为进一步提高电动车辆队列行驶的经济性、降低车用动力电池的容量衰减,对某电动货车队列开展了行驶速度规划研究.首先建立了电动货车的单车能耗模型;然后基于此单车能耗模型、固定车头间距的跟车间距策略,以及拟合得到的不同间距下队列...为进一步提高电动车辆队列行驶的经济性、降低车用动力电池的容量衰减,对某电动货车队列开展了行驶速度规划研究.首先建立了电动货车的单车能耗模型;然后基于此单车能耗模型、固定车头间距的跟车间距策略,以及拟合得到的不同间距下队列中各车的气动阻力系数,建立了队列的能耗模型;接着以队列能量消耗最低为优化目标,以行程时间和道路限速为约束,采用交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)对队列进行了行驶速度规划;最后仿真研究了规划速度对队列行驶能耗和车辆动力电池容量衰减的影响.研究结果表明:相比于队列按定速巡航与基于坡度加速度的二次规划车速行驶,队列按ADMM规划车速行驶可分别使电动汽车节能9.29%和7.75%,且随着行驶里程的增加,以ADMM规划车速行驶的节能效果愈加明显;车辆队列运行1年后,ADMM规划车速行驶的电池容量衰减相比其他2种规划行驶分别下降9.69%和2.54%,即采用ADMM规划车速行驶可以减缓电池的老化速度,且随着时间的推移,在这3种行驶速度下的电池容量衰减差异越来越大.展开更多
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
文摘为进一步提高电动车辆队列行驶的经济性、降低车用动力电池的容量衰减,对某电动货车队列开展了行驶速度规划研究.首先建立了电动货车的单车能耗模型;然后基于此单车能耗模型、固定车头间距的跟车间距策略,以及拟合得到的不同间距下队列中各车的气动阻力系数,建立了队列的能耗模型;接着以队列能量消耗最低为优化目标,以行程时间和道路限速为约束,采用交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)对队列进行了行驶速度规划;最后仿真研究了规划速度对队列行驶能耗和车辆动力电池容量衰减的影响.研究结果表明:相比于队列按定速巡航与基于坡度加速度的二次规划车速行驶,队列按ADMM规划车速行驶可分别使电动汽车节能9.29%和7.75%,且随着行驶里程的增加,以ADMM规划车速行驶的节能效果愈加明显;车辆队列运行1年后,ADMM规划车速行驶的电池容量衰减相比其他2种规划行驶分别下降9.69%和2.54%,即采用ADMM规划车速行驶可以减缓电池的老化速度,且随着时间的推移,在这3种行驶速度下的电池容量衰减差异越来越大.
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.
