找到 24 条结果 · Applied Energy
液冷式质子交换膜燃料电池热管理策略综述：温度调节与冷启动
A review on thermal management strategy for liquid-cooling proton exchange membrane fuel cells: Temperature regulation and cold start
Hongye Sua · Haisong Xua · Lei Wanga · Zhiyang Liu 等5人 · Applied Energy · 2025年9月 · Vol.393
有效的热管理策略对于优化质子交换膜燃料电池（PEMFC）的性能和耐久性至关重要。本文对液冷式PEMFC的热管理策略进行了系统性综述，重点聚焦于温度调节与冷启动运行两个方面。首先，介绍了PEMFC在高于和低于冰点温度下的基本热特性，随后概述了热系统模型的离线与在线辨识方法。接着，针对PEMFC热系统固有的非线性和耦合特性，以及内部和外部多种干扰的存在，从四个角度对各类温度控制策略进行了回顾与分类：（1）探究最佳运行温度与PEMFC整体性能之间的关系；（2）管理多输入多输出冷却系统中的耦合效应；（3...
解读: 该燃料电池热管理技术对阳光电源氢能储能系统及电动汽车充电解决方案具有重要借鉴价值。文中温度调控策略(模型驱动、数据驱动、自适应控制)可应用于ST系列储能PCS的热管理优化,降低冷却系统寄生功耗,提升系统效率。多输入多输出耦合控制方法与阳光VSG虚拟同步机技术理念契合,可增强系统鲁棒性。冷启动快速预热...
面向大负载波动质子交换膜燃料电池系统的控制导向热管理策略
Control-oriented thermal management strategies for large-load fluctuation PEM fuel cell systems
Yuhan Li · Zhifeng Zheng · Yangge Guo · Xiaojing Cheng 等8人 · Applied Energy · 2025年8月 · Vol.392
摘要 热管理控制对质子交换膜燃料电池（PEMFC）的性能与耐久性具有重要意义。在大负载波动工况下，由于系统具有强非线性和时变时滞特性，热管理控制面临巨大挑战。为此，本文采用串级内模控制（IMC）方法，结合电流前馈控制，以提升宽范围负载变化下的跟踪性能及对时滞扰动的鲁棒性，同时降低系统时滞影响。此外，提出了一种针对恒温器和风扇的双内环串级IMC结构，以进一步增强系统鲁棒性，并引入改进型Smith预估器以改善时滞扰动的抑制能力。首先通过阶跃响应测试和白噪声扰动测试分别评估所提出控制策略的响应速度与鲁...
解读: 该燃料电池热管理控制技术对阳光电源氢能业务拓展具有重要参考价值。文中提出的级联内模控制(IMC)与电流前馈结合策略,可应用于公司充电桩及储能系统的热管理优化,特别是ST系列PCS在大功率波动场景下的温控精度提升。双内环级联IMC与改进Smith预估器的鲁棒性设计思路,可借鉴至SG逆变器的宽温度范围运...
参数优化与新型双电机耦合扭矩矢量驱动系统的多模式运行
Parameter optimization and multi-mode operation of a novel dual-motor coupling torque vectoring drive system for electric vehicles
Changyang Guan · Junnian Wang · Tianhui Zheng · Qikai Wang 等6人 · Applied Energy · 2025年7月 · Vol.389
摘要 近十年来，电动汽车（EVs）发展迅速，近年来对高性能电动汽车的研发尤为关注。然而，电驱动系统在驱动性能与效率之间的矛盾尚未得到充分解决。为提供一种潜在的解决方案，本文通过探索双电机驱动单元中可能最优的动力耦合构型，提出了一种新型双电机耦合扭矩矢量驱动系统（DCTVD）。相应地，基于DCTVD的多模式运行能力，本文提出并详细讨论了一种参数优化方法、驱动模式切换控制策略以及扭矩矢量控制策略。在应用上述方法与策略后，通过仿真验证了DCTVD的节能潜力。典型行驶工况循环测试结果表明，相较于传统的单...
解读: 该双电机耦合扭矩矢量驱动技术对阳光电源电动汽车动力系统产品线具有重要借鉴价值。其多模式运行与参数优化方法可应用于我司电机驱动控制器开发,通过模式切换策略提升驱动效率10-15%。扭矩矢量控制算法可集成至充电桩与车载OBC系统的功率分配优化中。多物理场耦合仿真方法论与我司PowerTitan储能系统的...
基于联邦强化学习的多连接混合动力汽车集成热能与能量隐私保护管理
Privacy-preserving integrated thermal and energy management of multi connected hybrid electric vehicles with federated reinforcement learning
Arash Khalatbarisoltani · Jie Han · Muhammad Saee · Cong-zhi Liu 等5人 · Applied Energy · 2025年5月 · Vol.385
摘要 深度强化学习（DRL）算法在针对预定义驾驶循环下开发单个混合动力电动汽车（HEV）最优能量管理策略（EMS）方面已展现出优异的性能。然而，在该研究领域中，热负荷及热管理（TM）的影响常被忽视。此外，HEV可能面临未见过的驾驶模式，从而影响EMS的整体性能。连接型HEV（C-HEV）提供了有前景的解决方案，但仍存在隐私、安全和通信负载等问题。本文提出一种基于联邦强化学习（FRL）的新型集成热能与能量管理（ITEM）方法，旨在实现多个C-HEV之间的通用化策略。该框架能够在拓展多环境学习能力的...
解读: 该联邦强化学习架构对阳光电源充电桩及储能系统具有重要价值。其隐私保护的分布式学习机制可应用于iSolarCloud平台,实现多站点充电桩协同优化而无需上传敏感数据。热管理与能量管理集成策略可迁移至ST系列PCS的温控优化,通过多储能站点联合学习提升功率变换效率和电池热管理性能。云端-边缘协同架构与阳...
第 2 / 2 页