CNG客车专用零件的安装与工艺要求

简要介绍了CNG汽车的概念、特性；分析了CNG客车专用零件的分类及安装工艺；并对CNG汽车系统的气密性检测进行了阐述。

重型CNG混合动力城市客车能耗试验分析

对我国现行的重型车能耗限值和能耗试验方法相关标准进行介绍,对传统CNG客车和CNG混合动力客车按照GB/T 19754-2015规定的方法进行测试,试验数据对比分析表明,CNG混合动力客车在能耗方面优于传统CNG客车,其节能效果主要体现在怠速、起动以及减速阶段。

全承载车身在CNG城市客车上的应用

阐述全承载车身技术在CNG城市客车上的应用优势及具体实施方法。

CNG混合动力城市客车C-WTVC循环研究

介绍我国现行的重型车能耗限值和试验方法相关标准,针对3辆CNG混合动力城市客车按照GB/T 19754—2015规定的C-WTVC可选循环进行能耗测试。试验数据表明,在C-WTVC循环测试工况下,3辆混合动力城市客车NEC变化量呈现无规律变化或持续充电,工况适用性有待进一步验证。持续充电的混合动力城市客车综合能耗不一定大,也不能轻易判定整车控制策略不合理。

基于线性回归的压缩天然气客车能耗估算研究

随着我国城市化和机动化水平的提高,居民出行需求也大大增加,由此造成我国近年来交通行业能耗量飞速增长,为解决这一问题,基于山东省部分交通运输企业运输装备的日常运营数据建立交通运输能耗统计监测体系,以寻求有效降低交通运输能耗的方法。研究将客运车辆能耗统计工作通过建立多元线性回归模型来实现能耗的评估及预测,并对模型进行检验。检验结果表明回归模型实际结果偏差在6.73%以内,能够为车辆能耗估算及预测提供依据,分析表明周转量、电器能耗占用比例以及客位利用率与车辆能耗具有显著的线性相关关系。

新能源客车在上海公交的示范应用

根据上海目前商业化示范运营的CNG公交客车和超级电容公交客车,与国产柴油公交客车和无轨电车的运行实际状况从车辆的环保性、可靠性及全生命周期综合经济成本等方面进行对比分析,并提出相关建议。

西安市CNG燃料公交客车气耗测试行驶工况模拟

为了建立CNG燃料公交车燃料消耗量测试模拟方法,以西安市公交A线路为例,提出了运用运动微片段来匹配循环模拟工况,通过采集得到的实时车速谱及运营数据,以站间平均技术速度划分模拟工况,将整个往返行程分为3种模拟工况:畅通工况、拥堵工况、怠速工况,继而提取了平均稳定车速、拥堵工况最高车速、停车怠速时间等模拟参数,根据公交A线路的运营环境和车辆在无干扰、定载情况下测试的平均加速度,描述了测试现场的布置情况,提出了气耗的精确测试需要考虑气体压强与温度,最后,将模拟工况实车测试结果与2个车况相同的测试车辆运营数据进行比较。研究结果表明:模拟工况与实际运营状态的平均加速度偏差率约为5%;每辆测试车辆与其在运营时的耗气量偏差率均在2%以内;模拟工况下测试车辆1比测试车辆2多耗气1.85%,运营状态下多耗气2.15%,属同趋势变化,验证了模拟方法的稳定性和一致性。

CNG公交客车燃料消耗量计算方法

分析了CNG公交客车的燃料消耗量测试参数,确定了流量计的安装位置;基于安装位置的固定气压范围,考虑到驾驶节能技术水平与乘坐人数的影响,提出了CNG质量流量的计算方法;通过场地测试,验证了CNG质量流量与燃料温度、燃料压力之间的非线性关系,以及与环境温度、气瓶出口端压力的关系;通过运营测试,分析了CNG质量流量修正前后的差异,并验证了测试方案的可行性。研究结果表明:受测试气压的限制,流量计唯一的串接位置是减压阀的出口端与低压燃气滤清器之间,CNG经过减压阀后的出口压力基本稳定在0.80~0.95 MPa之间;在运营测试结果修正中,驾驶节能技术的影响最大,最大偏差可达4%,受测公交线路的驾驶节能技术水平有87.6%的相对值介于0.9~1.1,离散度较低;当环境温度升速为4.0~4.3℃·h^(-1)时,燃料温度的变化速度基本波动于±0.61℃·h^(-1)之间,证明了燃料温度对环境温度的变化不敏感;气瓶出口端压力与燃料压力没有必然联系,其数值的减小不会影响CNG质量流量的变化;在0.80~0.95 MPa的燃料压力下,测试位置的CNG当量密度基本稳定在6.1kg·m^(-3),连续测试30km后,CNG质量流量计算值与实测值误差小于5%;经对CNG质量流量修正后,3辆测试车CNG质量流量的变化幅度分别为1.88%、-4.04%和1.71%,因此,采用CNG质量流量计算CNG消耗量更为精确。

压缩天然气客车能耗估算研究及实证分析

交通运输行业是我国能源消耗重点行业,为解决其能源消耗量巨大的问题,研究基于 BP神经网络建立车辆能耗估算模型,并以山东省内一运输企业压缩天然气客车日常营运数据为例对模型进行验证,以检验模型预测的精确度. 检验结果表明,影响车辆能耗的主要因素有周转量、空调等车载设备使用情况、车辆维修保养情况以及实载率;BP 神经网络能够实现预测营运车辆能耗的有效预测,预测精度达到97. 51%,能够提出有效降低能耗措施提供理论基础.