• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      燃料電池汽車的能量管理研究綜述

      2018-04-09 06:18:24
      汽車文摘 2018年4期
      關(guān)鍵詞:燃料電池管理策略神經(jīng)網(wǎng)絡(luò)

      由于化石燃料所造成的環(huán)境問題日益加重,而且能源枯竭問題也隨之到來,燃料電池電動汽車成為可再生能源應(yīng)用于汽車工業(yè)的重要選擇之一。燃料電池汽車(FCV)是一種用車載燃料電池裝置產(chǎn)生的電力作為動力的汽車。車載燃料電池裝置所使用的燃料為高純度氫氣或含氫燃料經(jīng)重整所得到的高含氫重整氣。因此內(nèi)部對于熱能與電能的管理和優(yōu)化顯得尤為重要。下面介紹了幾種應(yīng)用于燃料電池汽車的能源管理策略。

      1 基于元啟發(fā)式方法的混合動力燃料電池汽車的雙層能量管理策略[1]

      本文著重介紹了使用元啟發(fā)式方法來執(zhí)行混合動力燃料電池電動汽車的能源管理策略,并且以氫氣消耗、燃料電池的耐久性和計算時間作為關(guān)鍵性能標(biāo)準(zhǔn)。本文所提出的能量管理體系結(jié)構(gòu)(文中Fig2)是一個基于規(guī)則的綜合啟發(fā)式方法,結(jié)合了基于規(guī)則和優(yōu)化方法的簡單性和有效性。仿真結(jié)果與蟻群優(yōu)化算法的結(jié)果相比較,其性能接近于最佳性能?;旌蟿恿θ剂想姵仉妱悠囍兄饕茉吹哪途眯阅壳笆且粋€關(guān)鍵問題,可以通過限制兩層燃料電池的功率變化率來提供一個高水平保護,以體現(xiàn)低速動態(tài)特性運行限制。所提出的方法減少了計算工作量和時間,并且限制了優(yōu)化層的搜索空間,從而能夠快速收斂,因此在實時應(yīng)用的潛力很大。

      Fig 2. Hybrid power source architecture for electric vehicle

      本文提出了一種混合動力燃料電池/超級電容電動汽車的雙層能量管理系統(tǒng)(文中Fig 3),并以不同的標(biāo)準(zhǔn)駕駛循環(huán)ECE15、EUDC和HWEFT進行在線和離線管理,并將在線結(jié)果與最優(yōu)離線性能進行了比較。對于EUDC和HWEFT駕駛循環(huán)來說,基于粒子群優(yōu)化的算法在氫消耗方面達到了近乎最優(yōu)的結(jié)果,與遺傳算法相比性能稍好一些。相反,在線優(yōu)化策略并沒有顯示出城市ECE15循環(huán)的結(jié)果,這是由于使用基于規(guī)則的能量管理只支持頻繁的穩(wěn)態(tài)階段的優(yōu)化,這是本研究的局限性。今后的研究工作,計劃將進行不同的輸入數(shù)據(jù)和參數(shù)在優(yōu)化過程中對不確定性和誤差影響的研究,從而提出一種更加強大和可靠的解決方案。

      Fig 3.Double-layer EMS configuration

      2 基于神經(jīng)網(wǎng)絡(luò)的混合動力燃料電池汽車能源管理控制器的設(shè)計[2]

      混合動力電動汽車動力系統(tǒng)的設(shè)計和優(yōu)化可以從包括輔助管理和能量通量控制策略的數(shù)學(xué)模型中得到一些啟發(fā)。并且使用虛擬平臺避免了昂貴和耗時的實驗活動。在本文這項工作中,為混合動力燃料電池汽車開發(fā)了一個在線能源管理系統(tǒng)(EMS)控制器,旨在對多種駕駛風(fēng)格類型采用相同的能源管理策略。該控制器使用神經(jīng)網(wǎng)絡(luò)(NN)進行設(shè)計,所述的神經(jīng)網(wǎng)絡(luò)在燃料電池系統(tǒng)和電池系統(tǒng)之間以最佳的功率通量分布進行訓(xùn)練,從而對整體等效能量消耗最小化。通過在八個不同的駕駛循環(huán)中,對由氫和鋰離子電池供給的燃料電池汽車的動態(tài)集中參數(shù)數(shù)學(xué)模型,采用基于梯度的方法來獲得最優(yōu)解。進行定量和定性分析,顯示不同類型駕駛循環(huán)中神經(jīng)網(wǎng)絡(luò)的性能(文中Fig 1)。

      本文提出使用動態(tài)模型和神經(jīng)網(wǎng)絡(luò)來引入了一個新的在線EMS控制器來管理燃料電池汽車電源的功率通量。才有具有特定動力源的車輛動態(tài)模型確保了改進的EMS設(shè)計的可靠性,因為它們考慮了使用靜態(tài)模型不能包括的若干因素(例如,電池充電的最大電流、工作溫度等)。為了減少Simulink模型的優(yōu)化計算成本,通過建立八個神經(jīng)網(wǎng)絡(luò)來優(yōu)化簡化模型,并利用輸入進行訓(xùn)練。神經(jīng)網(wǎng)絡(luò)的使用提供了一個實時的EMS控制器。該方法的魯棒性是通過在其余的周期中運行每個神經(jīng)策略來提供的,并且也提高了預(yù)測未知周期的可靠性。實驗結(jié)果表明,用NNFET駕駛循環(huán)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)具有最高的節(jié)能效率,最高可達2%,而用CADC城市循環(huán)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)達到的平均誤差最低。

      Fig 1.Work methods scheme

      3 一種混合動力燃料電池汽車的新型能量管理算法[3]

      本文提出了一種應(yīng)用于混合動力汽車的能量管理算法。其中混合動力車輛由燃料電池作為主要能源和存儲系統(tǒng),由電池和超級電容器組成二次能源(見文中Fig 1)。主要來源必須為電動車輛產(chǎn)生必要的能量。二次能源在加速時產(chǎn)生附加動力,在制動過程中吸收多余的動力。在基于燃料電池的車輛中添加超級電容器和電池具有巨大的潛力,因為其可以顯著地減少氫氣消耗并提高車輛的能源效率。電動汽車由牽引電機、逆變器和功率調(diào)節(jié)器組成。其中功率調(diào)節(jié)器包括有三個DC/DC轉(zhuǎn)換器:第一個轉(zhuǎn)換器連接燃料電池和直流電路。對于第二和第三轉(zhuǎn)換器,則使用兩個升壓-降壓器以分別將超級電容器和電池與直流電路連接(文中Fig 1)。所提出的能量管理算法能夠控制轉(zhuǎn)換器的電流,以準(zhǔn)確地調(diào)節(jié)由電源提供的功率。該算法采用MATLAB/Simulink軟件進行仿真,并基于DSpace實驗系統(tǒng)來實現(xiàn)。在本文中,所提出的算法通過新的歐洲駕駛循環(huán)(NEDC)來進行評估,實驗結(jié)果驗證了所提出的能量管理算法的有效性。

      本文提出了一種算法來管理電動汽車應(yīng)用的電力混合電源中不同元件之間的功率流。能源由一個燃料電池和一個存儲系統(tǒng)組成,這個系統(tǒng)包括兩個元素:電池和超級電容器。所提出的控制算法的主要優(yōu)點在于它允許在沒有其他算法通信的情況下管理車輛中的能量。對于在新歐洲駕駛循環(huán)(NEDC)所得到的模擬結(jié)果已經(jīng)顯示了本文采用的能源管理策略的效率。實驗結(jié)果證實了所提出的管理算法對所研究的拓?fù)涞挠行浴_@種算法可以應(yīng)用于其他類型的能源(如太陽能系統(tǒng)和風(fēng)力渦輪機)的其他拓?fù)洌ǘ皇歉綦x轉(zhuǎn)換器)。

      Fig 1.Electrical vehicle structure

      4 基于全局極值搜索算法的燃料電池系統(tǒng)能量優(yōu)化[4]

      本文提出了一種實時優(yōu)化方法,并展示了其在質(zhì)子交換膜燃料電池(PEMFC)系統(tǒng)中的應(yīng)用(文中Fig 1)。使用具有適當(dāng)加權(quán)系數(shù)的兩個性能指標(biāo)的組合作為優(yōu)化目標(biāo)函數(shù)(凈功率和燃料消耗效率)。在優(yōu)化曲面的平臺上會出現(xiàn)很多極值,因此添加加權(quán)系數(shù)可以修改優(yōu)化曲面。本文提出的全局極值搜索算法(GES)作為實時優(yōu)化方法,將定位和跟蹤全局最大值點,并在此基礎(chǔ)上建立PEMFC系統(tǒng)在給定負(fù)載下計算最優(yōu)燃料供給速率。在這項研究中,對四種策略進行測試,包括靜態(tài)前饋(sFF)控制策略作為參考。在不同負(fù)荷水平上尋求最佳操作條件,并估算這四種策略之間的差距。例如,與由sFF策略控制的PEMFC系統(tǒng)相比,PEMFC系統(tǒng)的GES操作可以提高1-2.1%的能量效率,其取決于FC電流水平和用于加權(quán)系數(shù)的值。如果PEMFC系統(tǒng)在可變負(fù)荷下運行,與sFF策略相比,基于GES和LF(Load Following)的優(yōu)化策略的燃料消耗效率至少可以增加0.54 W/lpm。

      EMU(Energy Management Unit)策略必須適應(yīng)負(fù)載循環(huán)(路徑)或驅(qū)動程序所要求的電池控制系統(tǒng)的運行模式。例如,當(dāng)燃料電池車輛(FC)在上行路上行駛時需要更大的凈功率AirFr,因此其策略必須將FC凈功率最大化。但是當(dāng)FC在下行路上行駛時則需要燃料消耗效率FuelFr最大化。采用GES算法對控制變量(AirFr和FuelFr)的當(dāng)前值進行定位,追蹤燃料電池系統(tǒng)的最佳運行點即全局最大點。未來的研究工作將集中以下幾點:

      Fig 1.The PEMFC system

      (1)燃料電池中氫氣進料子系統(tǒng)將以流通模式進行配置,需要以最大限度地降低由陽極“饑餓”現(xiàn)象而導(dǎo)致的退化風(fēng)險。

      (2)需要研究燃料電池汽車功率全頻范圍內(nèi)的LF控制的可變負(fù)載優(yōu)化策略。

      (3)LF控制將通過基于頻率的策略來實現(xiàn),以便于將負(fù)載需求分成低頻和高頻分量。

      5 基于經(jīng)典策略的混合動力汽車燃料電池系統(tǒng)的改進型能量管理策略[5]

      本文提出兩種應(yīng)用于燃料電池電動汽車的能源管理策略(EMS),并對這兩種策略進行了評估比較(文中Fig 5和Fig 7)。首先介紹了一種基于固定燃料電池(FC)功率控制的頻率分離的經(jīng)典方法,并對其進行了測試。然后,介紹了另一種基于經(jīng)典策略的改進型管理方法,該方法的優(yōu)勢主要體現(xiàn)在易于實現(xiàn)、經(jīng)濟性好和混合能源系統(tǒng)壽命延長等方面。能源管理策略是根據(jù)電池的充電狀態(tài),使用功率限制的在線可變功率控制來開發(fā)的,同時也要確保電池的能量保持在其工作深度(DOD)范圍內(nèi)。對兩種策略進行了比較分析。仿真實驗結(jié)果顯示,改進后的能源管理系統(tǒng)(IEMS)在燃料經(jīng)濟性方面提高了13%,并降低了功率限制上22%的應(yīng)用壓力,從而延長了整個系統(tǒng)的使用壽命。為了進一步證實這一點,將通過一個組裝成硬件(HIL)實時系統(tǒng)的測試平臺進行測試。所得到的實驗結(jié)果證實了改進后的能源管理系統(tǒng)的成效收益。

      在這項工作中,IEMS策略的原理是根據(jù)能量的電池狀態(tài)限制其凈功率并盡可能地利用其可用能量,從而導(dǎo)致燃料電池系統(tǒng)和電池組之間的應(yīng)用共享。IEMS策略通過三個必要的應(yīng)力因素來延長整個系統(tǒng)的壽命和減少氫氣消耗,即RMS功率、電池單元能量和燃料消耗。除了較低的燃油消耗和較長的使用壽命之外,所提出的改進策略的另一個優(yōu)點是它仍然是一個在線戰(zhàn)略,與駕駛循環(huán)周期無關(guān)。

      Fig 5.Principle of separation frequency management strategy

      Fig 7.Principle of improved energy management strategy

      [1]KOUBAA R,KRICHEN L.Double layer metaheuristic based energy management strategy for a Fuel Cell/Ultra-Capacitor hybrid electric vehicle[J].Energy,2017,133:1079-1093.

      [2]MU?OZ P M,CORREA G,GAUDIANO M E,et al.Energy management control design for fuel cell hybrid electric vehicles using neural networks[J].International Journal of Hydrogen Energy,2017,42(48):28932-28944.

      [3]MARZOUGUI H,AMARI M,KADRI A,et al.Energy management of fuel cell/battery/ultracapacitor in electrical hybrid vehicle[J].International Journal of Hydrogen Energy,2017,42(13):8857-8869.

      [4]BIZON N.Energy optimization of fuel cell system by using global extremum seeking algorithm[J].Applied Energy,2017,206:458-474.

      [5]BENDJEDIA B,RIZOUG N,BOUKHNIFER M,et al.Improved energy management strategy for a hybrid fuel cell battery system Simulation and experimental results[J].COMPEL-THE INTERNATIONAL JOURNAL FOR COMPUTATION AND MATHEMATICS IN ELECTRICAL AND ELECTRONIC ENGINEERING,2017,36(4).

      猜你喜歡
      燃料電池管理策略神經(jīng)網(wǎng)絡(luò)
      房建工程招標(biāo)組織與合同管理策略
      論減稅降費背景下的企業(yè)財務(wù)管理策略
      建筑工程管理策略探討
      建筑施工安全管理策略的應(yīng)用探索
      燃料電池題解法分析
      神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
      電子制作(2019年19期)2019-11-23 08:42:00
      試駕豐田氫燃料電池車“MIRAI未來”后的六個疑問?
      車迷(2017年12期)2018-01-18 02:16:11
      燃料電池的維護與保養(yǎng)
      電子制作(2017年10期)2017-04-18 07:23:13
      基于神經(jīng)網(wǎng)絡(luò)的拉矯機控制模型建立
      重型機械(2016年1期)2016-03-01 03:42:04
      復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
      华安县| 都江堰市| 烟台市| 连山| 荣成市| 康马县| 吐鲁番市| 凤阳县| 高平市| 高阳县| 清丰县| 中西区| 绥阳县| 九江县| 喀喇| 武强县| 西平县| 陇西县| 北流市| 蕲春县| 诏安县| 五原县| 龙口市| 额敏县| 凉山| 云梦县| 靖宇县| 隆德县| 承德县| 富平县| 隆安县| 饶平县| 江陵县| 新闻| 松江区| 且末县| 溧水县| 平武县| 绥宁县| 平阳县| 古浪县|