基于强化学习和路况信息的燃料电池汽车能量管理策略

为提升整车经济性和耐久性,提出了一种基于强化学习和路况信息的燃料电池汽车能量管理策略。首先,根据关键部件参数搭建了动力系统模型,并根据城市道路工况特征在VISSIM软件中搭建交通模型并提取了车辆行驶数据及路况数据。其次,将路况数据作为输入,利用长短期记忆神经网络对车速进行预测。最后,基于强化学习算法,将预测车速、加速度以及动力电池荷电状态作为输入,燃料电池系统功率作为输出进行能量管理策略的设计。仿真结果表明,所提策略的百公里氢耗量与动态规划策略相比仅相差1.27%,且燃料电池系统的平均功率波动降低了5.01%,因此可有效提升整车的经济性和耐久性。     

质子交换膜(PEM)燃料电池变载过程动态模型

该文通过建立等效电路模型研究质子交换膜(PEM)燃料电池动态变载过程的电压响应。将电池内部发电过程等效为电压源,将电池内部的活化极化损失、Ohm极化损失和浓差极化损失分别等效为活化损失电阻、Ohm损失电阻和浓差损失电阻。建立数学模型,利用Matlab对燃料电池的变载过程的电压动态响应进行模拟仿真,并将仿真结果与单片电池试验结果进行了对比。结果表明:模型计算结果与试验结果有较好的吻合,验证了模型的准确性和可行性。利用该模型进行了大幅度变载过程电压响应预测,观察到了加载过程电压的下冲现象和电压的反极现象。该模型可用于PEM燃料电池各种变载工况电压响应的预测,也可为各种控制模块模型设计提供参考。