CN111274713A - 动车组多堆燃料电池***剩余使用寿命一致性控制方法 - Google Patents
动车组多堆燃料电池***剩余使用寿命一致性控制方法 Download PDFInfo
- Publication number
- CN111274713A CN111274713A CN202010155964.9A CN202010155964A CN111274713A CN 111274713 A CN111274713 A CN 111274713A CN 202010155964 A CN202010155964 A CN 202010155964A CN 111274713 A CN111274713 A CN 111274713A
- Authority
- CN
- China
- Prior art keywords
- fuel cell
- power
- consistency
- matrix
- power generation
- 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
- B60L58/30—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
- B60L2200/00—Type of vehicles
- B60L2200/26—Rail vehicles
-
- 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
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/16—Information or communication technologies improving the operation of electric vehicles
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
本发明公开动车组多堆燃料电池***剩余使用寿命一致性控制方法,对动车组动力***参数配置和选型;分析并量化每种工况引起的寿命衰减率,获得多堆燃料电池的实时剩余寿命,并定义燃料电池***微衰减比;将每个燃料电池***视为智能体,建立多堆燃料电池发电***模型,并采用特征值扰动法分析一致性控制理论的反馈系数与通信网络矩阵对收敛速度的影响,获得具有最快收敛速度的参数组合;结合功率平衡及各并联燃料电池***发电的约束条件,利用基于多智能体的一致性控制算法,通过局部供需功率不匹配值和微衰减比的差值,相互迭代更新,实现不同初始老化状态的燃料电池的剩余寿命逐渐达到一致,以及某套设备停机的故障修复及修复后“即插即用”。
Description
技术领域
本发明属于车载燃料电池技术领域,特别是涉及动车组多堆燃料电池***剩余使用寿命一致性控制方法。
背景技术
在燃料电池列车领域内,国内外已先后研制成功了机车和城市有轨电车车型等。目前研究重点则主要集中于具有更高速度等级、更高载重水平和更高技术难度的中低速城际动车组。动车组列车牵引功率较高,甚至可达MW级别,而目前还未有燃料电池电堆可达该功率级别。因此在燃料电池动车组中,常常采用多个燃料电池并联组成多堆燃料电池发电***,并辅以蓄电池等储能设备组成混合动力***作为动车组的牵引动力。
燃料电池的耐久性和剩余使用寿命是其一项关键指标,目前未有研究实现对各个电堆剩余使用寿命一致性的控制目标,也未能实现***的“即插即用”特性。虽然基于优化控制的方法能够一定程度上改善多堆***的一致性,但需要***集成一个中央控制器来进行复杂的运算,当电气故障或通讯故障发生时,则难以保证***的安全稳定运行。
发明内容
为了解决上述问题,本发明提出了动车组多堆燃料电池***剩余使用寿命一致性控制方法,解决了多堆燃料电池的子堆老化程度不同导致的终止寿命差异性问题,实现各个电堆的剩余使用寿命一致,延长多堆燃料电池***整体服役寿命,并对算法关键参数进行了离线最优化设计,使一致性算法在线收敛速度可以达到全局最优。针对多堆燃料电池发电***运行中可能出现的某套设备停机进行故障修复及修复完成而切出/切入母线的问题,通过分布式控制实现了多堆燃料电池发电***“即插即用”功能,使故障态下的***仍可满足供需平衡关系,保证了列车组在电气故障态下的安全运行,提高了***可靠性。
为达到上述目的,本发明采用的技术方案是:动车组多堆燃料电池***剩余使用寿命一致性控制方法,包括步骤:
S10,基于目标动车组的技术参数,根据动车组加速、最高速、怠速以及制动等工况下的功率及电量需求,在满足列车轴重限制以及空间限制的情况下,对动车组动力***参数配置和选型;
S20,分析引起车载燃料电池***寿命衰减的主要四种运行工况,并量化每种工况引起的寿命衰减率,从而获得多堆燃料电池的实时剩余寿命,并定义燃料电池***微衰减比;
S30,基于图论的通信网络拓扑结构,将每个燃料电池***作为智能体,建立多堆燃料电池发电***模型,并采用特征值扰动法分析一致性控制算法的反馈系数与通信网络矩阵对收敛速度的影响,获得具有最快收敛速度的参数组合,使一致性算法在线收敛速度可以达到全局最优;
S40,结合功率平衡及各并联燃料电池***发电的约束条件,基于多个智能体的一致性控制算法,通过局部供需功率不匹配值和所定义的燃料电池***微衰减比的差值,相互迭代更新,获得不同初始老化状态的燃料电池的剩余寿命逐渐达到一致。
进一步的是,动车组采用四动四拖结构,每一组动拖结构组成一个动力单元,每个动力单元的直流侧均为一套单独的混合动力***,并且经由一个牵引逆变器驱动四个交流异步牵引电机;所述混合动力***包括多堆燃料电池发电***和蓄电池储能***,其中每一台燃料电池***均是通过一个单向DC/DC变换器连接至直流母线,蓄电池储能***直接与直流母线相连;运行过程当中,由能量管理控制器将负载功率在多堆燃料电池发电***和蓄电池储能***之间进行分配。
进一步的是,在对动车组动力***参数配置和选型过程中,
将燃料电池发电***作为主要动力源,提供列车最高时速运行下的负载功率需求,计算公式为:
上式中,Pv=160为1M+1T列车单元以最高时速vmax匀速运行时的负载功率;γ为列车的惯性系数;a为列车的加速度;ηM和ηI分别为电机和传动***的效率和逆变器效率;M为列车的整备质量与载重量之和;ω0为列车基本阻力,基本阻力系数a,b和c分别取值为0.0163,0.0098和5.4;
蓄电池为辅助动力源,在启动、加速等负载功率急剧变化时辅助提供功率,容量能够满足在制动时100%回收电制动能量,并能够维持1800V直流母线相对稳定。
进一步的是,分析引起车载燃料电池***寿命衰减的因素,车载燃料电池在在运行过程中受到包括启停机、变载、低功率运行和高功率运行四种工况的影响,并量化每种工况引起的寿命衰减率;
燃料电池运行在高功率或低功率区时所引起的衰减率Dhigh和Dlow按照线性函数的方式进行估计,具体为:
式中,Dhigh和Dlow分别代表燃料电池运行在高功率或低功率区时所引起的衰减率;Pfc代表燃料电池电堆输出功率,Phighlimit和Plowlimit分别代表界定燃料电池高功率区间的下限和燃料电池低功率区间的上限;a,b为与经燃料电池大功率或低功率长期老化实验测得的常数系数;
变载工况所引起的衰减率与燃料电池功率变化率成正比,即:
式中,Dloadchange代表由燃料电池变载引起的衰减率;k为与经燃料电池循环变载老化实验测得的常数系数;
燃料电池启停机所引起的衰减进行估算:
式中,Don/off代表由燃料电池启停机引起的衰减率;nmax为与经燃料电池循环启停机老化实验测得的常数系数,指每台燃料电池从启用至寿命终结时的总计启停机次数。
进一步的是,由于不同工况的参数设定互相独立,将由于每种工况而导致的衰减的累加值相加,以获得燃料电池的在某段工况中的总体性能退化,计算公式为:
D=Dhigh_power·t1+Dlow_power·t2+Dloadchange·n1+Don/off·n2;
式中,D代表燃料电池的在某段工况中的总体性能退化;t1、t2、n1、n2分别代表燃料电池在此运行区间内的高功率区间运行时长、低功率区间运行时长、变载次数和启停机次数;当总体性能退化达到设定值时,认定燃料电池的寿命终结。
进一步的是,实现不同老化状态的燃料电池的剩余使用寿命一致的目标,则各燃料电池自当前时刻起至寿命终止时,总体性能退化量Dd的总和应与剩余可退化总量成正比,即
式中,Dend,k表示第k个燃料电池寿命终止时所对应的衰减度,一般均取10%;Dinitial,k表示第k个燃料电池初始时刻的衰减度;Dk,d表示第k个燃料电池在d个工况内的总体性能退化;
将问题分解成m个短时的控制目标,具体是指各燃料电池在任一段稳定工况d下的总体性能退化均服从上式,即
定义微衰减比为在一段稳定工况内,燃料电池衰减量与其剩余衰减总量的比值,即可由下式计算:
式中,Qk,d为第k个燃料电池发电***在第d个运行区间内的微衰减比。
实现不同老化状态的燃料电池剩余使用寿命一致,即实现其在每段稳定工况内相应的微衰减比一致,且微衰减比与燃料电池***输出功率的函数关系为:
Qk,d=vk(Pfc,d)k=1,2,3……n。
进一步的是,将动车组多堆燃料电池发电***视为一个由4个独立的燃料电池发电***组成的多智能体***,每一个燃料电池发电***均被视为一个智能体;每一个燃料电池发电***包括一台燃料电池***、一台DC/DC变换器和一个分布式控制器;
各燃料电池发电***之间通过固定的通信网络进行信息传递,它们之间的通信关系用强连通图G={V,E}来表示,其中,节点集合V={1,2…,n},表示各独立的燃料电池发电***;边集E={(i,j):i,j∈V,i≠j}表示各个燃料电池发电***之间的信息交流,各智能体燃料电池发电***之间的通信连接及相应权重用邻接矩阵A=[aij]∈RN×N来表示,且如果(i,j)∈E,则aij>0,否则aij=0。
进一步的是,采用一致性控制算法的目标在于在约束条件下,实现负载需求功率平衡和各并联燃料电池发电***的剩余使用寿命一致,即:
式中,Pload,d表示当前工况d下的负载功率需求值;
迭代更新矩阵如下式所示:
式中,Q=[Q1,Q2,…,Qn]T为燃料电池的微衰减比矩阵;ε为反馈系数;P=[P1,P2,…,Pn]T为的输出功率矩阵;函数v-1(x)为燃料电池微衰减率与输出功率的映射关系的反函数;B=[B1,B2,…,Bn]T和α为两个与多项式函数相关的系数矩阵;F=[f1,f2,…,fn]T为各节点实际输出功率与负荷需求功率差额的预测值矩阵;W矩阵和H矩阵为***的通信网络矩阵,并且分别为行随机矩阵和列随机矩阵;
迭代更新矩阵进一步为:
当W矩阵为双对称矩阵时,上式可视为一个Markov过程,并且根据Perron-Frobenius引理及相关的矩阵分析定理,R矩阵应满足以下两个条件使迭代更新矩阵收敛:
a.ρ(R)=1,|λi|<1,i=2,3,4……n;
视上式为矩阵M在迭代过程中受到采用εΔ矩阵的扰动:
进一步的是,用特征值扰动法分析一致性控制理论的反馈系数ε与通信网络矩阵W对收敛速度的影响;反馈系数ε的取值影响了算法的收敛与否;反馈系数ε存在一个临界值,在该值以下***稳定,反之则***发散;***稳定时,对于同一个矩阵W,算法的收敛速度取决于***矩阵R的按模第二大的特征值λ2,且λ2越小收敛速度越快;
采用下式的迭代速度最优化方法对W矩阵的参数和反馈系数ε进行设置:
式中,ξ为智能体i的信息自交互权重;di为与智能体i进行信息交互的智能体数量;因此,自交互权重ξ和反馈系数ε决定了***矩阵R的特征值,即该一致性算法的收敛特性及收敛速度由自交互权重ξ和反馈系数ε共同决定;
在离线条件下,采用遍历法得到了λ2与自交互权重ξ和反馈系数ε的二元关系,获得具有最快收敛速度的参数组合,使一致性算法在线收敛速度达到全局最优。
进一步的是,结合功率平衡及各并联燃料电池***发电的约束条件,如下式所示:
功率平衡约束:
Pfc1,d+Pfc2,d+……+Pfc,d=Pload,d;
燃料电池输出功率约束:
0≤Pfc,k≤(1-Dinitial,k)·Pfcmax;
基于多智能体的一致性控制算法,给定Q、P、F三个矩阵的初值后,通过局部供需功率不匹配值和微衰减比的差值,相互迭代更新,实现不同初始老化状态的燃料电池的剩余寿命逐渐达到一致,以及某套设备停机进行故障修复及修复完成后的即插即用;算法输出的P矩阵将作为参考功率值传输至底层控制,即燃料电池发电***子***的DCDC变换器的控制电路,控制燃料电池按照参考信号进行输出。
采用本技术方案的有益效果:
本发明所提出的方法首先基于目标动车组的技术参数,考虑动车组加速、最高速、怠速以及制动等工况下的功率及电量需求,在满足列车轴重限制以及空间限制的情况下,完成对动车组动力***参数配置和选型;其次,分析了引起车载燃料电池***寿命衰减的主要四种运行工况,并量化每种工况引起的寿命衰减率,从而获得多堆燃料电池的实时剩余寿命,并定义燃料电池***微衰减比;然后,采用基于图论的通信网络拓扑结构,将每个燃料电池***视为智能体,建立多堆燃料电池发电***模型,并采用特征值扰动法分析一致性控制理论的反馈系数与通信网络矩阵对收敛速度的影响,获得具有最快收敛速度的参数组合,使一致性算法在线收敛速度可以达到全局最优;最终,结合功率平衡及各并联燃料电池***发电的约束条件,利用基于多智能体的一致性控制理论,通过局部供需功率不匹配值和微衰减比的差值,相互迭代更新,实现了不同初始老化状态的燃料电池的剩余寿命逐渐达到一致,以及某套设备停机进行故障修复及修复完成后的“即插即用”。本方法解决了多堆燃料电池的子堆老化程度不同导致的终止寿命差异性问题,实现各个电堆的剩余使用寿命一致,延长多堆燃料电池***整体服役寿命,通过分布式控制实现了电堆的“即插即用”,保证了燃料电池动车组列车在电气故障态下的安全运行。
附图说明
图1为本发明的动车组多堆燃料电池***剩余使用寿命一致性控制方法流程示意图;
图2为本发明实施例中的燃料电池/蓄电池混合动力***的动力分散式动车组列车示意图;
图3为本发明实施例中的多堆燃料电池发电***功率拓扑与通信连接拓扑图;
图4为本发明实施例中本方法的多堆燃料电池发电***使用寿命与传统方法的对比。
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所示,本发明提出了动车组多堆燃料电池***剩余使用寿命一致性控制方法,包括步骤:
S10,基于目标动车组的技术参数,根据动车组加速、最高速、怠速以及制动等工况下的功率及电量需求,在满足列车轴重限制以及空间限制的情况下,对动车组动力***参数配置和选型;
S20,分析引起车载燃料电池***寿命衰减的主要四种运行工况,并量化每种工况引起的寿命衰减率,从而获得多堆燃料电池的实时剩余寿命,并定义燃料电池***微衰减比;
S30,基于图论的通信网络拓扑结构,将每个燃料电池***作为智能体,建立多堆燃料电池发电***模型,并采用特征值扰动法分析一致性控制算法的反馈系数与通信网络矩阵对收敛速度的影响,获得具有最快收敛速度的参数组合,使一致性算法在线收敛速度可以达到全局最优;
S40,结合功率平衡及各并联燃料电池***发电的约束条件,基于多个智能体的一致性控制算法,通过局部供需功率不匹配值和所定义的燃料电池***微衰减比的差值,相互迭代更新,获得不同初始老化状态的燃料电池的剩余寿命逐渐达到一致。
在具体实施过程中,以动车组采用四动四拖结构为优先结构组合为例,如图2和图3所示,每一组动拖结构组成一个动力单元,每个动力单元的直流侧均为一套单独的混合动力***,并且经由一个牵引逆变器驱动四个交流异步牵引电机;所述混合动力***包括多堆燃料电池发电***和蓄电池储能***,其中每一台燃料电池***均是通过一个单向DC/DC变换器连接至直流母线,蓄电池储能***直接与直流母线相连;运行过程当中,由能量管理控制器将负载功率在多堆燃料电池发电***和蓄电池储能***之间进行分配。
作为上述实施例的优化实施例,在对动车组动力***参数配置和选型过程中,为了保证动车组加速快、电制动功率大的特点,将燃料电池发电***作为主要动力源,提供列车最高时速运行下的负载功率需求,计算公式(1)为:
上式中,Pv=160为1M+1T列车单元以最高时速vmax匀速运行时的负载功率;γ为列车的惯性系数;a为列车的加速度;ηM和ηI分别为电机和传动***的效率和逆变器效率;M为列车的整备质量与载重量之和;ω0为列车基本阻力,基本阻力系数a,b和c分别取值为0.0163,0.0098和5.4;
蓄电池为辅助动力源,在启动、加速等负载功率急剧变化时辅助提供功率,容量能够满足在制动时100%回收电制动能量,并能够维持1800V直流母线相对稳定。
作为上述实施例的优化实施例,为例实现分析引起车载燃料电池***寿命衰减的因素,设置车载燃料电池在运行过程中受到包括启停机、变载、低功率运行和高功率运行四种工况的影响,并量化每种工况引起的寿命衰减率;
燃料电池运行在高功率或低功率区时所引起的衰减率Dhigh和Dlow按照线性函数的方式进行估计,具体为公式(2):
式中,Dhigh和Dlow分别代表燃料电池运行在高功率或低功率区时所引起的衰减率;Pfc代表燃料电池电堆输出功率,Phighlimit和Plowlimit分别代表界定燃料电池高功率区间的下限和燃料电池低功率区间的上限;a,b为与经燃料电池大功率或低功率长期老化实验测得的常数系数;
变载工况所引起的衰减率与燃料电池功率变化率成正比,根据公式(3)进行估算:
式中,Dloadchange代表由燃料电池变载引起的衰减率;k为与经燃料电池循环变载老化实验测得的常数系数;
燃料电池启停机所引起的衰减根据公式(4)进行估算:
式中,Don/off代表由燃料电池启停机引起的衰减率;nmax为与经燃料电池循环启停机老化实验测得的常数系数,指每台燃料电池从启用至寿命终结时的总计启停机次数。
由于不同工况的参数设定互相独立,将由于每种工况而导致的衰减的累加值相加,以获得燃料电池的在某段工况中的总体性能退化,计算公式(5)为:
D=Dhigh_power·t1+Dlow_power·t2+Dloadchange·n1+Don/off·n2 (5);
式中,D代表燃料电池的在某段工况中的总体性能退化;t1、t2、n1、n2分别代表燃料电池在此运行区间内的高功率区间运行时长、低功率区间运行时长、变载次数和启停机次数;当总体性能退化达到设定值时,认定燃料电池的寿命终结。
为了实现不同老化状态的燃料电池的剩余使用寿命一致的目标,则各燃料电池自当前时刻起至寿命终止时,总体性能退化量Dd的总和应与剩余可退化总量成正比,利用公式(6)计算,即
式中,Dend,k表示第k个燃料电池寿命终止时所对应的衰减度,一般均取10%;Dinitial,k表示第k个燃料电池初始时刻的衰减度;Dk,d表示第k个燃料电池在d个工况内的总体性能退化;
将问题分解成m个短时的控制目标,具体是指各燃料电池在任一段稳定工况d下的总体性能退化均服从上式,利用公式(7)计算,即
定义微衰减比为在一段稳定工况内,燃料电池衰减量与其剩余衰减总量的比值,即由下式(8)计算:
式中,Qk,d为第k个燃料电池发电***在第d个运行区间内的微衰减比。
实现不同老化状态的燃料电池剩余使用寿命一致,即实现其在每段稳定工况内相应的微衰减比一致,且微衰减比与燃料电池***输出功率的函数关系,由公式(2)-(5)推知,为公式(9):
Qk,d=vk(Pfc,d) k=1,2,3……n (9)。
在具体实施过程中,如图2和图3所示,以动车组多堆燃料电池发电***视为一个由4个独立的燃料电池发电***组成的多智能体***为例,每一个燃料电池发电***均被视为一个智能体;每一个燃料电池发电***包括一台燃料电池***、一台DC/DC变换器和一个分布式控制器;
各燃料电池发电***之间通过固定的通信网络进行信息传递,它们之间的通信关系用强连通图G={V,E}来表示,其中,节点集合V={1,2…,n},表示各独立的燃料电池发电***;边集E={(i,j):i,j∈V,i≠j}表示各个燃料电池发电***之间的信息交流,各智能体燃料电池发电***之间的通信连接及相应权重用邻接矩阵A=[aij]∈RN×N来表示,且如果(i,j)∈E,则aij>0,否则aij=0。
作为上述实施例的优化实施例,采用一致性控制算法的目标在于在约束条件下,实现负载需求功率平衡和各并联燃料电池发电***的剩余使用寿命一致,根据公式(10)计算,即:
式中,Pload,d表示当前工况d下的负载功率需求值;
迭代更新矩阵如下式(11)所示:
式中,Q=[Q1,Q2,…,Qn]T为燃料电池的微衰减比矩阵;ε为反馈系数;P=[P1,P2,…,Pn]T为的输出功率矩阵;函数v-1(x)为燃料电池微衰减率与输出功率的映射关系的反函数;B=[B1,B2,…,Bn]T和α为两个与多项式函数相关的系数矩阵;F=[f1,f2,…,fn]T为各节点实际输出功率与负荷需求功率差额的预测值矩阵;W矩阵和H矩阵为***的通信网络矩阵,并且分别为行随机矩阵和列随机矩阵;
公式(11),迭代更新矩阵进一步为:
当W矩阵为双对称矩阵时,上式可视为一个Markov过程,并且根据Perron-Frobenius引理及相关的矩阵分析定理,R矩阵应满足以下两个条件使迭代更新矩阵式(12)收敛:
b.ρ(R)=1,|λi|<1,i=2,3,4……n;
视上式(12)为矩阵M在迭代过程中受到采用εΔ矩阵的扰动:
用特征值扰动法分析一致性控制理论的反馈系数ε与通信网络矩阵W对收敛速度的影响;反馈系数ε的取值影响了算法的收敛与否;反馈系数ε存在一个临界值,在该值以下***稳定,反之则***发散;***稳定时,对于同一个矩阵W,算法的收敛速度取决于***矩阵R的按模第二大的特征值λ2,且λ2越小收敛速度越快;
采用下式(14)的迭代速度最优化方法对W矩阵的参数和反馈系数ε进行设置:
式中,ξ为智能体i的信息自交互权重;di为与智能体i进行信息交互的智能体数量;因此,自交互权重ξ和反馈系数ε决定了***矩阵R的特征值,即该一致性算法的收敛特性及收敛速度由自交互权重ξ和反馈系数ε共同决定;
在离线条件下,采用遍历法得到了λ2与自交互权重ξ和反馈系数ε的二元关系,获得具有最快收敛速度的参数组合,使一致性算法在线收敛速度达到全局最优。
作为上述实施例的优化实施例,结合功率平衡及各并联燃料电池***发电的约束条件,如下式(15)和(16)所示:
功率平衡约束:
Pfc1,d+Pfc2,d+……+Pfc,d=Pload,d (15);
燃料电池输出功率约束:
0≤Pfc,k≤(1-Dinitial,k)·Pfcmax (16);
基于多智能体的一致性控制算法,给定Q、P、F三个矩阵的初值后,通过局部供需功率不匹配值和微衰减比的差值,相互迭代更新,实现不同初始老化状态的燃料电池的剩余寿命逐渐达到一致,以及某套设备停机进行故障修复及修复完成后的即插即用;算法输出的P矩阵将作为参考功率值传输至底层控制,即燃料电池发电***子***的DCDC变换器的控制电路,控制燃料电池按照参考信号进行输出。
通过上述实施例,根据试验结果进行对比分析:
假设四台燃料电池发电***(FCS)并联组成燃料电池多堆发电***,并按照图3所示的网络拓扑进行通信。本例中假设四台燃料电池***的衰减程度此时分别已达到0%,2%,4%和5%,并认为其达到10%时即寿命终结。
当多堆燃料电池发电***(MFCS)循环工作在某循环工况(工况持续时间为240s)下时,基于传统均分式控制和基于一致性控制的各个FCS随循环次数的性能退化曲线如图4所示。可以看出,一致性控制下的各FCS衰减率服从1:0.8:0.6:0.5的比例关系。通过一致性控制,各FCS在经历了72008次工况循环后同时达到了寿命终止的状态。即自施加一致性控制的时刻算起,各FCS的剩余使用寿命(RUL)均为4800.53h,达到了本发明的控制目的。而传统的均分式控制方法下的各FCS性能退化斜率相等,在第52750次循环结束时,#4FCS业已达到寿命终止状态;即使此时其他各FCS均还有较长使用寿命,但是由于#4FCS已经报废,此时MFCS***需要进行设备更替甚至整体报废;这并非实际应用中希望出现的结果。
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.动车组多堆燃料电池***剩余使用寿命一致性控制方法,其特征在于,包括步骤:
S10,基于目标动车组的技术参数,根据动车组加速、最高速、怠速以及制动等工况下的功率及电量需求,在满足列车轴重限制以及空间限制的情况下,对动车组动力***参数配置和选型;
S20,分析引起车载燃料电池***寿命衰减的主要四种运行工况,并量化每种工况引起的寿命衰减率,从而获得多堆燃料电池的实时剩余寿命,并定义燃料电池***微衰减比;
S30,基于图论的通信网络拓扑结构,将每个燃料电池***作为智能体,建立多堆燃料电池发电***模型,并采用特征值扰动法分析一致性控制算法的反馈系数与通信网络矩阵对收敛速度的影响,获得具有最快收敛速度的参数组合,使一致性算法在线收敛速度可以达到全局最优;
S40,结合功率平衡及各并联燃料电池***发电的约束条件,基于多个智能体的一致性控制算法,通过局部供需功率不匹配值和所定义的燃料电池***微衰减比的差值,相互迭代更新,获得不同初始老化状态的燃料电池的剩余寿命逐渐达到一致。
2.根据权利要求1所述的动车组多堆燃料电池***剩余使用寿命一致性控制方法,其特征在于,动车组采用四动四拖结构,每一组动拖结构组成一个动力单元,每个动力单元的直流侧均为一套单独的混合动力***,并且经由一个牵引逆变器驱动四个交流异步牵引电机;所述混合动力***包括多堆燃料电池发电***和蓄电池储能***,其中每一台燃料电池***均是通过一个单向DC/DC变换器连接至直流母线,蓄电池储能***直接与直流母线相连;运行过程当中,由能量管理控制器将负载功率在多堆燃料电池发电***和蓄电池储能***之间进行分配。
3.根据权利要求1所述的动车组多堆燃料电池***剩余使用寿命一致性控制方法,其特征在于,在对动车组动力***参数配置和选型过程中,
将燃料电池发电***作为主要动力源,提供列车最高时速运行下的负载功率需求,计算公式为:
上式中,Pv=160为1M+1T列车单元以最高时速vmax匀速运行时的负载功率;γ为列车的惯性系数;a为列车的加速度;ηM和ηI分别为电机和传动***的效率和逆变器效率;M为列车的整备质量与载重量之和;ω0为列车基本阻力,基本阻力系数a,b和c分别取值为0.0163,0.0098和5.4;
蓄电池为辅助动力源,在启动、加速等负载功率急剧变化时辅助提供功率,容量能够满足在制动时100%回收电制动能量,并能够维持1800V直流母线相对稳定。
4.根据权利要求1所述的动车组多堆燃料电池***剩余使用寿命一致性控制方法,其特征在于,分析引起车载燃料电池***寿命衰减的因素,车载燃料电池在在运行过程中受到包括启停机、变载、低功率运行和高功率运行四种工况的影响,并量化每种工况引起的寿命衰减率;
燃料电池运行在高功率或低功率区时所引起的衰减率Dhigh和Dlow按照线性函数的方式进行估计,具体为:
式中,Dhigh和Dlow分别代表燃料电池运行在高功率或低功率区时所引起的衰减率;Pfc代表燃料电池电堆输出功率,Phighlimit和Plowlimit分别代表界定燃料电池高功率区间的下限和燃料电池低功率区间的上限;a,b为与经燃料电池大功率或低功率长期老化实验测得的常数系数;
变载工况所引起的衰减率与燃料电池功率变化率成正比,即:
式中,Dloadchange代表由燃料电池变载引起的衰减率;k为与经燃料电池循环变载老化实验测得的常数系数;
燃料电池启停机所引起的衰减进行估算:
式中,Don/off代表由燃料电池启停机引起的衰减率;nmax为与经燃料电池循环启停机老化实验测得的常数系数,指每台燃料电池从启用至寿命终结时的总计启停机次数。
5.根据权利要求4所述的动车组多堆燃料电池***剩余使用寿命一致性控制方法,其特征在于,由于不同工况的参数设定互相独立,将由于每种工况而导致的衰减的累加值相加,以获得燃料电池的在某段工况中的总体性能退化,计算公式为:
D=Dhigh_power·t1+Dlow_power·t2+Dloadchange·n1+Don/off·n2;
式中,D代表燃料电池的在某段工况中的总体性能退化;t1、t2、n1、n2分别代表燃料电池在此运行区间内的高功率区间运行时长、低功率区间运行时长、变载次数和启停机次数;当总体性能退化达到设定值时,认定燃料电池的寿命终结。
6.根据权利要求5所述的动车组多堆燃料电池***剩余使用寿命一致性控制方法,其特征在于,实现不同老化状态的燃料电池的剩余使用寿命一致的目标,则各燃料电池自当前时刻起至寿命终止时,总体性能退化量Dd的总和应与剩余可退化总量成正比,即
式中,Dend,k表示第k个燃料电池寿命终止时所对应的衰减度,一般均取10%;Dinitial,k表示第k个燃料电池初始时刻的衰减度;Dk,d表示第k个燃料电池在d个工况内的总体性能退化;
将问题分解成m个短时的控制目标,具体是指各燃料电池在任一段稳定工况d下的总体性能退化均服从上式,即
定义微衰减比为在一段稳定工况内,燃料电池衰减量与其剩余衰减总量的比值,即可由下式计算:
式中,Qk,d为第k个燃料电池发电***在第d个运行区间内的微衰减比。
实现不同老化状态的燃料电池剩余使用寿命一致,即实现其在每段稳定工况内相应的微衰减比一致,且微衰减比与燃料电池***输出功率的函数关系为:
Qk,d=vk(Pfc,d)k=1,2,3……n。
7.根据权利要求1所述的动车组多堆燃料电池***剩余使用寿命一致性控制方法,其特征在于,将动车组多堆燃料电池发电***视为一个由4个独立的燃料电池发电***组成的多智能体***,每一个燃料电池发电***均被视为一个智能体;每一个燃料电池发电***包括一台燃料电池***、一台DC/DC变换器和一个分布式控制器;
各燃料电池发电***之间通过固定的通信网络进行信息传递,它们之间的通信关系用强连通图G={V,E}来表示,其中,节点集合V={1,2…,n},表示各独立的燃料电池发电***;边集E={(i,j):i,j∈V,i≠j}表示各个燃料电池发电***之间的信息交流,各智能体燃料电池发电***之间的通信连接及相应权重用邻接矩阵A=[aij]∈RN×N来表示,且如果(i,j)∈E,则aij>0,否则aij=0。
8.根据权利要求7所述的动车组多堆燃料电池***剩余使用寿命一致性控制方法,其特征在于,采用一致性控制算法的目标在于在约束条件下,实现负载需求功率平衡和各并联燃料电池发电***的剩余使用寿命一致,即:
式中,Pload,d表示当前工况d下的负载功率需求值;
迭代更新矩阵如下式所示:
式中,Q=[Q1,Q2,…,Qn]T为燃料电池的微衰减比矩阵;ε为反馈系数;P=[P1,P2,…,Pn]T为的输出功率矩阵;函数v-1(x)为燃料电池微衰减率与输出功率的映射关系的反函数;B=[B1,B2,…,Bn]T和α为两个与多项式函数相关的系数矩阵;F=[f1,f2,…,fn]T为各节点实际输出功率与负荷需求功率差额的预测值矩阵;W矩阵和H矩阵为***的通信网络矩阵,并且分别为行随机矩阵和列随机矩阵;
迭代更新矩阵进一步为:
当W矩阵为双对称矩阵时,上式可视为一个Markov过程,并且根据Perron-Frobenius引理及相关的矩阵分析定理,R矩阵应满足以下两个条件使迭代更新矩阵收敛:
a.ρ(R)=1,|λi|<1,i=2,3,4……n;
视上式为矩阵M在迭代过程中受到采用εΔ矩阵的扰动:
9.根据权利要求8所述的动车组多堆燃料电池***剩余使用寿命一致性控制方法,其特征在于,用特征值扰动法分析一致性控制理论的反馈系数ε与通信网络矩阵W对收敛速度的影响;反馈系数ε的取值影响了算法的收敛与否;反馈系数ε存在一个临界值,在该值以下***稳定,反之则***发散;***稳定时,对于同一个矩阵W,算法的收敛速度取决于***矩阵R的按模第二大的特征值λ2,且λ2越小收敛速度越快;
采用下式的迭代速度最优化方法对W矩阵的参数和反馈系数ε进行设置:
式中,ξ为智能体i的信息自交互权重;di为与智能体i进行信息交互的智能体数量;因此,自交互权重ξ和反馈系数ε决定了***矩阵R的特征值,即该一致性算法的收敛特性及收敛速度由自交互权重ξ和反馈系数ε共同决定;
在离线条件下,采用遍历法得到了λ2与自交互权重ξ和反馈系数ε的二元关系,获得具有最快收敛速度的参数组合,使一致性算法在线收敛速度达到全局最优。
10.根据权利要求1或8所述的动车组多堆燃料电池***剩余使用寿命一致性控制方法,其特征在于,结合功率平衡及各并联燃料电池***发电的约束条件,如下式所示:
功率平衡约束:
Pfc1,d+Pfc2,d+……+Pfc,d=Pload,d;
燃料电池输出功率约束:
0≤Pfc,k≤(1-Dinitial,k)·Pfcmax;
基于多智能体的一致性控制算法,给定Q、P、F三个矩阵的初值后,通过局部供需功率不匹配值和微衰减比的差值,相互迭代更新,实现不同初始老化状态的燃料电池的剩余寿命逐渐达到一致,以及某套设备停机进行故障修复及修复完成后的即插即用;算法输出的P矩阵将作为参考功率值传输至底层控制,即燃料电池发电***子***的DCDC变换器的控制电路,控制燃料电池按照参考信号进行输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010155964.9A CN111274713B (zh) | 2020-03-09 | 2020-03-09 | 动车组多堆燃料电池***剩余使用寿命一致性控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010155964.9A CN111274713B (zh) | 2020-03-09 | 2020-03-09 | 动车组多堆燃料电池***剩余使用寿命一致性控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111274713A true CN111274713A (zh) | 2020-06-12 |
CN111274713B CN111274713B (zh) | 2022-08-09 |
Family
ID=71004062
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010155964.9A Active CN111274713B (zh) | 2020-03-09 | 2020-03-09 | 动车组多堆燃料电池***剩余使用寿命一致性控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111274713B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113043917A (zh) * | 2021-04-15 | 2021-06-29 | 西南交通大学 | 一种多堆燃料电池混合动力***分层控制方法 |
CN113511111A (zh) * | 2021-09-01 | 2021-10-19 | 潍柴动力股份有限公司 | 燃料电池***控制方法、装置、设备及可读存储介质 |
CN114024008A (zh) * | 2021-11-04 | 2022-02-08 | 上海重塑能源科技有限公司 | 一种多堆燃料电池***功率管理集成装置及其工作方法 |
CN114019392A (zh) * | 2022-01-06 | 2022-02-08 | 苏州氢澜科技有限公司 | 一种燃料电池***单片电压一致性和故障干预*** |
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 |
WO2022057371A1 (zh) * | 2020-09-16 | 2022-03-24 | 中船动力研究院有限公司 | 混合电力推进***、启动方法及控制方法 |
CN116454324A (zh) * | 2023-06-16 | 2023-07-18 | 广东技术师范大学 | 燃料电池的控制方法及*** |
CN116729208A (zh) * | 2023-08-15 | 2023-09-12 | 北京理工大学 | 一种燃料电池混动汽车能量管理方法、***及电子设备 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102024999A (zh) * | 2010-11-16 | 2011-04-20 | 上海交通大学 | 电动车行动力管理*** |
CN102569922A (zh) * | 2012-03-05 | 2012-07-11 | 同济大学 | 一种基于单体电池一致性的蓄电池组soc估计改进方法 |
CN103377404A (zh) * | 2012-04-23 | 2013-10-30 | 成都信息工程学院 | 电动车能量管理*** |
CN103700871A (zh) * | 2013-12-07 | 2014-04-02 | 西南交通大学 | 机车质子交换膜燃料电池***最优效率控制方法 |
CN103978974A (zh) * | 2013-02-08 | 2014-08-13 | 高效动力传动***公司 | 用于实施混合动力车所用的动态工作模式和控制策略的***和方法 |
CN104201735A (zh) * | 2014-08-18 | 2014-12-10 | 西南交通大学 | 小型电动交通工具动力电池组监测与均衡装置 |
CN105083050A (zh) * | 2015-09-23 | 2015-11-25 | 中国人民解放军装甲兵技术学院 | 一种用于电动车辆的混合燃料电池储能装置及其控制方法 |
CN107834087A (zh) * | 2017-11-14 | 2018-03-23 | 佛山索弗克氢能源有限公司 | 带电池启动包的燃料电池组件 |
CN108987770A (zh) * | 2018-07-18 | 2018-12-11 | 西南交通大学 | 一种多堆燃料电池发电***的协调优化控制方法 |
CN109960255A (zh) * | 2017-12-26 | 2019-07-02 | 郑州宇通客车股份有限公司 | 一种最优目标车速预测、燃料电池***的控制方法及装置 |
CN110190628A (zh) * | 2019-06-12 | 2019-08-30 | 西南交通大学 | 一种基于综合能源的复线全并联at牵引供电***及方法 |
CN110370951A (zh) * | 2018-04-11 | 2019-10-25 | 中车唐山机车车辆有限公司 | 电车供电控制方法、***及电车 |
CN110828863A (zh) * | 2019-10-31 | 2020-02-21 | 武汉格罗夫氢能汽车有限公司 | 一种调整燃料电池汽车电控比例阀控制精准度的方法 |
-
2020
- 2020-03-09 CN CN202010155964.9A patent/CN111274713B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102024999A (zh) * | 2010-11-16 | 2011-04-20 | 上海交通大学 | 电动车行动力管理*** |
CN102569922A (zh) * | 2012-03-05 | 2012-07-11 | 同济大学 | 一种基于单体电池一致性的蓄电池组soc估计改进方法 |
CN103377404A (zh) * | 2012-04-23 | 2013-10-30 | 成都信息工程学院 | 电动车能量管理*** |
CN103978974A (zh) * | 2013-02-08 | 2014-08-13 | 高效动力传动***公司 | 用于实施混合动力车所用的动态工作模式和控制策略的***和方法 |
CN103700871A (zh) * | 2013-12-07 | 2014-04-02 | 西南交通大学 | 机车质子交换膜燃料电池***最优效率控制方法 |
CN104201735A (zh) * | 2014-08-18 | 2014-12-10 | 西南交通大学 | 小型电动交通工具动力电池组监测与均衡装置 |
CN105083050A (zh) * | 2015-09-23 | 2015-11-25 | 中国人民解放军装甲兵技术学院 | 一种用于电动车辆的混合燃料电池储能装置及其控制方法 |
CN107834087A (zh) * | 2017-11-14 | 2018-03-23 | 佛山索弗克氢能源有限公司 | 带电池启动包的燃料电池组件 |
CN109960255A (zh) * | 2017-12-26 | 2019-07-02 | 郑州宇通客车股份有限公司 | 一种最优目标车速预测、燃料电池***的控制方法及装置 |
CN110370951A (zh) * | 2018-04-11 | 2019-10-25 | 中车唐山机车车辆有限公司 | 电车供电控制方法、***及电车 |
CN108987770A (zh) * | 2018-07-18 | 2018-12-11 | 西南交通大学 | 一种多堆燃料电池发电***的协调优化控制方法 |
CN110190628A (zh) * | 2019-06-12 | 2019-08-30 | 西南交通大学 | 一种基于综合能源的复线全并联at牵引供电***及方法 |
CN110828863A (zh) * | 2019-10-31 | 2020-02-21 | 武汉格罗夫氢能汽车有限公司 | 一种调整燃料电池汽车电控比例阀控制精准度的方法 |
Non-Patent Citations (3)
Title |
---|
JIAWEI LIU等: "PEMFC Residual Life Prediction Using Sparse Autoencoder-Based Deep Neural Network", 《IEEE TRANSACTIONS ON TRANSPORTATION ELECTRIFICATION》 * |
刘梦等: "考虑电堆运行性能的多堆燃料电池发电***功率自适应分配方法", 《中国电机工程学报》 * |
李奇: "质子交换膜燃料电池剩余使用寿命预测方法综述及展望", 《中国电机工程学报》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022057371A1 (zh) * | 2020-09-16 | 2022-03-24 | 中船动力研究院有限公司 | 混合电力推进***、启动方法及控制方法 |
CN113043917A (zh) * | 2021-04-15 | 2021-06-29 | 西南交通大学 | 一种多堆燃料电池混合动力***分层控制方法 |
CN113511111A (zh) * | 2021-09-01 | 2021-10-19 | 潍柴动力股份有限公司 | 燃料电池***控制方法、装置、设备及可读存储介质 |
CN113511111B (zh) * | 2021-09-01 | 2024-04-16 | 潍柴动力股份有限公司 | 燃料电池***控制方法、装置、设备及可读存储介质 |
CN114024008B (zh) * | 2021-11-04 | 2024-02-20 | 上海重塑能源科技有限公司 | 一种多堆燃料电池***功率管理集成装置及其工作方法 |
CN114024008A (zh) * | 2021-11-04 | 2022-02-08 | 上海重塑能源科技有限公司 | 一种多堆燃料电池***功率管理集成装置及其工作方法 |
CN114103734B (zh) * | 2021-12-30 | 2024-06-18 | 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 |
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 |
CN114019392B (zh) * | 2022-01-06 | 2022-04-08 | 苏州氢澜科技有限公司 | 一种燃料电池***单片电压一致性和故障干预*** |
CN114019392A (zh) * | 2022-01-06 | 2022-02-08 | 苏州氢澜科技有限公司 | 一种燃料电池***单片电压一致性和故障干预*** |
CN116454324B (zh) * | 2023-06-16 | 2023-08-18 | 广东技术师范大学 | 燃料电池的控制方法及*** |
CN116454324A (zh) * | 2023-06-16 | 2023-07-18 | 广东技术师范大学 | 燃料电池的控制方法及*** |
CN116729208A (zh) * | 2023-08-15 | 2023-09-12 | 北京理工大学 | 一种燃料电池混动汽车能量管理方法、***及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111274713B (zh) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111274713B (zh) | 动车组多堆燃料电池***剩余使用寿命一致性控制方法 | |
CN108987770B (zh) | 一种多堆燃料电池发电***的协调优化控制方法 | |
CN111409510B (zh) | 一种氢燃料电池混合动力汽车的能量管理方法 | |
Abkenar et al. | Fuel cell power management using genetic expression programming in all-electric ships | |
Qiu et al. | Progress and challenges in multi-stack fuel cell system for high power applications: architecture and energy management | |
CN116361920A (zh) | 基于nsgaⅱ算法的氢燃料电池混动汽车能量处理方法 | |
Bouisalmane et al. | Hydrogen consumption minimization with optimal power allocation of multi-stack fuel cell system using particle swarm optimization | |
CN114865747A (zh) | 一种储能电池簇荷电状态功率调度在线均衡方法 | |
Gu et al. | Energy management strategy considering fuel economy and life of fuel cell for fuel cell electric vehicles | |
Hu et al. | Energy management strategy for fuel cell hybrid vehicles considering optimal performance of multiple energy sources combined with ant colony algorithm | |
Li et al. | Research on multi-energy management system of fuel cell vehicle based on fuzzy control | |
CN113352946A (zh) | 一种燃料电池汽车动力***的能量管理方法 | |
CN110829530B (zh) | 一种电池组性能均衡方法及*** | |
CN115848217B (zh) | 一种基于多能源模组的能源管理方法 | |
CN115763908A (zh) | 一种多堆燃料电池***效率优化的分布式控制方法 | |
CN110920601B (zh) | 一种多异性动力源***能量配置优化控制的方法 | |
Al-Bayati et al. | Development of a Fuel Cell Energy Controller Design for an Electric Vehicle Engine via a PID-PSO Robust Control Algorithm | |
Asus et al. | Energetic macroscopic representation and inversion based control of fuel cell in a series hybrid race vehicle system | |
Kamat | A Novel Approach for Sizing Battery and Supercapacitor for FCEV | |
Rahman et al. | Management and Control Strategies of Battery Switching in a Hybrid Energy Storage System | |
Schroeder et al. | Design of a powermanagement for a battery buffer system in an electric lift truck by means of fuzzy control and genetic algorithm | |
Arasaratnam | A simplified design, control and power management of fuel cell vehicles | |
Jbari et al. | Fuzzy controller hardware implementation for an EV's HESS energy management | |
Yang et al. | A framework of multilayer multiphase interleaved converter for electric vehicle based on graph theory | |
CN117913873A (zh) | 一种能适应多场景的集中式储能变流*** |
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 |