CN117799503B - 计及节能驾驶的燃料电池重卡能量管理方法及*** - Google Patents
计及节能驾驶的燃料电池重卡能量管理方法及*** Download PDFInfo
- Publication number
- CN117799503B CN117799503B CN202410235297.3A CN202410235297A CN117799503B CN 117799503 B CN117799503 B CN 117799503B CN 202410235297 A CN202410235297 A CN 202410235297A CN 117799503 B CN117799503 B CN 117799503B
- Authority
- CN
- China
- Prior art keywords
- fuel cell
- vehicle
- driving
- energy
- speed
- 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
- 239000000446 fuel Substances 0.000 title claims abstract description 181
- 238000007726 management method Methods 0.000 title claims abstract description 86
- 230000008859 change Effects 0.000 claims abstract description 27
- 238000012423 maintenance Methods 0.000 claims abstract description 13
- 230000001133 acceleration Effects 0.000 claims description 49
- 229910052739 hydrogen Inorganic materials 0.000 claims description 45
- 239000001257 hydrogen Substances 0.000 claims description 45
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 43
- 230000032677 cell aging Effects 0.000 claims description 26
- 230000007704 transition Effects 0.000 claims description 26
- 238000000034 method Methods 0.000 claims description 25
- 230000032683 aging Effects 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 21
- 230000006870 function Effects 0.000 claims description 13
- 239000012634 fragment Substances 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 10
- 238000012546 transfer Methods 0.000 claims description 10
- 230000036541 health Effects 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 230000002542 deteriorative effect Effects 0.000 claims description 3
- 239000003574 free electron Substances 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 229910052744 lithium Inorganic materials 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 230000000452 restraining effect Effects 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 description 8
- 238000005457 optimization Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 150000002431 hydrogen Chemical class 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005984 hydrogenation reaction Methods 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
- 230000002035 prolonged effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Electric Propulsion And Braking For Vehicles (AREA)
- Fuel Cell (AREA)
Abstract
本发明属于燃料电池汽车动力***控制技术领域，公开了一种计及节能驾驶的燃料电池重型卡车能量管理方法及***，包括采用模糊C均值和马尔科夫链对前车的速度进行速度预测；构建燃料电池重型卡车的节能驾驶模型，基于前车的预测速度最小化车辆消耗功率，同时保证安全的跟车距离提高驾驶舒适性，利用序列二次规划求解节能驾驶问题，规划车辆最优行驶轨迹；构建基于模型预测控制的能量管理策略，选择燃料电池输出功率变化率为***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，建立燃料电池重型卡车全生命周期运维成本代价函数；采用SQP求解能量管理问题。本发明可以实现燃料电池重型卡车在跟车工况下的节能驾驶与安全行驶。
Description
技术领域
本发明属于燃料电池汽车动力***控制技术领域，尤其涉及一种计及节能驾驶的燃料电池重型卡车能量管理方法及***。
背景技术
当前，燃料电池汽车具有高效率、零排放的优势。受制于氢气运输，加氢站的制约，燃料电池乘用车的发展受到限制，燃料电池重型卡车因其线路固定，且相比于纯电动重卡具有燃料加注时间短，续航里程长等优点成为燃料电池汽车发展新的突破口。燃料电池重型卡车通常采用混合驱动模式，“燃料电池+动力电池”是其典型的动力***结构，能量管理根据不同功率源的特性来协调其功率输出，来保证车辆的动力性能。企业自主研发的氢燃料物流重型卡车，其续航可达1000km以上，整车百公里氢耗在满载49吨高速行驶的工况下低至8kg。然而，高昂的运行和维护成本严重制约着氢燃料电池重型卡车的商业化进程。降低整车运维成本是加速氢燃料电池重型卡车商业化进程亟需解决的问题。
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。跟车行驶是燃料电池重型卡车常见的行驶工况，实现其在跟车行驶工况下的节能驾驶和能量管理。现有的卡车跟车节能驾驶中，如专利号为CN116161031A，一种节约燃油的自动驾驶卡车跟随控制方法及装置，该专利构建了燃油经济性等级与跟车距离的对应关系，通过调节车速控制跟车距离来实现燃油经济性。但该方法不具备跟车下最优的燃油经济性且未考虑前车速度变化对节能的影响。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***，从全局优化的角度实现功率分配与最小能耗。但该方法不具备实时性，且目标函数没有考虑动力源老化带来的成本。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，来实现能量管理的多目标优化，但不同目标的重要程度不同，采取同样的权重影响了方案的优化性能。
通过上述分析，现有技术存在的问题及缺陷为：现有的卡车跟车行驶难以保证最优的节能效果且忽略了前车速度变化的影响。现有的能量管理技术多以能量能耗最小为目标，未考虑动力源老化导致的成本。考虑动力源老化的能量管理技术仍待继续优化。
发明内容
针对现有技术存在的问题，本发明提供了一种计及节能驾驶的燃料电池重型卡车的能量管理方法及***。
本发明是这样实现的，计及节能驾驶的燃料电池重型卡车能量管理策略。首先采用“模糊C均值+马尔可夫链”对前车的速度进行速度预测，然后构建燃料电池重型卡车的节能驾驶模型，基于前车的预测速度最小化车辆消耗功率，同时保证安全的跟车距离并提高驾驶舒适性，利用序列二次规划(SQP)求解节能驾驶问题，规划车辆最优行驶轨迹，最后构建基于模型预测控制的能量管理策略，选择燃料电池输出功率变化率为***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。建立包含氢气消耗，燃料电池老化成本，动力电池老化成本的燃料电池重型卡车全生命周期运维成本代价函数。下层能量管理策略基于上层车辆规划轨迹执行功率分配，进一步优化能量管理效果。上述过程在每一个采样间隔内执行完毕，不断重复直到车辆停止运行。
进一步，所述计及节能驾驶的燃料电池重型卡车能量管理方法具体包括以下步骤：
步骤一：利用模糊C均值方法对驾驶曲线进行离线分类，建立子数据库。对前车由实时速度与历史速度组成的驾驶片段进行分类。后利用马尔可夫链 (MC)进行前车的速度预测。
步骤二：建立跟随车辆的节能驾驶模型，以最小化消耗功率为目标函数。同时约束跟车距离在安全范围内，也避免过大的跟车距离而恶化交通效率。约束车辆速度和加速度在设置范围内。基于前车速度轨迹利用SQP求解节能驾驶问题来规划车辆的最优行驶轨迹。
步骤三：构建基于模型预测控制的能量管理策略和约束条件。构建包含氢气消耗成本，燃料电池老化成本和动力电池成本的综合代价函数，设置不同成本项的权重。电池荷电状态和燃料电池输出功率/>为状态变量，燃料电池输出功率变化率/>为***的控制变量。基于规划的车辆轨迹，能量管理执行功率分配，同时约束动力***的参数在合理范围内。采用SQP来求解能量管理问题。
进一步，所述步骤一，具体包括：
（1a）模糊C均值对驾驶数据进行分类处理；
驾驶数据包含速度和加速度信息，将驾驶数据分成长度为的片段，前车速度：，前车加速度：/>；其中/>分别表示/>时刻与/>时刻的速度，/>分别表示/>时刻与/>时刻的加速度。对驾驶数据进行特征化处理，选择片段平均速度/>，片段加速度平均值的绝对值/>以及加速度绝对值的标准差/>作为特征变量。由于不同特征变量在数值大小的差异，对上述特征变量进行标幺化处理，特征变量选定为，/>是/>的标幺化结果，/>是的标幺化结果，/>是/>的标幺化结果；/>，，/>，其中/>是/>的最大值，是/>的最大值，/>是/>的最大值；
（1b） 模糊C均值将驾驶片段基于驾驶习惯分为3类，激进的、中等的和温和的。最终将产生3个对应于3种驾驶习惯的聚类中心：；第Z个驾驶片段对于聚类中心有对应的隶属度/>；最大隶属度对应的聚类中心作为驾驶片段的分类结果。驾驶片段对应的加速度转移数据为/>，/>是驾驶片段长度，/>是模型预测控制的预测域长度,/>表示时刻的加速度。
（1c）根据加速度转移数据库构建多步转移概率矩阵，/>，/>为第一步的转移概率矩阵，/>为第/>步的转移概率矩阵。转移矩阵中，/>行/>列的转移概率/>可以用通过式(1)得到。/>表示速度/>所有的转移数，/>表示从速度/>到加速度/>的转移数。/>表示第/>步的转移概率矩阵。/>表示速度的马尔可夫状态数量，/>表示加速度的马尔可夫状态数量。/>表示/>时刻的车辆速度，/>表示/>时刻的加速度。
(1)；
（1d）在线行驶中，基于历史速度和当前速度计算其对于聚类中心的隶属度/>。第/>步对应于第/>个聚类中心的预测加速度/>可以通过式(2)计算得到，/>表示第/>步的转移概率矩阵/>中对应于第/>个聚类中心的转移概率矩阵。
(2)；
预测速度可通过式(3)得到。表示采样时间间隔，/>表示第/>步对应于第/>个聚类中心的预测速度，/>表示第/>步对应于第/>个聚类中心的预测加速度。
(3)；
最终的前车的第步的预测速度/>可通过式(4)得到，/>表示对应于第/>个聚类中心的隶属度。
(4)；
进一步，所述步骤二，具体包括：
建立跟车下后车的节能驾驶问题：
(5)；
(6)；
表示/>时刻车辆加速度，/>表示/>时刻车辆速度，/>表示时刻车辆速度，/>代表/>时刻前车速度，/>表示/>时刻车辆所需的驱动功率，/>表示/>时刻车辆与前车的相对距离,/>表示/>时刻车辆与前车的相对距离。为避免两车距离过近发生碰撞，设置最小跟车距离/>，同时防止跟车距离过大恶化交通效率设置最大跟车距离/>。根据实际情况设置车辆速度上限/>，车辆最小速度/>为0。同时设置加速度上限/>和下限/>。/>代表车辆质量，/>代表重力加速度，/>为滚动摩擦因素，/>是道路坡度，/>为空气密度，/>表示迎风面积，表示空气阻力系数。
上述节能驾驶问题是一个非线性问题，采用SQP来求解上述问题。在每个采样时刻内求解预测域内的节能驾驶问题，得到最优的车辆行驶轨迹。
进一步，所述步骤三，具体包括：
（3a）建立燃料电池老化成本：
燃料电池***的启停，负载变化，低负载和高负载工况会导致其老化。频繁的启停是导致燃料电池***老化的最主要因素。和/>分别表示燃料电池输出功率和最大输出功率，/>表示燃料电池处于高负载工况下，/>表示燃料电池处于低负载工况下，/>为燃料电池输出功率变化率。燃料电池老化成本由启停成本、负载变化成本/>、低负载成本/>和高负载成本/>构成得到。
（7）；
（8）；
（9）；
（10）；
预测时域内燃料电池老化成本：（11）；
其中分别表示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处于低载和高载工况的时间；/>、/>、和/>分别是燃料电池处于启停、变载、低载、高载工况下的老化系数，/>为燃料电池***价格，通常燃料电池电压降到额定电压的10%即认为寿命终止；
（3b）建立动力电池老化成本：
预测时域内动力电池的老化成本：
(12)；
(13)；
其中，是电池价格；/>表示/>时刻的电池健康状态；/>表示为预测时域内动力电池的老化成本；/>表示/>时刻的电池健康状态；是/>时刻的电池电流；/>指在大小为c的放电速率下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域长度；
（3c）建立氢耗成本：
预测时域内燃料电池的氢耗成本：
(14)；
其中，是氢气每千克价格，/>是氢气消耗质量；/>是燃料电池单体数目，/>表示/>时刻燃料电池电流，/>表示氢气摩尔质量，/>为氢气每千摩尔的自由电子数目，/>表示法拉第常数。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。
（3d）构建能量管理问题；
控制变量为燃料电池输出功率变化率，状态变量为电池荷电状态/>和燃料电池输出功率/>。/>时刻的多目标成本函数为：（15）。
约束条件为：
（16）；
燃料电池输出功率限制在最小值和最大值/>之间，即0kW-200kW；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-2kW-2kW；研究车辆为非插电式车辆，需将电池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0.7；电池健康状态初始值/>为1；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。针对能量管理问题的非线性，采用SQP解决上述能量管理问题。
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计及节能驾驶的燃料电池重型卡车能量管理方法。
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计及节能驾驶的燃料电池重型卡车能量管理方法。
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计及节能驾驶的燃料电池重型卡车能量管理方法。
本发明的另一目的在于提供一种计及节能驾驶的燃料电池重型卡车能量管理方法的计及节能驾驶的燃料电池重型卡车能量管理***，所述计及节能驾驶的燃料电池重型卡车能量管理***包括：
对于前车的速度预测模块，利用先进的通信技术获得前车的速度信息，基于前车的实时速度和历史速度对前车的未来速度进行预测。
节能驾驶模块，用于实现跟车工况下的节能驾驶，以最小化驱动功率为目标，同时保证跟车下的安全性能，规划出车辆的最优行驶轨迹。
能量管理模块，基于节能驾驶模块的行驶轨迹规划结果，能量管理执行功率分配，保证车辆动力性能。能量管理以燃料电池输出功率变化率为***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，可以实现多目标的控制，最小化包括氢气成本、燃料电池老化成本，动力电池老化成本以及约束荷电状态在设置范围内。
本发明的另一目的在于提供一种燃料电池重型卡车动力***，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。功率通过母线经双向DC/AC变换器向电机提供功率，经传动***后驱动车辆运行。
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：
本发明提出的基于计及节能驾驶的燃料电池重型卡车能量管理方法可以实现燃料电池重型卡车在跟车工况下的节能驾驶与安全行驶，规划出最优行驶轨迹，进一步优化能量管理策略性能。能量管理不仅仅实现氢气消耗的降低，而且可以延长动力源寿命，实现动力源全生命周期运维成本的降低。模型预测控制对处理多目标多约束问题具有优势，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，把技术方案看作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：
本发明为弥补现有跟车节能驾驶和能量管理技术在降低车辆全生命周期运维成本方面的不足之处，提出一种计及节能驾驶的燃料电池重型卡车能量管理策略。以最小化消耗功率为目标，实现节能驾驶的最优化以及跟车工况的安全性。建立了包括氢气成本和动力源老化成本的综合成本代价函数，可延长动力源寿命，提高车辆的经济性。
第三，作为本发明的创造性辅助证据，还体现在以下几个方面：
纯电动重型卡车因其续航里程短，充电时间长在商业运输领域的发展受到限制。氢燃料电池重型卡车以氢气为能量来源，排放物是清洁的水，且效率高可在低温条件下正常启动运行，且其运输线路固定，对加氢站的建设要求不高，在商业化运输领域具有巨大的潜力。但高昂的运行和维护成本制约着氢燃料电池重型卡车大规模商业化应用。作为氢燃料电池重型卡车十分常见的工况，实现跟车工况下的节能驾驶和能量管理技术是降低车辆运行成本。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图做简单的介绍，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
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；
图4是本发明实施例提供的计及节能驾驶的燃料电池重型卡车的能量管理***结构图。
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，结合以下实施例，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。
本发明实施例提供的计及节能驾驶的燃料电池重型卡车能量管理策略，对驾驶曲线进行离线训练后，基于实时的前车速度信息和历史信息进行基于“模糊C均值聚类和马尔可夫链”的速度预测，提高对前车的速度预测精度；基于前车的实时速度和预测速度信息，节能驾驶以最小化车辆需求功率为目标来规划车辆跟车工况下的最优行驶轨迹，深度优化能量管理性能；同时节能驾驶需要确保安全的跟车距离，同时实现安全与效率的目的；利用序列二次规划来求解节能驾驶问题；基于模型控制的能量管理根据节能驾驶规划轨迹进行功率分配，保证车辆动力性能；能量管理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，以降低包含氢耗成本、燃料电池老化成本、动力电池老化成本的综合成本为目标，提升车辆经济性。同时约束动力***在合理范围内运行；对于能量管理的非线性特点，采用序列二次规划求解能量管理问题。
如图1所示，本发明实施例提供的计及节能驾驶的燃料电池重型卡车能量管理，包括以下步骤：
S101：利用模糊C均值方法对驾驶曲线进行离线分类，建立子数据库；对前车由实时速度与历史速度组成的驾驶片段进行分类；后利用马尔可夫链 (MC)进行前车的速度预测；
S102：建立跟随车辆的节能驾驶模型，以最小化消耗功率为目标函数，同时约束跟车距离在安全范围内，避免过大的跟车距离而恶化交通效率；约束车辆速度和加速度在设置范围内，基于前车速度轨迹利用SQP求解节能驾驶问题来规划车辆的最优行驶轨迹；
S103：构建基于模型预测控制的能量管理策略和约束条件，构建包含氢气消耗成本，燃料电池老化成本和动力电池成本的综合代价函数，设置不同成本项的权重，电池荷电状态和燃料电池输出功率/>为状态变量，燃料电池输出功率变化率/>为***的控制变量；基于规划的车辆轨迹，能量管理执行功率分配，同时约束动力***的参数在合理范围内，采用SQP来求解能量管理问题。
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，能量为90kWh，燃料电池为质子交换膜燃料电池，最大功率为200kW，汽车质量为40000kg。
如图3所示，本发明实例计及节能驾驶与能量管理方法包括以下三个步骤：
步骤一，预测前车速度：
（1a）模糊C均值对驾驶数据进行分类处理
驾驶数据包含速度和加速度信息，将驾驶数据分成长度为的片段，前车速度：，前车加速度：/>；其中/>表示/>时刻与时刻的速度，/>表示/>时刻与/>时刻的加速度。对驾驶数据进行特征化处理，选择片段平均速度/>，片段加速度平均值的绝对值/>以及加速度绝对值的标准差/>作为特征变量。由于不同特征变量在数值大小的差异，对上述特征变量进行标幺化处理，特征变量选定为/>，是/>的标幺化结果，/>是/>的标幺化结果，/>是的标幺化结果。/>，/>，/>，其中/>是/>的最大值，/>是/>的最大值，/>是/>的最大值；
（1b） 模糊C均值将驾驶片段基于驾驶习惯分为3类，激进的，中等的和温和的。最终将产生3个对应于3种驾驶习惯的聚类中心：，第Z个驾驶片段对于聚类中心有对应的隶属度/>。最大隶属度对应的聚类中心作为驾驶片段的分类结果。驾驶片段对应的加速度转移数据为/>，/>是驾驶片段长度，/>是模型预测控制的预测域长度,/>表示/>时刻的加速度；
（1c）根据加速度转移数据库构建多步转移概率矩阵，/>，/>为第一步的转移概率矩阵，/>为第/>步的转移概率矩阵。转移矩阵中，/>行/>列的转移概率/>可以用通过式(1)得到。/>表示速度/>所有的转移数，/>表示从速度/>到加速度的转移数。/>表示第/>步的转移概率矩阵。/>表示速度的马尔可夫状态数量，/>表示加速度的马尔可夫状态数量。/>表示/>时刻的速度，/>表示/>时刻的加速度；
（1）；
（1d）在线行驶中，基于历史速度和当前速度计算其对于聚类中心的隶属度/>。第/>步对应于第/>个聚类中心的预测加速度/>可以通过式(2)计算得到，/>表示第/>步的转移概率矩阵/>中对应于第/>个聚类中心的转移概率矩阵。
(2)；
预测速度可通过式(3)得到。表示采样时间间隔，/>表示第/>步对应于第/>个聚类中心的预测速度，/>表示第/>步对应于第/>个聚类中心的预测加速度。
(3)；
最终的前车的第步的预测速度/>可通过式(4)得到，/>表示对应于第/>个聚类中心的隶属度。
(4)；
步骤二，构建节能驾驶问题：
建立跟车下后车的节能驾驶问题：
(5)；
(6)；
其中表示/>时刻车辆加速度，/>表示/>时刻车辆速度，/>表示/>时刻车辆速度，/>代表/>时刻前车速度，/>表示/>时刻车辆所需的驱动功率，/>表示/>时刻车辆与前车的相对距离,/>表示/>时刻车辆与前车的相对距离。为避免两车距离过近发生碰撞，设置最小跟车距离/>，同时防止跟车距离过大恶化交通效率设置最大跟车距离/>。根据实际情况设置车辆速度上限/>，车辆最小速度/>为0。同时设置加速度上限/>和下限/>。/>代表车辆质量，/>代表重力加速度，/>为滚动摩擦因素，/>是道路坡度，/>为空气密度，/>表示迎风面积，表示空气阻力系数。
上述节能驾驶问题是一个非线性问题，采用SQP来求解上述问题。在每个采样时刻内求解预测域内的节能驾驶问题，得到最优的车辆行驶轨迹。
步骤三，构建能量管理问题：
（3a）建立燃料电池老化成本：
燃料电池***的启停，负载变化，低负载和高负载工况会导致其老化。频繁的启停是导致燃料电池***老化的最主要因素。和/>分别表示燃料电池输出功率和最大输出功率，/>表示燃料电池处于高负载工况下，/>表示燃料电池处于低负载工况下，/>为燃料电池输出功率变化率。燃料电池老化成本由启停成本/>、负载变化成本/>、低负载成本/>和高负载成本/>构成得到。/>
（7）；
（8）；
（9）；
（10）；
预测时域内燃料电池老化成本（11）；
其中分别表示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处于低载和高载工况的时间；/>、/>、和/>分别是燃料电池处于启停、变载、低载、高载工况下的老化系数，/>为燃料电池***价格，通常燃料电池电压降达到额定电压的10%即认为寿命终止；
（3b）建立动力电池老化成本：
预测时域内动力电池的老化成本：
(12)；
(13)；
其中，是电池价格；/>表示/>时刻的电池健康状态；表示/>时刻的电池健康状态；/>是/>时刻的电池电流；/>指在大小为c的放电速率下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域长度；
（3c）建立氢耗成本：
预测时域内燃料电池的氢耗成本：
(14)；
其中，是氢气每千克价格，/>是氢气消耗质量；/>是燃料电池单体数目，表示/>时刻燃料电池电流，/>表示氢气摩尔质量，/>为氢气每千摩尔的自由电子数目，/>表示法拉第常数。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；/>
（3d）构建能量管理问题：
控制变量为燃料电池输出功率变化率，状态变量为电池荷电状态/>和燃料电池输出功率/>。/>时刻的多目标成本函数为：（15）；
约束条件为：
（16）；
燃料电池输出功率限制在最小值和最大值/>之间，即0kW-200kW；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-2kW-2kW；研究车辆为非插电式车辆，需将电池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0.7；电池健康状态初始值/>为1；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。针对能量管理问题的非线性，采用SQP解决上述能量管理问题。
本发明实施例提供计及节能驾驶的燃料电池重型卡车能量管理***，包括：
对于前车的速度预测模块，利用先进的通信技术获得前车的速度信息，基于前车的实时速度和历史速度对前车的未来速度进行预测。
节能驾驶模块，用于实现跟车工况下的节能驾驶，以最小化驱动功率为目标，同时保证跟车下的安全性能，规划出车辆的最优行驶轨迹。
能量管理模块，基于节能驾驶模块的行驶轨迹规划结果，能量管理执行功率分配，保证车辆动力性能。能量管理以燃料电池输出功率变化率为***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，可以实现多目标的控制，最小化包括氢气成本、燃料电池老化成本、动力电池老化成本以及约束荷电状态在设置范围内。
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。
本发明实施例在研发或者使用过程中取得了一些积极效果，和现有技术相比的确具备很大的优势，下面内容结合试验过程的数据、图表等进行描述。
本发明实施例应用于氢燃料电池重型卡车。本发明同样可应用于燃料电池大巴和乘用燃料电池汽车等。本发明也可针对燃料电池大巴和乘用燃料电池汽车等进行节能驾驶和实时能量管理，降低车辆运维成本，推动燃料电池汽车大规模商业化。
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、晶体管等半导体，或者诸如现场可编程门阵列、可编程逻辑设备等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，例如磁盘、CD或DVD-ROM的载体介质、只读存储器(固件)的可编程的存储器或光学或电子信号载体的数据载体上提供了这样的代码。
本发明是在中央处理器为Intel(R) Core(TM) i5-12400 3.3GHz CPU、运存8G、WINDOWS 10操作***上，运用MATLAB/Simulink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26公里。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，且在优化性能方面较弱。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） | 2850 | 1331 |
| 运维成本（元） | 130.9 | 120.8 |
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 (6)
1.一种计及节能驾驶的燃料电池重型卡车能量管理方法，其特征在于，首先采用“模糊C均值和马尔可夫链”对前车的速度进行速度预测；然后构建燃料电池重型卡车的节能驾驶模型，基于前车的预测速度最小化车辆消耗功率，同时保证安全的跟车距离提高驾驶舒适性，利用序列二次规划求解节能驾驶问题，规划车辆最优行驶轨迹；最后构建基于模型预测控制的能量管理策略，选择燃料电池输出功率变化率为***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，建立燃料电池重型卡车全生命周期运维成本代价函数；基于上层车辆规划轨迹，下层能量管理策略执行功率分配，进一步优化能量管理效果；上述过程在每一个采样间隔内执行完毕，不断重复直到车辆停止运行；
具体包括以下步骤：
步骤一：利用模糊C均值方法对驾驶曲线进行离线分类，建立子数据库；对前车由实时速度与历史速度组成的驾驶片段进行分类；利用马尔可夫链进行前车的速度预测；
步骤二：建立跟随车辆的节能驾驶模型，以最小化消耗功率为目标函数，同时约束跟车距离在安全范围内，约束车辆速度和加速度在设置范围内，基于前车速度轨迹利用SQP求解节能驾驶问题来规划车辆的最优行驶轨迹；
步骤三：构建基于模型预测控制的能量管理策略和约束条件，构建包含氢气消耗成本，燃料电池老化成本和动力电池成本的综合代价函数，设置不同成本项的权重；电池荷电状态和燃料电池输出功率/>为状态变量，燃料电池输出功率变化率/>为***的控制变量；基于规划的车辆轨迹，能量管理执行功率分配，同时约束动力***的参数在合理范围内，采用序列二次规划SQP求解能量管理问题；
所述步骤一，具体包括：
1a：模糊C均值对驾驶数据进行分类处理；
驾驶数据包含速度和加速度信息，将驾驶数据分成长度为的片段，前车速度：，前车加速度：/>;其中/>分别表示/>时刻与时刻的速度，/>分别表示/>时刻与/>时刻的加速度；对驾驶数据进行特征化处理，选择片段平均速度/>，片段加速度平均值的绝对值以及加速度绝对值的标准差/>作为特征变量；由于不同特征变量在数值大小的差异，对上述特征变量进行标幺化处理，特征变量选定为，/>是/>的标幺化结果，/>是/>的标幺化结果，/>是/>的标幺化结果；/>，/>，，其中/>是/>的最大值，/>是/>的最大值，/>是/>的最大值;
1b：模糊C均值将驾驶片段基于驾驶习惯分为3类，激进的、中等的和温和的；最终将产生3个对应于3种驾驶习惯的聚类中心：;第/>个驾驶片段对于聚类中心/>有对应的隶属度/>；最大隶属度对应的聚类中心作为驾驶片段的分类结果；驾驶片段对应的加速度转移数据为/>，/>是驾驶片段长度,/>模型预测控制的预测域长度,/>表示/>时刻的加速度;
1c：根据加速度转移数据库构建多步转移概率矩阵，/>；其中/>为第一步的转移概率矩阵，/>为第/>步的转移概率矩阵；转移矩阵中，/>行/>列的转移概率/>可以用通过/>得到；其中/>表示速度/>所有的转移数，/>表示从速度/>到加速度/>的转移数；/>表示第/>步的转移概率矩阵；/>表示速度的马尔可夫状态数量，/>表示加速度的马尔可夫状态数；/>表示/>时刻的车辆速度，/>表示/>时刻的加速度；
1d：在线行驶中，基于历史速度和当前速度计算其对于聚类中心的隶属度；第/>步对应于第/>个聚类中心的预测加速度/>可以通过计算得到；其中/>表示第/>步的转移概率矩阵/>中对应于第/>个聚类中心的转移概率矩阵；
预测速度可通过得到，其中/>表示采样时间间隔，/>表示第/>步对应于第/>个聚类中心的预测加速度；
最终的前车的第步的预测速度可通过/>得到，其中/>表示/>对应于第/>个聚类中心的隶属度；
所述步骤二，具体包括：
建立跟车下后车的节能驾驶问题：
；
；
其中，表示/>时刻车辆加速度，/>表示/>时刻表示车辆速度，/>表示时刻表示车辆速度，/>代表/>时刻前车速度，/>表示/>时刻车辆所需的驱动功率，/>表示/>时刻车辆与前车的相对距离,/>表示/>时刻车辆与前车的相对距离；为避免两车距离过近发生碰撞，设置最小跟车距离/>，同时防止跟车距离过大恶化交通效率设置最大跟车距离/>；根据实际情况设置车辆速度上限/>，车辆最小速度/>为0；同时设置加速度上限/>和下限/>；/>代表车辆质量，/>代表重力加速度，/>为滚动摩擦因素，/>是道路坡度，/>为空气密度，/>表示迎风面积，/>表示空气阻力系数；
上述节能驾驶问题是一个非线性问题，采用SQP来求解上述问题，在每个采样时刻内求解预测域内的节能驾驶问题，得到最优的车辆行驶轨迹；
所述步骤三，具体包括：
3a：建立燃料电池老化成本：
燃料电池***的启停，负载变化，低负载和高负载工况会导致其老化；频繁的启停是导致燃料电池***老化的最主要因素；和/>分别表示燃料电池输出功率和最大输出功率，/>表示燃料电池处于高负载工况下，/>表示燃料电池处于低负载工况下，/>为燃料电池输出功率变化率；燃料电池老化成本由启停成本、负载变化成本/>、低负载成本/>和高负载成本/>构成得到；预测时域内燃料电池老化成本/>;
;
;
;
;
其中分别表示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处于低载和高载工况的时间;/>、/>、/>和/>分别是燃料电池处于启停、变载、低载、高载工况下的老化系数，/>为燃料电池***价格，通常燃料电池电压降到额定电压的10%即认为寿命终止；
3b：建立动力电池老化成本：
预测时域内动力电池的老化成本：
；
；
其中，是电池价格；/>表示/>时刻的电池健康状态；/>表示时刻的电池健康状态；/>是/>时刻的电池电流；/>指在大小为/>的放电速率下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域长度；
3c：建立氢耗成本：
预测时域内燃料电池的氢耗成本：
;
其中，是氢气每千克价格，/>是氢气消耗质量；/>是燃料电池单体数目，表示/>时刻燃料电池电流，/>表示氢气摩尔质量，/>为氢气每千摩尔的自由电子数目，/>表示法拉第常数，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；
3d：构建能量管理问题
控制变量为燃料电池输出功率变化率，状态变量为电池荷电状态/>和燃料电池输出功率/>，/>时刻的多目标成本函数为：
;
约束条件为：;
其中，燃料电池输出功率限制在最小值和最大值/>之间，即0kW-200kW；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-2kW-2kW；研究车辆为非插电式车辆，需将电池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0.7；电池健康状态初始值/>为1；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；针对能量管理问题的非线性，采用SQP解决上述能量管理问题。
2.一种计算机设备，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所述计及节能驾驶的燃料电池重型卡车能量管理方法。
3.一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权利要求1所述计及节能驾驶的燃料电池重型卡车能量管理方法。
4.一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所述计及节能驾驶的燃料电池重型卡车能量管理方法。
5.一种基于权利要求1所述计及节能驾驶的燃料电池重型卡车能量管理方法的计及节能驾驶的燃料电池重型卡车能量管理***，其特征在于，所述计及节能驾驶的燃料电池重型卡车能量管理***包括：
对于前车的速度预测模块，利用先进的通信技术获得前车的速度信息，基于前车的实时速度和历史速度对前车的未来速度进行预测；
节能驾驶模块，用于实现跟车工况下的节能驾驶，以最小化驱动功率为目标，同时保证跟车下的安全性能，规划出车辆的最优行驶轨迹；
能量管理模块，基于节能驾驶模块的行驶轨迹规划结果，能量管理执行功率分配，保证车辆动力性能；能量管理以燃料电池输出功率变化率为***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，可以实现多目标的控制：最小化包括氢气成本，燃料电池老化成本，动力电池老化成本，以及约束荷电状态在设置范围内。
6.一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5所述的计及节能驾驶的燃料电池重型卡车能量管理***；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 |
|---|---|---|---|
| CN202410235297.3A CN117799503B (zh) | 2024-03-01 | 2024-03-01 | 计及节能驾驶的燃料电池重卡能量管理方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410235297.3A CN117799503B (zh) | 2024-03-01 | 2024-03-01 | 计及节能驾驶的燃料电池重卡能量管理方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117799503A CN117799503A (zh) | 2024-04-02 |
| CN117799503B true CN117799503B (zh) | 2024-04-30 |
Family
ID=90432346
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410235297.3A Active CN117799503B (zh) | 2024-03-01 | 2024-03-01 | 计及节能驾驶的燃料电池重卡能量管理方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117799503B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105083050A (zh) * | 2015-09-23 | 2015-11-25 | 中国人民解放军装甲兵技术学院 | 一种用于电动车辆的混合燃料电池储能装置及其控制方法 |
| JP2021020563A (ja) * | 2019-07-26 | 2021-02-18 | 本田技研工業株式会社 | 車両エネルギ管理システム及び車両エネルギ管理方法 |
| CN113561793A (zh) * | 2021-08-02 | 2021-10-29 | 昆明理工大学 | 一种动态约束的智能燃料电池汽车能量管理策略 |
| CN114889498A (zh) * | 2022-05-07 | 2022-08-12 | 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 |
| CN114940103A (zh) * | 2022-06-30 | 2022-08-26 | 上海大学 | 考虑行驶成本与寿命成本的燃料电池重卡功率管理方法 |
| CN115027290A (zh) * | 2022-06-24 | 2022-09-09 | 河南科技大学 | 一种基于多目标优化的混合动力汽车跟车能量管理方法 |
| WO2022241898A1 (zh) * | 2021-05-18 | 2022-11-24 | 北京理工大学 | 一种分层式燃料电池汽车节能驾驶方法 |
| WO2022268552A1 (de) * | 2021-06-22 | 2022-12-29 | Man Truck & Bus Se | Verfahren und vorrichtung zur bestimmung einer betriebsstrategie eines elektrisch angetriebenen fahrzeugs, vorzugsweise eines brennstoffzellen-fahrzeugs |
| CN116341395A (zh) * | 2023-05-29 | 2023-06-27 | 西北工业大学 | 多堆燃料电池飞机的能量管理方法、***、设备及终端 |
| CN117034666A (zh) * | 2023-10-10 | 2023-11-10 | 西北工业大学 | 燃料电池汽车能量管理方法、***、介质、设备及终端 |
| CN117465301A (zh) * | 2023-11-10 | 2024-01-30 | 电子科技大学 | 基于数据驱动的燃料电池汽车实时能量管理方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20230182585A1 (en) * | 2021-12-13 | 2023-06-15 | Cummins Inc. | Fuel cell powertrain systems and methods for power split and allocation in fuel cell powertrain systems |
| KR20240011536A (ko) * | 2022-07-19 | 2024-01-26 | 현대자동차주식회사 | 연료전지 차량의 연비 향상시스템 및 그 제어방법 |
-
2024
- 2024-03-01 CN CN202410235297.3A patent/CN117799503B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105083050A (zh) * | 2015-09-23 | 2015-11-25 | 中国人民解放军装甲兵技术学院 | 一种用于电动车辆的混合燃料电池储能装置及其控制方法 |
| JP2021020563A (ja) * | 2019-07-26 | 2021-02-18 | 本田技研工業株式会社 | 車両エネルギ管理システム及び車両エネルギ管理方法 |
| WO2022241898A1 (zh) * | 2021-05-18 | 2022-11-24 | 北京理工大学 | 一种分层式燃料电池汽车节能驾驶方法 |
| WO2022268552A1 (de) * | 2021-06-22 | 2022-12-29 | Man Truck & Bus Se | Verfahren und vorrichtung zur bestimmung einer betriebsstrategie eines elektrisch angetriebenen fahrzeugs, vorzugsweise eines brennstoffzellen-fahrzeugs |
| CN113561793A (zh) * | 2021-08-02 | 2021-10-29 | 昆明理工大学 | 一种动态约束的智能燃料电池汽车能量管理策略 |
| CN114889498A (zh) * | 2022-05-07 | 2022-08-12 | 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 |
| CN115027290A (zh) * | 2022-06-24 | 2022-09-09 | 河南科技大学 | 一种基于多目标优化的混合动力汽车跟车能量管理方法 |
| CN114940103A (zh) * | 2022-06-30 | 2022-08-26 | 上海大学 | 考虑行驶成本与寿命成本的燃料电池重卡功率管理方法 |
| CN116341395A (zh) * | 2023-05-29 | 2023-06-27 | 西北工业大学 | 多堆燃料电池飞机的能量管理方法、***、设备及终端 |
| CN117034666A (zh) * | 2023-10-10 | 2023-11-10 | 西北工业大学 | 燃料电池汽车能量管理方法、***、介质、设备及终端 |
| CN117465301A (zh) * | 2023-11-10 | 2024-01-30 | 电子科技大学 | 基于数据驱动的燃料电池汽车实时能量管理方法 |
Non-Patent Citations (2)
| Title |
|---|
| 吴珊 ; .燃料电池电动汽车能量管理***最优控制策略研究.国外电子测量技术.2020,(第04期),第101-105页. * |
| 马睿 宋剑 王宇昂 张宏宇 梁波 李玉忍.计及飞行任务与能耗分析的航空燃料电池 推进***能量管理策略.中国电机工程学报.2023,第43卷(第1期),第221-236页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117799503A (zh) | 2024-04-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wu et al. | Convex programming energy management and components sizing of a plug-in fuel cell urban logistics vehicle | |
| 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 | |
| Xie et al. | Pontryagin’s minimum principle based model predictive control of energy management for a plug-in hybrid electric bus | |
| Chen et al. | An on-line predictive energy management strategy for plug-in hybrid electric vehicles to counter the uncertain prediction of the driving cycle | |
| Du et al. | Battery aging-and temperature-aware predictive energy management for hybrid electric vehicles | |
| Hu et al. | A study on energy distribution strategy of electric vehicle hybrid energy storage system considering driving style based on real urban driving data | |
| Liu et al. | Rule-corrected energy management strategy for hybrid electric vehicles based on operation-mode prediction | |
| Lü et al. | Hybrid electric vehicles: A review of energy management strategies based on model predictive control | |
| Wang et al. | Parameterized deep Q-network based energy management with balanced energy economy and battery life for hybrid electric vehicles | |
| CN112319462B (zh) | 一种插电式混合动力汽车能量管理方法 | |
| Wei et al. | Online estimation of driving range for battery electric vehicles based on SOC-segmented actual driving cycle | |
| He et al. | A new cost-minimizing power-allocating strategy for the hybrid electric bus with fuel cell/battery health-aware control | |
| 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 | |
| CN117034666B (zh) | 燃料电池汽车能量管理方法、***、介质、设备及终端 | |
| Nageshrao et al. | Charging cost optimization for EV buses using neural network based energy predictor | |
| Zou et al. | A real-time energy management approach with fuel cell and battery competition-synergy control for the fuel cell vehicle | |
| CN110962684B (zh) | 电动汽车能源管理与分配方法 | |
| Yu et al. | Integrated energy and thermal management strategy for extended range electric vehicle based on battery temperature and state-of-charge global planning | |
| Hou et al. | Real-time energy management strategy of a fuel cell electric vehicle with global optimal learning | |
| Chen et al. | Integrated velocity optimization and energy management for FCHEV: An eco-driving approach based on deep reinforcement learning | |
| Song et al. | Model predictive control energy management strategy integrating long short-term memory and dynamic programming for fuel cell vehicles | |
| Yu et al. | A novel energy efficiency improvement framework based on data-driven learning and energy online decoupling for fuel cell hybrid buses | |
| Gong et al. | Energy Management for a DM-i Plug-in Hybrid Electric Vehicle via Continuous-Discrete Reinforcement Learning | |
| CN117799503B (zh) | 计及节能驾驶的燃料电池重卡能量管理方法及*** | |
| Guo et al. | Clustered energy management strategy of plug-in hybrid electric logistics vehicle based on Gaussian mixture model and stochastic dynamic programming |
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 |