehicle with Fuzzy Logic Method | |
| Liu et al. | Adaptive energy management for plug-in hybrid electric vehicles considering real-time traffic information | |
| Yang et al. | Hierarchical energy management of a hybrid propulsion system considering speed profile optimization | |
| Jiang et al. | Online optimal energy distribution of composite power vehicles based on BP neural network velocity prediction |
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 |