原文传递
基于车速测的FCV能量管理策略研究
| 论文题名： | 基于车速测的FCV能量管理策略研究 |
| 关键词： | 电动汽车;燃料电池;能量管理;车速预测;神经网络 |
| 摘要： | 燃料电池电动汽车（Fuel Cells Vehicle，FCV）由于其具有零排放、高效率等优点，为解决环境和能源问题提供了重要思路，成为节能和新能源汽车领域的研究热点。本文针对燃料电池+蓄电池这种结构的燃料电池电动汽车，提出了一种基于车速预测模型的能量管理策略。 首先，分析了燃料电池的工作原理以及燃料电池混合动力系统的结构类型，结合燃料电池电动汽车的工作条件选择了质子交换膜燃料电池（Proton Exchange Membrane Fuel Cell，PEMFC）+蓄电池这种拓扑结构；根据汽车所需的动力性能指标提出了燃料电池电动汽车动力系统参数优化匹配的问题并使用遗传算法对其进行优化求解；其次，根据优化得到的燃料电池参数和蓄电池参数，结合燃料电池的工作原理和电化学理论，使用Matlab/Simulink和Advisor仿真平台建立了燃料电池混合动力系统的仿真模型。 使用含有长短期记忆神经网络层（Long–short Term Memory Neural Network，LSTM）的神经网络进行车速预测是本文研究的重点之一。本文对比分析了LSTM神经网络与普通循环神经网络（Recurrent Neural Network，RNN）的优点，并基于历史车速数据使用含有LSTM层的神经网络构建了车速预测模型，对未来工况进行车速预测。分析在GPU并行计算平台下使用该模型计算单步预测1800次消耗的时间，并与在CPU平台下的计算结果相比较，验证了该模型在GPU下能够提高计算效率。 最后，运用预测控制的思想，构建了基于模型预测的燃料电池电动汽车能量管理策略模型，并将模型预测问题与动态规划算法（DynamicProgramming algorithm，DP）相结合，以预测时域内燃料消耗以及SOC平稳变化为综合目标，建立预测控制模型。分别计算了新欧洲行驶工况（New European Driving Cycle，NEDC）、城市行驶工况（Orange CountyCycle，OCC）、世界通用轻型汽车行驶工况中的Class3标准工况（Class3of Worldwide Harmonised Light Vehicle Test Procedure，WLTP-C3）下使用DP算法进行全局优化以及使用基于模型预测的燃料电池电动汽车能量管理策略进行优化的结果，验证了本文提出的基于车速预测模型的预测控制策略具有一定的有效性，可以提高FCV的燃料经济型，并保证SOC在平稳变化。 |
| 作者： | 刘秀杰 |
| 专业： | 车辆工程 |
| 导师： | 连静 |
| 授予学位： | 硕士 |
| 授予学位单位： | 大连理工大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
