基于混合方法的电动汽车能量管理：POWER-SONIC蓄电池-超级电容复合储能系统研究
2026-07-04 10:40:27 点击： 次
本文提出了一种用于办理能量办理的混合技能，该体系适用于混合储能体系（HESS），例如电池, 超级电容器(SC)与电动轿车(EV)集成充电技能。所提出的混合办法融合了纳米布甲虫优化算法(NBO)与量子神经网络(QNN)技能，一般称为NBO-QNN办法。该能量办理技能可下降EV功耗并最大化电池寿数。QNN经过预测和协调供电量与荷电状况来满意负载需求。EV能量办理体系选用NBO算法完成输出电压调节、参考值生成及继续电流调控。更高能量密度电池与功率密度SC满意车辆需求。选用带DC-DC降压改换器的不可控整流器平衡充电并保证能量传输。所提技能根据MATLAB渠道完成，其功能与现有办法进行了比照。HESS功能经过将其与现有体系进行比照评估。研讨标明，所提出的战略下降了主次源应力，进步了充电单元功能，并延伸了电池寿数。此外，NBO-QNN技能在协作搜索算法（CSA）、潜在语义剖析（LSA）和蚱蜢优化算法（GOA）等现有办法中均展现出更优功能。该办法在所有现有协作搜索算法（CSA）、潜在语义剖析（LSA）和蚱蜢优化算法（GOA）办法中均显示出最佳输出。结果标明，根据THD值的NBO-QNN办法所得数值低于现有办法。
导言
近年来，轿车工业范畴出现了一个明显改变，行将电动轿车(EV)作为可继续且环保的交通办法[1]。这一改变首要源于对气候变化、空气污染及化石燃料干涸问题的关切[2]。全球各国政府、企业及个人均已认识到从内燃机轿车转向电动轿车的重要性[3]。电动轿车的现状标明其正阅历快速增长并继续扩展市场渗透率[4]。全球电动轿车销量继续攀升，首要轿车制造商正对EV技能进行很多投资，并不断扩展其电动轿车产品线[5]。
此外，电池技能的前进明显进步了电动轿车（EVs）的功能与续航路程，有用缓解了潜在购车者的首要顾虑之一。电动轿车的重要性不只限于个人交通范畴[6]。交通运输行业是温室气体排放的重要来源，而电动轿车的遍及对于下降二氧化碳排放、应对气候变化具有关键作用。更重要的是，电动轿车具备分散式储能与电网整合的潜力，可以促进可再生动力的接入，然后构建更具可继续性的动力生态体系[7]。为下降电池老化本钱并进步燃料经济性，近期研讨人员聚集于探究改进型混合储能体系（HESS）在插电式混合动力轿车（PHEVs）中的应用，并开宣布结合电池组、内燃机（ICE）和超级电容器（SC）的新式PHEV动力体系架构[8,9]。插电式混合动力轿车(PHEV)经过将电池与超级电容(SC)并联至直流母线，为驱动电机(DM)供给动力。实验结果标明，选用混合储能体系(HESS)能明显延伸电池寿数并下降车辆运营本钱[10]。此外，HESS还被用于进步燃料电池电动轿车(FC EV)的动态功能[11]。燃料电池(FC)、蓄电池和超级电容储能设备共同构成了动力体系架构[12]。超级电容经过下降电池体系作业压力，既能进步车辆加快功能，又可供给辅佐动力。该技能明显进步了车辆加快功能，一起延伸了电池与燃料电池的使用寿数[13]。HESS技能的应用为改进PHEV经济性与动态功能展现了广阔远景[14]。但是该体系面对重大应战：需实时分配各动力源间的功率需求[15]。这一应战被称为能量办理(EM)问题[16]。
Ramasamy等[17]开发了一种高效办理插电式混合动力轿车(PHEV)电池、集成充电单元与超级电容器储能体系的办法。该办法将梯度进步决策树算法(GBDT)与水母搜索(JS)优化器相结合，形成JS-GBDT混合办法。经过组合高功率密度与高能量密度电池-超级电容器体系(SC)以满意车辆需求。Li等[18]研讨标明，选用混合储能体系(HESS)可进步PHEV整体经济性，经过优化能量办理(EM)战略充分使用HESS的储能容量，然后明显进步PHEV的综合经济效率。
考虑到驾驭循环明显影响电动轿车中由电池和超级电容组成的混合储能体系（HESS）的能量办理战略（EMS）功能及抱负功率分配，胡等[19]开发了一种根据自适应小波改换-含糊逻辑操控（FLC）的能量办理体系。该体系选用动态模式识别（DPR）技能，经过聚类研讨对前史驾驭数据的样本窗口特征进行驾驭循环分类，并使用模式识别来判定当时驾驭模式。张等[20]则提出了一种实时操控计划，将能量办理（EM）作为操控中心，成功完成了上述方针。该计划根据小波改换、神经网络和含糊逻辑操控（FLC）构建。小波改换有用分离了符合电池与超级电容器特性的负载功率频率分量。Yang等[21]开发了两种根据混合储能体系（HESS）的能量办理计划，可下降燃料费耗费并延伸电池使用寿数。针对增程式电动轿车（EREV）的两种HESS能量办理技能，可用于减少汽油耗费并优化电池能量流动。其中辅佐动力单元（APU）选用根据规矩的一级与二级分层能量办理战略（EMS），而HESS则运用根据规矩的能量办理战略。Fu等[22]研制了搭载燃料电池、蓄电池和超级电容器的混合动力电动轿车。为进步动力寿数、动力功能与燃油经济性，需选用根据低通滤波器和等效燃油耗费最小战略（ECMS）的分层能量办理体系。
为研讨电动轿车能量办理，已有多种混合储能体系（HESS）组合计划被选用。该体系的中心优势在于进步储能容量。针对动态读档特性，研讨选用了超级电容器（UC）与燃料电池（FC）的混合装备，在扩展储能规划的一起优化体系功能。但是，该组合存在核算复杂度高、本钱贵重的缺点。而超级电容器（SC）与电池的组合计划则有用克服了上述缺乏。曩昔数十年间，学界提出了多种电动轿车能量办理战略（EMS）技能，其中含糊逻辑操控（FLC）与遗传算法（GA）是两类代表性办法。含糊逻辑操控器（FLC）在非线性操控体系中的首要优势在于其低本钱特性，它可以完成高效规划并下降核算量。但是FLC的缺乏在于规矩构建过程耗时，需求更强的机器学习才能，且神经网络模型辨识与含糊操控的稳定性是关键问题。遗传算法（GA）则具有多范畴适用性、耗时更短以及取得最优解概率更高等长处，但其劣势在于会引入额外复杂度。近期研讨中应用了多种根据混合储能体系（HESS）的电动轿车操控优化办法。但是，现有优化办法尚难以建立电动轿车混合储能体系的最佳能量办理战略（EMS）计划。因此，进步电动轿车混合储能体系的EMS功能需求探究潜在战略。尽管文献中提出了很多解决计划，但可视化研讨尚未产生明显成效。这些应战与缺点正是推进本研讨开展的中心动因。
本研讨的贡献在于提出了一种混合技能，用于办理电动轿车中超级电容、电池等混合储能体系（HESS）的能量办理及集成充电问题。该作业的立异性体现在将无性向优化算法（NBO）与量子神经网络（QNNs）相结合以优化HESS输入参数。经过集成NBO算法生成HESS可能输入参数的数据集，随后使用该数据集训练QNN，然后完成对HESS抱负输入参数的预测。该操控办法的首要优势在于能明显下降电池峰值电流，一起保证超级电容（SC）电压维持在预设范围内。NBO-QNN办法对SC电压、电池电流幅值及其波动、电池功率均进行了优化。本办法根据MATLAB渠道完成，其功能与现有协作搜索算法（CSA）、潜在语义剖析（LSA）以及蝗虫优化算法（GOA）进行了比照验证。NBO-QNN办法进步了充电设备的功能性，减轻了主次动力的压力，并延伸了电池寿数。