清洁环保的燃料电池混合动力有轨电车近年来受到极大关注,其高效的能量管理方法对混合动力系统性能起到至关重要的作用。传统等效氢耗最小化方法的荷电状态(state of charge,SOC)平衡系数通常采用恒定值,而有轨电车在大功率峰值需求和...清洁环保的燃料电池混合动力有轨电车近年来受到极大关注,其高效的能量管理方法对混合动力系统性能起到至关重要的作用。传统等效氢耗最小化方法的荷电状态(state of charge,SOC)平衡系数通常采用恒定值,而有轨电车在大功率峰值需求和减速制动过程中,恒定的SOC平衡系数不能满足瞬时等效氢耗最小的指标要求,并且在未知有轨电车工况条件下最优SOC平衡系数无法确定。针对上述问题,建立基于燃料电池/锂电池的混合动力有轨电车动力系统模型,并通过分析SOC平衡系数与氢耗特性,提出一种基于运行模式和动态混合度的等效氢耗最小化能量管理控制方法。该方法通过划分有轨电车运行模式,分析不同运行模式下SOC平衡系数与瞬时氢耗的关系,在此基础上提出基于运行模式和动态混合度的等效氢耗瞬时优化方法。结合有轨电车典型工况,搭建RT-LAB实时仿真平台,开展有轨电车能量管理系统实时仿真,并与传统等效氢耗最小化方法进行对比分析。结果表明,所提出的能量管理方法能够根据有轨电车工况的实时变化而自动分配需求功率,并在不同初始SOC的情况下,满足等效氢耗量最小的性能指标要求,提高整车燃料经济性。展开更多
为解决有轨电车用燃料电池电堆系统（fuelcellstack system,FCSS）故障分类问题,提出基于多分类相关向量机（multi-class relevance vector machine,m RVM）和模糊C均值聚类（fuzzy C means clustering,FCM）的有轨电车用FCSS故障诊断...为解决有轨电车用燃料电池电堆系统（fuelcellstack system,FCSS）故障分类问题,提出基于多分类相关向量机（multi-class relevance vector machine,m RVM）和模糊C均值聚类（fuzzy C means clustering,FCM）的有轨电车用FCSS故障诊断新方法。该方法利用FCM形成标准聚类中心,采用m RVM对测试样本实现多分类,能有效剔除奇异数据并提高模型分类正确率。实例分析表明,所提方法可快速识别氢气泄漏、去离子水加湿泵低压、空气压力过低和正常共4种健康状态,分类准确率可达96.67%,为有轨电车用FCSS在线故障诊断研究提供参考。展开更多
文摘清洁环保的燃料电池混合动力有轨电车近年来受到极大关注,其高效的能量管理方法对混合动力系统性能起到至关重要的作用。传统等效氢耗最小化方法的荷电状态(state of charge,SOC)平衡系数通常采用恒定值,而有轨电车在大功率峰值需求和减速制动过程中,恒定的SOC平衡系数不能满足瞬时等效氢耗最小的指标要求,并且在未知有轨电车工况条件下最优SOC平衡系数无法确定。针对上述问题,建立基于燃料电池/锂电池的混合动力有轨电车动力系统模型,并通过分析SOC平衡系数与氢耗特性,提出一种基于运行模式和动态混合度的等效氢耗最小化能量管理控制方法。该方法通过划分有轨电车运行模式,分析不同运行模式下SOC平衡系数与瞬时氢耗的关系,在此基础上提出基于运行模式和动态混合度的等效氢耗瞬时优化方法。结合有轨电车典型工况,搭建RT-LAB实时仿真平台,开展有轨电车能量管理系统实时仿真,并与传统等效氢耗最小化方法进行对比分析。结果表明,所提出的能量管理方法能够根据有轨电车工况的实时变化而自动分配需求功率,并在不同初始SOC的情况下,满足等效氢耗量最小的性能指标要求,提高整车燃料经济性。
文摘为解决有轨电车用燃料电池电堆系统（fuelcellstack system,FCSS）故障分类问题,提出基于多分类相关向量机（multi-class relevance vector machine,m RVM）和模糊C均值聚类（fuzzy C means clustering,FCM）的有轨电车用FCSS故障诊断新方法。该方法利用FCM形成标准聚类中心,采用m RVM对测试样本实现多分类,能有效剔除奇异数据并提高模型分类正确率。实例分析表明,所提方法可快速识别氢气泄漏、去离子水加湿泵低压、空气压力过低和正常共4种健康状态,分类准确率可达96.67%,为有轨电车用FCSS在线故障诊断研究提供参考。
