CN115071449B - 一种基于多模糊控制器的复合电源能量管理方法 - Google Patents

一种基于多模糊控制器的复合电源能量管理方法 Download PDF

Info

Publication number
CN115071449B
CN115071449B CN202210858441.XA CN202210858441A CN115071449B CN 115071449 B CN115071449 B CN 115071449B CN 202210858441 A CN202210858441 A CN 202210858441A CN 115071449 B CN115071449 B CN 115071449B
Authority
CN
China
Prior art keywords
usoc
delta
power ratio
super capacitor
fuzzy
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
CN202210858441.XA
Other languages
English (en)
Other versions
CN115071449A (zh
Inventor
杨海军
肖云硕
刘飞龙
陈烨辉
王颖杰
刘海强
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.)
WUXI JUNGONG INTELLIGENT ELECTRICAL CO Ltd
Original Assignee
WUXI JUNGONG INTELLIGENT ELECTRICAL CO Ltd
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 WUXI JUNGONG INTELLIGENT ELECTRICAL CO Ltd filed Critical WUXI JUNGONG INTELLIGENT ELECTRICAL CO Ltd
Priority to CN202210858441.XA priority Critical patent/CN115071449B/zh
Publication of CN115071449A publication Critical patent/CN115071449A/zh
Application granted granted Critical
Publication of CN115071449B publication Critical patent/CN115071449B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B60L50/00—Electric propulsion with power supplied within the vehicle
    • B60L50/40—Electric propulsion with power supplied within the vehicle using propulsion power supplied by capacitors
    • 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
    • B60L50/00—Electric propulsion with power supplied within the vehicle
    • B60L50/50—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells
    • B60L50/60—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells using power supplied by 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
    • 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)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明提供一种基于多模糊控制器的复合电源能量管理方法，包括：通过多模糊控制器的切换来改变超级电容的充放电趋势，从而提高超级电容充放电平衡性；以提高复合电源能量管理性能；该方法包括：根据切换信号α选择模糊控制器A～D；计算功率比β和ΔUSOC(k‑1)；功率比β输入选择的模糊控制器中，依据设置的功率比β隶属度函数获得功率比β语言变量值；ΔUSOC(k‑1)输入选择的模糊控制器中，依据设置的ΔUSOC(k)隶属度函数获得ΔUSOC(k‑1)语言变量值；依据功率比β语言变量值和ΔUSOC(k‑1)语言变量值，通过查模糊规则表，获得比例因子Kp语言变量值；计算Kp具体数值；计算超级电容分配电流和锂电池分配电流。

Description

一种基于多模糊控制器的复合电源能量管理方法
技术领域
本发明涉及巡检机器人的能量管理技术领域，具体涉及一种面向锂电池与超级电容的基于多模糊控制器的复合电源能量管理方法。
背景技术
随着石油、天然气等不可再生能源不断消耗，以及生态环境的日益恶劣，巡检机器人得以迅速发展。复合电源是解决巡检机器人单一电源***能量供给不足、瞬时功率较低、续航等问题的关键技术，复合电源中的锂电池和超级电容在能量密度和瞬时功率上的特性恰好相反，锂电池属于能量型储存装置可以输出低频平稳的功率，而超级电容属于功率型储存装置可以输出高频变化的功率。此外，超级电容还可以降低锂电池大电流放电对自身的冲击损伤。要想充分发挥两者的自身优势，则需要根据巡检机器人实际路况中的功率需求设计出一种复合电源能量管理策略，合理分配锂电池、超级电容两种能量源的使用。
为了充分发挥混合动力***中不同动力源的优势，避其劣势，分析巡检机器人不同工况下的工作模式：
(1)巡检机器人刚起步或者需要短时间内加速时，驱动电机需要将行驶速度快速提升到期望值，超级电容具有瞬时大电流特性，可为电机提供短时较大功率，满足巡检机器人起步的功率需求。
(2)巡检机器人启动至恒速，持续行驶过程中，需要电机保持稳定且持续的运行，所需功率较小，混合动力***中的锂电池则能为巡检机器人提供稳定且持续的动力。
(3)巡检机器人在短时加速或者上坡时，整车功率需求增大，由两种动力源同时工作，锂电池可为驱动电机提供持续且稳定的功率输出，超级电容组能够提供瞬时大功率，相辅相成，满足巡检机器人行驶的需求。
(4)巡检机器人在减速行驶过程中，驱动电机会快速切换成发电机，发电机通过制动运动产生电力储存与混合动力***中，存储能量的比例会由能量管理***对其进行分类、整理再分配。在能量分配中，优先会考虑超级电容的充电，当超级电容充电值高位时，会将剩余电能向锂电池SOC中进行传输。
本申请涉及的一些术语如下：
SOC：荷电状态。
发明内容
本发明的目的是在于克服现有技术中存在的不足，提供一种基于多模糊控制器的复合电源能量管理方法，用于提高超级电容和锂电池复合电源管理性能。为实现以上技术目的，本发明实施例采用的技术方案是：
本发明实施例提供了一种基于多模糊控制器的复合电源能量管理方法，包括：通过多模糊控制器的切换来改变超级电容的充放电趋势，从而提高超级电容充放电平衡性。
进一步地，该方法具体包括：
定义反映相邻时段工况信息关系的功率比β，表示为：
其中，P平(k-1)是k-1时刻到k时刻这一时段内机器人的平均需求功率、P(k)为k时刻机器人的需求功率；
定义切换信号α，表示为：
α＝MSOC+2Mp+1 (4)
其中，USOC(k)表示k时刻超级电容SOC的瞬时值；USOCopt为超级电容SOC参考值；α为模糊控制器切换信号；切换信号α＝i(i＝1,2,3,4)分别对应模糊控制器A～D；
当P平(k-1)＜0时，对于模糊控制器A和B，设定功率比β的语言变量为{NB,NS,PS,PB}；当P平(k-1)＞0时，对于模糊控制器C和D，设定功率比β语言变量为{NB,NS,PS,PMS,PM,PMB,PB}，其中，NB、NS、PS、PMS、PM、PMB和PB分别表示负大、负小、正小、正中小、正中、正中大和正大；选定功率比β的论域，设置功率比β隶属度函数；
设定ΔUSOC(k)的语言变量为{NB,NS,ZE,PS,PB}，分别表示为负大、负小、零、正小、正大；选定ΔUSOC(k)的论域，设置ΔUSOC(k)隶属度函数；
定义四个模糊控制器A～D输出量，即比例因子Kp的语言变量为{NB,NM,NS,ZE,PS,PM,PB}，分别表示负大、负中、负小、零、正小、正中、正大；选定比例因子Kp的论域，设置比例因子Kp隶属度函数；
设置k时刻到k+1时刻这一时段内超级电容SOC变化量ΔUSOC(k)预测公式为：
ΔUSOC(k)＝ΔUSOC(k-1)+Kp(USOCopt-USOC(k)) (5)
ΔUSOC(k-1)＝USOC(k)-USOC(k-1) (6)
其中，USOC(k-1)表示k-1时刻超级电容SOC的瞬时值，ΔUSOC(k-1)、ΔUSOC(k)分别表示k-1时刻到k时刻这一时段内、k时刻到k+1时刻这一时段内超级电容SOC变化量；
步骤S10，依据公式(2)～(4)计算切换信号α，根据切换信号α选择模糊控制器A～D；
步骤S20，依据公式(1)计算功率比β，依据公式(6)计算ΔUSOC(k-1)；
步骤S30，功率比β输入步骤S10选择的模糊控制器中，依据设置的功率比β隶属度函数获得功率比β语言变量值；
步骤S40，ΔUSOC(k-1)输入步骤S10选择的模糊控制器中，依据设置的ΔUSOC(k)隶属度函数获得ΔUSOC(k-1)语言变量值；
步骤S50，依据功率比β语言变量值和ΔUSOC(k-1)语言变量值，通过查模糊规则表，获得比例因子Kp语言变量值；
步骤S60，依据设置的比例因子Kp隶属度函数，计算Kp具体数值；
步骤S70，输入比例因子Kp到公式(5)中，获得ΔUSOC(k)预测值，依据式ic(k)＝-ΔUSOC(k).Qc计算超级电容分配电流ic(k)，其中Qc是超级电容的最大电荷量；
步骤S80，将总需求电流i总(k)减去超级电容分配电流ic(k)得到锂电池分配电流ib(k)。
进一步地，功率比β的论域为[-10,10]。
进一步地，ΔUSOC(k)的论域为[-4,4]。
进一步地，比例因子Kp的论域为[-8,8]。
本发明实施例提供的技术方案带来的有益效果是：
1)通过四个模糊控制器实现超级电容充放电平衡，提高复合电源能量管理性能。
2)在满足机器人行驶的功率需求下，提高了能量利用率，同时减少了锂电池的使用，提高了复合电源***的生命周期。
附图说明
图1为本发明实施例中的能量管理方法示意图。
图2为本发明实施例中的不同模糊控制器的功率比β隶属度函数示意图。
图3为本发明实施例中的ΔUSOC(k)隶属度函数示意图。
图4为本发明实施例中的比例因子Kp隶属度函数示意图。
图5为本发明实施例中在综合测试工况下多种策略的锂电池SOC对比图。
图6为本发明实施例中在综合测试工况下多种策略的超级电容SOC对比图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本发明的实施例提出一种基于多模糊控制器的复合电源能量管理方法，包括：通过多模糊控制器的切换来改变超级电容的充放电趋势，从而提高超级电容充放电平衡性；以提高复合电源能量管理性能；
一种基于多模糊控制器的复合电源能量管理方法，如图1所示，具体包括：
定义反映相邻时段工况信息关系的功率比β，表示为：
其中，P平(k-1)是k-1时刻到k时刻这一时段内机器人的平均需求功率、P(k)为k时刻机器人的需求功率；
定义切换信号α，表示为：
α＝MSOC+2Mp+1 (4)
其中，USOC(k)表示k时刻超级电容SOC的瞬时值；USOCopt为超级电容SOC参考值；α为模糊控制器切换信号；切换信号α＝i(i＝1,2,3,4)分别对应模糊控制器A～D；
当P平(k-1)＜0时，对于模糊控制器A和B，设定功率比β的语言变量为{NB,NS,PS,PB}；当P平(k-1)＞0时，对于模糊控制器C和D，设定功率比β语言变量为{NB,NS,PS,PMS,PM,PMB,PB}，其中，NB、NS、PS、PMS、PM、PMB和PB分别表示负大、负小、正小、正中小、正中、正中大和正大；选定功率比β的论域为[-10,10]，设置功率比β隶属度函数；本实施例中的功率比β隶属度函数如图2所示；
设定ΔUSOC(k)的语言变量为{NB,NS,ZE,PS,PB}，分别表示为负大、负小、零、正小、正大；选定ΔUSOC(k)的论域为[-4,4]，设置ΔUSOC(k)隶属度函数；本实施例中的ΔUSOC(k)隶属度函数如图3所示；
定义四个模糊控制器A～D输出量，即比例因子Kp的语言变量为{NB,NM,NS,ZE,PS,PM,PB}，分别表示负大、负中、负小、零、正小、正中、正大；选定比例因子Kp的论域为[-8,8]，设置比例因子Kp隶属度函数；本实施例中比例因子Kp隶属度函数如图4所示；
设置k时刻到k+1时刻这一时段内超级电容SOC变化量ΔUSOC(k)预测公式为：
ΔUSOC(k)＝ΔUSOC(k-1)+Kp(USOCopt-USOC(k)) (5)
ΔUSOC(k-1)＝USOC(k)-USOC(k-1) (6)
其中，USOC(k-1)表示k-1时刻超级电容SOC的瞬时值，ΔUSOC(k-1)、ΔUSOC(k)分别表示k-1时刻到k时刻这一时段内、k时刻到k+1时刻这一时段内超级电容SOC变化量；
步骤S10，依据公式(2)～(4)计算切换信号α，根据切换信号α选择模糊控制器A～D；
步骤S20，依据公式(1)计算功率比β，依据公式(6)计算ΔUSOC(k-1)；
步骤S30，功率比β输入步骤S10选择的模糊控制器中，依据设置的功率比β隶属度函数获得功率比β语言变量值；
步骤S40，ΔUSOC(k-1)输入步骤S10选择的模糊控制器中，依据设置的ΔUSOC(k)隶属度函数获得ΔUSOC(k-1)语言变量值；
步骤S50，依据功率比β语言变量值和ΔUSOC(k-1)语言变量值，通过查模糊规则表，获得比例因子Kp语言变量值；
步骤S60，依据设置的比例因子Kp隶属度函数，计算Kp具体数值；
步骤S70，输入比例因子Kp到公式(5)中，获得ΔUSOC(k)预测值，依据式ic(k)＝-ΔUSOC(k).Qc计算超级电容分配电流ic(k)，其中Qc是超级电容的最大电荷量；
步骤S80，将总需求电流i总(k)减去超级电容分配电流ic(k)得到锂电池分配电流ib(k)；
本实施例中模糊规则表如表1所示：
表1
为了验证本实施例提出的一种基于多模糊控制器的复合电源能量管理方法与其它能量管理策略相比的优越性，基于汽车仿真软件ADVISOR使其与逻辑门限(Logic)、模糊控制策略(Fuzzy)在综合测试工况下进行对比试验；本实施例提出的方法的策略在图5、6中简称Fuzzy-M；
在综合工况测试下，本申请Fuzzy-M策略下的锂电池SOC与其它两种策略下的锂电池SOC基本保持同步下降，Fuzzy-M策略下的锂电池SOC在测试初始阶段下降得更为缓慢，之后略低于其他两种策略，但SOC差值不超过1％，基本上保持一致；但本申请Fuzzy-M策略的超级电容SOC高于其他两种策略下的超级电容SOC，消耗的频率高且功率输出多但处于更高的状态，说明Fuzzy-M策略中超级电容回收了更多的制动状态时的能量；
以上验证结果表明得出，本申请基于Fuzzy-M策略的能量管理方法在满足机器人行驶的功率需求下，超级电容能够充分吸收机器人在制动状态下释放的能量，提高了能量利用率，同时减少了锂电池的使用，提高了复合电源***的生命周期。
最后所应说明的是，以上具体实施方式仅用以说明本发明的技术方案而非限制，尽管参照实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，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (4)

1.一种基于多模糊控制器的复合电源能量管理方法，其特征在于，包括：通过多模糊控制器的切换来改变超级电容的充放电趋势，从而提高超级电容充放电平衡性；
该方法具体包括：
定义反映相邻时段工况信息关系的功率比β，表示为：
其中，P平(k-1)是k-1时刻到k时刻这一时段内机器人的平均需求功率、P(k)为k时刻机器人的需求功率；
定义切换信号α，表示为：
α＝MSOC+2Mp+1 (4)
其中，USOC(k)表示k时刻超级电容SOC的瞬时值；USOCopt为超级电容SOC参考值；α为模糊控制器切换信号；切换信号α＝i(i＝1,2,3,4)分别对应模糊控制器A～D；
当P平(k-1)＜0时，对于模糊控制器A和B，设定功率比β的语言变量为{NB,NS,PS,PB}；当P平(k-1)＞0时，对于模糊控制器C和D，设定功率比β语言变量为{NB,NS,PS,PMS,PM,PMB,PB}，其中，NB、NS、PS、PMS、PM、PMB和PB分别表示负大、负小、正小、正中小、正中、正中大和正大；选定功率比β的论域，设置功率比β隶属度函数；
设定ΔUSOC(k)的语言变量为{NB,NS,ZE,PS,PB}，分别表示为负大、负小、零、正小、正大；选定ΔUSOC(k)的论域，设置ΔUSOC(k)隶属度函数；
定义四个模糊控制器A～D输出量，即比例因子Kp的语言变量为{NB,NM,NS,ZE,PS,PM,PB}，分别表示负大、负中、负小、零、正小、正中、正大；选定比例因子Kp的论域，设置比例因子Kp隶属度函数；
设置k时刻到k+1时刻这一时段内超级电容SOC变化量ΔUSOC(k)预测公式为：
ΔUSOC(k)＝ΔUSOC(k-1)+Kp(USOCopt-USOC(k)) (5)
ΔUSOC(k-1)＝USOC(k)-USOC(k-1) (6)
其中，USOC(k-1)表示k-1时刻超级电容SOC的瞬时值，ΔUSOC(k-1)、ΔUSOC(k)分别表示k-1时刻到k时刻这一时段内、k时刻到k+1时刻这一时段内超级电容SOC变化量；
步骤S10，依据公式(2)～(4)计算切换信号α，根据切换信号α选择模糊控制器A～D；
步骤S20，依据公式(1)计算功率比β，依据公式(6)计算ΔUSOC(k-1)；
步骤S30，功率比β输入步骤S10选择的模糊控制器中，依据设置的功率比β隶属度函数获得功率比β语言变量值；
步骤S40，ΔUSOC(k-1)输入步骤S10选择的模糊控制器中，依据设置的ΔUSOC(k)隶属度函数获得ΔUSOC(k-1)语言变量值；
步骤S50，依据功率比β语言变量值和ΔUSOC(k-1)语言变量值，通过查模糊规则表，获得比例因子Kp语言变量值；
步骤S60，依据设置的比例因子Kp隶属度函数，计算Kp具体数值；
步骤S70，输入比例因子Kp到公式(5)中，获得ΔUSOC(k)预测值，依据式ic(k)＝-ΔUSOC(k).Qc计算超级电容分配电流ic(k)，其中Qc是超级电容的最大电荷量；
步骤S80，将总需求电流i总(k)减去超级电容分配电流ic(k)得到锂电池分配电流ib(k)。
2.如权利要求1所述的基于多模糊控制器的复合电源能量管理方法，其特征在于，
功率比β的论域为[-10,10]。
3.如权利要求1所述的基于多模糊控制器的复合电源能量管理方法，其特征在于，
ΔUSOC(k)的论域为[-4,4]。
4.如权利要求1所述的基于多模糊控制器的复合电源能量管理方法，其特征在于，
比例因子Kp的论域为[-8,8]。
CN202210858441.XA 2022-07-20 2022-07-20 一种基于多模糊控制器的复合电源能量管理方法 Active CN115071449B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210858441.XA CN115071449B (zh) 2022-07-20 2022-07-20 一种基于多模糊控制器的复合电源能量管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210858441.XA CN115071449B (zh) 2022-07-20 2022-07-20 一种基于多模糊控制器的复合电源能量管理方法

Publications (2)

Publication Number Publication Date
CN115071449A CN115071449A (zh) 2022-09-20
CN115071449B true CN115071449B (zh) 2024-04-19

Family

ID=83242739

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210858441.XA Active CN115071449B (zh) 2022-07-20 2022-07-20 一种基于多模糊控制器的复合电源能量管理方法

Country Status (1)

Country Link
CN (1) CN115071449B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106564398A (zh) * 2016-11-08 2017-04-19 西安交通大学 一种电动汽车的车载复合电源***及控制方法
CN109494777A (zh) * 2018-12-07 2019-03-19 重庆大学 一种混合储能***能量协调分配控制方法
CN112345940A (zh) * 2020-10-27 2021-02-09 中北大学 基于soc预估的车辆复合电源***模糊逻辑控制方法
CN112434463A (zh) * 2020-10-27 2021-03-02 中北大学 一种车辆复合电源能量管理***
CN113110052A (zh) * 2021-04-15 2021-07-13 浙大宁波理工学院 一种基于神经网络和强化学习的混合能量管理方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9535480B2 (en) * 2013-11-26 2017-01-03 Nec Corporation Power coordination system for hybrid energy storage system
US9906057B2 (en) * 2014-10-09 2018-02-27 Nec Corporation Modular multilvel converter and control framework for hybrid energy storage

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106564398A (zh) * 2016-11-08 2017-04-19 西安交通大学 一种电动汽车的车载复合电源***及控制方法
CN109494777A (zh) * 2018-12-07 2019-03-19 重庆大学 一种混合储能***能量协调分配控制方法
CN112345940A (zh) * 2020-10-27 2021-02-09 中北大学 基于soc预估的车辆复合电源***模糊逻辑控制方法
CN112434463A (zh) * 2020-10-27 2021-03-02 中北大学 一种车辆复合电源能量管理***
CN113110052A (zh) * 2021-04-15 2021-07-13 浙大宁波理工学院 一种基于神经网络和强化学习的混合能量管理方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于模糊控制的EV混合储能能量管理策略研究;吴铁洲;陈丝恒;曾艺师;;可再生能源;20170620(第06期);919/925 *

Also Published As

Publication number Publication date
CN115071449A (zh) 2022-09-20

Similar Documents

Publication Publication Date Title
CN108656981B (zh) 一种燃料电池混合动力汽车功率分配方法
CN110576750A (zh) 一种氢燃料电池汽车制动能量回收***
CN112421745A (zh) 一种电动汽车复合电源***能量管理方法
CN112060978B (zh) 一种燃料电池汽车储能管理***及方法
CN111452632A (zh) 一种多电压平台氢燃料电池汽车能源***
CN103441561A (zh) 基于超级电容的汽车二次储能装置及控制方法
Gao et al. Optimal fuzzy logic based energy management strategy of battery/supercapacitor hybrid energy storage system for electric vehicles
CN106585618B (zh) 一种串联式混合动力汽车能量管理控制方法及装置
Hui-ce et al. Energy management strategy of fuel cell hybrid electric vehicle based on dynamic programming
CN209855946U (zh) 一种含有超级电容器的汽车启停***
Jinrui et al. Simulation and analysis of performance of a pure electric vehicle with a super-capacitor
Chen et al. Study on braking energy recovery efficiency of electric vehicles equipped with super capacitor
CN102555830A (zh) 基于双储能单元的汽车供电***和汽车供电控制方法
Zhang et al. HESS and its application in series hybrid electric vehicles
CN115071449B (zh) 一种基于多模糊控制器的复合电源能量管理方法
CN111137171B (zh) 一种复合电源***模糊控制器的参数优化设计方法
CN102570905A (zh) 利用太阳能的汽车供电***和汽车供电控制方法
CN111923781B (zh) 一种电动汽车复合电源***功率分配方法
Lian et al. Dynamic programming based optimal control strategy of the hybrid vehicular power system
CN114103669A (zh) 一种汽车增程器的功率控制方法
Yu et al. Research on the Control Strategy of Hybrid Energy Storage System for Electric Bus
Li et al. Multi-objective optimal energy management strategy and economic analysis for an range-extended electric bus
Cai et al. A fuzzy control based energy management strategy for LFP/UC hybrid electric vehicular energy system
Yadav et al. Performance Improvement of Hybrid Electric Vehicle Using Supercapacitors Energy Storage System
Yang et al. Efficiency Improvement for Regenerative Energy System Using Dynamic Efficiency-SOC-Load Model

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