← 返回
基于燃料电池/电池健康感知预测控制的混合动力汽车成本最优能量管理
Cost-Optimal Energy Management of Hybrid Electric Vehicles Using Fuel Cell/Battery Health-Aware Predictive Control
| 作者 | Xiaosong Hu · Changfu Zou · Xiaolin Tang · Teng Liu · Lin Hu |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2020年1月 |
| 技术分类 | 氢能与燃料电池 |
| 技术标签 | 模型预测控制MPC 储能系统 电池管理系统BMS |
| 相关度评分 | ★★★ 3.0 / 5.0 |
| 关键词 | 能量管理 燃料电池 蓄电池 健康感知 预测控制 混合动力汽车 老化 |
语言:
中文摘要
本文针对燃料电池/电池混合动力汽车,提出了一种兼顾氢耗与动力源退化的成本最优预测能量管理策略。通过将电池与燃料电池的健康状态纳入控制目标,有效平衡了运行经济性与系统寿命,解决了现有研究仅关注单一目标而忽视设备退化的问题。
English Abstract
Energy management is an enabling technology for increasing the economy of fuel cell/battery hybrid electric vehicles. Existing efforts mostly focus on optimization of a certain control objective (e.g., hydrogen consumption), without sufficiently considering the implications for on-board power sources degradation. To address this deficiency, this article proposes a cost-optimal, predictive energy m...
S
SunView 深度解读
该研究提出的健康感知模型预测控制(MPC)策略,对阳光电源的储能系统(如PowerTitan、PowerStack)具有重要的参考价值。虽然本文侧重于燃料电池汽车,但其核心逻辑——即在能量管理中引入电池健康状态(SOH)的实时评估与寿命衰减成本优化,可直接迁移至阳光电源的储能变流器(PCS)与电池管理系统(BMS)协同控制中。建议研发团队借鉴此预测控制算法,优化储能系统在调峰调频等高频次应用场景下的充放电策略,以延长电池组全生命周期寿命,提升产品在全生命周期成本(LCOE)方面的竞争力。