摘要：为了解决插电式混合动力汽车单一电池低比功率、无法响应暂态功率需求的问题,设计了电池和超级电容并联式复合储能系统。同时针对采用动态规划法优化负载电流分配时缺乏实时性的问题,利用不同驱动工况下动态规划优化的结果构成训练集进行训练,并综合GRU网络以及XGBoost算法,提出了一种Stacking集成学习框架下多模型融合的能量分配策略。仿真结果表明,与仅使用单一电池的储能系统相比,基于Stacking融合模型的实时能量分配系统在UDDS和US06两种循环工况下,电池峰值电流分别降低了48.7%和50.8%,有效削弱了电池的峰值电流,提升了电池的整体性能。

摘要：以并联式混合动力汽车(HEV)为研究对象,建立整车需求功率及动力系统模型,提出一种基于改进深度强化学习(DRL)的能量分配策略。通过改进DRL中的双延迟深度确定性策略梯度(TD3)算法,引入双重回放缓冲区,提出DRB-TD3算法以提升原算法的采样效率。设计了基于规则的约束控制器并嵌入到DRL结构中,以消除不合理的转矩分配。在UDDS行驶工况下,以基于动态规划(DP)的能量分配策略性能作为基准进行仿真实验。实验结果表明,与深度确定性策略梯度(DDPG)算法以及传统TD3算法相比,DRB-TD3算法收敛性能最佳,收敛效率分别提高了61.2%和31.6%;所提出的能量分配策略相比于基于DDPG和基于TD3的能量分配策略,平均燃油消耗分别降低了3.3%和2.3%,燃油经济性达到基于DP的95.2%,效果最佳,且电池荷电状态(SOC)能够保持在一个较好的水平,有助于延长电池的使用寿命。

摘要：为了提高插电式混合动力汽车的燃油经济性、降低污染物的排放,并解决插电式混合动力汽车单一动力电池低比功率、无法响应暂态功率需求的问题,设计蓄电池和超级电容并联的复合储能系统,采用带有滑动窗口的实时小波功率分配策略,并对滑动窗口长度进行选择。该功率分配策略将复合储能系统的需求功率分解成高频和低频两部分,超级电容接收高频分量,蓄电池接收低频分量,避免了高频分量对于蓄电池的冲击,提高了蓄电池的耐久性和可靠性。制定基于规则的控制策略,以整车燃油消耗量和污染物排放量为优化目标,利用多目标蜻蜓算法对相关控制参数进行优化。基于ADVISOR搭建含有复合储能系统的插电式混合动力汽车整车仿真模型,采用新欧洲行驶循环工况进行测试,并通过与带精英策略的非支配排序遗传算法进行对比,验证算法的有效性。研究结果表明:利用多目标蜻蜓算法优化后的车辆百公里燃油消耗平均降低了12.71%,污染物综合排放性能平均下降了10.05%;相对于优化前,发动机输出功率减少,电机输出功率增加,发动机和电机的工作效率均得到了显著提升;Pareto最优解的收敛性和覆盖范围优于带精英策略的非支配排序遗传算法,同时得到的多组Pareto最优解为整车设计和优化提供了更多选择。

摘要：针对风力发电复杂非线性系统,在输入受限情况下,研究风力机如何实现变风速运行下的最大风能捕获,使其工作在最佳功率曲线,以提高风能利用率,并探究多风力机的协同控制问题。建立风力发电复杂非线性系统的Hamilton模型,设计预置控制器实现风力机的最大风能捕获。基于非线性扇区法的饱和函数处理方法,设计一种无记忆状态反馈控制器,实现多风力机的协同控制。实验结果表明在变风速运行且输入受限的情况下,风力发电机组能保持在期望的转速下运行,既实现了变风速条件下的最大风能捕获,又实现了抗输入饱和情况下的多机组协同控制。