CN117034666A - 燃料电池汽车能量管理方法、***、介质、设备及终端 - Google Patents
燃料电池汽车能量管理方法、***、介质、设备及终端 Download PDFInfo
- Publication number
- CN117034666A CN117034666A CN202311307416.3A CN202311307416A CN117034666A CN 117034666 A CN117034666 A CN 117034666A CN 202311307416 A CN202311307416 A CN 202311307416A CN 117034666 A CN117034666 A CN 117034666A
- Authority
- CN
- China
- Prior art keywords
- fuel cell
- cost
- power
- battery
- energy management
- 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 189
- 238000007726 management method Methods 0.000 title claims description 59
- 229910052739 hydrogen Inorganic materials 0.000 claims abstract description 55
- 239000001257 hydrogen Substances 0.000 claims abstract description 55
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims abstract description 52
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000012423 maintenance Methods 0.000 claims abstract description 39
- 238000005457 optimization Methods 0.000 claims abstract description 36
- 238000005096 rolling process Methods 0.000 claims abstract description 10
- 238000005070 sampling Methods 0.000 claims abstract description 5
- 230000006870 function Effects 0.000 claims description 42
- 230000032677 cell aging Effects 0.000 claims description 29
- 230000032683 aging Effects 0.000 claims description 26
- 230000007423 decrease Effects 0.000 claims description 20
- 230000036541 health Effects 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 16
- 230000000694 effects Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 150000002431 hydrogen Chemical class 0.000 claims description 3
- 229910052744 lithium Inorganic materials 0.000 claims description 3
- 238000013439 planning Methods 0.000 claims description 3
- 230000001052 transient effect Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 9
- 230000008901 benefit Effects 0.000 description 7
- 238000005265 energy consumption Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000001737 promoting effect Effects 0.000 description 3
- 238000012952 Resampling Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
- B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
-
- 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
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
- B60L58/16—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to battery ageing, e.g. to the number of charging cycles or the state of health [SoH]
-
- 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
- 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
-
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- 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)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Sustainable Development (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Sustainable Energy (AREA)
- Power Engineering (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Automation & Control Theory (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Public Health (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Fuel Cell (AREA)
Abstract
本发明属于燃料电池汽车动力***控制技术领域，公开了一种燃料电池汽车能量管理方法、***、介质、设备及终端，以燃料电池电压衰退和动力电池容量衰减程度，结合氢耗成本，建立全生命周期运维成本模型；用全生命周期运维成本作为模型预测控制的目标函数；根据动力***各部件的正常运行范围确定约束条件；选择燃料电池输出功率变化量为***的控制变量，电池荷电状态SOC和燃料电池输出功率为状态变量；在每个预测时域内使用序列二次规划求解上述建立的含约束的优化问题，推导出最优控制序列，将计算出的最优控制序列的第一个值应用于模型，重新对车辆状态进行采样，求解新的优化问题，实现滚动优化。
Description
技术领域
本发明属于燃料电池汽车动力***控制技术领域，尤其涉及一种燃料电池汽车能量管理方法、***、介质、设备及终端。
背景技术
目前，我国正促进交通电气化的转型，燃料电池汽车具有高效率、零排放的固有优势，且能克服纯电动汽车在能量密度、充电时间、低温性能等方面的短板，已成为全球范围内的研究热点。燃料电池汽车通常采用混合驱动模式，即在具有燃料电池的基础上增加动力电池或者超级电容作为辅助动力源。依托先进的能量管理***，氢燃料电池大巴可在-35℃的极寒气候条件下正常启动运行，具备450公里的续航里程并可在12分钟内完成氢燃料的快速加注。然而，高昂的运行和维护成本严重制约着氢燃料电池汽车的商业化进程，如何有效降低整车运维成本，是加速氢燃料电池汽车商业化进程中亟待解决的难题。
作为整车控制***的中枢，能量管理策略监控动力***内各部件的工作状态并将车辆负载功率需求在多个动力源之间实时分配。先进的能量管理策略可以在保障车辆动力性能的同时，降低***能耗并且提高关键部件寿命。目前现有的能量管理技术中，如专利号为CN116101130B，一种燃料电池汽车能量管理的方法及***，根据车辆起点至终点的整段驾驶周期的全程功率需求，从全局角度实现能量分配，通过遍历算法实现能量最优分配，实现能耗最小的全局优化。该方法虽然能实现经济性的全局优化，但是没有将动力电池和燃料电池的寿命成本考虑进目标函数内，且无法实时应用。专利号为CN116278993A，一种考虑多目标优化的燃料电池汽车能量管理控制方法，将动力电池寿命成本和燃料电池寿命成本折算成等效氢耗，采用庞特里亚金极小值原理建立了多目标优化问题，但多目标优化方法的建立过程涉及主观权重选取，会影响结果的最优性。
通过上述分析，现有技术存在的问题及缺陷为：现有的能量管理技术多数以能耗最小为目标，无法兼顾延长动力***服役寿命，少数考虑到动力***寿命成本的能量管理技术在降低车辆运维成本方面仍有优化空间。
发明内容
针对现有技术存在的问题，本发明提供了一种燃料电池汽车能量管理方法、***、介质、设备及终端。
本发明是这样实现的，一种燃料电池汽车能量管理方法，所述燃料电池汽车能量管理方法以燃料电池电压衰退和动力电池容量衰减程度量化动力源老化成本，结合氢耗成本，建立全生命周期运维成本模型；用全生命周期运维成本作为模型预测控制的目标函数；根据动力***各部件的正常运行范围确定约束条件；选择燃料电池输出功率变化量为***的控制变量，电池荷电状态SOC和燃料电池输出功率/>为状态变量；在每个预测时域内使用序列二次规划求解上述建立的含约束的优化问题，推导出最优控制序列，将计算出的最优控制序列的第一个值应用于模型，预测时域向前滚动，重复以上过程，实现全部驾驶周期内的实时能量管理。
进一步，所述燃料电池汽车能量管理方法具体包括以下步骤：
步骤一：建立燃料电池和动力电池的健康模型，分别以燃料电池电压衰退和动力电池容量衰减程度，来表征二者的老化程度，量化燃料电池和电池的老化成本；结合氢耗成本，建立全生命周期运维成本模型；
步骤二：建立模型预测控制问题的目标函数和约束条件，用全生命周期运维成本作为模型预测控制的目标函数，包含氢耗成本、燃料电池老化成本、动力电池老化成本；直接将成本作为目标函数的好处在于避免主观设置多目标函数的权重；然后根据动力***各部件的正常运行范围确定约束条件。选择燃料电池输出功率变化量为***的控制变量，电池荷电状态/>和燃料电池输出功率/>为状态变量，建立模型预测控制问题；
步骤三：在每个预测时域内使用序列二次规划求解上述建立的含约束的优化问题，推导出最优控制序列，将计算出的最优控制序列的第一个值应用于模型，然后将预测视界向前推进一步，在新的预测视界内再次求解优化问题，实现模型预测控制的滚动优化，完成一段驾驶周期内能量管理方法的实时应用。
进一步，所述步骤一，具体包括：
（1a）燃料电池老化成本：
燃料电池老化由启停、变负载、低载和高载四种状态导致，和/>分别为燃料电池输出功率和燃料电池输出功率允许输出的最大值，/>定义为高负载，/>定义为低负载，/>为燃料电池输出功率变化量，定义为一次变载；由启停成本/>、变载成本/>、低载成本和高载成本/>直接相加得到预测时域内燃料电池老化成本/>：；
;
;
;
;
其中分别是一段预测时域内燃料电池启停和变载的次数;和/>分别是一段预测时域内燃料电池低载和高载的持续时间;/>、、/>和/>分别是燃料电池启停、变载、低载、高载的老化系数，/>为燃料电池价格，燃料电池电压降达到额定电压的10%即认为寿命终止；
（1b）动力电池老化成本：
使用表示预测时域内动力电池的老化成本：;；其中，/>是6.5Ah的电池价格；表示/>时刻的电池健康状态；/>表示k时刻的电池健康状态;/>是/>时刻的电池电流;/>指放电速率为/>时电池的生命循环周期数;/>是电池容量;/>为采样时间间隔;/>是模型预测控制的预测时域；
（1c）氢耗成本：
使用表示预测时域内燃料电池的氢耗成本：;其中，/>是氢气成本;/>是氢气消耗速率；/>是氢气提供的功率;/>是氢气热值；由事先拟合的氢气功率与燃料电池输出功率/>的关系曲线得到：/>。
全生命周期运维成本即为燃料电池老化成本、动力电池老化成本和氢耗成本相加。
进一步，所述步骤二，具体包括：预测时域为5s，控制变量为燃料电池输出功率变化量/>，状态变量为电池荷电状态/>和燃料电池输出功率/>；使用步骤一中建立的全生命周期运维成本作为目标函数，则第/>个预测时域内的多目标成本函数为：。其中/>表示对电池终端SoC的限制，，/>是一个较大的正数，/>是k时刻的SoC值，/>是驾驶周期结束后期望的SoC值。
约束条件为：
;
以上5个约束条件的作用分别是：将燃料电池输出功率限制在最小值和最大值/>之间，即0-1200W；将燃料电池输出功率变化量限制在最小值/>和最大值之间，即0-300W；将电池SoC限制在最小值/>和最大值/>之间，即0.6-0.8；电池荷电状态初始值/>为1；电池健康状态初始值/>为1；
其中，分别是/>时刻的燃料电池输出功率、燃料电池输出功率变化量、电池SoC值。
进一步，所述步骤三，具体包括：
（3a）设置***的迭代初始值和收敛精度，设置k=0，代表迭代初始；
（3b）利用泰勒展开将目标函数在迭代点处简化为二次规划问题；
（3c）求解二次规划问题；
（3d） 在约束条件下对成本函数进行一维搜索，以获得下一个迭代点；
（3e）如果在迭代点满足终止规则，则/>被视为最优结果，/>被视为目标函数的最优代价，并且计算过程终止；否则，进行下一步；
（3f）设置k=k+1，返回（3b），重复以上步骤。
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述燃料电池汽车能量管理方法。
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述燃料电池汽车能量管理方法。
本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现权所述燃料电池汽车能量管理方法。
本发明的另一目的在于提供一种基于所述燃料电池汽车能量管理方法的燃料电池汽车能量管理***，所述燃料电池汽车能量管理***包括：
动力***健康模型建立模块，用于以燃料电池电压衰退和动力电池容量衰减程度，表征二者的老化程度，结合氢耗成本，建立全生命周期运维成本模型；
模型预测控制模块，用于建立能量管理框架，用全生命周期运维成本作为模型预测控制的目标函数，包含氢耗成本、燃料电池老化成本、动力电池老化成本；根据动力***各部件的正常运行范围确定约束条件；选择燃料电池输出功率变化量为***的控制变量，电池荷电状态SOC和燃料电池输出功率/>为状态变量；
控制序列求解模块，用于在每个预测时域内使用序列二次规划求解上述建立的含约束的优化问题，推导出最优控制序列，将计算出的最优控制序列的第一个值应用于模型，然后将预测视界向前推进一步，重复求解过程，实现模型预测控制的滚动优化，完成一段驾驶周期内能量管理技术的实时应用。
本发明的另一目的在于提供一种燃料电池汽车动力***，所述燃料电池汽车动力***包含所述的燃料电池汽车能量管理***；燃料电池后端接DC/DC变换器接入母线回路，锂电池则直接接入母线。
结合上述的技术方案和解决的技术问题，本发明所要保护的技术方案所具备的优点及积极效果为：
第一、针对上述现有技术存在的技术问题以及解决该问题的难度，紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等，详细、深刻地分析本发明技术方案如何解决的技术问题，解决问题之后带来的一些具备创造性的技术效果。具体描述如下：本发明提出的基于模型预测控制的燃料电池汽车能量管理方法不仅可以实现传统能量管理方法对于氢耗成本的优化，更可以实现燃料电池和动力电池使用寿命的延长，实现动力源全生命周期运维成本的降低；模型预测控制策略具有较强的处理含约束多元***的能力和实时应用的潜力，控制效果突出；使用序列二次规划求解非线性能量管理问题，算法执行效率高，可以实时应用。
第二，把技术方案看做一个整体或者从产品的角度，本发明所要保护的技术方案具备的技术效果和优点，具体描述如下：本发明为弥补现有能量管理技术在降低汽车全生命周期运维成本方面的不足之处，提出一种基于模型预测控制的面向运维成本最优的燃料电池汽车能量管理策略。通过建立燃料电池和动力电池的健康模型进一步量化二者的老化成本，建立全生命周期运维成本模型，并将运维成本作为目标函数纳入模型预测控制能量管理框架中，可以在降低车辆运行成本的同时兼顾延长动力***服役寿命，对促进氢燃料电池汽车商业化进程具有重要的价值和意义。
第三，作为本发明的权利要求的创造性辅助证据，还体现在以下几个重要方面：
（1）本发明的技术方案转化后的预期收益和商业价值为：
氢能前沿科技和“制储输用”全产业链协同发展已上升到国家战略层面。相较于传统燃油车，氢燃料电池汽车具有高效率、零排放的固有优势，且能克服纯电动汽车在能量密度、充电时间、低温性能等方面的短板，已成为全球范围内面向未来长续航、全天候运输领域的研究热点，但高昂的运行和维护成本制约着其大规模商业化应用。先进的能量管理技术可以提升动力***工作效率和服役寿命以降低车辆运行和维护成本，是打通燃料电池汽车商业化进程“堵点”所亟待突破的核心技术瓶颈。本发明旨在突破燃料电池汽车能量管理这一核心应用支撑技术瓶颈，为进一步降低车辆运行成本、延长动力***服役寿命提供坚实的理论支撑，对加快氢燃料电池汽车商业化进程具有重要的应用价值和意义，进一步地，本发明研究成果是突破氢能交通全产业链瓶颈的核心要素，对助力我国深化能源结构转型具有重要战略意义。
（2）本发明的技术方案填补了国内外业内技术空白：
燃料电池汽车能量管理是一个多目标优化问题，需要考虑的因素多种多样，除了直接的能量消耗之外，燃料电池和动力电池的老化会间接导致成本提升，现有的策略大多考虑不够全面。其次，现有研究没有建立面向燃料电池和动力电池老化机制的精确模型，导致很难描述能源部件的老化趋势，也难以实现经济型和耐久性的协同优化。本发明设计了一种兼顾改善车辆经济性、提高燃料电池耐久性和延长电池寿命的燃料电池汽车能量管理策略，填补了国内外关于全生命周期运维成本优化的能量管理技术的空白。
附图说明
图1是本发明实施例提供的燃料电池汽车能量管理方法流程图；
图2是本发明实施例提供的动力***拓扑结构示意图；
图3是本发明实施例提供的燃料电池汽车能量管理方法原理图。
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仅用以解释本发明，并不用于限定本发明。
如图1所示，本发明实施例提供的燃料电池汽车能量管理方法，包括以下步骤：
S101：以燃料电池电压衰退和动力电池容量衰减程度，表征二者的老化程度，结合氢耗成本，建立全生命周期运维成本模型；
S102：用全生命周期运维成本作为模型预测控制的目标函数，包含氢耗成本、燃料电池老化成本、动力电池老化成本；根据动力***各部件的正常运行范围确定约束条件；选择燃料电池输出功率变化量为***的控制变量，电池荷电状态SOC和燃料电池输出功率/>为状态变量；
S103：在每个预测时域内使用序列二次规划求解上述建立的含约束的优化问题，推导出最优控制序列，将计算出的最优控制序列的第一个值应用于模型，然后将预测视界向前推进一步，对车辆此刻状态进行重新采样，求解新的优化问题，实现模型预测控制的滚动优化，完成一段驾驶周期内能量管理方法的实时应用。
本发明实施例提供的燃料电池汽车能量管理方法，具体包括以下步骤：
步骤一：建立燃料电池和动力电池的健康模型，分别以燃料电池电压衰退和动力电池容量衰减程度，来表征二者的老化程度，进一步量化燃料电池和电池的老化成本。结合氢耗成本，建立全生命周期运维成本模型。
步骤二：建立模型预测控制问题的目标函数和约束条件。用全生命周期运维成本作为模型预测控制的目标函数，包含氢耗成本、燃料电池老化成本、动力电池老化成本。这样直接将成本作为目标函数的好处在于避免主观设置多目标函数的权重，提高控制准确性。然后根据动力***各部件的正常运行范围确定约束条件。选择燃料电池输出功率变化量为***的控制变量，电池荷电状态/>和燃料电池输出功率/>为状态变量。
步骤三：在每个预测时域内使用序列二次规划求解上述建立的含约束的优化问题，推导出最优控制序列，将计算出的最优控制序列的第一个值应用于模型，然后将预测视界向前推进一步，在新的预测视界内再次求解优化问题，实现模型预测控制的滚动优化，完成一段驾驶周期内能量管理方法的实时应用。
本实施例的动力***拓扑参照图2，燃料电池后端接DC/DC变换器接入母线回路，锂电池则直接接入母线。动力电池为非插电式，容量为65Ah，燃料电池为质子交换膜燃料电池，燃料电池输出功率的允许输出最大值为1.2kW，汽车质量为578kg。
如图3所示，本发明实例的能量管理方法包括以下三个步骤：
步骤一，建立全生命周期运维成本模型：
（1a）燃料电池老化成本：
燃料电池老化主要由启停、变负载、低载和高载四种状态导致，定义为高负载，/>定义为低负载，两次采样之间的燃料电池瞬态功率变化定义为一次变载，/>为燃料电池最大功率。由启停成本/>、变载成本/>、低载成本/>和高载成本/>直接相加得到预测时域内燃料电池老化成本/>：/>。式中分别为：
；
；
；
；
其中分别是一段预测时域内燃料电池启停和变载的次数;/>和/>分别是一段预测时域内燃料电池低载和高载的持续时间；和/>是燃料电池启停、变载、低载、高载的老化系数；为燃料电池价格，燃料电池电压降达到额定电压的10%即认为寿命终止。
（1b）动力电池老化成本：
使用表示预测时域内动力电池的老化成本：；。
式中，是6.5Ah的电池价格；/>表示/>时刻的电池健康状态，/>表示/>时刻的电池电流，/>指放电速率为/>时电池的生命循环周期数，/>是电池容量。
（1c）氢耗成本：
使用表示预测时域内燃料电池的氢耗成本：。其中，/>是氢气成本，/>是氢气消耗速率，/>是氢气热值。/>是氢气提供的功率，由事先拟合的氢气功率与燃料电池输出功率/>的关系曲线得到：/>；
因为本实例的动力电池为非插电式，应尽可能保证电池始末状态的SoC相近，代表对电池终端SoC的限制：/>。
其中，，/>为电池充放电效率，/>为电池充放电电流，/>是电池容量，/>是一个较大的正数。
全生命周期运维成本由以上四项相加得到。
步骤二，建立模型预测控制框架
本实施例中，预测时域为5s，控制变量为燃料电池输出功率变化量/>，状态变量为电池荷电状态/>和燃料电池输出功率/>。使用步骤二中建立的全生命周期成本作为目标函数，减少由于主观选择权重带来的不确定性。第k个预测时域内的多目标成本函数为：
；
其中，表示对电池终端SoC的限制，/>，/>是一个较大的正数，/>是k时刻的SoC值，/>是驾驶周期结束后期望的SoC值。
约束条件为：
；
以上5个约束条件的作用分别是：将燃料电池输出功率限制在最小值和最大值/>之间，即0-1200W；将燃料电池输出功率变化量限制在最小值/>和最大值之间，即0-300W；将电池SoC限制在最小值/>和最大值/>之间，即0.6-0.8；电池荷电状态初始值/>为1；电池健康状态初始值/>为1。
步骤三，序列二次规划求解
使用序列二次规划求解步骤二建立的基于模型预测控制的含约束条件的多目标优化问题，求解具体包括以下分步骤：
（3a）设置***的初始值和收敛精度，设置k=0；
（3b）利用泰勒展开将目标函数在迭代点处简化为二次规划问题；
（3c）求解二次规划问题；
（3d） 在约束条件下对成本函数进行一维搜索，以获得下一个迭代点；
（3e）如果在迭代点满足终止规则，则/>被视为最优结果，/>被视为目标函数的最优代价，并且计算过程终止。否则，进行下一步；
（3f）设置k=k+1，返回（3b），重复以上步骤。
将序列二次规划求解得到的最优控制轨迹的第一项作用于被控对象，即完成一次预测时域内的优化控制。然后将预测视界向前推进一步，重复步骤三，继续求解下一个预测时域的优化问题，如此即可实现模型预测控制的滚动优化，完成一段驾驶周期内能量管理方法的实时应用。
本发明实施例提供的燃料电池汽车能量管理***，包括：
健康模型建立模块，用于以燃料电池电压衰退和动力电池容量衰减程度，表征二者的老化程度，结合氢耗成本，建立全生命周期运维成本模型。
模型预测控制模块，用于用全生命周期运维成本作为模型预测控制的目标函数，包含氢耗成本、燃料电池老化成本、动力电池老化成本；根据动力***各部件的正常运行范围确定约束条件；选择燃料电池输出功率变化量为***的控制变量，电池荷电状态SOC和燃料电池输出功率/>为状态变量；
控制序列推导模块，用于在每个预测时域内使用序列二次规划求解上述建立的含约束的优化问题，推导出最优控制序列，将计算出的最优控制序列的第一个值应用于模型，然后将预测视界向前推进一步，对车辆此刻状态进行重新采样，求解新的优化问题，实现模型预测控制的滚动优化，完成一段驾驶周期内能量管理方法的实时应用。
为了证明本发明的技术方案的创造性和技术价值，该部分是对权利要求技术方案进行具体产品上或相关技术上的应用实施例。
本发明实施例应用于燃料电池邮政投递车。本发明同样可应用于燃料电池大巴和燃料电池重卡等燃料电池重型汽车。本发明可对燃料电池大巴和燃料电池重卡等重型车辆进行实时能量管理，降低车辆运维成本，对推动燃料电池重卡大规模商业化具有重要价值和意义。
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行***，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
本发明是在中央处理器为Intel(R) Core(TM) i5-12400 2.5GHz CPU、运存16G、WINDOWS 11操作***上，运用MATLAB软件进行的仿真。在同一个驾驶循环下，将本发明与基于规则的能量管理策略的控制效果进行对比，驾驶循环来自实际道路采集，长度为15000s。对比结果如表1所示，基于规则的策略未考虑燃料电池和电池老化成本，会造成动力源老化，带来更高的运维成本。由此显示，本发明在降低氢气消耗和全生命周期运维成本方面具有优势。
表1为本发明与基于规则的能量管理策略的控制效果对比
| 本发明 | 基于规则的策略 | |
| 消耗氢气质量（g） | 92.1 | 14.7 |
| 运维成本（元） | 4.78 | 5.11 |
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种燃料电池汽车能量管理方法，其特征在于，所述燃料电池汽车能量管理方法以燃料电池电压衰退和动力电池容量衰减程度，结合氢耗成本，建立全生命周期运维成本模型；用全生命周期运维成本作为模型预测控制的目标函数；根据动力***各部件的正常运行范围确定约束条件；选择燃料电池输出功率变化量为***的控制变量，电池荷电状态/>和燃料电池输出功率/>为状态变量；在每个预测时域内使用序列二次规划求解上述建立的含约束的优化问题，推导出最优控制序列，将计算出的最优控制序列的第一个值应用于模型，重复建立模型预测控制问题的目标函数和约束条件。
2.如权利要求1所述的燃料电池汽车能量管理方法，其特征在于，所述燃料电池汽车能量管理方法具体包括以下步骤：
步骤一：建立燃料电池和动力电池的健康模型，分别以燃料电池电压衰退和动力电池容量衰减程度，来表征二者的老化程度，进一步量化燃料电池和电池的老化成本；结合氢耗成本，建立全生命周期运维成本模型；
步骤二：建立模型预测控制问题的目标函数和约束条件；用全生命周期运维成本作为模型预测控制的目标函数，包含氢耗成本、燃料电池老化成本、动力电池老化成本；直接将成本作为目标函数的好处在于避免主观设置多目标函数的权重；然后根据动力***各部件的正常运行范围确定约束条件；选择燃料电池输出功率变化量为***的控制变量，电池荷电状态/>和燃料电池输出功率/>为状态变量；
步骤三：在每个预测时域内使用序列二次规划求解上述建立的含约束的优化问题，推导出最优控制序列，将计算出的最优控制序列的第一个值应用于模型，然后将预测视界向前推进一步，在新的预测视界内再次求解优化问题，实现模型预测控制的滚动优化，完成一段驾驶周期内能量管理方法的实时应用。
3.如权利要求2所述的燃料电池汽车能量管理方法，其特征在于，所述步骤一，具体包括：
（1a）燃料电池老化成本：
燃料电池老化由启停、变负载、低载和高载四种状态导致，定义为高负载，/>定义为低负载，/>和/>分别为燃料电池输出功率和燃料电池输出功率输出的最大值，两次采样之间的燃料电池瞬态功率变化/>定义为一次变载，/>为燃料电池输出功率变化量；由启停成本/>、变载成本/>、低载成本/>和高载成本/>直接相加得到预测时域内燃料电池老化成本/>：;
;
;
;
;
其中，分别是一段预测时域内燃料电池启停和变载的次数，/>和分别是一段预测时域内燃料电池低载和高载的持续时间，/>、/>、/>和/>是燃料电池启停、变载、低载、高载的老化系数，/>为燃料电池价格，燃料电池电压降达到额定电压的10%即认为寿命终止；
（1b）动力电池老化成本：
使用表示预测时域内动力电池的老化成本：;;/>是6.5Ah的电池价格，表示/>时刻的电池健康状态，/>表示k时刻的电池健康状态，/>是/>时刻的电池电流，/>是k时刻的电池电流，/>指放电速率为/>时电池的生命循环周期数，/>是电池容量，/>为采样时间间隔，/>是模型预测控制的预测时域；
（1c）氢耗成本：
使用表示预测时域内燃料电池的氢耗成本：；其中，/>是氢气成本，/>是氢气消耗速率；/>是氢气提供的功率，/>是氢气热值，由事先拟合的氢气功率与燃料电池功率/>的关系曲线得到：/>;全生命周期运维成本即为燃料电池老化成本、动力电池老化成本和氢耗成本相加。
4.如权利要求2所述的燃料电池汽车能量管理方法，其特征在于，所述步骤二，具体包括：预测时域为5s，控制变量为燃料电池输出功率变化量/>,状态变量为电池荷电状态/>和燃料电池输出功率/>；使用步骤一中建立的全生命周期成本作为目标函数，则第k个预测时域内的多目标成本函数为：/>，
其中表示对电池终端SoC的限制，/>，/>是一个较大的正数，/>是k时刻的SoC值，/>是驾驶周期结束后期望的SoC值；/>表示预测时域内燃料电池的氢耗成本；/>表示预测时域内动力电池的老化成本；/>表示预测时域内燃料电池老化成本；
约束条件为：
;
以上5个约束条件的作用分别是：将燃料电池输出功率限制在最大工作范围内，即0-1200W；将燃料电池输出功率变化量限制在0-300W内；将电池SoC限制在0.6-0.8之间；电池荷电状态初始值为1；电池健康状态初始值为1；
其中，分别是/>时刻的燃料电池输出功率、燃料电池功率变化、电池SoC值；/>和/>表示燃料电池允许输出的最小值和最大值，/>和/>表示燃料电池输出功率变化量的最小值和最大值；/>和表示电池SoC最小值和最大值；/>表示电池荷电状态初始值，/>表示电池健康状态初始值。
5.如权利要求2所述的燃料电池汽车能量管理方法，其特征在于，所述步骤三，具体包括：
（3a）设置***的初始值和收敛精度，设置k=0；
（3b）利用泰勒展开将目标函数在迭代点处简化为二次规划问题；
（3c）求解二次规划问题；
（3d） 在约束条件下对成本函数进行一维搜索，以获得下一个迭代点;
（3e）如果在迭代点满足终止规则，则/>被视为最优结果，/>被视为目标函数的最优代价，并且计算过程终止；否则，进行下一步；
（3f）设置k=k+1，返回（3b），重复以上步骤。
6.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1~5任意一项所述燃料电池汽车能量管理方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1~5任意一项所述燃料电池汽车能量管理方法。
8.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现权利要求1~5任意一项所述燃料电池汽车能量管理方法。
9.一种基于权利要求1~5任意一项所述燃料电池汽车能量管理方法的燃料电池汽车能量管理***，其特征在于，所述燃料电池汽车能量管理***包括：
健康模型建立模块，用于以燃料电池电压衰退和动力电池容量衰减程度，表征二者的老化程度，结合氢耗成本，建立全生命周期运维成本模型；
模型预测控制模块，用于全生命周期运维成本作为模型预测控制的目标函数，包含氢耗成本、燃料电池老化成本、动力电池老化成本；根据动力***各部件的正常运行范围确定约束条件；选择燃料电池输出功率变化量为***的控制变量，电池荷电状态SOC和燃料电池输出功率为/>为状态变量；
控制序列推到模块，用于在每个预测时域内使用序列二次规划求解上述建立的含约束的优化问题，推导出最优控制序列，将计算出的最优控制序列的第一个值应用于模型，然后将预测视界向前推进一步，重复建立模型预测控制问题的目标函数和约束条件，实现模型预测控制的滚动优化，完成一段驾驶周期内能量管理方法的实时应用。
10.一种燃料电池汽车动力***，其特征在于，所述燃料电池汽车动力***包含权利要求9所述的燃料电池汽车能量管理***；燃料电池后端接DC/DC变换器接入母线回路，锂电池则直接接入母线。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311307416.3A CN117034666B (zh) | 2023-10-10 | 2023-10-10 | 燃料电池汽车能量管理方法、***、介质、设备及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311307416.3A CN117034666B (zh) | 2023-10-10 | 2023-10-10 | 燃料电池汽车能量管理方法、***、介质、设备及终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117034666A true CN117034666A (zh) | 2023-11-10 |
| CN117034666B CN117034666B (zh) | 2023-12-19 |
Family
ID=88641683
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311307416.3A Active CN117034666B (zh) | 2023-10-10 | 2023-10-10 | 燃料电池汽车能量管理方法、***、介质、设备及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117034666B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117799503A (zh) * | 2024-03-01 | 2024-04-02 | 西北工业大学 | 计及节能驾驶的燃料电池重卡能量管理方法及*** |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8332342B1 (en) * | 2009-11-19 | 2012-12-11 | The United States of America as represented by the Administrator of the National Aeronautics & Space Administration (NASA) | Model-based prognostics for batteries which estimates useful life and uses a probability density function |
| WO2021120798A1 (zh) * | 2019-12-16 | 2021-06-24 | 金龙联合汽车工业（苏州）有限公司 | 氢燃料电池与动力电池混合动力客车的能量控制方法 |
| CN113255205A (zh) * | 2021-04-02 | 2021-08-13 | 南京工程学院 | 基于电动汽车电池的生命周期成本和电池温度优化方法 |
| WO2023284453A1 (zh) * | 2021-07-15 | 2023-01-19 | 崔跃芹 | 一种基于累计耗损量的充电电池寿命预测方法、装置、电子设备及可读存储介质 |
| CN115782700A (zh) * | 2022-12-07 | 2023-03-14 | 北京理工大学 | 考虑电池热健康约束的燃料电池混动汽车能量管理方法 |
| CN116278993A (zh) * | 2023-04-21 | 2023-06-23 | 吉林大学 | 一种考虑多目标优化的燃料电池汽车能量管理控制方法 |
| CN116461391A (zh) * | 2023-06-06 | 2023-07-21 | 东南大学 | 一种燃料电池混动汽车能量管理方法 |
-
2023
- 2023-10-10 CN CN202311307416.3A patent/CN117034666B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8332342B1 (en) * | 2009-11-19 | 2012-12-11 | The United States of America as represented by the Administrator of the National Aeronautics & Space Administration (NASA) | Model-based prognostics for batteries which estimates useful life and uses a probability density function |
| WO2021120798A1 (zh) * | 2019-12-16 | 2021-06-24 | 金龙联合汽车工业（苏州）有限公司 | 氢燃料电池与动力电池混合动力客车的能量控制方法 |
| CN113255205A (zh) * | 2021-04-02 | 2021-08-13 | 南京工程学院 | 基于电动汽车电池的生命周期成本和电池温度优化方法 |
| WO2023284453A1 (zh) * | 2021-07-15 | 2023-01-19 | 崔跃芹 | 一种基于累计耗损量的充电电池寿命预测方法、装置、电子设备及可读存储介质 |
| CN115782700A (zh) * | 2022-12-07 | 2023-03-14 | 北京理工大学 | 考虑电池热健康约束的燃料电池混动汽车能量管理方法 |
| CN116278993A (zh) * | 2023-04-21 | 2023-06-23 | 吉林大学 | 一种考虑多目标优化的燃料电池汽车能量管理控制方法 |
| CN116461391A (zh) * | 2023-06-06 | 2023-07-21 | 东南大学 | 一种燃料电池混动汽车能量管理方法 |
Non-Patent Citations (2)
| Title |
|---|
| 孔岩;: "氢燃料电池汽车能量管理方法研究", 汽车文摘, no. 05 * |
| 武小花;邹佩佩;傅家豪;邓鹏毅;杨燕红;蔡云;曾昭炜;: "燃料电池电动汽车动力***能量管理策略研究进展", 西华大学学报(自然科学版), no. 04 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117799503A (zh) * | 2024-03-01 | 2024-04-02 | 西北工业大学 | 计及节能驾驶的燃料电池重卡能量管理方法及*** |
| CN117799503B (zh) * | 2024-03-01 | 2024-04-30 | 西北工业大学 | 计及节能驾驶的燃料电池重卡能量管理方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117034666B (zh) | 2023-12-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Song et al. | Pontryagin’s minimum principle-based real-time energy management strategy for fuel cell hybrid electric vehicle considering both fuel economy and power source durability | |
| Hu et al. | Multi-objective energy management optimization and parameter sizing for proton exchange membrane hybrid fuel cell vehicles | |
| Li et al. | Adaptive energy management strategy for fuel cell/battery hybrid vehicles using Pontryagin's Minimal Principle | |
| Li et al. | Multi-objective optimization study of energy management strategy and economic analysis for a range-extended electric bus | |
| Xu et al. | Application of Pontryagin's Minimal Principle to the energy management strategy of plugin fuel cell electric vehicles | |
| CN112810504B (zh) | 基于非线性预测模型控制的燃料电池汽车能量管理方法 | |
| CN117034666B (zh) | 燃料电池汽车能量管理方法、***、介质、设备及终端 | |
| Wang et al. | Deep reinforcement learning based energy management strategy for fuel cell/battery/supercapacitor powered electric vehicle | |
| Anselma et al. | Fuel cell electrified propulsion systems for long-haul heavy-duty trucks: present and future cost-oriented sizing | |
| CN112319462B (zh) | 一种插电式混合动力汽车能量管理方法 | |
| CN113682203B (zh) | 基于燃料电池有轨电车全生命周期状态的能量调控方法 | |
| CN113428049A (zh) | 一种考虑电池老化抑制的燃料电池混动汽车能量管理方法 | |
| Lin et al. | A trip distance adaptive real-time optimal energy management strategy for a plug-in hybrid vehicle integrated driving condition prediction | |
| Li et al. | Energy sources durability energy management for fuel cell hybrid electric bus based on deep reinforcement learning considering future terrain information | |
| Lin et al. | Charge depleting range dynamic strategy with power feedback considering fuel-cell degradation | |
| Yu et al. | Integrated energy and thermal management strategy for extended range electric vehicle based on battery temperature and state-of-charge global planning | |
| Huo et al. | An improved soft actor-critic based energy management strategy of fuel cell hybrid electric vehicle | |
| Gong et al. | Energy Management for a DM-i Plug-in Hybrid Electric Vehicle via Continuous-Discrete Reinforcement Learning | |
| CN113673763A (zh) | 利用退役电池的综合能源电/热混合储能控制方法及装置 | |
| CN113352946A (zh) | 一种燃料电池汽车动力***的能量管理方法 | |
| Tang et al. | Degradation adaptive energy management strategy for FCHEV based on the Rule-DDPG method: tailored to the current SOH of the powertrain | |
| Ren et al. | Battery longevity-conscious energy management predictive control strategy optimized by using deep reinforcement learning algorithm for a fuel cell hybrid electric vehicle | |
| Misra et al. | Intelligent vehicle to grid based plug-in electric vehicle with cloud computing | |
| CN115817282A (zh) | 车辆电池加热方法、车辆及存储介质 | |
| Guo et al. | Model continuity approximations and real-time nonlinear optimization in cost-optimal predictive energy management of fuel cell hybrid electric vehicles |
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 |