工程机械混合动力能量管理策略研究现状和发展趋势

随着国家城市化及道路交通的发展,对于环境保护和能量利用的日渐重视,国家出台了一系列环境保护政策,其中由于现存的工程机械具有油耗高、排放差以及效率低等缺点,所以急需找到一种合适的节能减排技术。混合动力能量管理策略是一种用于改善传统机械排放性及燃油经济性的有效方法,主要应用于传统汽车方面,但随着技术的不断更新成熟,混合动力能量管理策略逐渐用于工程机械领域,本文主要介绍混合动力能量管理策略以及分析混合动力能量管理策略在工程机械领域的研究现状和发展趋势。

基于强化学习的多燃烧模式混合动力能量管理策略

针对采用HCCI/SI多燃烧模式的功率分流型混合动力汽车,提出了一种基于深度强化学习(DRL)的能量管理策略。基于发动机台架试验和电机有限元分析建立了混合动力汽车模型。将整车作为环境,采用排序优先经验回放算法,训练基于深度Q网络(DQN)的能量管理智能体。在WLTC和NEDC工况下,与规则策略、自适应等效燃油消耗最小策略(A⁃ECMS)和动态规划结果进行对比,仿真结果表明:基于DRL的能量管理策略能在维持SOC的前提下,避免燃烧模式频繁切换,并且充分利用中小负荷HCCI燃烧,燃烧模式切换频率降低13%以上,燃油经济性提升6%以上。

基于价值损耗的燃料电池混合动力能量管理策略评价

为了评价燃料电池混合动力系统能量管理策略的经济性,对基于状态机和模糊逻辑2种能量管理策略的燃料电池混合动力叉车的价值损耗进行分析。首先,通过分析燃料电池和锂电池的工作特性,分别构建依赖实际工况的燃料电池单体电压衰减率模型和锂电池容量衰减率模型;同时定义计及燃料电池氢耗量的燃料电池混合动力系统的综合价值损耗指标。其次,通过测试叉车极限工况,计算燃料电池功率和锂电池容量,并根据母线电压确定锂电池SOC范围。最后,设计基于状态机和模糊逻辑的2种燃料电池混合动力叉车能量管理策略,并通过仿真分析在叉车一次循环工况下2种能量管理的价值损耗。研究结果表明:相较于模糊逻辑策略,采用状态机策略造成燃料电池寿命损耗提高7.81%,氢耗量提高1.89倍,锂电池寿命损耗减小21.33%。

基于迭代规划的P2混合动力能量管理策略

基于强化学习的能量管理策略具有环境和驾驶员的自适应性,但是存在采样效率较低、开发阶段无法保证算法可靠性的问题。尝试将动态规划算法融入基于模型的强化学习框架中——实时收集工况数据和动力系统数据用于更新预测模型,并使用动态规划求解最优策略,通过决策树算法挖掘其中最优控制规则,用以迭代能量管理策略。一方面,动态规划对完整工况重新解算极大增强了样本效率,且具有较好的可靠性和可解释性。另一方面,通过数据采集和更新实现能量管理策略的对驾驶工况和系统老化的自适应性,能够有效应对极端工作环境、动力系统元器件老化等传统能量管理策略会失效的场景。实验结果表明,在未知驾驶工况下,可以达到全局最优解的92%以上的管理效果;而且可以有效通过类似工况改善能量管理策略,例如日常通勤场景。当动力系统参数发生改变时,通过策略迭代也可以有效地调整能量管理策略。

功率分流式混合动力汽车能量管理策略研究

混合动力汽车同时采用内燃机和电机作为驱动源,可以同时克服传统内燃机工作效率低和纯电汽车行驶里程短的问题。如何对两种驱动源进行合理分配成为了混合动力汽车能量管理的关键问题。这里针对一款复合功率分流式动力系统搭建了AMESim和MATLAB/Simulink的联合仿真平台,并在NEDC和WLTC工况下仿真分析了基于规则的CS能量管理策略和基于动态规划算法的能量管理策略。得出基于动态规划算法的能量在NEDC和WTLC下工况的最优燃油消耗量分别为5.77L/100km,6.57L/100km;相较于规则控制策略分别降低了4.15%、6.3%。

轨道交通装备用混合动力包构型与能量管理策略

搭载传统燃油动力包的内燃动车组是运行在非电气化轨道交通中的主力机型,存在效率低、油耗高的缺点。针对这一问题,设计了一种轨道交通装备用混合动力包的构型方案,建立了混合动力动车组的数学模型,分析了不同模式下该构型方案的运行状态,结合整车线路运行条件,提出了一种基于动态规划算法的能量管理策略。仿真结果表明,在该能量管理策略控制下,装备混合动力包的动车组相较于纯燃油动车组燃油经济性提升了32.11%。

混合动力拖拉机能量管理策略综述

对混合动力拖拉机进行研究,可有效提高燃料经济性,而能量管理策略的研究则是提高混合动力拖拉机燃油经济性的核心技术问题。通过文献整理及文献翻译,对能量管理的内涵进行分析。从基于规则和基于优化两个角度,对几种常见的能量管理策略进行分类。根据不同种类混合动力拖拉机的构型,分析其所适合的能量管理策略及其特点,并对之后能量管理控制策略应用于拖拉机上的研究方向做出了建议。

基于强化学习的混合动力汽车能量管理策略

文章针对一串联式混合动力汽车,提出了一种基于强化学习的能量管理策略。首先为了便于分析,对该串联式混合动力汽车动力学模型进行简化,包括汽车功率需求模型、电池模型和发动机-发电机模型等。其次,基于强化学习算法,建立串联式混合动力汽车能量管理策略优化模型。最后,基于目标工况进行仿真分析,求解控制策略,获得燃油消耗。结果表明,基于强化学习的能量管理策略相比于基于规则的能量管理策略,其燃油经济性提升了12%。

基于动态规划的混合动力汽车能量管理策略优化

为提升混合动力汽车的燃油经济性,采用动态规划算法对实车能量管理策略进行优化。首先实车测试得到相关数据并进行分析,获取能量管理策略的重要规则参数;然后利用动态规划算法仿真计算获取车辆全局最优的能量管理控制参数。两者对比结果表明,动态规划算法的参数可以使车辆的燃油经济性提升10%,使用动态规划算法可以实现混合动力汽车能量管理策略的优化。

燃料电池混合动力汽车能量管理策略研究进展

随着能源与环境问题日益凸显,混合动力汽车 (Hybrid Electric Vehicle,HEV) 成为目前汽车行业的一个重要发展方向。燃料电池混合动力汽车 (Fuel Cell Hybrid Electric Vehicle,FCHEV) 由于其具有零排放、绿色环保、运行噪音低等优点,也被认为是汽车行业中极具吸引力的技术之一。FCHEV 作为一种混合动力系统汽车,能量管理策略也是 FCHEV 混合动力系统控制策略的核心,使汽车在保证动力性和经济性的前提下实现能量高效且合理分配。就目前而言,FCHEV 的能量管理策略仍有很多挑战。本文从此着手,先从多个角度概述能量管理的策略,并分析不同类型策略的优缺点以及不足,最后结合分析对 FCHEV 能量管理策略的研究方向进行展望。

燃料电池汽车动力系统及能量管理策略研究进展

动力系统是燃料电池汽车(FCV)的核心,可分为单一式系统与混合动力系统两大类,其中,将燃料电池与辅助电源相结合组成“电-电”混合动力系统,已成为业界主流。本文根据辅助电源类型的不同,提出3类FCV混动系统的构建方案,分别为燃料电池+动力电池方案、燃料电池+超级电容方案、燃料电池+动力电池+超级电容方案,并对各方案的优势和劣势进行比较。同时,本文综述了近年来国内外学者提出的面向FCV的代表性能量管理策略,从理论基础与求解方法的差异出发,将现有燃料电池汽车的能量管理策略分为3类:基于规则定义的策略、基于最优化方法的策略以及基于机器学习的策略,并总结了各类策略在最优性与实时性等方面的优势和劣势。其中,基于规则定义的策略最易实现,在工程应用中最为普遍,但无法实现性能最优;基于最优化方法的策略能够接近甚至达到理论最优,但存在计算量过大、计算耗时过长、实时性差等问题;以强化学习为代表的基于机器学习的策略有望在最优性与实时性之间实现理想的平衡,但目前还存在模型训练耗时长、试错代价高等困难,在实车应用层面还存在一定挑战。基于文献研究与分析,本文提出以下观点:1)以大功率燃料电池为核心的功率混合型系统是FCV混动系统的未来发展方向;2)必须进一步提升智能化程度,根据实际使用场景开发具有个性化的能量管理策略;3)亟需建立关于燃料电池汽车能量管理策略的综合评价体系。

城轨混合储能系统能量管理策略研究现状

城市轨道交通再生制动能量的利用一直是一个研究热点。围绕如何高效利用再生制动能量、平稳电压波动等问题,系统地论述了混合储能系统在轨道交通领域能量管理策略的研究进展。将目前混合储能系统比较常用的能量管理策略分为基于规则的能量管理策略、基于优化的能量管理策略以及基于人工智能的能量管理策略三类策略进行分类分析,总结优缺点,最后结合混合储能系统的效率、性能、寿命以及人工智能技术的发展,分析其未来发展方向。

有轨电车混合储能系统的能量管理策略与容量优化

现代有轨电车混合储能系统的关键问题在于制定高效科学的能量管理策略,其结果可以实现储能元件之间的合理功率分配,影响各个储能元件的性能。文中提出一种改进的新型能量管理策略,根据有轨电车的实际需求,采用带有能量互补的恒定功率比例能量管理策略,对混合储能系统分配负载功率。以系统总质量最小为目标进行容量优化,用Matlab进行算例仿真分析,结果表明,提出的能量管理策略优化了超级电容的工作状态,减轻了系统的质量,能使混合储能系统提供足够的牵引功率并吸收列车的制动能量,可以满足列车的功率需求。

P 0+P3构型插电式混合动力汽车能量管理策略

为了同步提升插电式混合动力汽车(PHEV)燃油经济性和整车性能,选取P0+P3构型作为研究对象,通过对混合动力汽车的构型分析,确定P0+P3构型PHEV的可行工作模式。在此基础上制定基于规则的CD-CS控制策略,在MATLAB/Simulink中建立PHEV整车动力系统关键模型,以3组WLTC循环工况组合仿真分析双电机构型P0+P3与单电机构型P3的节油潜力。仿真结果显示:整车模型搭建合理,所提出的整车控制策略对整车控制效果较好,对比燃油车,P3构型的PHEV节油率为55.2%,P0+P3构型的PHEV节油率为66.3%,引入电机后燃油经济性有明显提升。

船舶混合动力系统能量管理预测控制方法研究

针对混合动力系统控制稳定性和节能减排问题,明确模型预测控制在船舶能量管理中的作用、研究现状及趋势。借助CiteSpace对船舶能量管理进行可视化分析,理清了船舶能量管理的发展脉络,并通过不同能量管理策略的对比分析揭示模型预测控制在船舶能量管理中的重要性;从预测建模、优化目标及约束、求解和改进策略等3个方面开展了船舶能量管理预测控制方法的分析;最后从考虑可再生能源的能量管理策略、建模与验证的标准化、协同优化和多维度评估等方面对船舶能量管理预测控制的未来研究进行展望。结果表明:模型预测控制在智能船舶、多能源船舶等复杂的动力系统的实时控制中具有重要潜力。与其他算法结合开展多目标算法融合是提升控制精度和计算实时性的重要途径,开展多维度测试评估有利于推动策略的实船应用。

计及驾驶风格的氢燃料电池有轨电车自适应能量管理策略

半独立路权运行模式下,氢燃料电池混合动力有轨电车驾驶员的驾驶风格影响锂电池荷电状态,从而对整车运行经济性有较大影响。提出一种结合驾驶员驾驶风格的自适应能量管理策略,以提高能量管理策略对工况和驾驶风格的适应性。首先,考虑不同的道路工况对驾驶员驾驶风格的影响,通过K-均值聚类算法对行驶工况进行识别,将行驶工况分为低速、中速、高速3类;引入冲击度和加速度标准差构建基于模糊逻辑的算法,对驾驶风格进行识别,将驾驶风格分为迟钝型、标准型、激进型3类。其次,建立系统瞬时氢耗量最优的目标函数,在满足约束条件的前提下,引入锂电池荷电状态等效因子修正系数,针对不同驾驶风格调整传统等效氢耗最小策略中相应的等效因子,以实现等效因子随驾驶风格的改变实时变化。最后,将该策略与传统等效氢耗最小策略、庞特里亚金极小值策略进行仿真对比分析,结果表明:该策略能实现3个动力源功率分配最优;锂电池和超级电容荷电状态波动曲线相较于其他2种策略最为平滑;在续驶里程结束时混合动力系统氢耗量为1.39 kg,具有最为优越的燃油经济性;母线电压最大偏移率最小;能使3个动力源平稳出力,具有较强的系统稳定性。研究结果为进一步提高有轨电车实际运行中对驾驶风格的适应性提供参考。

基于逆强化学习的混合动力汽车能量管理策略研究

能量管理策略是混合动力汽车关键技术之一。随着计算能力与硬件设备的不断升级,越来越多的学者逐步开展了基于学习的能量管理策略的研究。在基于强化学习的混合动力汽车能量管理策略研究中,智能体与环境相互作用的导向是由奖励函数决定。然而,目前的奖励函数设计多数是主观决定或者根据经验得来的,很难客观地描述专家的意图,所以在该条件不能保证智能体在给定奖励函数下学习到最优驾驶策略。针对这些问题,本文提出了一种基于逆向强化学习的能量管理策略,通过逆向强化学习的方法获取专家轨迹下的奖励函数权值,并用于指导发动机智能体和电池智能体的行为。之后将修改后的权重重新输入正向强化学习训练。从油耗值、SOC变化曲线、奖励训练过程、动力源转矩等方面,验证该权重值的准确性以及在节油能力方面具有一定的优势。综上所述,该算法的节油效果提高了5%~10%。

复合翼无人机混合动力系统能量管理策略设计

以某最大起飞质量为25 kg的复合翼无人机混合动力系统为研究对象,基于MATLAB/Simulink平台搭建动力系统关键部件数学模型、集成复合翼无人机混合动力系统级仿真模型,依据复合翼无人机在多点悬停作业场景下的飞行任务要求,设计相应的飞行任务剖面与基于等效燃油最小消耗的能量管理策略,进行仿真试验验证。结果表明:基于等效燃油最小消耗能量管理策略的无人机动力系统的油门跟随性良好,满足无人机实际运行需要;动力电池荷电状态可以维持在设定值附近,相对误差小于1.5%;相比基于规则的能量管理策略,基于等效燃油最小消耗管理策略的混合动力系统无人机在点对点飞行和多点悬停作业2种飞行工况下的燃油消耗分别下降了6.07%、5.49%。

基于实车试验大数据分析的插电式混合动力汽车能量管理策略解析

以某先进的串并联混合动力系统为研究对象,提出一种插电式混合动力汽车能量管理策略的逆向解析方法。基于功率流和能量分析,设计试验解析流程,通过实车试验,分别完成对整车动力性、经济性测试及其性能影响分析,在此基础上制定插电式混合动力汽车的能量管理策略。最后基于MATLAB/Simiulink平台及其Simscape模型库,开发了基于实车试验大数据的串并联插电式混合动力汽车仿真平台,通过仿真与实车试验的对比分析,验证了解析策略的正确性。

基于ADHDP的插电式混合动力汽车能量管理策略

为降低插电式混合动力汽车(plug-in hybrid electric vehicle,PHEV)燃油消耗量与尾气排放量,提出了一种基于执行依赖启发式动态规划(action dependent heuristic dynamic programming,ADHDP)的能量管理控制策略。针对整车驱动系统具有复杂非线性、不确定性的问题,采用3层BP神经网络分别设计了ADHDP能量管理控制器的执行网络和评价网络,通过ADHDP神经网络的学习和训练过程,可最终获取最优控制量。利用MATLAB/Simulink和ADVISOR平台,在CYC_UDDS、CYC_NEDC及CYC_WVUSUB 3种循环工况下对ADHDP能量管理控制策略进行联合仿真验证,并与经典电辅助能量管理控制策略进行了对比和分析。结果表明:在保证汽车良好驾驶性能的情况下,ADHDP控制策略在3种循环工况下的整车百公里油耗分别下降了19.2%、15.0%和19.5%;尾气HC、CO和NOx的排放量均大幅度降低;CYC_NEDC工况下的CO下降了47.5%。效果较为显著,所设计的能量管理控制策略可有效提升整车的燃油经济性和环保性。