CN112140942B - 一种燃料电池汽车自适应等效消耗最小化能量管理方法 - Google Patents
一种燃料电池汽车自适应等效消耗最小化能量管理方法 Download PDFInfo
- Publication number
- CN112140942B CN112140942B CN202011092913.2A CN202011092913A CN112140942B CN 112140942 B CN112140942 B CN 112140942B CN 202011092913 A CN202011092913 A CN 202011092913A CN 112140942 B CN112140942 B CN 112140942B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- storage battery
- power
- fuel cell
- equivalent
- 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.)
- Active
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
-
- 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)
Abstract
本发明涉及一种燃料电池汽车自适应等效消耗最小化能量管理方法,属于新能源技术领域。采用周期性更新等效消耗最小化能量管理策略中的等效因子的方式,保证使用更新后的等效因子进行功率分配能使储能电池荷电状态在短期未来时间内朝着最快收敛于目标参考值的方向变化;采用智能算法预测车辆在短期未来时间范围内的需求功率时序数据,将预测所得需求功率数据用于局部优化以确定短期最优等效因子;以等效消耗最小化策略为基础,辅以局部优化方法自适应调节其等效因子,提升了储能电池荷电状态维持能力,最大程度保障了动力***的燃料经济性。本发明以等效氢气消耗近似最优的功率分配比例保障动力***具有近似最优的燃料经济性。
Description
技术领域
本发明属于新能源技术领域,涉及一种燃料电池汽车自适应等效消耗最小化能量管理方法。
背景技术
燃料电池汽车的动力***通常由燃料电池发动机和储能电池组成,根据燃料电池发动机功率等级和储能电池容量差异,燃料电池汽车的动力***可分为增程式和全功率式。其中全功率式燃料电池汽车动力***配备大功率燃料电池发动机和小容量储能电池,具有结构紧凑、轻量化、易于布置、免充电、续航里程长等优点,是燃料电池汽车未来发展的重点方向。对于集成了小容量储能电池的全功率式燃料电池混合动力汽车而言,其储能电池的电能余量必须时刻保持在合理的范围内,以便随时响应汽车行驶过程中的瞬态峰值功率需求以及存储不规则出现的制动回收能量,因此储能电池的荷电状态维持能力与动力***的燃油经济性同等重要。储能电池的荷电状态维持能力是指:在车辆运行过程中,储能电池荷电状态不随工况变化而产生剧烈波动或触及其上下限,能稳定维持在设定的荷电状态参考值附近或许可范围内。等效消耗最小化策略(ECMS)作为一种即时优化能量管理方法,具有实时性强的特点,其采用等效氢耗率来表示储能电池的电能耗率和燃料电池的实际氢气消耗率之和,然后最小化等效氢耗率来提取最优燃料电池参考功率值,进而完成需求功率的分配,以此保证动力***燃油经济性接近最优。然而,ECMS的等效因子通常为固定值,不能在不同的驾驶条件下均实现储能电池荷电状态的维持。而传统的自适应ECMS虽然可以根据储能电池荷电状态的实际反馈值定期调整等效因子,将储能电池荷电状态收敛到目标参考值,但由于其比例系数恒定,自适应效果有限。本发明设计的基于需求功率预测的全功率式燃料电池汽车自适应等效消耗最小化能量管理方法,可根据需求功率预测模块所预测的未来短时间内的整车需求功率进行局部优化以确定近未来最优等效因子值,根据所得的最优等效因子进行等效消耗最小化功率分配,可显著增强储能电池荷电状态的维持能力,同时保证近似最优的动力***燃料经济性。
发明内容
有鉴于此,本发明的目的在于提供一种燃料电池汽车自适应等效消耗最小化能量管理方法,实现在允许误差内,最优解为全局最优解,并且计算时间少,结果准确的目的。
为达到上述目的,本发明提供如下技术方案:
一种燃料电池汽车自适应等效消耗最小化能量管理方法,该方法包含如下步骤:
S1、以n秒为固定周期,在每个周期的开始时刻,采集全功率式燃料电池汽车动力***直流母线上的实时整车需求功率及其变化率;
S2、将步骤S1采集到的实时需求功率及其变化率数据,输入到由机器学习算法构建的功率需求预测模块中,预测出从周期开始时刻向后未来n秒内的整车需求功率时序数据;
S3、将步骤S2所得的近未来需求功率预测数据输入到ECMS等效因子局部优化模块中,得到未来n秒内最优的等效因子;
S4、全功率式燃料电池汽车动力***控制器中建立的基于ECMS的功率分配模型依据步骤S3所得的近未来最优等效因子计算未来n秒内的需求功率分配方案;
S5、根据步骤S4所得的需求功率分配方案,由全功率式燃料电池汽车动力***底层 DCDC变换器完成未来n秒内的需求功率分配。
可选的,所述ECMS等效因子局部优化模块中的执行方法为:
31、输入功率需求预测模块预测的未来n秒内整车需求功率时序数据;
32、将步骤31输入的整车需求功率时序数据代入基于动力***半经验模型开发的ECMS 功率分配模型,求解出等效因子设定为区间[a,b]中某一数值时的需求功率分配比例;
其中,基于动力***半经验模型开发的ECMS功率分配模型具体如下:
优化目标函数:
Pfc_net表示:燃料电池***参考净功率;
ηfc_stack表示:燃料电池电堆效率;
ηfc_system表示:燃料电池***效率;
s表示:ECMS等效因子;
Pbat表示:储能电池功率;
ncell表示:燃料电池单体数量;
F表示:法拉第常数;
Vfc_oc表示:燃料电池电堆开路电压;
Rfc表示:燃料电池电堆内阻;
Rbat表示:储能电池内阻;
Voc表示:储能电池开路电压;
f1表示:燃料电池***净功率与***效率的标定函数关系;
f2表示:燃料电池***净功率与电堆效率的标定函数关系;
Pdemand表示:直流母线需求功率;
SOC表示:储能电池荷电状态;
SOCmin表示:储能电池荷电状态许可运行范围下限值;
SOCmax表示:储能电池荷电状态许可运行范围上限值;
Pfc_net_min表示:燃料电池***许可净功率范围下限值;
Pfc_net_max表示:燃料电池***许可净功率范围上限值;
Pfc_net′表示:燃料电池***功率变化率;。
33、按照步骤32所得需求功率分配比例进行储能电池和燃料电池***之间的需求功率分配,并结合储能电池半经验模型求解出未来n秒内的储能电池荷电状态理论变化轨迹;
其中,储能电池半经验模型:
SOCint表示:储能电池荷电状态初始值;
ηcoulomb表示:储能电池库伦效率;
Ibat表示:储能电池电流;
Qmax表示:储能电池容量;
Voc表示:储能电池开路电压;
Rbat表示:储能电池内阻;
Pbat表示:储能电池功率;
f3表示:储能电池荷电状态与开路电压的标定函数关系;
f4表示:储能电池荷电状态与内阻的标定函数关系;
34、计算未来第n秒时的储能电池荷电状态理论计算值与目标参考值之差,将这个差值连同此时的等效因子数值一并存入暂存数组;
35、判断是否完成等效因子在区间[a,b]内的逐点搜索,若未完成,跳转至步骤36,否则,跳转至步骤37;
36、将上一个等效因子加上设定搜索步长,形成新的等效因子搜索值,然后跳转至步骤 32;
37、搜索暂存数组,输出使未来第n秒时的储能电池荷电状态理论计算值与目标参考值之差最小的等效因子,将其作为最优等效因子。
本发明的有益效果在于:
1、采用周期性更新的方式自适应调整等效消耗最小化能量管理策略中的等效因子,在每个周期内,以未来第n秒时的储能电池荷电状态理论计算值与目标参考值之差最小化为优化目标,进行局部优化,搜索并确定未来n秒内最优的等效因子。此机制大大增强储能电池荷电状态的维持能力,在变化的工况下仍能满足全功率式燃料电池汽车储能电池荷电状态可持续性的要求,鲁棒性强,效果优于传统的等效消耗最小化能量管理策略;
2、本发明方法中需要标定的参数仅包括等效因子更新周期n和等效因子搜索区间[a,b] 及其搜索步长,根据实际车型差异仅需轻微调整即可,标定难度低,易于实现,普适性强;
3、本发明方法中等效因子的更新方式是基于优化实现的,即在搜索区间[a,b]内搜索一个最优值。而传统方式是根据储能电池荷电状态反馈实际量与目标参考量之差进行比例反馈调节等效因子,其常因比例因子大小设置不当造成更新后的新等效因子相对于上一个等效因子的增量有限,使得自适应调节速度慢、效果差。相比之下,本发明中的等效因子自适应调节速度更快,对储能电池荷电状态的控制效果更好。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作优选的详细描述,其中:
图1为本发明的能量管理方法总体框架;
图2为本发明的等效因子局部优化模块执行流程;
图3为本发明获得的等效因子自适应效果和储能电池荷电状态维持能力示例图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本发明的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本发明的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
针对全功率式燃料电池汽车的能量管理问题,以增强储能电池荷电状态维持能力、保证燃料经济性为目的,本发明提供了一种新的基于需求功率预测而实现的燃料电池汽车自适应等效消耗最小化能量管理方法。此能量管理方法根据预测得到的短期未来时间内车辆需求功率,利用局部优化,确定能使储能电池荷电状态快速收敛于目标参考值的等效消耗最小化策略的最优等效因子。使用此方法周期性地更新等效因子,可保证使用等效消耗最小化策略进行功率分配时,储能电池荷电状态维持能力能显著提升,同时达到近似最优的动力***燃料经济性。
本发明的能量管理方法总体框架如图1所示,主要包括全功率式燃料电池汽车动力***本身、功率需求预测模块、ECMS等效因子局部优化模块、动力***控制器中基于ECMS建立的功率分配策略、动力***底层的DCDC变换器。具体实现逻辑如下:
1、以n秒为固定周期,在每个周期的开始时刻,采集动力***直流母线上的实时整车需求功率及其变化率;
2、将步骤1采集到的实时需求功率及其变化率数据输入到由机器学习算法所构建的功率需求预测模块中,预测出从周期开始时刻向后未来n秒内的整车需求功率时序数据;
3、将步骤2所得的近未来需求功率预测数据输入到ECMS等效因子局部优化模块中,得到未来n秒内最优的等效因子;
4、动力***控制器中所建立的基于ECMS的功率分配模型依据步骤3所得的近未来最优等效因子计算未来n秒内的需求功率分配方案;
5、根据步骤4所得的需求功率分配方案,由动力***底层DCDC变换器完成未来n秒内的需求功率分配。
其中,总体框架中的ECMS等效因子局部优化模块具体执行流程(如图2)如下:
31、输入需求功率预测模块所预测的未来n秒内整车需求功率时序数据;
32、将步骤31所输入的整车需求功率数据代入基于动力***半经验模型开发的ECMS 功率分配模型,求解出等效因子设定为区间[a,b]中某一数值时的需求功率分配比例;
33、按照步骤32所得分配比例进行储能电池和燃料电池***之间的需求功率分配,并结合储能电池半经验模型求解出未来n秒内的储能电池荷电状态理论变化轨迹(计算值);
34、计算未来第n秒时的储能电池荷电状态理论计算值与目标参考值之差,将这个差值连同此时的等效因子数值一并存入暂存数组;
35、判断是否完成等效因子在区间[a,b]内的逐点搜索,若未完成,跳转至步骤36,否则,跳转至步骤37;
36、将上一个等效因子加上设定搜索步长,形成新的等效因子搜索值,然后跳转至步骤 32;
37、搜索暂存数组,输出使未来第n秒时的储能电池荷电状态理论计算值与目标参考值之差最小的等效因子,将其作为最优等效因子。
实施例
1、按图1所示的总体框架完成本发明能量管理***硬件搭建;
2、基于智能算法编写功率需求预测模块软件程序;
3、按图2所示的执行流程编写等效因子局部优化模块的软件程序;
4、建立标的车辆动力***半经验模型,进而构建基于ECMS的功率分配模型,并完成此部分的软件程序编写;
5、集成步骤2-4的软件程序,进行硬件在环调试。以储能电池荷电状态维持能力和动力***燃料经济性为标定优化目标,标定等效因子更新周期n、等效因子搜索区间[a,b]和等效因子搜索步长。
6、将标定后的程序写入整车动力***控制器,进行实车实验验证。依据实车工况验证所得的储能电池荷电状态数据和等效氢气消耗数据,优化标定参数,形成最终的能量管理软件程序。使用本发明的能量管理方法,应实现如图3所示例的等效因子自适应效果和储能电池荷电状态维持效果。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (1)
1.一种燃料电池汽车自适应等效消耗最小化能量管理方法,其特征在于:该方法包含如下步骤:
S1、以n秒为固定周期,在每个周期的开始时刻,采集全功率式燃料电池汽车动力***直流母线上的实时整车需求功率及其变化率;
S2、将步骤S1采集到的实时需求功率及其变化率数据,输入到由机器学习算法构建的功率需求预测模块中,预测出从周期开始时刻向后未来n秒内的整车需求功率时序数据;
S3、将步骤S2所得的近未来需求功率预测数据输入到ECMS等效因子局部优化模块中,得到未来n秒内最优的等效因子;
S4、全功率式燃料电池汽车动力***控制器中建立的基于ECMS的功率分配模型依据步骤S3所得的近未来最优等效因子计算未来n秒内的需求功率分配方案;
S5、根据步骤S4所得的需求功率分配方案,由全功率式燃料电池汽车动力***底层DCDC变换器完成未来n秒内的需求功率分配;
所述ECMS等效因子局部优化模块中的执行方法为:
31、输入功率需求预测模块预测的未来n秒内整车需求功率时序数据;
32、将步骤31输入的整车需求功率时序数据代入基于动力***半经验模型开发的ECMS功率分配模型,求解出等效因子设定为区间[a,b]中某一数值时的需求功率分配比例;
其中,基于动力***半经验模型开发的ECMS功率分配模型具体如下:
优化目标函数:
Pfc_net表示:燃料电池***参考净功率;
ηfc_stack表示:燃料电池电堆效率;
ηfc_system表示:燃料电池***效率;
s表示:ECMS等效因子;
Pbat表示:储能电池功率;
ncell表示:燃料电池单体数量;
F表示:法拉第常数;
Vfc_oc表示:燃料电池电堆开路电压;
Rfc表示:燃料电池电堆内阻;
Rbat表示:储能电池内阻;
Voc表示:储能电池开路电压;
f1表示:燃料电池***净功率与***效率的标定函数关系;
f2表示:燃料电池***净功率与电堆效率的标定函数关系;
Pdemand表示:直流母线需求功率;
SOC表示:储能电池荷电状态;
SOCmin表示:储能电池荷电状态许可运行范围下限值;
SOCmax表示:储能电池荷电状态许可运行范围上限值;
Pfc_net_min表示:燃料电池***许可净功率范围下限值;
Pfc_net_max表示:燃料电池***许可净功率范围上限值;
Pfc_net′表示:燃料电池***功率变化率;
33、按照步骤32所得需求功率分配比例进行储能电池和燃料电池***之间的需求功率分配,并结合储能电池半经验模型求解出未来n秒内的储能电池荷电状态理论变化轨迹;
其中,储能电池半经验模型:
SOCint表示:储能电池荷电状态初始值;
ηcoulomb表示:储能电池库伦效率;
Ibat表示:储能电池电流;
Qmax表示:储能电池容量;
Voc表示:储能电池开路电压;
Rbat表示:储能电池内阻;
Pbat表示:储能电池功率;
f3表示:储能电池荷电状态与开路电压的标定函数关系;
f4表示:储能电池荷电状态与内阻的标定函数关系;
34、计算未来第n秒时的储能电池荷电状态理论计算值与目标参考值之差,将这个差值连同此时的等效因子数值一并存入暂存数组;
35、判断是否完成等效因子在区间[a,b]内的逐点搜索,若未完成,跳转至步骤36,否则,跳转至步骤37;
36、将上一个等效因子加上设定搜索步长,形成新的等效因子搜索值,然后跳转至步骤32;
37、搜索暂存数组,输出使未来第n秒时的储能电池荷电状态理论计算值与目标参考值之差最小的等效因子,将其作为最优等效因子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011092913.2A CN112140942B (zh) | 2020-10-13 | 2020-10-13 | 一种燃料电池汽车自适应等效消耗最小化能量管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011092913.2A CN112140942B (zh) | 2020-10-13 | 2020-10-13 | 一种燃料电池汽车自适应等效消耗最小化能量管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112140942A CN112140942A (zh) | 2020-12-29 |
CN112140942B true CN112140942B (zh) | 2022-10-25 |
Family
ID=73951786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011092913.2A Active CN112140942B (zh) | 2020-10-13 | 2020-10-13 | 一种燃料电池汽车自适应等效消耗最小化能量管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112140942B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112886666B (zh) * | 2021-02-08 | 2022-11-29 | 重庆大学 | 一种适于级联锂电池组的分散式主动均衡方法 |
CN112918330B (zh) * | 2021-03-18 | 2022-11-18 | 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 |
CN113721154A (zh) * | 2021-08-31 | 2021-11-30 | 潍柴动力股份有限公司 | 一种燃料电池工况点选取方法及装置 |
CN114559859B (zh) * | 2022-03-28 | 2023-11-21 | 吉林大学 | 一种基于燃料电池温度反馈的自适应等效氢耗最小策略 |
CN115991123B (zh) * | 2023-03-22 | 2023-07-18 | 长安新能源南京研究院有限公司 | 一种功率负荷状态识别方法、***、设备和介质 |
CN116653709B (zh) * | 2023-07-31 | 2023-10-24 | 北京重理能源科技有限公司 | 一种多能量源的燃料电池***能量管理的方法和*** |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070198666A1 (en) * | 2006-02-17 | 2007-08-23 | Caterpillar Inc. | Systems and methods for configuration management |
FR2993226B1 (fr) * | 2012-07-13 | 2015-12-18 | Commissariat Energie Atomique | Motorisation de vehicule automobile incluant une pile a combustible et un systeme de stockage d'energie |
US9234329B2 (en) * | 2014-02-21 | 2016-01-12 | Caterpillar Inc. | Adaptive control system and method for machine implements |
CN106004865B (zh) * | 2016-05-30 | 2019-05-10 | 福州大学 | 基于工况识别的里程自适应混合动力汽车能量管理方法 |
WO2018209038A1 (en) * | 2017-05-12 | 2018-11-15 | Ohio State Innovation Foundation | Real-time energy management strategy for hybrid electric vehicles with reduced battery aging |
CN108528436B (zh) * | 2018-01-18 | 2020-05-19 | 合肥工业大学 | 一种内外层嵌套的ecms多目标双层优化方法 |
CN110103776B (zh) * | 2019-05-06 | 2022-06-03 | 重庆大学 | 基于智能迭代学习的燃料电池整车功率需求变化预测方法 |
CN110311458B (zh) * | 2019-05-17 | 2023-04-07 | 南京航空航天大学 | 一种燃料电池复合电源***及控制方法 |
CN110194177A (zh) * | 2019-06-28 | 2019-09-03 | 重庆大学 | 一种基于自适应等效消耗最小策略的插电式混合动力乘用车能量管理方法 |
CN110254418B (zh) * | 2019-06-28 | 2020-10-09 | 福州大学 | 一种混合动力汽车增强学习能量管理控制方法 |
CN110562239B (zh) * | 2019-08-28 | 2020-10-30 | 武汉理工大学 | 基于需求功率预测的变域最优能量管理控制方法及装置 |
CN111409622B (zh) * | 2020-01-17 | 2021-12-07 | 北京理工大学 | 一种履带车辆机电复合传动***的控制方法及装置 |
CN111409510B (zh) * | 2020-03-26 | 2021-08-31 | 河南科技大学 | 一种氢燃料电池混合动力汽车的能量管理方法 |
-
2020
- 2020-10-13 CN CN202011092913.2A patent/CN112140942B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112140942A (zh) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112140942B (zh) | 一种燃料电池汽车自适应等效消耗最小化能量管理方法 | |
Zhang et al. | Adaptively coordinated optimization of battery aging and energy management in plug-in hybrid electric buses | |
CN102729987B (zh) | 一种混合动力公交车能量管理方法 | |
CN110254418A (zh) | 一种混合动力汽车增强学习能量管理控制方法 | |
CN108819934B (zh) | 一种混合动力车辆的动力分配控制方法 | |
CN110929920A (zh) | 一种基于工况识别的混合动力列车能量管理方法 | |
Wang et al. | Deep reinforcement learning based energy management strategy for fuel cell/battery/supercapacitor powered electric vehicle | |
CN113928187B (zh) | 一种燃料电池汽车的能量管理控制方法 | |
CN105667499A (zh) | 一种电动汽车增程模式下的能量管理方法 | |
CN103507656A (zh) | 一种可在线自调整的增程式电动汽车能量管理方法及*** | |
CN110509914B (zh) | 一种并联式混合动力汽车的能耗优化方法 | |
Lin et al. | Intelligent energy management strategy based on an improved reinforcement learning algorithm with exploration factor for a plug-in PHEV | |
Wang et al. | Driving pattern recognition and energy management for extended range electric bus | |
CN114723230A (zh) | 面向新能源发电和储能的微电网双层调度方法及*** | |
CN114714987A (zh) | 一种燃料电池混合动力汽车的能量管理优化方法及*** | |
CN110962684B (zh) | 电动汽车能源管理与分配方法 | |
CN113815437A (zh) | 燃料电池混合动力汽车的预测性能量管理方法 | |
CN106786702B (zh) | 用于混合储能***的全状态模型预测能量调度方法 | |
CN113799659B (zh) | 一种燃料电池整车能量分配方法 | |
CN114997478A (zh) | 基于混合多目标粒子群算法的新能源公交车充电调度方法 | |
Liu et al. | Computationally efficient energy management for a parallel hybrid electric vehicle using adaptive dynamic programming | |
CN117996807A (zh) | 一种光储充电站储能电池充放电方法 | |
Zhou et al. | Genetic algorithm-based parameter optimization of energy management strategy and its analysis for fuel cell hybrid electric vehicles | |
CN113753019A (zh) | 一种混动车辆动力部件控制方法及*** | |
CN116093466A (zh) | 有序充电方法、装置、计算机可读存储介质及计算机设备 |
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 |