基于深度强化学习的混合动力汽车能量管理策略

针对混合动力汽车能量管理策略在线运行时对工况适应性差的问题,提出一种具有深度强化学习能力的能量管理策略设计方法。该方法基于深度确定性策略梯度算法来确定发动机功率最佳变化率,进而建立车载能源功率分配策略。所建立的控制策略包含离线交互学习与在线更新学习双层逻辑框架,根据车辆运行特性对控制参数进行动态更新,以提高在线运行时车辆的节能效果。为了验证所提出的控制策略,以沈阳实车测试数据对算法有效性进行分析,并与粒子群优化算法的控制效果进行对比。结果表明,所提出的深度强化学习能量管理策略可以实现优于粒子群优化策略的节能效果,尤其当车辆行驶特性发生突然变化时,深度强化学习控制策略具备更强的适应性。     

模糊逻辑应用的燃料电池汽车能量管理策略

燃料电池系统是燃料电池汽车的主要能源供应,燃料电池自身存在动态响应慢等缺陷。为了提高混合动力汽车的燃料经济性并增加续航里程,提出了适用于燃料电池/蓄电池(FC+B)混合动力汽车的模糊逻辑控制策略,运用MATLAB/Simulink软件搭建了混合动力汽车整车仿真模型。仿真结果表明,模糊逻辑控制策略新欧洲行驶工况(new European driving cycle,NEDC)和市郊循环工况(extra urban driving cycle,EUDC)两种工况下,能够实现燃料电池和蓄电池的最优功率分配,在燃料经济性和蓄电池的荷电状态(state of charge,SOC)方面也优于基于状态的自适应功率控制策略。     

插电式混合动力汽车电驱动系统过压抑制最优控制

在复杂的行驶工况下,插电式混合动力汽车经常处于启停状态,大电流脉冲对汽车电驱动系统高压总线带来巨大冲击,造成高压总线峰值电压不断上升,从而极易造成车辆安全事故。针对插电式混合动力汽车电驱动系统高压总线过压问题,提出一种基于Bang-Bang控制策略来抑制高压总线上的峰值电压,在汽车电驱动系统过压保护装置的实验环境中验证采用的Bang Bang控制策略的准确性,实验结果表明,采用Bang-Bang控制策略能够有效地抑制高压总线过压,保证混合动力汽车的行驶安全。     

基于统一多能耗模型的公路能源群落最优能耗领导–跟随控制

公路、能源、信息及社会等多领域子网耦合支撑新能源、化石能源等网联车辆集群在有无司机干预驾驶工况下混合行驶。降低混合行驶车辆集群能耗亟需解决燃油、电动及燃氢等车辆集群统一多能耗建模难、集群耦合公路干线动态演化特殊性不明及最优能耗领导-跟随控制研究等问题。为此，该文提出基于统一多能耗模型的公路能源群落多工况最优能耗领导–跟随控制策略。首先，考虑“人、车、网、云、端”等多维元素互联，在车辆自组织、公路能源群落等概念研究基础上，基于公路能源群落耦合干线公路的特殊性，阐述公路能源群落多工况最优能耗领导–跟随控制机理；其次，基于图论建立公路能源群落的动力学演化领导–跟随控制模型与基于汽油、电力及氢气等能源价格的统一多能耗模型；最后，考虑有无司机干预，提出两种基于统一多能耗模型的公路能源群落多工况最优能耗领导–跟随控制策略。多工况仿真结果表明，两种基于统一多能耗模型的最优能耗领导–跟随控制策略有效，可为科学、合理的管控公路能源群落的最优能耗状态提供理论指导。     

参考济南道路工况的纯电动汽车能量回馈策略

针对济南市车辆行驶工况的实际特点,提出一种滑行和制动工况下能量回馈控制策略。基于实车测试数据,构建济南市车辆行驶工况,探讨能量回馈速度特性及控制策略的评价依据;以传统车辆滑行阻力为参考,基于能量回馈效率模型开发滑行能量回馈控制策略,并利用动态矩阵预测控制算法抑制制动转矩开始施加时引起的转矩波动;基于车轮滑动率信息开发制动能量回馈控制策略。实车测试结果表明,采用新控制策略后平均回馈效率较原车提高近30%,能耗可相对减少约10%,且在济南市车辆行驶工况下,新控制策略可有效回收工况循环中可回收最大能量的84%。     

电池SOC和道路预测的混合动力最优能量管理

混合动力电动车能量控制策略是提高车辆性能的关键技术之一,重点研究基于部分道路预测的混合动力电动车(HEV)能量管理策略。通过预测电动车的行驶轨迹优化电池的充电和放电性能,结合不同路段电池的实时荷电状态(SOC)值估算燃油消耗量,从而达到提高混合动力整车能量利用效率的目的。新方法将电动车整段行驶轨迹分割成连续相连的部分路段,动态估算每段轨迹的车辆参数值,利用动态编程工具验证可用道路信息的优越性。NEDC工况仿真结果和实际电动车实验结果显示,新算法可动态模拟电动车电池在每个路段的电量消耗情况,在相同路段条件下燃油节省率达到10.8%和12.5%。     

基于模糊的氢燃料电池时序采样能量控制方法

氢燃料电池汽车的能量管理系统对燃料电池寿命、耐久、经济性等性能起着重要作用。 在对经典模糊控制策略的改进 基础上,解决控制策略存在的燃料电池输出功率变载频繁的问题,以时序规则进行优化设计,根据燃料电池运行特性、工作效率 点以及道路工况具备的特点提出了一种基于时序周期采样的控制策略,通过对车辆搭载燃料电池和动力电池输出功率的控制, 完成能量管理策略优化。 针对一款实际运营的燃料电池公交车在等速工况和中国典型城市公交循环工况下,使用不同控制策 略时的氢耗、燃料电池输出功率状态、动力电池荷电状态变化等数据进行分析,发现设计的控制策略能有效降低燃料电池变载 次数,提高燃料电池使用寿命,在氢耗方面比功率跟随策略、开关控制策略有明显优势,在初始动力电池荷电状态为 60%条件 下,后两者策略氢耗分别增加了 3. 98%和 27. 88%。     

Plug-In并联式混合动力汽车实时优化能量管理策略

能量管理策略是混合动力汽车的核心技术之一,其品质直接影响车辆的动力性、经济性和排放性能。首先制定了基于确定性规则的Plug-In并联式混合动力汽车能量管理策略;然后,为了提高车辆的燃油经济性,设计了电池能量观测单元,并对等效燃油消耗最小策略进行改进,提出了适用于Plug-In混合动力汽车的实时优化能量管理策略。研究结果表明,该能量管理策略显著提高了Plug-In并联式混合动力汽车的燃油经济性。     

基于 MPC 的爆胎车辆轨迹控制研究

针对爆胎车辆偏航问题,提出基于模型预测控制(model predictive control, MPC)的前轮转向控制器来对汽车偏航进行矫正,保证车辆在安全路径上行驶。基于MPC,选取简化的双轨道车辆模型,用微分方程描述车辆运动状态,线性离散化,推导预测方程,考虑车辆稳定性因素,将其添加为约束条件,转化为标准二次型计算最优解,构造闭环系统进行仿真,结果表明,基于MPC设计的前轮主动转向控制系统在直线行驶和双移线行驶两种驾驶工况下能让车辆保持稳定行驶,有效的控制爆胎车辆行驶轨迹,质心侧偏角、轮胎侧偏角和横摆角速度均在稳定性要求之内,保证车辆在安全路径范围内行驶,达到爆胎车辆轨迹控制效果。     

并联式混合动力汽车的BP网络实时能量管理

为了提高并联式混合动力汽车(PHEV)的燃油经济性,提出了一种基于BP神经网络的并联式混合动力汽车实时能量管理策略.采用瞬时优化能量管理策略结合多种路况离线仿真得到能量管理规则,利用模糊C-均值聚类对能量管理规则进行分类并提取部分规则作为神经网络的训练样本.训练得到的BP神经网络控制器根据车辆实时工况控制混合动力系统的转矩分配,以实现最优的能量分配.基于ADVISOR的仿真研究表明,与瞬时优化能量管理策略相比,该能量管理策略不仅能够保证车辆的燃油经济性,而且明显提高了能量管理的实时性.     

HEV车载复合电源系统控制策略优化研究

HEV车载复合电源是将高比功率的超级电容与高比能量的蓄电池复合使用,通过合理的能量管理策略,以提高HEV汽车能源系统性能的技术。在分析车载复合电源系统的结构、功率需求及电源约束条件的基础上,建立了以车辆燃油消耗率和再生制动能量回收率为优化目标函数的能量管理问题数学模型。然后,根据复合电源系统的工作模式设计了基于模糊逻辑的能量管理控制器,利用遗传算法对功率分配因子的隶属度函数参数进行优化。基于ADVISOR的仿真研究表明,与未优化的模糊能量管理策略相比,经过优化的模糊能量管理策略能够更有效地降低混合动力汽车的燃油消耗,提高了制动能量回收率。     

综合能源系统环境下电动汽车分群优化调度

电动汽车(electric vehicles, EV)的大规模接入,给综合能源系统调度带来了机遇和挑战。文章考虑电-热-气混合潮流和电动汽车的调度灵活性,建立了含电动汽车的综合能源系统两层嵌套调度模型,对电动汽车进行分群分层调度,合理制定每辆汽车的充放电策略。调度计划层以调度方案成本最小、能量波动最小和环保性最优为目标函数,采用改进的多目标粒子群优化(multi-objective particle swarm optimization, MOPSO)算法求解日前调度计划。EV调度层以用户满意度为目标,采用粒子群(particle swarm optimization, PSO)算法制定出各集群的充放电计划,集群内根据动态优先级制定每辆EV的充放电策略。算例分析表明,所建立的调度模型可有效求解含电动汽车的综合能源系统调度问题,且计算维度小、速度快,具有实用性。     

计及功率交互约束的含电-氢混合储能的多微电网系统容量优化配置

在混合交直流多微网系统中,其经济性和运行可靠性受到容量优化配置的影响。考虑到基于电储能以及氢储能系统(电解槽/燃料电池/储氢罐)的混合储能系统所具有的优势,建立了电-氢混合储能型多微网系统框架。其次,针对电-氢混合储能型多微网系统,提出了考虑系统的实时能量供需状态和储能状态的多微网运行控制策略。在容量优化配置模型中引入功率交互约束模型,并在配置过程中嵌入所提出的运行控制策略。最后,以算例分析证明功率交互约束的必要性,并采用灰狼-正弦余弦优化算法求解配置模型。所得配置结果优于改进灰狼算法和改进粒子群算法。通过模拟全年运行情况,验证了所提优化配置方法的有效性和电-氢混合储能系统在季节性储能上的优势。     

考虑电动汽车用户满意度的微网分层优化调度策略

针对住宅区微网中的电动汽车集群,提出一种考虑电动汽车用户满意度的微网分层优化调度策略。将微网调度优化的过程分为负荷层和源储层,负荷层在保证用户满意度的前提下,利用电动汽车的储能特性平抑微网的负荷峰值,源储层先用可再生能源出力支持微网用电负荷,多余出力部分则通过电动汽车进行消纳,使得微网综合运行成本达到最低。然后,用改进蚁狮算法求解源储层模型,最后,通过算例进行验证。结果表明,相对于电动汽车无序充电,该策略大幅提升了微网运行的经济性、可靠性以及电动汽车用户的满意度。     

考虑电动汽车用户满意度的微网分层优化调度策略

针对住宅区微网中的电动汽车集群,提出一种考虑电动汽车用户满意度的微网分层优化调度策略。将微网调度优化的过程分为负荷层和源储层,负荷层在保证用户满意度的前提下,利用电动汽车的储能特性平抑微网的负荷峰值,源储层先用可再生能源出力支持微网用电负荷,多余出力部分则通过电动汽车进行消纳,使得微网综合运行成本达到最低。然后,用改进蚁狮算法求解源储层模型,最后,通过算例进行验证。结果表明,相对于电动汽车无序充电,该策略大幅提升了微网运行的经济性、可靠性以及电动汽车用户的满意度。     

电动汽车用感应电机最小损耗Hamilton控制

针对电动汽车电驱动系统的非线性特点,采用端口受控Hamilton系统理论研究了考虑铁损的电动汽车用感应电动机系统的最小损耗控制问题.首先,根据基于损耗模型的感应电机能量优化控制策略得到系统稳态时的优化结果,然后在这一稳态目标下,利用系统的互联和阻尼配置以及能量成形对考虑铁损的感应电机进行Hamilton控制,最后通过仿真实验,验证了在相同的稳态目标下,采用本文的控制算法可使得电机能量损耗明显降低,同时本文采用的控制策略与基于矢量控制的优化控制策略相比,具有收敛速度快、转速波动小等优点,为高性能要求的电动汽车电驱动系统高效运行提供了新的途径.     

Intelligent power management strategy of hybrid distributed generation system

This paper describes a novel control strategy for active power flow in a hybrid fuel cell/battery distributed generation system. The method introduces an on-line power management by a hierarchical hybrid controller between dual energy sources that consist of a battery bank and a solid oxide fuel cell (SOFC). The proposed method includes an advance supervisory controller in the first layer which captures all of the possible operation modes. This layer has been developed by Stateflow toolbox and prepares a proper supervisory environment for this complex structure. In the second layer, an advanced fuzzy controller has been developed for power splitting between battery and fuel cell. With regards to the operation modes, the upper layer makes decision to choose the switching chain rules and corresponding controller in the second layer. Finally in the third layer, there are local controllers to regulate the set points of each subsystems to reach the best performance and acceptable operation indexes. Simulation results of a test system illustrate improvement in the operation efficiency of the hybrid system and the battery state of charge has been maintained at a reasonable level.