找到 3 条结果 · Applied Energy
基于混合储能系统与工况识别的电动拖拉机多目标能效管理优化
Multi-objective optimization for energy-efficient management of electric Tractors via hybrid energy storage systems and scenario recognition
Qiang Yu · Xionglin He · Yongji Chen · Zihong Jiang 等8人 · Applied Energy · 2025年1月 · Vol.391
摘要 电动拖拉机的推广应用面临诸多挑战，包括动力系统对多样化作业工况的适应性，以及能量效率与电池寿命的优化问题。本文提出一种用于电动拖拉机的混合储能系统（HESS）架构，并设计了一种基于犁地作业场景识别的多目标能效管理策略（EMS）。该策略首先利用实际犁地作业数据构建电动拖拉机模型及犁地工况循环（POC）。采用K均值聚类与主成分分析（PCA）进行离线工况分类，同时引入多层感知器神经网络（MLPNN）实现在线实时场景识别。此外，开发了一种多策略改进型黑翅鸢算法（MSIBKA），以高效求解自适应功率...
解读: 该混合储能系统(HESS)技术对阳光电源ST系列储能变流器及PowerTitan系统具有重要参考价值。论文提出的多目标能量管理策略,通过超级电容承担65%峰值功率、降低电池C-rate超10%,与阳光电源储能PCS的功率分配优化理念高度契合。场景识别与自适应功率分配算法可应用于充电桩产品,提升电池寿...
基于改进长短期记忆网络与数据驱动预测控制的电动汽车能量管理
Energy management of electric vehicles based on improved long short term memory network and data-enabled predictive control
Bin Chen · Guo He · Lin Hu · Heng Li 等7人 · Applied Energy · 2025年1月 · Vol.384
摘要 作为混合储能系统（HESS）电动汽车中一种流行的能量管理策略（EMS），模型预测控制（MPC）易受现有参数建模方法在模型精度和参数敏感性方面的影响。本文提出了一种基于分层数据驱动预测控制的新型EMS。上层采用优化的长短期记忆（LSTM）网络进行轨迹预测，从而为下层获取具有成本效益的负载功率需求。在下层，针对HESS提出了一种数据驱动预测控制（DeePC）方法，以实现电池与超级电容器之间的最优功率分配，并最小化电池容量衰减。与传统的MPC不同，DeePC基于仅从HESS的输入-输出数据构建的...
解读: 该分层数据驱动预测控制技术对阳光电源储能系统具有重要应用价值。论文提出的DeePC方法无需精确参数建模,仅依赖输入输出数据即可实现电池-超级电容混合储能的最优功率分配,相比传统MPC降低运行成本22.68%。该技术可直接应用于ST系列PCS的能量管理策略优化,通过LSTM网络预测负荷需求,结合Dee...
一种基于神经网络的高效图像处理方法用于透明质子交换膜燃料电池中的水量化
An efficient neural-network-based image processing method for water quantification in a transparent proton exchange membrane fuel cell
Sai-Jie Cai · Mu-Chen Wang1 · Jun-Hong Chen · Zhuo Zhang 等6人 · Applied Energy · 2025年1月 · Vol.382
水管理和热管理对质子交换膜燃料电池的性能至关重要。本文设计了一种活性面积为25 cm²的透明单电池，用于在不同工况下表征水分布特性。在电池的设计与组装过程中，该方案克服了电池密封方面的技术挑战。通过神经网络对不同运行条件下录制的视频进行逐帧分析，实现了液态水的量化。为了进行对比分析，采用了阈值处理方法，并详细讨论了其优缺点。利用基于阈值处理结果生成的包含137帧的高质量训练集对神经网络进行训练。本研究探讨了温度、电压以及流场结构设计对水积累的影响。基于神经网络的语义分割方法在复杂工况下表现出优异...
解读: 该神经网络图像处理技术对阳光电源储能系统热管理具有重要借鉴价值。ST系列PCS和PowerTitan储能系统运行中的温度监测与水汽管理是关键挑战,文中基于语义分割的实时监测方法可应用于电池簇热失控预警。透明化设计理念启发iSolarCloud平台开发视觉诊断模块,通过热成像与AI识别实现储能柜内异常...