为有效地提高插电式燃料电池汽车的经济性,实现燃料电池和动力电池的功率最优分配,考虑到行驶工况、电池荷电状态(State of charge,SOC)、等效因子与氢气消耗之间的密切联系,制定融合工况预测的里程自适应等效氢耗最小策略.通过基于误...为有效地提高插电式燃料电池汽车的经济性,实现燃料电池和动力电池的功率最优分配,考虑到行驶工况、电池荷电状态(State of charge,SOC)、等效因子与氢气消耗之间的密切联系,制定融合工况预测的里程自适应等效氢耗最小策略.通过基于误差反向传播的神经网络来实现未来短期车速的预测,分析未来车辆需求功率变化,同时借助全球定位系统规划一条通往目的地的路径,智能交通系统便可获取整个行程的交通流量信息,利用行驶里程和SOC实时动态修正等效消耗最小策略中的等效因子,实现能量管理策略的自适应性.基于MATLAB/Simulink软件,搭建整车仿真模型与传统的能量管理策略进行仿真对比验证.仿真结果表明,采用基于神经网络的工况预测算法能够较好地预测未来短期工况,其预测精度相较于马尔可夫方法提高12.5%,所提出的能量管理策略在城市道路循环工况(UDDS)下的氢气消耗比电量消耗维持(CD/CS)策略下降55.6%.硬件在环试验表明,在市郊循环工况(EUDC)下的氢气消耗比CD/CS策略下降26.8%,仿真验证结果表明了所提出的策略相比于CD/CS策略在氢气消耗方面的优越性能,并通过硬件在环实验验证了所提策略的有效性.展开更多
化石燃料的燃烧导致大气中二氧化碳(CO_(2))的浓度迅速上升,并引发了严重的能源、环境危机。由可再生电力驱动的电催化CO_(2)还原为增值化学品和燃料是解决当前化石燃料枯竭的一种有效方法。采用“一锅法”制备了磷(P)修饰的高分散性“...化石燃料的燃烧导致大气中二氧化碳(CO_(2))的浓度迅速上升,并引发了严重的能源、环境危机。由可再生电力驱动的电催化CO_(2)还原为增值化学品和燃料是解决当前化石燃料枯竭的一种有效方法。采用“一锅法”制备了磷(P)修饰的高分散性“钴-氮-碳”(Co-N-C/P)催化剂,通过扫描电子显微镜(SEM)、X射线衍射(XRD)、拉曼光谱(Raman)和X射线光电子能谱(XPS)等手段对催化剂的形貌、元素分布、缺陷程度、表面元素价态及配位结构进行了表征,并考察了其在H型电解槽中电催化CO_(2)还原为CO的性能。测试结果表明,所制备的Co-N-C/P催化剂在-0.9 V vs.RHE的外加电位下具有97.0%的CO法拉第效率(FE_(CO)),电流密度为4.58 mA/cm^(2),并可以进行26 h的稳定性测试。与Co-N-C催化剂相比,P的掺杂更有利于Co原子在碳黑基底上的良好分散,相应的FE_(CO)提高了约38.9%,说明P的掺杂有效提高了Co-N-C催化剂的电催化CO_(2)还原为CO的性能。展开更多
文摘为有效地提高插电式燃料电池汽车的经济性,实现燃料电池和动力电池的功率最优分配,考虑到行驶工况、电池荷电状态(State of charge,SOC)、等效因子与氢气消耗之间的密切联系,制定融合工况预测的里程自适应等效氢耗最小策略.通过基于误差反向传播的神经网络来实现未来短期车速的预测,分析未来车辆需求功率变化,同时借助全球定位系统规划一条通往目的地的路径,智能交通系统便可获取整个行程的交通流量信息,利用行驶里程和SOC实时动态修正等效消耗最小策略中的等效因子,实现能量管理策略的自适应性.基于MATLAB/Simulink软件,搭建整车仿真模型与传统的能量管理策略进行仿真对比验证.仿真结果表明,采用基于神经网络的工况预测算法能够较好地预测未来短期工况,其预测精度相较于马尔可夫方法提高12.5%,所提出的能量管理策略在城市道路循环工况(UDDS)下的氢气消耗比电量消耗维持(CD/CS)策略下降55.6%.硬件在环试验表明,在市郊循环工况(EUDC)下的氢气消耗比CD/CS策略下降26.8%,仿真验证结果表明了所提出的策略相比于CD/CS策略在氢气消耗方面的优越性能,并通过硬件在环实验验证了所提策略的有效性.
文摘化石燃料的燃烧导致大气中二氧化碳(CO_(2))的浓度迅速上升,并引发了严重的能源、环境危机。由可再生电力驱动的电催化CO_(2)还原为增值化学品和燃料是解决当前化石燃料枯竭的一种有效方法。采用“一锅法”制备了磷(P)修饰的高分散性“钴-氮-碳”(Co-N-C/P)催化剂,通过扫描电子显微镜(SEM)、X射线衍射(XRD)、拉曼光谱(Raman)和X射线光电子能谱(XPS)等手段对催化剂的形貌、元素分布、缺陷程度、表面元素价态及配位结构进行了表征,并考察了其在H型电解槽中电催化CO_(2)还原为CO的性能。测试结果表明,所制备的Co-N-C/P催化剂在-0.9 V vs.RHE的外加电位下具有97.0%的CO法拉第效率(FE_(CO)),电流密度为4.58 mA/cm^(2),并可以进行26 h的稳定性测试。与Co-N-C催化剂相比,P的掺杂更有利于Co原子在碳黑基底上的良好分散,相应的FE_(CO)提高了约38.9%,说明P的掺杂有效提高了Co-N-C催化剂的电催化CO_(2)还原为CO的性能。
