燃料电池混合电动汽车智能能量管理

TP273; 针对燃料电池混合电动汽车复杂的拓扑结构,提出一种改进软执行者-评论者(SAC)算法的能量管理策略.首先,利用自适应模糊滤波对需求功率进行频率解耦来实现功率分层,让超级电容来提供/吸收需求功率中的峰值功率.然后,通过采用基于等效消耗最小的思想构建 SAC的奖励函数,以实现降低氢耗量和改善燃料电池工作效率的目标,并优化燃料电池和锂电池的功率分配.在训练过程中,引入启发式经验回放机制来提高 SAC算法的收敛性能和优化效果.最后,在多种典型工况下仿真并进行平台试验.结果表明:所提策略在燃料经济性上与传统 SAC策略相比平均提高 6.4%,并且在面对极端工况时,依旧能够保证燃料电池的平稳运...

Full description

Saved in:
Bibliographic Details
Published in河南科技大学学报（自然科学版） Vol. 44; no. 6; pp. 49 - 56
Main Authors 陶发展, 卢泓鑫, 付主木, 孙昊琛, 马浩翔
Format Journal Article
LanguageChinese
Published 河南科技大学 河南省机器人与智能系统重点实验室,河南 洛阳 471023%河南科技大学 信息工程学院,河南 洛阳 471023 2023
河南科技大学 信息工程学院,河南 洛阳 471023
Subjects
SAC
燃料电池混合电动汽车
启发式经验回放
功率分层
Online AccessGet full text
ISSN1672-6871
DOI10.15926/j.cnki.issn1672-6871.2023.06.007

Cover

More Information
Summary:TP273; 针对燃料电池混合电动汽车复杂的拓扑结构,提出一种改进软执行者-评论者(SAC)算法的能量管理策略.首先,利用自适应模糊滤波对需求功率进行频率解耦来实现功率分层,让超级电容来提供/吸收需求功率中的峰值功率.然后,通过采用基于等效消耗最小的思想构建 SAC的奖励函数,以实现降低氢耗量和改善燃料电池工作效率的目标,并优化燃料电池和锂电池的功率分配.在训练过程中,引入启发式经验回放机制来提高 SAC算法的收敛性能和优化效果.最后,在多种典型工况下仿真并进行平台试验.结果表明:所提策略在燃料经济性上与传统 SAC策略相比平均提高 6.4%,并且在面对极端工况时,依旧能够保证燃料电池的平稳运行,实现对 3 能量源燃料电池汽车的能量管理.
ISSN:1672-6871
DOI:10.15926/j.cnki.issn1672-6871.2023.06.007