为实现混合动力两栖车综合效率最优,提出一种功率协调预测控制策略。该策略旨在协同优化能量管理策略与车速控制策略之间的耦合关系。针对车速预测模型失配的问题,提出利用极限学习机进行实时误差预测,并通过预测值进行预测模型校正。...为实现混合动力两栖车综合效率最优,提出一种功率协调预测控制策略。该策略旨在协同优化能量管理策略与车速控制策略之间的耦合关系。针对车速预测模型失配的问题,提出利用极限学习机进行实时误差预测,并通过预测值进行预测模型校正。设计模型预测控制器实现能量管理与车速控制的实时优化控制,并通过仿真进行验证。研究结果表明:提出的策略相较于传统的基于模型预测控制的能量管理策略能够降低等效燃油消耗、荷电状态(State of Charge,SOC)标准差、母线电压标准差和电池容量衰退,降低幅度分别为9.35%、59.63%、15.79%和45.33%;通过有无模型校正的功率协调预测控制对比,表明通过模型校正可实现等效燃油消耗、SOC标准差、母线电压标准差和电池容量衰退分别降低6.95%、25.91%、13.46%和24.07%,体现了所提出的基于极限学习机模型校正的功率协调预测控制在提升燃油经济性、维持电气系统稳定性和降低电池损耗方面的优越性。展开更多
针对混合储能平抑风电功率波动时储能系统成本过高的问题,提出一种基于卡尔曼滤波和模型预测控制的风电波动平抑控制策略。该方法基于风储联合发电系统,在满足风电平抑需求的基础上,通过预设截止频率以储能容量变化最小与功率波动最低...针对混合储能平抑风电功率波动时储能系统成本过高的问题,提出一种基于卡尔曼滤波和模型预测控制的风电波动平抑控制策略。该方法基于风储联合发电系统,在满足风电平抑需求的基础上,通过预设截止频率以储能容量变化最小与功率波动最低为多目标,利用遗传算法求解卡尔曼滤波自适应参数获得最优储能目标功率。为提高混合储能系统协调运行能力,考虑调节储能荷电状态(state of charge,SOC)通过模型预测控制实现计及电池运行寿命与超级电容SOC变化的动态功率分配。最后,结合实际风电功率数据进行仿真验证。结果表明,所提策略能够有效改善电池SOC、降低超级电容容量,符合储能平抑风电功率需求,能充分考虑两种储能设备的特性差异,提高功率分配的合理性,改善储能系统经济性。展开更多
为解决网联汽车由于驾驶员误差存在导致的速度轨迹偏移问题,本文提出一种实时的考虑驾驶员误差的网联混合车队生态驾驶策略。首先通过实车试验采集不同驾驶员的驾驶员误差数据,建立基于马尔可夫链的驾驶员误差模型,用于预测未来一段时...为解决网联汽车由于驾驶员误差存在导致的速度轨迹偏移问题,本文提出一种实时的考虑驾驶员误差的网联混合车队生态驾驶策略。首先通过实车试验采集不同驾驶员的驾驶员误差数据,建立基于马尔可夫链的驾驶员误差模型,用于预测未来一段时间的驾驶员误差。然后以最小化整个车队的燃油消耗为优化目标,将车队速度轨迹优化问题描述为一个最优控制问题,采用快速随机模型预测控制(fast stochastic model predictive control,FSMPC)算法求解车队中网联汽车的最优速度轨迹。仿真和智能网联微缩车试验结果表明,相比于传统的基于快速模型预测控制(fast model predictive control,FMPC)的生态驾驶策略,本文所提出的生态驾驶策略能够有效减小车辆的速度轨迹偏移,并降低整个车队的燃油消耗,且满足实时性要求。展开更多
文摘为实现混合动力两栖车综合效率最优,提出一种功率协调预测控制策略。该策略旨在协同优化能量管理策略与车速控制策略之间的耦合关系。针对车速预测模型失配的问题,提出利用极限学习机进行实时误差预测,并通过预测值进行预测模型校正。设计模型预测控制器实现能量管理与车速控制的实时优化控制,并通过仿真进行验证。研究结果表明:提出的策略相较于传统的基于模型预测控制的能量管理策略能够降低等效燃油消耗、荷电状态(State of Charge,SOC)标准差、母线电压标准差和电池容量衰退,降低幅度分别为9.35%、59.63%、15.79%和45.33%;通过有无模型校正的功率协调预测控制对比,表明通过模型校正可实现等效燃油消耗、SOC标准差、母线电压标准差和电池容量衰退分别降低6.95%、25.91%、13.46%和24.07%,体现了所提出的基于极限学习机模型校正的功率协调预测控制在提升燃油经济性、维持电气系统稳定性和降低电池损耗方面的优越性。
文摘针对混合储能平抑风电功率波动时储能系统成本过高的问题,提出一种基于卡尔曼滤波和模型预测控制的风电波动平抑控制策略。该方法基于风储联合发电系统,在满足风电平抑需求的基础上,通过预设截止频率以储能容量变化最小与功率波动最低为多目标,利用遗传算法求解卡尔曼滤波自适应参数获得最优储能目标功率。为提高混合储能系统协调运行能力,考虑调节储能荷电状态(state of charge,SOC)通过模型预测控制实现计及电池运行寿命与超级电容SOC变化的动态功率分配。最后,结合实际风电功率数据进行仿真验证。结果表明,所提策略能够有效改善电池SOC、降低超级电容容量,符合储能平抑风电功率需求,能充分考虑两种储能设备的特性差异,提高功率分配的合理性,改善储能系统经济性。
文摘为解决网联汽车由于驾驶员误差存在导致的速度轨迹偏移问题,本文提出一种实时的考虑驾驶员误差的网联混合车队生态驾驶策略。首先通过实车试验采集不同驾驶员的驾驶员误差数据,建立基于马尔可夫链的驾驶员误差模型,用于预测未来一段时间的驾驶员误差。然后以最小化整个车队的燃油消耗为优化目标,将车队速度轨迹优化问题描述为一个最优控制问题,采用快速随机模型预测控制(fast stochastic model predictive control,FSMPC)算法求解车队中网联汽车的最优速度轨迹。仿真和智能网联微缩车试验结果表明,相比于传统的基于快速模型预测控制(fast model predictive control,FMPC)的生态驾驶策略,本文所提出的生态驾驶策略能够有效减小车辆的速度轨迹偏移,并降低整个车队的燃油消耗,且满足实时性要求。
