CN113779703A - 一种燃料电池汽车车速规划与能量管理的联合优化方法 - Google Patents
一种燃料电池汽车车速规划与能量管理的联合优化方法 Download PDFInfo
- Publication number
- CN113779703A CN113779703A CN202111108250.3A CN202111108250A CN113779703A CN 113779703 A CN113779703 A CN 113779703A CN 202111108250 A CN202111108250 A CN 202111108250A CN 113779703 A CN113779703 A CN 113779703A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- fuel cell
- power
- model
- energy
- 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
- 239000000446 fuel Substances 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000007726 management method Methods 0.000 title claims abstract description 41
- 238000005457 optimization Methods 0.000 title claims abstract description 34
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 3
- 239000000126 substance Substances 0.000 claims description 56
- 239000001257 hydrogen Substances 0.000 claims description 53
- 229910052739 hydrogen Inorganic materials 0.000 claims description 53
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 47
- 230000009977 dual effect Effects 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000004088 simulation Methods 0.000 claims description 7
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 125000004122 cyclic group Chemical group 0.000 claims description 6
- 238000012804 iterative process Methods 0.000 claims description 6
- 238000012887 quadratic function Methods 0.000 claims description 6
- 238000005096 rolling process Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- -1 hydrogen Chemical class 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 239000001301 oxygen Substances 0.000 claims description 3
- 229910052760 oxygen Inorganic materials 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 230000001052 transient effect Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 2
- 238000010438 heat treatment Methods 0.000 claims description 2
- 238000011160 research Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000003860 storage 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]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- 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
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- 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)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种燃料电池汽车车速规划与能量管理的联合优化方法,包括以下步骤:S1:结合车辆关键技术参数和车辆动力***功率拓扑结构,建立车辆动力学模型;S2:分别对车辆动力学模型中燃料电池***模型、电机***模型和动力电池***模型进行凸化处理;S3:结合交通信号灯信息,建立交通信号配时模型;S4:基于车辆动力学模型和交通信号配时模型,利用双层动态规划算法求解燃料电池汽车通过多信号灯的车速规划问题,生成一条最优车速轨迹;S5:利用凸优化算法求解S4生成的最优车速轨迹下车辆的能量管理问题;解决了燃料电池汽车在多连续信号灯场景下的车速规划和能量管理联合优化的问题。
Description
技术领域
本发明涉及燃料电池汽车的车速规划技术领域和能量管理技术领域,特别是一种燃料电池汽车车速规划与能量管理的联合优化方法。
背景技术
目前,环境污染和能源短缺已成为汽车产业发展面临的两大难题。燃料电池汽车作为新能源汽车的重要分支,具有高效、清洁、零污染的优势,逐渐成为行业的研究热点。
能量管理策略是燃料电池汽车领域研究的热点和难点,是燃料电池汽车的核心技术,其直接决定了整车的经济性、动力性及驾驶性等,具有十分重要的意义。能量管理的主要任务是在满足驾驶员需求功率前提下,实现对动力源功率或转矩的优化分配,使整车性能最佳。对于燃料电池汽车而言,受限于燃料电池电堆功率性能的影响,通常会匹配一块动力电池与燃料电池发动机协同工作,这样的动力***是一个非线性、多变量、时变的复杂***。通过能量管理实现各动力源功率的合理分配,可以提高整车***性能。
此外,随着电子信息领域新技术的发展,物联网、云计算、大数据等新技术正在向传统行业渗透,为从交通行为和路网***的角度进行车辆能量优化提供了新的契机。在汽车行业,网联化和自动化汽车逐渐成为研究热点,并且正在引起行业的巨大变革。汽车的网联化可以让车辆更好的感知路况信息,如道路限速、交通信号灯信息等,提高行车的安全性和便捷性。车辆的自动化不断推进车载计算机的计算能力,让车辆能够更好的融合交通信息实现车速规划和整车能量管理。基于交通信息,合理的规划车辆的行车速度以降低燃料消耗逐渐成为整车能量管理的一个重要研究方向。
纵观国内外研究,在不同的路况信息下针对传统燃油车、电动车、混合动力汽车的车速规划和能量管理解决方案均被提出,但是关于燃料电池汽车在多连续信号灯场景下的车速规划和能量管理联合优化的研究仍处于空白阶段,是一个亟待解决的科学问题。
发明内容
为解决现有技术中存在的问题,本发明提供了一种燃料电池汽车车速规划与能量管理的联合优化方法,解决了现有技术中存在的缺陷。
一种燃料电池汽车车速规划与能量管理的联合优化方法,包括以下步骤:
S1:结合车辆关键技术参数和车辆动力***功率拓扑结构,建立车辆动力学模型;
S2:分别对车辆动力学模型中燃料电池***模型、电机***模型和动力电池***模型进行凸化处理;
S3:结合交通信号灯信息,建立交通信号配时模型;
S4:基于车辆动力学模型和交通信号配时模型,利用双层动态规划算法求解燃料电池汽车通过多信号灯的车速规划问题,生成一条最优车速轨迹;
S5:利用凸优化算法求解S4生成的最优车速轨迹下车辆的能量管理问题。
优选地,S1的车辆动力学模型包括:车辆运行状态分析、车辆纵向动力学模型、燃料电池***模型、电机***模型和动力电池***模型。
优选地,S1中建立车辆动力学模型包括以下子步骤:
S11:对车辆运行状态进行分析;
S13:车辆的状态可分为两种类型:驱动模式和制动模式;
S14:在驱动模式中,燃料电池发动机和动力电池共同向电机供能,由电机驱动车辆向前行驶,能量传递关系如下:
S15:在制动模式下,燃料电池发动机关闭,电机将制动产生的能量转换为电能并存储在动力电池中,能量传递关系如下:
S16:建立车辆纵向动力学模型,根据纵向动力学,车辆行驶过程中需求功率表示如下:
S17:建立燃料电池***模型及其凸模型;
S18:建立电机***模型及其凸模型;
求出上式的反函数
优选地,S3中建立交通信号配时模型,包括以下步骤:
优选地,S4中利用双层动态规划算法求解车速规划问题,包括以下步骤:
S42.参考改进的智能驾驶员模型到达时间,找到车辆到达终点的平均速
度,并建立车辆到达的时间距离轨迹,找到最接该轨迹的所有信号灯的绿灯区域及其邻近
域作为可通行的时域,将每个可通行区域分成段,画出通行时域内的所有路线,并根据
道路限速度从中选出可通行路线,基于匀速氢耗图,计算车辆以平均速度从个
信号灯到第个信号灯的耗氢量,最后绘制行车路线氢耗加权图,
S44.在S43中,已经计算车辆通过每个信号灯的具体时间,并知道每个信号灯距离
出发点的距离,利用全局动态规划求解车辆在每两个信号灯之间的最佳速度轨迹,为了简
化问题和提高计算效率,我们认为耦合功率的累积值越小,车辆的氢耗就越低,目标函
数可以表示为:
优选地,S5中利用凸优化算法求解S4生成的最优车速轨迹下车辆的能量管理问题,包括以下步骤:
S51.利用凸优化中的交替方向乘子法求解能量管理问题,由于燃料电池发动机在制动模式下关闭,所以我们只需要考虑驱动模式下的氢气消耗,
各个参数的具体迭代过程如下:
原始残差和对偶残差如下:
S52.为了利用交替方向乘子法求解能量管理问题,在S51的计算过程中忽略了燃
料电池***的输出功率变化的约束条件,因此由交替方向乘子法计算的动力电池化学能的最佳轨迹不能同时满足车辆动力需求和燃料电池发动机的特性;
S53.在此基础上,提出了一种循环约束检验策略,用求解出的中第t时刻的值
与第(t-1)时刻的值相减,如果差值未超过最大升速功率和最大降速功率,则t时刻的燃料电池***输出功率保持不变;如果差值超过了燃料电池***
功率的变化率,则t时刻的燃料电池***功率修改为(t-1)时刻加上或减去,得到同时满足车辆动力需求和燃料电池发动机的特性的最佳轨迹,然
后再利用下列公式求解电池的化学能
本发明燃料电池汽车车速规划与能量管理的联合优化方法的有益效果如下:
1.解决了燃料电池汽车在多连续信号灯场景下的车速规划和能量管理联合优化问题,***地提出一种能融合交通信息的燃料电池汽车车速规划和能量管理的联合优化方法。
2.本发明成果既能适用于无人驾驶汽车,又能服务有人驾驶汽车。针对无人驾驶汽车,可以结合交通信息,设计出一条通过连续交通信号灯的节能驾驶速度轨迹,帮助无人驾驶车辆实现节能驾驶控制。针对有人驾驶汽车,可以从降低能耗的角度为驾驶员提供最优车速参考轨迹,优化驾驶员的驾驶行为。
3.探索交替方向乘子法在燃料电池能量管理问题上的研究较少。利用交替方向乘子法求解燃料电池汽车能量管理,提高能量管理的实时性。
4.给出燃料电池汽车匀速氢耗图和行车路线氢耗加权图的绘制方法。
5.提出一种求解融合路况信息的燃料电池汽车车速规划问题的双层动态规划方法。该方法可根据行车路线氢耗加权图找出多信号灯场景下的最优通行时域、最优匀速行车路线和最优速度轨迹。
附图说明
图1是本发明联合优化方法的分层控制结构。
图2是本发明燃料电池汽车动力***功率拓扑图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1所示,一种燃料电池汽车通过多连续信号灯的车速规划和能量管理的联合优化方法,包括以下步骤:
S1、结合车辆关键技术参数和车辆动力***功率拓扑结构,建立车辆动力学模型。然后分别对燃料电池***模型、电机***模型和动力电池***模型进行凸化处理。
其中,车辆动力学模型包括:车辆运行状态分析、车辆纵向动力学模型、燃料电池***模型、电机***模型和动力电池***模型。
步骤S1中建立车辆动力学模型,包括以下步骤:
车辆的状态可分为两种类型:驱动模式和制动模式。
在驱动模式中,燃料电池发动机和动力电池共同向电机供能,由电机驱动车辆向前行驶。能量传递关系如下:
在制动模式下,燃料电池发动机关闭,电机将制动产生的能量转换为电能并存储在动力电池中。能量传递关系如下:
S1.2、建立车辆纵向动力学模型。根据纵向动力学,车辆行驶过程中需求功率可表示如下:
S1.3、建立燃料电池***模型及其凸模型。
求出上式的反函数
S2、结合交通信号灯信息,建立交通信号配时模型;
S2中交通信号配时模型,包括以下步骤:
S3、根据车辆动力学模型和交通信号配时模型,利用双层动态规划算法求解车速规划问题,生成一条燃料电池汽车通过多信号灯的最优车速轨迹。
S3中利用双层动态规划算法求解车速规划问题,包括以下步骤:
S3.2、参考改进的智能驾驶员模型到达时间,找到车辆到达终点的平均速
度,并建立车辆到达的时间距离轨迹,找到最接该轨迹的所有信号灯的绿灯区域及其邻近
域作为可通行的时域,将每个可通行区域分成段,画出通行时域内的所有路线,并根据
道路限速度从中选出可通行路线,基于匀速氢耗图,计算车辆以平均速度从个
信号灯到第个信号灯的耗氢量,最后绘制行车路线氢耗加权图,
S3.4、下层动态规划方法。在S3.3中,已经计算车辆通过每个信号灯的具体时间,
并知道每个信号灯距离出发点的距离。然后利用全局动态规划求解车辆在每两个信号灯之
间的最佳速度轨迹。为了简化问题和提高计算效率,我们认为耦合功率的累积值越小,
能耗就越低。目标函数可以表示为:
车辆通过每个信号灯时状态变量和控制变量的设置如下:
如图2所示,S4、利用凸优化算法求解S3步骤生成的最优车速轨迹下车辆的能量管理问题。
S4中利用凸优化算法求解S3步骤生成的最优车速轨迹下车辆的能量管理问题,包括以下步骤:
S4.1、利用凸优化中的交替方向乘子法求解能量管理问题。由于燃料电池发动机在制动模式下关闭,所以我们只需要考虑驱动模式下的氢气消耗。
目标函数的缩放形式:
各个参数的具体迭代过程如下:
原始残差和对偶残差如下:
S4.2、一种循环检验策略。为了利用交替方向乘子法求解能量管理问题,我们在
S4.1的计算过程中忽略了燃料电池***的输出功率变化的约束条件,因此由交替方向乘子
法计算的动力电池化学能的最佳轨迹不能同时满足车辆动力需求和燃料电池发动机
的特性。在此基础上,提出了一种循环约束检验策略,首先,用求解出的中第t时刻的
值与第(t-1)时刻的值相减,如果差值未超过最大升速功率和最大降速功率,则t时刻的燃料电池***输出功率保持不变;如果差值超过了燃料电池***
功率的变化率,则t时刻的燃料电池***功率修改为(t-1)时刻加上或减去,得到同时满足车辆动力需求和燃料电池发动机的特性的最佳轨迹。然
后再利用下列公式求解电池的化学能。
其中,SoC表示蓄电池剩余容量与其完全充电状态的容量的比值,其取值范围为0-1。
匀速氢耗图:指通过离线动态规划算法进行电量维持型仿真,计算车辆以不同速度匀速行驶一段足够长距离时的总耗氢量,然后除以行驶距离,得到每米平均耗氢量。
双层动态规划:指一种快速生成车辆通过多连续信号灯的最优车速轨迹的方法。在上层中基于匀速氢耗图生成车辆通过每个信号灯的具体时间和最优匀速行驶轨迹。在下层中利用经典动态规划方法计算出每两个信号灯之间的最优车速分布,从而生成一条通过多连续信号灯的最有车速轨迹。
Claims (6)
1.一种燃料电池汽车车速规划与能量管理的联合优化方法,其特征在于,包括以下步骤:
S1:结合车辆关键技术参数和车辆动力***功率拓扑结构,建立车辆动力学模型;
S2:分别对车辆动力学模型中燃料电池***模型、电机***模型和动力电池***模型进行凸化处理;
S3:结合交通信号灯信息,建立交通信号配时模型;
S4:基于车辆动力学模型和交通信号配时模型,利用双层动态规划算法求解燃料电池汽车通过多信号灯的车速规划问题,生成一条最优车速轨迹;
S5:利用凸优化算法求解S4生成的最优车速轨迹下车辆的能量管理问题。
2.根据权利要求1所述的燃料电池汽车车速规划与能量管理的联合优化方法,其特征在于,所述S1的车辆动力学模型包括:车辆运行状态分析、车辆纵向动力学模型、燃料电池***模型、电机***模型和动力电池***模型。
3.根据权利要求1所述的燃料电池汽车车速规划与能量管理的联合优化方法,其特征在于,所述S1中建立车辆动力学模型包括以下子步骤:
S11:对车辆运行状态进行分析;
S13:车辆的状态可分为两种类型:驱动模式和制动模式;
S14:在驱动模式中,燃料电池发动机和动力电池共同向电机供能,由电机驱动车辆向前行驶,能量传递关系如下:
S15:在制动模式下,燃料电池发动机关闭,电机将制动产生的能量转换为电能并存储在动力电池中,能量传递关系如下:
S16:建立车辆纵向动力学模型,根据纵向动力学,车辆行驶过程中需求功率表示如下:
S17:建立燃料电池***模型及其凸模型;
S18:建立电机***模型及其凸模型;
求出上式的反函数
5.根据权利要求1所述的燃料电池汽车车速规划与能量管理的联合优化方法,其特征在于,所述S4中利用双层动态规划算法求解车速规划问题,包括以下步骤:
S42.参考改进的智能驾驶员模型到达时间,找到车辆到达终点的平均速度,并
建立车辆到达的时间距离轨迹,找到最接该轨迹的所有信号灯的绿灯区域及其邻近域作为
可通行的时域,将每个可通行区域分成段,画出通行时域内的所有路线,并根据道路限
速度从中选出可通行路线,基于匀速氢耗图,计算车辆以平均速度从个信号灯
到第个信号灯的耗氢量,最后绘制行车路线氢耗加权图,
S44.在S43中,已经计算车辆通过每个信号灯的具体时间,并知道每个信号灯距离出发
点的距离,利用全局动态规划求解车辆在每两个信号灯之间的最佳速度轨迹,为了简化问
题和提高计算效率,我们认为耦合功率的累积值越小,车辆的氢耗就越低,目标函数可
以表示为:
6.根据权利要求1所述的燃料电池汽车车速规划与能量管理的联合优化方法,其特征在于,所述S5中利用凸优化算法求解S4生成的最优车速轨迹下车辆的能量管理问题,包括以下步骤:
S51.利用凸优化中的交替方向乘子法求解能量管理问题,由于燃料电池发动机在制动模式下关闭,所以我们只需要考虑驱动模式下的氢气消耗,
然后得到累积氢消耗量的目标函数,
各个参数的具体迭代过程如下:
原始残差和对偶残差如下:
S52.为了利用交替方向乘子法求解能量管理问题,在S51的计算过程中忽略了燃料电
池***的输出功率变化的约束条件,因此由交替方向乘子法计算的动力电池化学能的
最佳轨迹不能同时满足车辆动力需求和燃料电池发动机的特性;
S53.在此基础上,提出了一种循环约束检验策略,用求解出的中第t时刻的值与第
(t-1)时刻的值相减,如果差值未超过最大升速功率和最大降速功率
,则t时刻的燃料电池***输出功率保持不变;如果差值超过了燃料电池***功率的变化
率,则t时刻的燃料电池***功率修改为(t-1)时刻加上或减去,得到
同时满足车辆动力需求和燃料电池发动机的特性的最佳轨迹,然后再利用下列公式
求解电池的化学能
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111108250.3A CN113779703B (zh) | 2021-09-22 | 2021-09-22 | 一种燃料电池汽车车速规划与能量管理的联合优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111108250.3A CN113779703B (zh) | 2021-09-22 | 2021-09-22 | 一种燃料电池汽车车速规划与能量管理的联合优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113779703A true CN113779703A (zh) | 2021-12-10 |
CN113779703B CN113779703B (zh) | 2023-12-22 |
Family
ID=78852704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111108250.3A Active CN113779703B (zh) | 2021-09-22 | 2021-09-22 | 一种燃料电池汽车车速规划与能量管理的联合优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113779703B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114475366A (zh) * | 2022-03-18 | 2022-05-13 | 湖南精准信息科技有限公司 | 基于凸优化的燃料电池汽车节能驾驶方法及*** |
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*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160304080A1 (en) * | 2015-04-17 | 2016-10-20 | Mitsubishi Electric Corporation | Vehicle energy management device |
CN112776673A (zh) * | 2020-12-06 | 2021-05-11 | 吉林大学 | 智能网联燃料电池汽车实时能量优化管理*** |
CN112989715A (zh) * | 2021-05-20 | 2021-06-18 | 北京理工大学 | 一种燃料电池汽车多信号灯车速规划方法 |
CN113022384A (zh) * | 2021-05-26 | 2021-06-25 | 北京理工大学 | 一种基于凸优化的燃料电池汽车能量管理方法 |
CN113085666A (zh) * | 2021-05-18 | 2021-07-09 | 北京理工大学 | 一种分层式燃料电池汽车节能驾驶方法 |
CN113192347A (zh) * | 2021-03-16 | 2021-07-30 | 东南大学 | 动态交通场景下智能网联车辆经济性驾驶控制方法 |
-
2021
- 2021-09-22 CN CN202111108250.3A patent/CN113779703B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160304080A1 (en) * | 2015-04-17 | 2016-10-20 | Mitsubishi Electric Corporation | Vehicle energy management device |
CN112776673A (zh) * | 2020-12-06 | 2021-05-11 | 吉林大学 | 智能网联燃料电池汽车实时能量优化管理*** |
CN113192347A (zh) * | 2021-03-16 | 2021-07-30 | 东南大学 | 动态交通场景下智能网联车辆经济性驾驶控制方法 |
CN113085666A (zh) * | 2021-05-18 | 2021-07-09 | 北京理工大学 | 一种分层式燃料电池汽车节能驾驶方法 |
CN112989715A (zh) * | 2021-05-20 | 2021-06-18 | 北京理工大学 | 一种燃料电池汽车多信号灯车速规划方法 |
CN113022384A (zh) * | 2021-05-26 | 2021-06-25 | 北京理工大学 | 一种基于凸优化的燃料电池汽车能量管理方法 |
Non-Patent Citations (1)
Title |
---|
XIAODONG WEI 等: "Application of alternating direction method of multipliers algorithm in energy management of fuel cell vehicles", INTERNATIONAL JOURNAL OF HYDROGEN ENERGY, vol. 46, pages 25620 - 25633 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114475366A (zh) * | 2022-03-18 | 2022-05-13 | 湖南精准信息科技有限公司 | 基于凸优化的燃料电池汽车节能驾驶方法及*** |
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*** |
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*** |
Also Published As
Publication number | Publication date |
---|---|
CN113779703B (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tang et al. | Naturalistic data-driven predictive energy management for plug-in hybrid electric vehicles | |
Li et al. | Adaptive energy management strategy for fuel cell/battery hybrid vehicles using Pontryagin's Minimal Principle | |
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 | |
CN110775065B (zh) | 一种基于工况识别的混合动力汽车电池寿命预测方法 | |
CN113085666B (zh) | 一种分层式燃料电池汽车节能驾驶方法 | |
CN112776673B (zh) | 智能网联燃料电池汽车实时能量优化管理*** | |
Li et al. | A speedy reinforcement learning-based energy management strategy for fuel cell hybrid vehicles considering fuel cell system lifetime | |
CN111923897B (zh) | 一种插电式混合动力汽车能量智能管理方法 | |
CN113779703A (zh) | 一种燃料电池汽车车速规划与能量管理的联合优化方法 | |
CN111301397B (zh) | 一种插电混合动力汽车变时域模型预测能量管理方法 | |
Hong et al. | A novel mechanical-electric-hydraulic power coupling electric vehicle considering different electrohydraulic distribution ratios | |
Sun et al. | An adaptive ECMS based on traffic information for plug-in hybrid electric buses | |
CN112721907B (zh) | 一种考虑道路坡度的网联混合动力汽车高效能量管理方法 | |
CN113022384A (zh) | 一种基于凸优化的燃料电池汽车能量管理方法 | |
CN112319462B (zh) | 一种插电式混合动力汽车能量管理方法 | |
Zhang et al. | Comparative study of energy management in parallel hybrid electric vehicles considering battery ageing | |
CN115416503A (zh) | 基于智能网联的燃料电池混合动力汽车能量管理方法 | |
CN113815437B (zh) | 燃料电池混合动力汽车的预测性能量管理方法 | |
Xin et al. | Optimal energy management of fuel cell hybrid electric vehicle based on model predictive control and on-line mass estimation | |
CN113554337A (zh) | 融合交通信息的插电式混动汽车能量管理策略构建方法 | |
CN111731262A (zh) | 插电混合动力汽车变时域模型预测能量管理方法 | |
Song et al. | Research on energy management strategy of fuel-cell vehicles based on nonlinear model predictive control | |
Zhang et al. | An optimal vehicle speed planning algorithm for regenerative braking at traffic lights intersections based on reinforcement learning | |
Song et al. | State-of-the-art and development trends of energy management strategies for intelligent and connected new energy vehicles: a review | |
Geng et al. | Simulation and experimental research on energy management control strategy for fuel cell heavy-duty truck |
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 |