有轨电车混合动力系统能量交互型管理策略与容量配置协同优化研究

能量管理策略和容量配置是有轨电车混合储能动力系统设计的关键环节,其结果直接影响有轨电车的运行性能和经济效益。本文提出一种改进后带有能量交互状态的能量管理策略,根据实际车辆与线路要求,以重量最轻为优化目标进行容量配置优化,对比说明改进策略中电池与超级电容能量交互的优越性,并在实验平台上进行验证。仿真和实验表明,改进后的能量管理策略减轻了储能系统的重量,使储能系统在极端情况下能够正常运行。     

有轨电车基于工况识别的强化学习能量管理策略

储能式混合动力有轨电车以储能系统作为唯一动力源,对能量管理策略进行优化设计,可以提高有轨电车的运行性能及经济效益.将有轨电车的需求功率看做马尔科夫过程,且为避免驾驶工况变化较大时对能量管理策略的影响,提出基于工况识别的强化学习能量管理策略.首先,通过历史行驶数据构建有轨电车驾驶工况并得到不同工况下的马尔科夫功率状态转移矩阵;然后,以混合储能系统能耗最小为目标,通过强化学习算法得到不同工况下的功率分配策略;最后,以改进的学习向量化(LVQ)神经网络对当前的驾驶工况进行实时识别,控制系统通过当前识别的工况以及列车状态做出实时决策.以实车数据进行仿真验证,优化后的策略可以降低储能系统损耗,并且可应用于不同的驾驶工况中.以90kW混合储能平台进行实验验证,验证了该策略在实际工程应用中的可行性.