氢燃料电池车在碳排放方面具有独特优势,研究氢燃料电池车的碳减排贡献,对于实现“碳达峰”、“碳中和”目标有着很大的意义.为了评价氢燃料电池车的碳排放情况,本文以氢燃料电池车中比较典型的氢燃料电池大客车为研究对象,针对其生产...氢燃料电池车在碳排放方面具有独特优势,研究氢燃料电池车的碳减排贡献,对于实现“碳达峰”、“碳中和”目标有着很大的意义.为了评价氢燃料电池车的碳排放情况,本文以氢燃料电池车中比较典型的氢燃料电池大客车为研究对象,针对其生产、使用以及回收阶段的排放的CO_(2)进行了全生命周期评价,分析其在全生命周期各环节的碳足迹.并且研究轻量化材料在使用阶段中对碳足迹的影响,着重研究组成膜电极的主要成分铂(Pt)在回收阶段的碳排放情况.结果表明,在生产阶段,高压储氢罐以及燃料电池堆的碳排放比较严重,生产整车的碳排放达到84550.90 kgCO_(2)eq;在使用阶段,使用轻量化材料能够使碳排放减少大约30%;在回收阶段,除了回收作为客车储能电池的磷酸铁锂(Lithium Iron Phosphate,LFP)电池之外,车身、底盘、平衡装置以及Pt的回收都对碳减排有贡献,回收阶段最终可实现12308 kgCO_(2)eq的碳减排.展开更多
针对目前氢燃料重卡在行驶过程中,动力电池工况复杂、外表面温度变化难以预测、滞后时间长等问题,以氢燃料重卡锂离子动力电池外表面温度为研究对象,提出一种类交叉熵损失函数和自适应矩估计(adaptive moment estimation,Adam)优化的改...针对目前氢燃料重卡在行驶过程中,动力电池工况复杂、外表面温度变化难以预测、滞后时间长等问题,以氢燃料重卡锂离子动力电池外表面温度为研究对象,提出一种类交叉熵损失函数和自适应矩估计(adaptive moment estimation,Adam)优化的改进型门控循环单元神经网络(gate recurrent unit,GRU),建立锂离子动力电池表面温度预测模型。该模型利用GRU神经网络的特殊门机制和全局处理能力,得到锂离子电池表面温度和电池充放电电流、电压、充放电时间、历史温度、当前温度以及环境温度之间的非线性关系。采用4个精度评价函数对预测模型进行评价:经过5种环境温度下的模拟工况实验,验证该模型的准确性。结果表明,基于GRU的电池温度预测模型的误差相对于反向传播(back propagation,BP)神经网络模型和循环神经网络模型(recurrent neural network,RNN)来说较小,说明GRU的锂离子电池温度预测模型具有更高的精度。该文为磷酸铁锂电池表面温度的精准预测提出了一种新的方法。展开更多
文摘氢燃料电池车在碳排放方面具有独特优势,研究氢燃料电池车的碳减排贡献,对于实现“碳达峰”、“碳中和”目标有着很大的意义.为了评价氢燃料电池车的碳排放情况,本文以氢燃料电池车中比较典型的氢燃料电池大客车为研究对象,针对其生产、使用以及回收阶段的排放的CO_(2)进行了全生命周期评价,分析其在全生命周期各环节的碳足迹.并且研究轻量化材料在使用阶段中对碳足迹的影响,着重研究组成膜电极的主要成分铂(Pt)在回收阶段的碳排放情况.结果表明,在生产阶段,高压储氢罐以及燃料电池堆的碳排放比较严重,生产整车的碳排放达到84550.90 kgCO_(2)eq;在使用阶段,使用轻量化材料能够使碳排放减少大约30%;在回收阶段,除了回收作为客车储能电池的磷酸铁锂(Lithium Iron Phosphate,LFP)电池之外,车身、底盘、平衡装置以及Pt的回收都对碳减排有贡献,回收阶段最终可实现12308 kgCO_(2)eq的碳减排.
