CN113022385B - 燃料电池锂电池混合动力***参数匹配方法 - Google Patents

燃料电池锂电池混合动力***参数匹配方法 Download PDF

Info

Publication number
CN113022385B
CN113022385B CN202110596547.2A CN202110596547A CN113022385B CN 113022385 B CN113022385 B CN 113022385B CN 202110596547 A CN202110596547 A CN 202110596547A CN 113022385 B CN113022385 B CN 113022385B
Authority
CN
China
Prior art keywords
fuel cell
power
parameter matching
cost
lithium 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.)
Active
Application number
CN202110596547.2A
Other languages
English (en)
Other versions
CN113022385A (zh
Inventor
李建威
王含笑
王成
何洪文
魏中宝
邹巍涛
杨青青
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202110596547.2A priority Critical patent/CN113022385B/zh
Publication of CN113022385A publication Critical patent/CN113022385A/zh
Application granted granted Critical
Publication of CN113022385B publication Critical patent/CN113022385B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • B60L58/40—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for controlling a combination of batteries and 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
    • 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

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)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明提供燃料电池锂电池混合动力***参数匹配方法，S1、设立了多维参数匹配优化张量空间，进行混合动力***参数匹配优化；S2、多维参数匹配优化张量空间内各三维变量为待评估的备选参数匹配方案；S3、基于深度强化学习算法，针对特征工况，为各备选方案优化功率分配策略；S4、根据各备选方案由基于强化学习算法的能量管理策略生成的最优功率分配结果。本发明在燃料电池能量管理策略优化问题中对等效氢耗成本、燃料电池运行老化损耗成本、动力电池运行老化损耗成本进行了实时量化考虑，优化目标涵盖全面，可以减少计算时间，提高效率。

Description

燃料电池锂电池混合动力***参数匹配方法
技术领域
本发明属于新能源技术领域，具体为燃料电池锂电池混合动力***参数匹配方法。
背景技术
由于化石能源的逐渐短缺，质子交换膜燃料电池汽车因使用可再生资源氢气，相较传统发动机更为高效、环保，现已成为国家能源领域的重点研发技术。然而，燃料电池输出特性疲软且动态响应慢，为满足汽车正常行驶需求，并使汽车拥有再生制动功能，通常需要配备高功率密度的动力电池（如锂电池）形成混合动力***。燃料电池汽车混合动力***参数匹配的优劣将严重影响整车的动力性、经济性等多项性能。此外，怎样进行两个功率源之间的功率分配以及能量管理策略制定与参数匹配问题相耦合，也会影响参数匹配的效果。围绕上述问题，为协同处理静态的多源***尺寸匹配问题与动态的功率分配策略设计问题，需要提出能够融合功率分配策略优化的参数匹配方法。
李奇等人的专利CN104071033A，燃料电池超级电容混合动力机车参数匹配优化方法，采用高速群体智能优化算法对燃料电池/超级电容混合动力***的重量、体积指标进行了多目标优化。这种方法的优化目标中没有考虑动态工况下混合动力***的表现，优化目标中也没有考虑减少部件运行寿命损耗，不能全面地提升***经济性。
Hu等人在文献（multi-objective energy management optimization andparameter sizing for proton exchange membrane hybrid fuel cell vehicles）中提出对燃料电池客车混合动力***进行经济性和***耐久性的多目标优化，此外，通过综合考虑锂电池各参数和等效氢耗，对锂电池的全生命周期成本进行了优化。这种方法中使用的能量管理策略需要基于全局优化算法，计算量大，耗时长，其结果不具备实时应用的潜力。这种方法没有细化考虑燃料电池除额定功率和动力电池除容量以外的关键动力参数对整车经济性的影响。
发明内容
目前的燃料电池客车混合动力***参数匹配方法仅考虑满足静态的动力性要求指标，没有考虑动态的功率分配策略对动力***的影响，也没有全面考虑动力部件运行损耗对整车经济性的影响，得到的结果不能实现理想的经济性效果。针对特定车型与工况需求，本发明的目的是提供一种能够产出最优功率分配策略的参数匹配方法和***，细化考虑了燃料电池除额定功率和动力电池除容量以外的关键动力参数对整车经济性的影响，同时考虑氢气消耗、部件损耗等各个因素，使参数匹配结果能实现理想的整车经济性。
燃料电池锂电池混合动力***参数匹配方法，包括以下步骤：
S1、结合燃料电池和锂电池各自的动态特性，设立了多维参数匹配优化张量空间， 分别以燃料电池输出功率变化量阈值
Figure DEST_PATH_IMAGE001
、混合动力***最大功率的标幺值
Figure 537600DEST_PATH_IMAGE002
、及 电池最大充放电率
Figure DEST_PATH_IMAGE003
为优化变量，进行混合动力***参数匹配优化；
S2、多维参数匹配优化张量空间内各三维变量
Figure 786047DEST_PATH_IMAGE004
即为待评估 的备选参数匹配方案；
S3、基于深度强化学习算法，针对特征工况，为各备选方案优化功率分配策略；
S4、根据各备选方案由基于强化学***均运行成本：等效氢耗成本、燃料电池运行损耗成本和动力电池运行损耗成本之和；
利用成本分析结果，获得使得平均运行成本最小的最优参数匹配方案三维变量
Figure 398294DEST_PATH_IMAGE004
取值，反算出电池容量，并获得该方案所对应的深度强化学习最优 能量管理策略，用于进行实时控制。
进一步的，步骤S1具体包括以下步骤：
基于特定车型，根据客车最高车速巡航时的稳态大功率输出需求确定燃料电池额 定功率，
Figure DEST_PATH_IMAGE005
与整车质量
Figure 732192DEST_PATH_IMAGE006
相关；
根据特征工况循环下，峰值功率需求
Figure DEST_PATH_IMAGE007
、最高车速需求功率
Figure 481230DEST_PATH_IMAGE008
、最大爬坡度需 求功率
Figure DEST_PATH_IMAGE009
、最大加速度需求功率
Figure 849763DEST_PATH_IMAGE010
的最大值确定动力源最大总功率标准值
Figure DEST_PATH_IMAGE011
，其中，
Figure 229317DEST_PATH_IMAGE012
均为整车质量
Figure 253773DEST_PATH_IMAGE006
的函数；
混合动力***最大功率
Figure DEST_PATH_IMAGE013
为燃料电池额定功率与动力电池最大充放电功率之 和；混合动力***最大功率
Figure 69151DEST_PATH_IMAGE013
的标幺值
Figure 486664DEST_PATH_IMAGE002
以最大总功率标准值
Figure 581659DEST_PATH_IMAGE011
为标准；
多维参数匹配优化张量空间由三维变量
Figure 93412DEST_PATH_IMAGE004
组成。根据各变量 的约束范围建立优化张量空间内的备选参数匹配方案。
步骤S 2、具体包括以下步骤：
针对各备选参数匹配方案，基于深度强化学习算法根据特征工况动态优化功率分配策略；最小化某工况下的氢气消耗、燃料电池运行损耗成本和动力电池运行损耗成本这三个指标为优化目标，为了协调不同优化目标，实现***运行成本最小，各个指标均量化为运行成本进行统筹考虑；
等效氢耗成本根据氢气价格、燃料电池耗氢量、动力电池等效氢耗模型计算得到。燃料电池运行损耗成本根据燃料电池成本和衰退模型计算得到；
燃料电池衰退模型可根据燃料电池运行情况实时量化衰退程度；
动力电池运行损耗成本根据动力电池初始投资成本和动力电池衰退模型计算得到，其中动力电池初始投资成本是参数匹配方案三维变量的函数；动力电池衰退模型可根据电池运行情况实时量化衰退程度；
将三个方面的指标量化值根据一定的权重系数组成强化学习奖励函数。
本发明提提供的燃料电池超级电容混合动力机车参数匹配优化方法，具有的有益效果：
1、本发明首次在燃料电池能量管理策略优化问题中对等效氢耗成本、燃料电池运行老化损耗成本、动力电池运行老化损耗成本进行了实时量化考虑，优化目标涵盖全面；
2、本发明能适用于多种工况场合，不局限于客车；
3、本发明同时给出了最优的参数匹配结果及对应的能量管理策略，可以实现实时应用；
4、本发明使用了基于深度强化学习算法的能量管理策略优化方法，相比传统的全局优化算法可以减少计算时间，提高效率。
附图说明
图1为本发明方法的流程图；
图2为本发明燃料电池***输出功率-氢耗效率图；
图3为本发明多维参数匹配优化张量空间及不同三维优化变量示意图；
图4为实施例的工况曲线；
图5为实施例的经过深度强化学习算法优化后的能量管理策略下燃料电池功率分布；
图6为未使用本发明中能量管理策略的燃料电池功率分布。
具体实施方式
结合实施例说明本发明的具体技术方案。
本发明的流程如图1所示，包括以下步骤：
S1、本发明充分考虑了燃料电池和锂电池各自的动态特性，设立了多维参数匹配 优化张量空间，如图2所示,分别以燃料电池输出功率变化量阈值
Figure 525531DEST_PATH_IMAGE001
、混合动力***最大 功率的标幺值
Figure 478443DEST_PATH_IMAGE002
、及电池最大充放电率
Figure 931290DEST_PATH_IMAGE003
为优化变量，进行深入细致的混合动力 ***参数匹配优化，包括如下具体步骤：
基于特定车型，根据客车最高车速巡航时的稳态大功率输出需求确定燃料电池额 定功率，
Figure 540126DEST_PATH_IMAGE005
与整车质量
Figure 775935DEST_PATH_IMAGE006
相关。
根据特征工况循环下，峰值功率需求
Figure 851863DEST_PATH_IMAGE007
、最高车速需求功率
Figure 882136DEST_PATH_IMAGE008
、最大爬坡度需 求功率
Figure 40585DEST_PATH_IMAGE009
、最大加速度需求功率
Figure 814506DEST_PATH_IMAGE010
的最大值确定动力源最大总功率标准值
Figure 742011DEST_PATH_IMAGE011
，其中，
Figure 943185DEST_PATH_IMAGE012
均为整车质量
Figure 588930DEST_PATH_IMAGE006
的函数。
混合动力***最大功率
Figure 900962DEST_PATH_IMAGE013
为燃料电池额定功率与动力电池最大充放电功率之 和。混合动力***最大功率
Figure 951482DEST_PATH_IMAGE013
的标幺值
Figure 323558DEST_PATH_IMAGE002
最大总功率标准值
Figure 456599DEST_PATH_IMAGE011
为标准。
多维参数匹配优化张量空间由三维变量
Figure 572323DEST_PATH_IMAGE004
组成。根据各变量 的约束范围建立优化张量空间内的备选参数匹配方案。
S2、多维参数匹配优化张量空间内各三维变量
Figure 474420DEST_PATH_IMAGE004
即为待评估 的备选参数匹配方案。针对各备选参数匹配方案，基于深度强化学习算法根据特征工况动 态优化功率分配策略。本发明以最小化某工况下的氢气消耗、燃料电池运行损耗成本和动 力电池运行损耗成本这三个指标为优化目标，为了协调不同优化目标，实现***运行成本 最小，各个指标均量化为运行成本进行统筹考虑。
等效氢耗成本根据氢气价格、燃料电池耗氢量、动力电池等效氢耗模型计算得到。燃料电池运行损耗成本根据燃料电池成本和衰退模型计算得到。
燃料电池衰退模型可根据燃料电池运行情况（运行工况、工作温度等因素）实时量化衰退程度。
动力电池运行损耗成本根据动力电池初始投资成本和动力电池衰退模型计算得到，其中动力电池初始投资成本是参数匹配方案三维变量的函数；动力电池衰退模型可根据电池运行情况（运行工况、工作温度等因素）实时量化衰退程度。
本发明中，为反映多个优化目标，将三个方面的指标量化值根据一定的权重系数组成强化学习奖励函数。
S3、基于深度强化学习算法，针对特征工况，为各备选方案优化功率分配策略。
S4、根据各备选方案由基于强化学***均运行成本：等效氢耗成本、燃料电池运行损耗成本和动力电池运行损耗成本之和。
如图3为燃料电池***输出功率-氢耗效率图。
利用成本分析结果，获得使得平均运行成本最小的最优参数匹配方案三维变量
Figure 17396DEST_PATH_IMAGE004
取值，反算出电池容量（Ah），并获得该方案所对应的深度强化学习 最优能量管理策略，用于进行实时控制。
本实施例应用于设计车重约为14000kg的某款客车，运行于某特征工况下，该工况速度加速度曲线如图4所示。针对不同燃料电池输出功率变化量阈值、混合动力***最大功率的标幺值、电池最大充放电率等动力参数组合成的优化变量，基于强化学习算法训练能量管理策略。
进行不同优化变量下的功率分配仿真试验，量化各方案的等效氢气消耗量、燃料电池运行衰退成本、锂电池运行衰退成本，并计算总运行成本。通过计算可知，针对该车型及特征工况，参数匹配方案为燃料电池输出功率变化量阈值取10kw/s，混合动力***最大功率标幺值取1.3，电池最大充放电率取5时，能够实现最低的总运行成本。
如图5和图6所示，在该匹配参数下，相比未使用本发明的***，燃料电池的工作效率较为集中于高效区间，燃料电池/锂电池混合动力***的实际等效耗氢量有较大幅度的降低，燃料电池和锂电池老化情况也得到了抑制，延长了使用寿命。

Claims (3)

1.燃料电池锂电池混合动力***参数匹配方法，其特征在于，包括以下步骤：
S1、结合燃料电池和锂电池各自的动态特性，设立了多维参数匹配优化张量空间，分别以燃料电池输出功率变化量阈值
Figure DEST_PATH_IMAGE002
、混合动力***最大功率的标幺值
Figure DEST_PATH_IMAGE004
、及锂电池最大充放电率
Figure DEST_PATH_IMAGE006
为优化变量，进行混合动力***参数匹配优化；
S2、多维参数匹配优化张量空间内各三维变量
Figure DEST_PATH_IMAGE008
即为待评估的备选参数匹配方案；
S3、基于深度强化学习算法，针对特征工况，为各备选方案优化功率分配策略；
S4、根据各备选方案由基于强化学***均运行成本：等效氢耗成本、燃料电池运行损耗成本和锂电池运行损耗成本之和；
利用成本分析结果，获得使得平均运行成本最小的最优参数匹配方案三维变量
Figure 16094DEST_PATH_IMAGE008
取值，反算出锂电池容量，并获得该方案所对应的深度强化学习最优能量管理策略，用于进行实时控制。
2.根据权利要求1所述的燃料电池锂电池混合动力***参数匹配方法，其特征在于，步骤S1具体包括以下步骤：
基于特定车型，根据客车最高车速巡航时的稳态大功率输出需求
Figure DEST_PATH_IMAGE010
确定燃料电池额定功率，
Figure DEST_PATH_IMAGE012
与整车质量
Figure DEST_PATH_IMAGE014
相关；
根据特征工况循环下，峰值功率需求
Figure DEST_PATH_IMAGE016
、最高车速需求功率
Figure DEST_PATH_IMAGE018
、最大爬坡度需求功率
Figure DEST_PATH_IMAGE020
、最大加速度需求功率
Figure DEST_PATH_IMAGE022
的最大值确定动力源最大总功率标准值
Figure DEST_PATH_IMAGE024
，其中，
Figure DEST_PATH_IMAGE026
,
Figure DEST_PATH_IMAGE028
,
Figure DEST_PATH_IMAGE030
,
Figure DEST_PATH_IMAGE032
均为整车质量
Figure 228508DEST_PATH_IMAGE014
的函数；
混合动力***最大功率
Figure DEST_PATH_IMAGE034
为燃料电池额定功率与锂电池最大充放电功率之和；混合动力***最大功率
Figure 195195DEST_PATH_IMAGE034
的标幺值
Figure 793667DEST_PATH_IMAGE004
以最大总功率标准值
Figure 76881DEST_PATH_IMAGE024
为标准；
多维参数匹配优化张量空间由三维变量
Figure 368185DEST_PATH_IMAGE008
组成；根据各变量的约束范围建立优化张量空间内的备选参数匹配方案。
3.根据权利要求1所述的燃料电池锂电池混合动力***参数匹配方法，其特征在于，步骤S2、具体包括以下步骤：
针对各备选参数匹配方案，基于深度强化学习算法根据特征工况动态优化功率分配策略；最小化某工况下的氢气消耗、燃料电池运行损耗成本和锂电池运行损耗成本这三个指标为优化目标，为了协调不同优化目标，实现***运行成本最小，各个指标均量化为运行成本进行统筹考虑；
等效氢耗成本根据氢气价格、燃料电池耗氢量、锂电池等效氢耗模型计算得到；燃料电池运行损耗成本根据燃料电池成本和衰退模型计算得到；
燃料电池衰退模型可根据燃料电池运行情况实时量化衰退程度；
锂电池运行损耗成本根据锂电池初始投资成本和锂电池衰退模型计算得到，其中锂电池初始投资成本是参数匹配方案三维变量的函数；锂电池衰退模型可根据电池运行情况实时量化衰退程度；
将三个方面的指标量化值根据一定的权重系数组成强化学习奖励函数。
CN202110596547.2A 2021-05-28 2021-05-28 燃料电池锂电池混合动力***参数匹配方法 Active CN113022385B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110596547.2A CN113022385B (zh) 2021-05-28 2021-05-28 燃料电池锂电池混合动力***参数匹配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110596547.2A CN113022385B (zh) 2021-05-28 2021-05-28 燃料电池锂电池混合动力***参数匹配方法

Publications (2)

Publication Number Publication Date
CN113022385A CN113022385A (zh) 2021-06-25
CN113022385B true CN113022385B (zh) 2021-08-10

Family

ID=76456141

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110596547.2A Active CN113022385B (zh) 2021-05-28 2021-05-28 燃料电池锂电池混合动力***参数匹配方法

Country Status (1)

Country Link
CN (1) CN113022385B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113533991B (zh) * 2021-07-13 2023-08-15 浙江大学 一种基于燃料电池自适应混合老化特征的老化诊断方法
CN113682203B (zh) * 2021-09-23 2023-02-07 西南交通大学 基于燃料电池有轨电车全生命周期状态的能量调控方法
CN114030392B (zh) * 2021-09-28 2023-05-09 西北工业大学 燃料电池-锂电池混源供电***效率优化能量管理策略
CN114889498B (zh) * 2022-05-07 2023-12-15 苏州市华昌能源科技有限公司 一种氢电混合动力***的功率优化分配方法
CN117799502B (zh) * 2024-03-01 2024-05-14 西北工业大学宁波研究院 一种uuv的混合动力***的能源管理方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110450653A (zh) * 2019-08-07 2019-11-15 浙江大学城市学院 基于燃料电池/锂电池退化模型的混合动力汽车最优控制策略
CN110834552A (zh) * 2019-11-11 2020-02-25 常熟理工学院 一种自适应遗传的双电耦合燃料电池汽车能效优化方法
CN111162295A (zh) * 2019-12-30 2020-05-15 电子科技大学 一种考虑退化的燃料电池混合***的能量管理方法
CN112036603A (zh) * 2020-07-28 2020-12-04 南京航空航天大学 一种基于双堆燃料电池的混合储能***能量管理策略
CN112287463A (zh) * 2020-11-03 2021-01-29 重庆大学 一种基于深度强化学习算法的燃料电池汽车能量管理方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6580977B2 (en) * 2001-01-16 2003-06-17 Ford Global Technologies, Llc High efficiency fuel cell and battery for a hybrid powertrain

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110450653A (zh) * 2019-08-07 2019-11-15 浙江大学城市学院 基于燃料电池/锂电池退化模型的混合动力汽车最优控制策略
CN110834552A (zh) * 2019-11-11 2020-02-25 常熟理工学院 一种自适应遗传的双电耦合燃料电池汽车能效优化方法
CN111162295A (zh) * 2019-12-30 2020-05-15 电子科技大学 一种考虑退化的燃料电池混合***的能量管理方法
CN112036603A (zh) * 2020-07-28 2020-12-04 南京航空航天大学 一种基于双堆燃料电池的混合储能***能量管理策略
CN112287463A (zh) * 2020-11-03 2021-01-29 重庆大学 一种基于深度强化学习算法的燃料电池汽车能量管理方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于动态规划的混合动力有轨电车能量管理方法;陈维荣等;《西南交通大学学报》;20201031;第55卷(第5期);第902-910页 *
多能量源燃料电池电动客车参数匹配及控制策略;杨坤等;《汽车安全与节能学报》;20200915;第11卷(第3期);第362-370页 *

Also Published As

Publication number Publication date
CN113022385A (zh) 2021-06-25

Similar Documents

Publication Publication Date Title
CN113022385B (zh) 燃料电池锂电池混合动力***参数匹配方法
CN110254418B (zh) 一种混合动力汽车增强学习能量管理控制方法
CN109606137B (zh) 融合成本寿命因素的多源电驱动***经济性优化方法
CN110040038A (zh) 一种氢-电混合燃料电池客车能量管理控制方法及***
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
CN113928187B (zh) 一种燃料电池汽车的能量管理控制方法
CN111064214A (zh) 基于电动汽车两阶段滚动式策略的配电网优化调度方法
CN109760523A (zh) 基于bp神经网络车速预测的复合电源能量管理方法
CN112706753B (zh) 一种基于灰狼优化的ecms混动汽车能量管理策略
CN106494328B (zh) 一种基于电功率在线计算的燃油汽车电能控制***及方法
CN113022380B (zh) 一种考虑衰减的燃料电池汽车动力电池优化设计方法
CN109849694B (zh) 一种基于在线凸规划的混合储能式有轨电车能量管理方法
CN111572369A (zh) 基于改进遗传算法的燃料电池混合动力汽车能量管理在线优化方法
CN113928182B (zh) 基于全局交通信息的混合动力汽车电池热管理优化***
Jia et al. Energy management strategy of fuel cell/battery hybrid vehicle based on series fuzzy control
CN112455291B (zh) 一种燃料电池汽车复合电源瞬时最优能量管理方法
Sun et al. Optimization Design of Powertrain Parameters for Electromechanical Flywheel Hybrid Electric Vehicle.
CN113352946A (zh) 一种燃料电池汽车动力***的能量管理方法
CN114030392B (zh) 燃料电池-锂电池混源供电***效率优化能量管理策略
CN114347868B (zh) 基于智能网联信息的燃料电池混合动力汽车能量管理方法
CN113104021B (zh) 一种基于智能优化的增程式电动汽车能量管理控制方法
Li et al. Power management and economic estimation of fuel cell hybrid vehicle using fuzzy logic
CN113420927A (zh) 多源动力***的多目标配置优化方法
CN113555901A (zh) 基于改进s型函数粒子群优化算法的混合储能容量优化方法
CN110920601B (zh) 一种多异性动力源***能量配置优化控制的方法

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
GR01 Patent grant