文摘

近年来,由于我国综合实力的加强,科学和技术的快速发展和人工智能也吸引了人们的注意力。人工智能是一个高度适用主体,它在电力系统有很好的应用。在实验中,开路电压法和安时积分法用于锂电池的SOC估计和粒子群的能量管理算法的输出功率分配燃料电池和锂电池。粒子群算法模块调用双源混合动力系统模块通过sim函数将系统中的实际值输入转化为模糊量适合模糊控制。基于粒子群优化的能量管理策略和模糊控制测试是基于工作条件下综合试验台。最后,分析了混合动力系统的匹配结构,组件参数,控制策略和车辆的行驶循环。实验数据表明,三组实验的总油耗是平均油耗率为26.3 m³/ 100公里下的混合动力城市客车能量管理策略进行了优化。结果表明,基于粒子群算法的实时能量管理策略可以显著提高传统的瞬时能量管理策略的实时性能,同时减少燃料消耗。

1。介绍

由于日益严重的能源短缺和环境污染的问题,现代城市交通需要一种新型的交通节能和低污染。混合动力电动汽车的特点巡航距离长、低油耗率和低排放。因此,混合动力电动汽车是一个有效的方法来实现汽车节能和减排。功率参数匹配和能量管理策略是混合动力汽车的核心技术,和他们的质量直接影响到汽车的权力,经济,和排放。能源是一个重要因素限制中国经济的持续健康发展和社会。解决能源问题的根本途径是坚持原则的同时发展和保护,将保护首先,大力推进节能降耗,提高能源利用效率。

燃料电池汽车和电动汽车是相同的,它们在汽车驾驶不产生有害气体。通常情况下,氢和甲醇作为燃料,与氧气反应的动力电池发电,驱动电机输出功率。它具有体积小、零排放,快速充电。

事实上,文章相关的实时应用能源管理策略基于人工智能混合动力系统在国内外并不罕见。许多专家和学者已经开始在这一领域进行深入的研究。Ettihir介绍了能量管理策略(EMS)的燃料电池混合动力电动汽车(FC-HEV)。他的目标是考虑FCS的工作条件,确保燃料电池之间的最佳配电系统(FCS)和电池组。FCS是一个多重物理量系统;因此,其高能量性能取决于操作条件。他必须使用特定的FCS技术来实现最佳的性能。他使用自适应递归最小二乘(支持)方法在网上找到模型找到FCS性能的变化。然后,他使用优化算法对更新后的模型来找到最好的效率和电力操作点。尽管他的研究是有效的,但它是不够准确的1]。曹使用有效的分析工具和自适应简化人类学习优化(ASHLO)算法来解决最优潮流(OPF)问题的AC / DC混合动力系统。他的研究方法缺乏创新2]。Bizon提出了一种新的混合动力系统能量管理策略基于质子交换膜燃料电池系统作为备用能源减少氢消耗。他使用直流母线上的负荷需求跟踪控制回路和优化控制回路来提高燃油经济性基于全局极值搜索算法应用于空气流量。他相比的性能提出了战略与战略通过静态前馈策略,在这三个案例研究被认为是。这些优化函数被用于直流总线上的功率流在不同的情况下。他的研究缺乏必要的数据(3]。Mahto认为风能产生的高度间歇性能源在一个孤立的混合动力系统(肛)可以引起严重的频率和功率的波动。他采用肛模型,包括柴油发电机,风力发电机,和能源存储设备。他优化和调整不同的可调参数考虑为了抑制的频率和功率肛模型由于负载变化需求通过quasialignment和谐搜索(QOHS)算法。他还进行健壮和非线性研究的配置肛模型基于SF-FLC-PID控制器进行了研究。他的研究不全面的考虑因素4]。

摘要当前路面标识根据汽车驾驶的特点。根据所确定的路面,相应的电制动力分配方法,提出了使车辆恢复更多的高附着力路上制动能量和更少的路上低粘附在确保安全的前提下,提高整个车辆的制动能量回收率。

2。混合动力系统和能量管理策略

2.1。人工智能的概述

人工智能主要是指利用计算机模拟人脑和电脑的使用取代人类技术的独特功能(5]。人工智能领域的研究包括机器人技术和图像识别,相对广泛。HSD(混合动力系统)技术属于强混合动力。不同的从弱混合动力,不能用纯电力驱动车辆,它允许车辆在纯电动模式下运行。HSD技术结合了电力传动和行星齿轮技术同时达到类似的效果无级变速传动。在车辆配备HSD技术,不管它是油门踏板或齿轮的位置,控制的目的是通过发送电子信号控制计算机。一个好的能源管理策略可以让它更好的为实现这一目标。

2.2。混合动力系统

在混合动力汽车,因为伊拉克研究小组电动机转矩可用于调整发动机的操作点,混合动力系统的效率提高,可以减少燃料消耗。当车辆所需的扭矩较低,ISG电机发电,将机械能转换为电能,并将其存储在动力电池增加发动机的输出转矩;当车辆所需的转矩高,伊拉克研究小组电机电气、电源电池的电能转化为机械能,减少发动机的扭矩。同时,当混合动力汽车运行速度较低或较低负荷和足够的电池供电,伊拉克研究小组可以使用电动机单独驱动车辆(6,7]。能源管理系统从系统的整个过程,遵循系统管理的原则,并建立一个完整的、有效的,并记录能源管理系统在组织内通过一套完整的标准和规范的实施,关注过程控制的建立和实施,不断优化组织的活动,过程,和元素,通过常规节能监测、能源审计、能效标杆管理,内部审计,组织能源消耗计量与测试、能源平衡统计,组织管理评审,自我评价,和节能技术改造、节能评估、和其他措施,以持续改进的有效性的持续改进能源管理系统,实现能源管理政策和承诺,并达到预期的能源消耗或使用目标。

忽略车辆的横向动力学模型,考虑到车辆的速度V和斜率α,司机的要求可以计算转矩在方向盘上的车辆纵向动力学模型:

其中,r车轮半径,是空气阻力系数,米是汽车质量。

所需的扭矩在齿轮箱的输入

其中, 是由摩擦引起的额外的损失,是总传动比,是相应的传动比。

车轮角速度可以由以下公式计算:

其中,年代是轮胎滑移率。从车辆运动方程可以得出结论:

其中,是空气粘度系数,滚动阻力,是空气阻力,的有效质量的旋转部分车辆(8]。

由于每个节点是等位,潜在的任何节点都可以由能斯特方程表示: 在哪里是单片电池提供的外部电压,的潜力吗我th节点,是细胞能斯特的潜力,也就是说,电池的开路电压(9]。以下三个公式的电池容量公式(5),行为的代名词的小容量电池,浓缩的是电池的中等容量的同义词,应该注意的是,欧姆是同义词的大容量电池。

能斯特潜在的表达式是

当汽车爬上斜坡,它受到空气阻力、滚动阻力、坡度阻力,这是表示如下:

然后,车辆爬坡能力的计算公式

电池容量是通过改变模块串联的数量调整。在这个过程中,电池质量变化的影响在整个车辆的质量必须充分考虑(10]。所需的数学公式的电池能源纯电动行驶距离可以表示如下: 在哪里所需的电池能量和吗T是总旅行时间。

本文将忽略温度对电池的影响,和内部阻力模型是用来模拟电池组。

其中,电池的开路电压,电池的内阻,电动机转矩的时间吗t。

混合动力电动汽车的拓扑结构设计如图1。车辆控制器不仅是控制电力系统的核心,但还需要与身体配件系统交互。例如,车辆控制器需要与防抱死制动系统能够合理地控制车辆的扭矩(11,12]。

2.3。能量管理策略

锂电池SOC的功率平衡关系如下:

根据设计动态规划过程的能量管理策略,动态编程算法的程序设计基于MATLAB软件平台,包括四个部分:离散化处理,测定可获得的状态集,燃料消耗的计算矩阵,解决能量分布轨迹(13]。(1)离散化。考虑到行驶循环速度的更新频率是1 s,时间走的长度设置为1;SOC离散网格是等距网格,它的大小决定根据电池容量(0.01%的电池模型离散网格原型车)。与电池容量的增加,为了使每个网格的对应电力价值变化基本上不变,保证计算精度,SOC网格大小应适当减少(14]。(2)可获得的状态决定。优化计算过程中,由于存在的制度约束和限制电池工作范围,工作范围的电力系统在整个行驶循环是有界的。 相应的最大充放电功率的电池可以写成 在这里,是所需的力量。(3)燃料消耗矩阵计算。所需的权力的前提是已知的,权力(扭矩)相应的引擎可以根据功率平衡原理计算。最后,燃料消耗值可以通过查找表建立了发动机燃油消耗模型(静态油耗地图)(15]。燃料消耗的计算阶段k描述如下: 其中,x(k)是电源组可行状态点的速度(车辆速度)和电池的SOCkth阶段。(4)能量分布轨迹的解决方案。建立的递归调用方程如下:

2.4。优化控制算法

作为研究的基础能源管理控制策略,混合动力电动汽车动力系统的参数匹配不仅影响战略的制定,也决定了整车的性能。同时,有一定的耦合关系关键组件的参数匹配和能量管理策略。在目标函数组成的经济和汽车制造成本,当参数影响两个联合优化,优化变量的选择尤为重要,(16,17]。

基本粒子群优化(PSO)的核心是利用个人信息共享的组,这样整个人口可以不断地搜索解空间中的最优个体,开展搜索迭代,从而获得问题的最优解。算法的流程如下:(1)一群随机粒子生成;每个粒子都将相应的初始位置和速度。(2)根据要解决的问题,制定相应的优化目标函数,在专业术语中称为适应度函数,计算每个粒子的健身价值通过适应度函数。(3)每个粒子的健身价值比较与当前最优位置。(4)每个粒子的当前最优位置的健身价值比较与全局最优位置。如果有粒子更符合优化目标,位置和全局最优位置记录。(5)判断粒子群优化的迭代满足终止条件(18]。

模型预测控制的控制流程如图2。MPC控制器优化解决方案根据上述原理得到最优控制量在每一个时间,和控制信号传输到控制系统,然后观察状态x(t)每次输入到系统的状态估计,状态估计量是反馈给MPC控制器控制在下次19]。

3所示。混合动力系统的仿真实验

3.1。组成的长椅上

混合动力系统的试验台由三部分组成:动力系统、控制系统和辅助部分。电力装配零件主要包括道依茨柴油机电子控制,I-Axis电机M1结合传输I-Axis II-axis电动机M2与传输II-axis AMT传动,锂离子动力电池(20.]。

3.2。电力系统硬件组成

电源模块提供无人机飞行所需的负载和能量。控制模块负责能源调度管理、信号采集、报警保护系统和获得飞行控制系统的电力需求信号通过CAN总线和无人机负载提供电能。上电脑负责实时监控系统的状态信息在调试阶段和系统数据存储和管理(21,22]。

3.3。电力系统软件流程

(1)锂电池的SOC估算:SOC估计开路电压法和安时积分法。(2)可以通过沟通与交流:无人机飞行控制系统获取无人机负载所需的功率。(3)能源管理:粒子群优化(PSO)算法用于分配燃料电池和锂电池的输出功率。获得的权力是通过查询模糊控制表离线存储。(4)无线通信和数据存储:数据保存到电脑通过无线传输模块和数据保存到本地SD卡(23,24]。

3.4。电力系统建模

发动机模型是混合动力传动系统的核心组成部分。发动机模型在软件分为理论建模和实验建模。理论建模来模拟燃烧的燃料利用热力学的相关知识。发动机的输出转矩和速度后能量转换通常是理想化的,静态的,和建模精度相对较低25]。实验建模来验证引擎的性能的前提下发动机模型被选中,也就是说,实际的输出转矩和速度从燃料燃烧引擎,和发动机的燃油消耗率是通过相关数据的计算,和引擎数据库是通过总结获得的数据。获取数据库后,引擎的动态模型可以获得的差异和配件(26]。动态模型描述系统特征相关的操作时间和顺序,影响变化的事件,事件的顺序、事件、环境和组织活动。的帮助下序列图、状态图和活动图,可以描述系统的动态模型。每个图的动态模型有助于理解系统的行为特征。对于开发人员来说,动态建模的特征清晰,可见性和简单性。

3.5。优化能量管理策略

粒子群优化算法是用MATLAB的m文件,和双源混合系统模型在MATLAB / Simulink环境中构建。粒子群优化(PSO)模块调用双重来源混合系统模块通过sim函数并使用newfis writefis等功能来创建模糊控制器和写参数。同时,双重来源混合系统模块传输所需的实时价值优化目标函数的粒子群优化算法通过MATLAB的m文件工作区(27,28]。

3.6。模糊控制

在这篇文章中,模糊控制器的功能概括为优化能源管理,有效提高系统的燃料效率,同时满足负载功率需求。模糊控制主要有以下步骤:(1)模糊性:系统中的实际值输入转化为模糊量适合模糊控制(2)模糊推理:模糊输出是通过模糊决策通过模糊规则29日](3)Antifuzzy处理:模糊输出转化为精确量,可用于控制系统通过Antifuzzy处理(30.]

3.7。能源管理预测控制

在这篇文章中,GPS(全球定位系统)、GIS(地理信息系统)和(智能交通系统)信息用于获得各种车辆速度,力量,工作条件,和其他信息在未来,使相应的系统提前准备。如果车辆正在行驶在直路但即将进入长下坡,它可以预测汽车即将进入长下坡能量恢复状态。因此,蓄电池的能量可适当提前准备发布车辆势能后车辆进入全面复苏道路条件(31日]。

4所示。混合动力系统的优化分析

4.1。优化分析驱动方式的混合动力系统

表1显示了电池能量之间的关系和车辆质量不同的纯电动的距离。电池的电压电平与电机的峰值功率。电机的峰值功率越大,电力系统的电压水平越高,这有利于保证电流不超过一定的限制,但异常高压层也会导致高压安全问题。结合电动机电压水平,确定动力电池的额定电压为300 V。考虑到效率和电池寿命和老化问题,电池容量通常是剩下30%的保证金。最后选择电池9.8千瓦时能量参数,这是由24个模块组成的。考虑到电池箱总成等因素,整车的重量是2230公斤。这一现象的原因是,一方面,与混合程度的增加,驾驶过程中可回收制动能量的增加趋势减缓;另一方面,尽管混合程度的增加提高了平均工作效率的发动机,汽车质量的增加使总开车行驶循环所需的能量增加。

优化管理策略在确定组件的混合动力电动汽车的关键是实现低油耗和低排放的目标混合动力电动汽车。管理策略的混合动力系统必须实现合理、高效的能量分布之间的引擎根据功率要求,排放,和成本的车辆,以最大化发动机系统的效率和获得最大的燃油经济性,排放最低,和稳定的驾驶性能根据各种组件的特性和操作条件。

NEDC循环和所需驱动功率如图3。从图可以看出,克服阻力加速度所需的电力占很大比重较低的在四个城市驾驶条件下车辆的速度。最大的电力需求在加速阶段是19.33千瓦,这在恒速阶段是5.13千瓦。在这个时候,由于较低的总电力需求,引擎将在非经济领域工作如果是由发动机单独驱动的。纯电动模式或驾驶充电模式可以用来关闭引擎或保持经济引擎的操作点的区域;在郊区的条件下,车辆的增加速度,克服空气阻力和摩擦阻力所需的力量开始占据主导地位,和所需的驱动功率逐渐增加,在恒速阶段所需的最大功率是36.92千瓦。最大加速度阶段55.51千瓦的电力需求。这时,车辆电力需求在以上发动机经济区域,所以发动机驱动模式或混合驱动模式可以用来保持经济的引擎操作点区域。

4.2。电池SOC的优化效果

电池SOC与时间的变化曲线如图4。能源消耗成本与时间的曲线如图5。从图可以看出,在模拟的早期阶段,电池SOC下降更快,使用更多的电能,降低能耗成本。其立即改善能源管理策略远优于全球能效管理策略,和它的成本将会降低。如果电池的SOC下降约0.3,其价值将是平衡的。能源成本的增长急剧增加,能源成本已逐渐超过了最佳整体能源管理策略。在开始阶段的车辆,发动机为主的工作。汽车减慢和刹车时,电池SOC是保存在一个相对稳定的区域,这有利于提高电池的使用寿命和周期时间。在SOC值降低到30%,整车运行在电力消耗阶段,只使用纯电动驱动模式。915秒后仿真,操作模式转向电力控股阶段。逻辑阈值策略和模糊规则的策略可以保持设置切换阈值附近的功耗,电源波动保持在一个适当的范围内。 Among them, the logic threshold strategy reaches the minimum value of 27.11% at 1165 s, the maximum fluctuation of 3.49% in the power holding stage, the minimum value of 29.02% at 3486 s, and the maximum fluctuation of 3.05% in the power holding stage. It can be seen that the two strategies have good SOC maintenance effect under NEDC cycle. At the end of the simulation, the SOC of logic threshold strategy is 29.81%, and that of fuzzy rule strategy is 29.34%.

图4证明了上述结论的正确性,而是因为它和图之间的关系5太近,我们直接将两个讨论。基本上,图5是深化图4。我们遵循图4在图的逻辑5和图5可以显示的内容和后续研究的结论。具体结果图中可以看到5。

所需的驱动力计算整车在每个时间步根据所需的循环速度,转化为驱动转矩的驱动力,即反向计算沿相反方向实际车辆转矩传动路线。控制器使用能量管理控制策略提前分配所需的电力的整车传动组件,然后转移目标需求价值电源实现控制过程。电源输出根据当前的工作状态和工作转矩控制器命令的需求。

当刹车时,如果车辆速度高于最低限速制动能量回收的制动能量回收模式将开始。制动能量回收的数据和曲线在某部分如表所示2和图6。当PHEV整车控制器接收到制动踏板信号在4.5秒,系统从混合驱动模式改变制动能量回收模式,和马达改变发电机模式。8年代,电动机和发动机的速度降到600 r / min,发动机转速范围是不稳定的,和电机效率很低。因此,离合器释放和随后的独立完成摩擦制动系统制动过程。

从图6,我们可以知道以下信息。能量回收曲线代表了一些控制节点。他们是一个重要的标准电机发电机模式的转换。的发展曲线直接代表摩擦系统是否能独立完成电力系统的转换。

4.3。系统兼容性分析

插电式混合动力汽车燃油经济性在实验中,根据混合动力电动汽车能耗测试方法,圆柱和电池SOC的天然气消费前后实验记录在同一时间。根据国家标准的要求,燃油经济性试验进行了3次,3实验获得的数据平均作为最终测试结果。三个实验的结果的数据如表所示3和图7。从表中的数据,我们可以看到,三组实验的总油耗是平均油耗率的混合动力城市客车的优化能量管理策略下26.3米³/ 100公里。为了验证优化能量管理策略的影响基于PMP,一组进行了比较实验。具体实验步骤基本上是一样的上述经济实验。与能量管理策略基于明确的规则,提出的经济表现PMP-based优化能量管理策略是提高了18%。

从图我们可以知道7的图告诉我们,SOH将逐渐减少,这是在使用过程中造成的损失。当然,这不仅是人为因素,生活环境,土壤和空气。许多因素可以耗尽电池。当电池衰减的不可逆性,它最终将达到寿命。终止后,电池的全音阶将成为0%。电池的变化曲线在3000天的服务周期的全音阶图所示8。在实现精确的逻辑控制策略中,电池的放电率是一个固定的阈值。电池的衰减是一个不断发生的过程。显然,当一个固定的功率阈值总是用来限制电池的充电和放电,会使电池充电和放电率无法维持。有必要调整阈值的能量管理策略结合SOH,因此阈值动态调整的过程中,和经济的汽车和电池的衰减控制。

4.4。能量管理策略

如果使用燃料电池作为唯一的电源,燃料电池的瞬态响应速度很慢,和车辆快速启动期间不能准确地提供所需的能量,紧急加速,和爬山。此外,燃料电池是一种单向的电源和不能回收制动能量。设计模糊控制器时,有必要不断测试,提高混合动力系统采用模糊控制策略规则。的标准控制效果是减少燃料消耗值和各种气体的排放是否减少。CD / CS战略的燃料消耗的结果,动态规划策略,和快速的能量管理策略如表所示4。快速的能量管理策略可以实现燃料消耗类似于动态规划策略。燃料消耗不同测量条件下的差异为0.79%,0.03%,0.33%,和0.94%,分别。

与原车相比,任何控制策略可以获得良好的燃油经济性,其中控制策略基于简单的规则有不良影响,和ecm控制效果是最好的。模糊逻辑的控制效果与大量的实验数据和专家知识,和不同的控制目标也可以形成不同的控制效果,更灵活。SOC曲线快速能量管理策略和动态规划策略和SOC区别如图9和10。从图可以看出,两者的SOC曲线非常相似,不同之处在于3%以内。从图可以看出,固体氧化物燃料电池的功率不能满足负载的需求在1000年代在启动阶段。锂电池,作为辅助能源存储元素,可以快速补充缺乏的直流总线,所以整个系统的输出功率可以满足负载的需求。1000年代后,固体氧化物燃料电池已经进入带负荷发电阶段,但其输出功率波动很大。输出功率控制在一个稳定状态的连续切换锂电池和固体氧化物燃料电池的充电和放电状态。

5。结论

本文主要研究了实时应用优化控制算法的能量管理策略的基于人工智能的混合动力系统。本文分析了混合动力电动汽车的能源消耗(HEV)从整体的角度,引入了一种新的等效因子,建立了电池能源消耗和燃油消耗的能量之间的关系。能量管理策略包括最优策略和最优转矩分配策略的转变。考虑到驾驶循环,混合动力汽车的能量管理问题被建模为一个多步决策过程的问题。全局最优结果和相应的控制轨迹可以通过使用动态规划理论。因此,可以使用动态规划方法作为基准来衡量其他能源管理策略的控制效果。

最大值原理和动态规划研究理论方程和最优控制应遵循的条件,而最优控制算法确定最优控制的具体方法和步骤的形式(参见优化方法)计算方面。总的来说,最优控制算法可分为两类:间接法和直接法。对于一个给定类型的控制问题,最优控制理论可以推出条件和方程用于确定最优控制,和解决方案可以通过相关的计算方法。这种类型的方法称为间接法。一类的问题很难确定最优控制条件和方程,必须使用数值方法直接找到他们的近似解。这种类型的方法称为直接法。间接法或直接法可以帮助实时应用的混合动力系统能量管理策略。

通过参数计算整个机车,牵引逆变器的输入功率和牵引电动机的参数配置确定机车的三种不同的运行状态下,即最大速度、最大梯度和最大加速度。燃料电池混合动力系统的参数匹配结合的效率和经济成本完成燃料电池和锂电池。通过燃料电池动态模型的建设,PEM燃料电池模拟的动态模块。燃料电池的电压对应于不同的输入电流,实现燃料电池和线性分析。

根据电力系统的不同的工作模式,工作模式转换条件和确定配电,和车辆控制策略模型建立了使用MATLAB / Stateflow。为了降低油耗,粒子群优化(PSO)用于讨论引擎开关的阈值和输出机械功率的电动机在电动辅助策略。从特定的驾驶距离和恒速条件下,更好的组合在不同的功率要求。模糊转矩分配控制器,它是根据不同的工作条件,优化控制发动机的输出转矩电动机根据所需的混合动力系统转矩和电池组的充电状态。丰富理论知识后,我们的研究结果也证明,通过研究获得的不同组合的速度可以验证本文的需要。这些组合的最优解是混合动力系统和能源管理策略。

数据可用性

没有数据被用来支持本研究。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作是由吉林省科技发展计划项目(20190303117科幻):矿产资源研究和应用基于非线性理论的预测方法。