← 返回
基于动态组合成本图与粒子群算法的辅助动力单元工作点优化
Operating Point Optimization of Auxiliary Power Unit Based on Dynamic Combined Cost Map and Particle Swarm Optimization
| 作者 | Yaonan Wang · Yongpeng Shen · Xiaofang Yuan · Yimin Yang |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2015年12月 |
| 技术分类 | 电动汽车驱动 |
| 技术标签 | 充电桩 机器学习 |
| 相关度评分 | ★★ 2.0 / 5.0 |
| 关键词 | 辅助动力单元 工作点优化 动态综合成本图 粒子群优化 混合动力汽车 燃油消耗 排放控制 |
语言:
中文摘要
本文提出了一种基于动态组合成本图（DCM）和粒子群优化（PSO）的辅助动力单元（APU）工作点优化方法。该方法旨在改善串联式混合动力汽车的燃油经济性和排放性能，通过综合考虑冷却液温度、催化剂温度及空燃比等关键因素，实现APU运行效率的最优化。
English Abstract
Series hybrid electric vehicles improvements in fuel consumption and emissions directly depend on the operating point of the auxiliary power unit (APU). A new APU operating point optimization approach based on dynamic combined cost map (DCM) and particle swarm optimization (PSO) is presented in this paper. The influence of coolant temperature, catalyst temperature, and air/fuel (A/F) ratio on fuel...
S
SunView 深度解读
该文献主要针对混合动力汽车APU的能量管理与优化，与阳光电源现有的光伏和储能核心业务关联度较低。但从技术迁移角度看，其提出的基于动态成本图与粒子群算法（PSO）的优化策略，可借鉴应用于阳光电源的电动汽车充电桩及iSolarCloud智能运维平台。例如，在充电桩的功率分配策略中，或在储能系统参与电网调频、调峰的复杂工况下，利用类似的智能优化算法可以进一步提升系统能效和响应速度。建议关注其算法模型在多目标约束下的求解逻辑，以优化能源管理系统（EMS）的控制策略。