原文传递
基于机器学习的燃料电池汽车多目标能量管理策略研究
| 论文题名： | 基于机器学习的燃料电池汽车多目标能量管理策略研究 |
| 关键词： | 燃料电池汽车;混合动力系统;能量管理;多目标非线性规划;机器学习 |
| 摘要： | 随着化石燃料的枯竭与全球环境的恶化，使用清洁可持续能源作为能源供给的燃料电池汽车成为目前学术界的研究热点，燃料电池汽车由于其输出特性软以及难以实现最大化利用制动能量的特点而需要配备辅助能源系统，燃料电池+蓄电池的组成方式是目前燃料电池混合动力系统结构的主要配置方式，针对双动力系统，燃料电池混合动力汽车的能量管理策略的合理设定是燃料电池研发设计的重点。本文针对燃料电池混合汽车的能量管理策略展开研究： 本文以燃料电池汽车混合动力汽车为研究对象，首先建立燃料电池混合动力系统模型，在此基础上应用机器学习方法对实现了燃料电池汽车的多目标能量管理。具体研究内容如下： （1）首先进行了燃料电池混合动力系统建模，对比了三种燃料电池混合动力系统的拓扑结构，选定燃料电池+蓄电池的结构形式作为本文混合动力系统建模的基础，在车辆动力学建模的基础上进行了燃料电池以及锂电池组的建模，为后面的离线以及在线计算提供物理模型基础。 （2）其次使用了非线性规划算法建立离线阶段能量管理策略的多目标数学模型，结合使用K-Means提取的混合工况，充分考虑燃料电池以及锂电池的动态特性，计算出离线阶段下燃料电池汽车能量分配的最优解，并且对不同工况以及特性条件下的能量分配结果进行讨论以验证算法的准确性，离线阶段的数学建模为在线阶段能量管理提供数据基础。 （3）最后，在线阶段的能量管理策略以XGBoost算法为基础，融合LSTM(长短时记忆网络)进行工况轨迹预测，将离线阶段获取的最优数据集作为输入数据集进行机器学习模型的训练与验证，将融合LSTM(长短时记忆网络)的预测工况速度作为在线模型的输入，将随机森林算法作为在线机器学习算法的对比，分析验证XGBoost算法在模型训练预测上的准确性，实现燃料电池汽车能量的在线分配。 |
| 作者： | 王涛 |
| 专业： | 车辆工程 |
| 导师： | 何耀;潘国雨 |
| 授予学位： | 硕士 |
| 授予学位单位： | 合肥工业大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
