基于PMP的风储联合最优调峰控制策略研究

风电大规模接入会使电网的调峰压力增大,配置储能可以有效缓解系统调峰压力。为了提高系统运行的经济性,需要制定合理的风储联合调峰策略,优化风机减载功率和储能充放电功率。将风储联合调峰问题转化为最优控制问题,提出了一种基于庞特里亚金最大值原理(PMP)的最优调峰控制策略,对该问题进行求解。鉴于储能的损耗模型是复杂的非线性模型,采用间接打靶法求解最优控制的数值解。从求解哈密顿函数最小值的角度入手,提出改进调峰策略,减少了策略算法求解时间。最后,通过算例对所提的最优调峰策略进行分析,算例结果验证了所提调峰策略的有效性。

考虑耐久性的PEM燃料电池有轨电车自适应优化控制策略

针对燃料电池/锂电池/超级电容混合储能有轨电车在动态负载、启停循环、怠速循环、大功率运行时质子交换膜(PEM)燃料电池寿命衰减情况,提出Pontryagin极小值原理(PMP)与耐久性结合的能量管理策略。通过启停控制策略控制燃料电池的启动与停止,有效降低燃料电池启动次数;利用储能系统总体氢气消耗为经济性代价,燃料电池性能衰退指数为耐久性代价,构建联合代价函数;在满足期望条件下,实现协态变量随荷电状态实时变化的在线适应;将所提策略与传统极小值策略和状态机策略进行仿真对比。结果表明:城市循环工况中所提策略较于传统Pontryagin策略燃料电池峰值电流降低了33.2%,氢气消耗下降了12.50%;郊区循环工况中所提策略较传统Pontryagin策略峰值电流降低了21.88%,氢气消耗下降了40.39%。所提管理策略在不同工况下均有良好的适应能力,解决了传统PMP只能离线应用的缺点,将启停次数控制在较低水平,具有延寿燃料电池的能力。

基于PMP算法的HEV能量优化控制策略

针对常用混合动力汽车(Hybrid electric vehicle, HEV)中锂离子电池在功率波动较大时难以满足需求,以及单个驱动周期内HEV燃油能耗大且能量不能很好回收等问题,研究采用锂离子电池和超级电容器混合储能系统(Lithium-ion battery and super-capacitor hybrid energy storage system, Li-SC HESS)与内燃机共同驱动HEV运行.结合比例积分粒子群优化算法(Particle swarm optimization-proportion integration, PSO-PI)控制器和Li-SC HESS内部功率限制管理办法,提出一种改进的基于庞特里亚金极小值原理(Pontryagin s minimum principle, PMP)算法的HEV能量优化控制策略,通过ADVISOR软件建立HEV整车仿真模型,验证该方法的有效性与可行性.仿真结果表明,该能量优化控制策略提高了HEV跟踪整车燃油能耗最小轨迹的实时性,节能减排比改进前提高了1.6%～2%,功率波动时减少了锂离子电池的出力,进而改善了混合储能系统性能,对电动汽车关键技术的后续研究意义重大.

基于PMP的机车用燃料电池混合动力系统能量管理策略

为了提升机车用燃料电池混合动力系统的系统效率、减少系统实际氢耗量,并有效维持蓄电池荷电状态(stateof charge,SOC)。该文根据实际硬件系统中的参数以及机车工况,提出一种基于庞特里亚金极小值原理(Pontryagin minimum principle,PMP)的机车用燃料电池混合动力系统能量管理策略。在搭建的机车用燃料电池混合动力缩比硬件系统上对所提出的能量管理策略进行验证,并与等效最小氢耗策略(equivalent consumption minimization strategy,ECMS)进行对比。实验结果表明:无论混合系统的蓄电池组初始SOC为何值,基于PMP的能量管理策略相对于ECMS在系统整体效率上有了明显的提升,并且减少了系统实际氢耗量;此外,基于PMP的能量管理策略能够按照机车实际需求更好地维持蓄电池组的SOC。

基于工况识别的燃料电池公交车能量管理策略

为解决燃料电池混合动力公交车中基于优化的能量管理策略难以实车应用的问题,在分析燃料电池公交车(Fuel cell hybrid bus,FCHB)行驶路线的固定性和片段性的基础上,提出了一种基于SOM-K-means(Self-organized mapping K-means)工况识别的能量管理策略。首先,根据公交车站点将行驶路线划分为多个行驶片段,在车辆停站时,运用SOM-K-means二阶聚类模型完成工况识别,获取车辆下一行驶片段的识别协态变量;当车辆在下一个行驶片段运行时,运用识别协态变量完成基于庞特里亚金极值原理(Pontryagin s maximum principle,PMP)求解的能量管理策略的实时应用。其次,建立基于公交车实际运行数据的仿真实验,最后建立硬件在环实验,将所提出的策略移植入整车控制器(Vehicle control unit,VCU)中进行实验。实验结果表明,与基于规则的能量管理策略相比,本研究提出的能量管理策略降低了19.77%的平均等效氢气消耗。且该策略在VCU中每一步的计算时间大约为30 ms,计算结果与仿真结果完全一致,满足车辆对能量管理策略的时效性和准确性的要求。

Flexible predictive power-split control for battery-supercapacitor systems of electric vehicles using IVHS

The utilization of traffic information received from intelligent vehicle highway systems(IVHS) to plan velocity and split output power for multi-source vehicles is currently a research hotspot. However, it is an open issue to plan vehicle velocity and distribute output power between different supply units simultaneously due to the strongly coupling characteristic of the velocity planning and the power distribution. To address this issue, a flexible predictive power-split control strategy based on IVHS is proposed for electric vehicles(EVs) equipped with battery-supercapacitor system(BSS). Unlike hierarchical strategies to plan vehicle velocity and distribute output power separately, a monolayer model predictive control(MPC) method is employed to optimize them online at the same time. Firstly, a flexible velocity planning strategy is designed based on the signal phase and time(SPAT) information received from IVHS and then the Pontryagin’s minimum principle(PMP) is adopted to formulate the optimal control problem of the BSS. Then, the flexible velocity planning strategy and the optimal control problem of BSS are embedded into an MPC framework, which is online solved using the shooting method in a fashion of receding horizon. Simulation results verify that the proposed strategy achieves a superior performance compared with the hierarchical strategy in terms of transportation efficiency, battery capacity loss, energy consumption and computation time.

加热模型及其最优控制

本文应用Pontryagin最大值原理研究加热过程,提出一个在加热过程中节能的最优控制方案。

基于庞特里亚金极小值原理的混合储能有轨电车能量管理策略

混合储能型有轨电车的能量管理策略对于列车的运行性能和经济效益等有很大影响。该文提出基于极小值原理的能量管理策略的优化方法,首先介绍混合储能型有轨电车储能系统拓扑的选择,并对储能元件的模型和参数进行选择,基于某条既有线路条件,利用粒子群优化算法得到合适的容量配置的结果。在此基础上建立有轨电车运行损耗成本模型,并利用庞特里亚金极值原理对混合储能系统的能量管理策略进行优化,通过Matlab/Simulink仿真模型开展仿真分析,并在90kW混合储能实验平台上进行实验验证。仿真结果表明,优化后的控制策略对比与优化前的能量管理策略经济成本可以降低8%左右,实验证明了该策略的灵活性和有效性。

有轨电车的电池/超级电容器能量管理

为优化能量管理策略,建立有轨电车模型,包括整车动力学模型、电池电路模型、电池寿命模型和超级电容器模型。基于庞特里亚金极大化原理(PMP),以列车运行成本(包括列车运行能耗成本和电池寿命成本)最小化为目标,同时考虑相关约束条件,对能量管理策略进行优化。基于列车实际运行工况,通过仿真进行对比,得出:与传统的阈值法能量管理策略相比,所提出的PMP能量管理策略能够节省13%的运行成本。

基于电池老化的并联式HEV能量管理策略

针对电池老化和能耗问题,在优化方法中搭建锂离子电池循环老化和日历老化模型,分析电池老化模型的重要性及对汽车在运行过程中能量消耗的影响,通过电池荷电状态(SOC)和容量变化两个参考轨迹,调整电池的充放电状态。针对并联式混合动力汽车(HEV),基于Pontryagin最小值原理,提出一种以电池退化和能耗最小为目标的自适应等效燃油消耗最小(ECMS)控制策略。基于MATLAB仿真分析可得:考虑电池老化情况的电池容量损失降低了2.33%,总燃油消耗降低了1.25%,有效充放电总容量减少了3.20%,同时可减缓电池老化。

Time-optimal Trajectories for a Car-like Robot

这份报纸为完成时间最佳的轨道的足够的家庭在基于几何最佳的控制理论歧管的 3-dimensional 连接机器人的任何二种配置提供一个新几何方法。我们为分析非线性的问题的这种特殊类型提供一个新观点。从 Pontryagin 的最小的原则(PMP ) 和谎言代数学基于切换的功能和他们的衍生物的结构的特征，我们造一个特殊坐标系统并且介绍新向量。我们发现在这新向量的旋转轨道和最佳的控制轨道之间的一对一的印射。而且，我们定义表示位置和这向量的旋转方向的切换的向量，并且得出一个结论规定起始、最后的切换的向量能特别地决定一条最佳的轨道。另外，它是能直接被使用选择一条时间最佳的轨道的一个条件被提供的第一次。

Dynamical Model to Optimize Student’s Academic Performance

Excellent student’s academic performance is the uppermost priority and goal of educators and facilitators.The dubious marginal rate between admission and graduation rates unveils the rates of dropout and withdrawal from school.To improve the academic performance of students,we optimize the performance indices to the dynamics describing the academic performance in the form of nonlinear system ODE.We established the uniform boundedness of the model and the existence and uniqueness result.The independence and interdependence equilibria were found to be locally and globally asymptotically stable.The optimal control analysis was carried out,and lastly,numerical simulation was run to visualize the impact of the performance index in optimizing academic performance.

基于强化学习的混合动力挖掘机实时能量管理控制器设计（英文）

目的:混合动力挖掘机的能量管理策略直接影响着系统的燃油经济性。本文旨在通过研究混合动力挖掘机能量管理系统,得到最优能量管理策略,并开发实时能量管理控制器,降低系统的燃油消耗。创新点:1.通过强化学习算法,设计时间无关的实时能量管理控制器;2.通过极大值原理求得最优能量管理问题的解析解,并用来辅助实时能量管理控制器设计。方法:1.建立负载的马尔科夫模型,运用强化学习算法,得到实时能量管理控制器;2.运用极大值原理,求得最优能量管理问题的解析解,并将其作为初始能量管理策略;3.通过仿真模拟和实验研究,验证所设计的实时能量控制器的性能。结论:1.基于强化学习的能量管理控制器是一个可以在线应用的与时间无关的实时能量管理控制器;2.基于强化学习的能量管理控制器优于广泛使用的恒温控制器和等效消耗最小化策略控制器;3.基于强化学习的能量管理控制器由于其闭环特性可适用于不同类型的作业工况。