2. 嘉庚创新实验室,福建 厦门 361102
2. Tan Kah Kee Innovation Laboratory, Xiamen 361102, China
作为大宗商品的主要运载工具,船舶运输具有经济性好、运输容量大和环保高效的重要优势[1 - 2]。但随着全球贸易发展带来对能源需求的不断增长,航运领域逐渐面临严重的能源供应不稳定和排放污染等能源安全或环境问题[3]。为应对这一严峻且紧迫的挑战,各国纷纷追求开发和利用新型清洁能源以满足船舶行业对能效优化的需求[4]。
传统船舶通常使用电机等设备驱动推进,但受限于电机功率与转速等因素,推进功率有一定局限性。氢燃料电池技术作为新一代清洁发电技术,凭借其高效能、零排放、低噪声以及便携性等特点被视为动力推进领域最有前景的绿色能源解决方案,可广泛应用于航运领域[5]。但尽管燃料电池具备清洁、高效和耐用等优点,其响应速度慢、输出特性较软、难以单独启动且难以应对不稳定负载工况下负载瞬变需求,因此常需要配合辅助电源。船用混合动力系统具有高度非线性,由于涉及到的设备数量多,对多目标系统综合能效协调与优化带来了一定挑战[6 - 7]。同时,与常规陆上用电设备不同,船舶在航行期间通常属于孤岛运行,容易面临极端的海上天气状况,工作环境恶劣,维修难度高,因此对供电系统稳定性与可靠性要求非常高[8]。为达到节省柴油消耗和降低环境污染的双重目标,需开发经济、有效、科学的燃料电池复合系统能量管理(Energy Management Strategy, EMS)策略以实现功率和效率的最优管控,提升系统综合性能。据此,以燃料电池为主,搭配锂电池、超级电容器或铅酸电池等其他储能电源作辅助电源的混合动力系统应运而生[9 - 10]。
船舶离靠港时功率变化大、正常巡航时功率需求相对稳定,在进出港变工况时会从极大功率到零功率之间快速频繁变化,紧急制动时需系统满功率快速动态响应;在巡航期时负载功率情况稳定,控制系统的变载调控压力小,只需维持锂电池SOC在目标范围内、燃料电池稳定运行即可。燃料电池和锂离子电池的协同应用需要精密的能源管理策略,在不考虑温度的影响下,这一策略的核心在于合理分配燃料电池和锂离子电池的输出功率,充分考虑它们不同的特性以匹配系统最优输出[11 - 12]。当燃料电池无法迅速应对瞬态负载变化时,锂离子电池迅速提供电能支持;反之,当燃料电池产生过多电能时,锂离子电池可以存储多余能量,这样可以最大程度地减少氢气消耗并提高混合动力系统效率,减轻燃料电池负担,确保系统具备良好的动态响应性,并减轻船舶频繁启停等负载波动的不稳定工况对燃料电池的不利影响,降低电堆损害或电池寿命缩短的可能性,同时提升系统运行的稳定性和可靠性。
目前,关于燃料电池混合动力系统的能量管理策略已在Matlab/Simulink中进行了广泛的仿真研究[13]。另外,日本Tamagawa[6]开发了一款SOFC-光伏混合动力电动汽车,其可在阳光充足和不足时分别使用太阳能转换成电能驱动电动机或给SOFC通入氢气发电;古启鑫等[14]将光伏技术应用于热电联供系统,模拟了太阳能耦合燃料电池进行热电联产的系统;王振等[15]将燃料电池与锂离子电池并联,开发了一套适用于大功率船型的混合动力方案;朱子文等[16]用LabVIEW搭建并测试模拟实验平台;王博斐等[17]详细介绍了基于控制目标的氢-电混动系统能量管理策略;徐菱翌等[5]对基于规则和优化智能算法的控制策略进行了相关总结。
鉴于目前很少有在不同能量管理策略下对系统运行情况进行直观性的对比研究,本文旨在建立燃料电池混合动力系统的模拟实验平台,以验证不同能源管理策略对系统经济性和可靠性的影响,为高效且合理的能源管理系统开发提供真实可靠的验证思路。
1 原理与方法 1.1 燃料电池混合动力模拟系统组成结构本文采用模块化方法搭建实验平台,以多台高功率双向电源(艾德克斯)、燃料电池(FCS3000)和锂离子电池(BSS2000)仿真软件为基础,使用大功率燃料电池模拟器、燃料电池专用直流转换器(DC/DC)、高功率锂离子电池模拟器、电子可调直流负载以及基于STM32的嵌入式单片机能量管理控制系统建立了燃料电池混合动力系统的模拟实验平台。
在系统中,大功率双向电源模拟真实燃料电池的输出,燃料电池专用升压DC/DC模块用于燃料电池模拟器的放电功率管理,高功率双向电源模拟真实锂离子电池的充放电工作,高功率电子可调负载模拟直流电机的运行。能量控制系统采用嵌入式单片机,通过CAN通讯与各部件进行交互,实时监测CAN总线传递的信号进行数据分析和计算,为能量管理控制系统提供必要的运算数据。
设备连接方面,燃料电池模拟器通过串联燃料电池专用DC/DC升压器与直流母线相连,而锂离子电池模拟器则直接接入直流母线以平稳供电。通过DC/DC变换器,燃料电池的输出电压可以升高到与锂离子电池及母线电压相匹配,以满足稳定输出电压的需求。
1.2 燃料电池混合动力模拟系统模块建立 1.2.1 燃料电池模拟器模块燃料电池模拟是整个系统的核心组成部分,燃料电池模拟器的关键在于准确反映燃料电池的伏安特性。通过燃料电池极化曲线仿真软件,结合大功率电源能够精确模拟燃料电池堆的极化特性曲线,可代替实际燃料电池系统满足高功率燃料电池的模拟需求。
实际运行中,燃料电池堆的真实输出电压受外部负载条件的影响,由于内部极化反应,随着负载电流的增大,燃料电池的输出电压会降低[18 - 19]。图1为1个
![]() |
图 1 燃料电池伏安特性曲线 Fig. 1 Voltage-current characteristics curve of fuel cells |
燃料电池专用升压DC/DC模块旨在提高燃料电池的输出电压,优化其输出特性以与母线电压相匹配,满足负载的功率需求[20 - 21]。该DC/DC模块是能量管理系统中的重要器件基础,其输出功率采用恒流输出模式控制。输出电压与母线电压匹配,并由嵌入式单片机进行输出电流限制控制,从而限制DC/DC模块的整体输出功率,确保燃料电池的输出受控。
本燃料电池专用升压DC/DC模块为深圳中新电通公司2 000 W推挽式直流升压变换器,型号为ZXDD202C2-FN,直流电压输入范围25~75 V,单路直流输出0~120 V。内部自带单片机与监控单元通信,机内参数可通过CAN接口由上级监控单元设定或调节,满足燃料电池功率限制的需要。混合系统母线额定电压为51.2 V,燃料电池输出电压范围为36~53 V,额定输出功率为
电池模拟软件根据基本电池参数设置可快速生成电池特性曲线,提供便捷的电池曲线模拟功能。此外,在实际系统应用中,该锂离子电池模拟器能够根据负载状态的变化,在充电和放电之间灵活切换,迅速响应,实现充电状态和放电状态的无缝切换,更真实地模拟电池的物理特性输出。
本实验锂离子电池为无锡派瑞得公司的一组磷酸铁锂锂离子电池组,型号L48050-AV001-L,采用单个电压3.2 V容量50 Ah的磷酸铁锂电芯,单个电池组为16串电芯串联结构,系统额定总电压为51.2 V,额定总容量为2.56 kW·h,尺寸规格为525 mm×160 mm×140 mm,其恒流充放电曲线如图2所示。燃料电池混合动力系统模拟中直接调用该型号磷酸铁锂离子电池的实验数据设置模拟器的参数。
![]() |
图 2 锂离子电池的电化学性能 Fig. 2 Electrochemical performance of the Li-ion battery |
微控制单元(Microcontroller Unit,MCU)可以根据不同的应用需求组合完成不同的控制功能。在模拟实验平台中,需要一款高性能、低功耗的MCU来作为能量管理系统的控制主体进行数据分析。本实验选择STM32F103ZET6芯片作为燃料电池混合动力系统的控制核心,可以实现高速数据采集和控制指令的发送等功能。
2 能量管理策略为利用燃料电池复合动力系统可以同时减少燃料消耗和改善系统动态性能的优势,对比研究不同能量管理策略在燃料电池和锂电池之间功率分配时所体现出的经济性和差异性[22]。
目前的能量管理策略主要分为基于规则的EMS和基于优化的EMS[23 - 24]。其中,基于规则的EMS包括燃料电池开关策略、状态机控制策略、功率跟随控制策略和模糊逻辑控制策略;而基于优化的EMS可分为基于全局优化的EMS和基于瞬时优化的EMS。但基于全局优化的EMS只能进行离线计算,而基于瞬时优化的EMS难以实现全局求解,因此本文重点以基于规则的EMS中的2种经典控制策略−燃料电池开关策略和模糊逻辑策略为主要研究对象,搭建配套实验平台进行实测验证与性能对比。
2.1 燃料电池开关策略燃料电池开关策略是一种简单且易于实施的控制方法。通过使用锂离子电池SOC作为控制变量,调整燃料电池的运行状态,有效地管理锂离子电池的充放电,以保持SOC在安全限制范围内,确保锂离子电池有足够的能力来处理电能需求的峰谷变化[25]。同时,燃料电池采用恒定功率输出控制保持稳定的功率输出,使其一直运行在高效工作点[26]。这种策略充分考虑了燃料电池的动态响应较慢和输出特性较软的特点,有效地解决了燃料电池无法应对瞬态高功率负载变化的问题,确保了燃料电池混合动力系统的安全、可靠和高效运行。
2.2 模糊逻辑策略模糊逻辑控制的核心包括模糊逻辑控制器、模糊化、规则库、模糊推理和清晰化4部分,通过合理设计模糊控制器来优化能量管理系统控制结果[27 − 29]。模糊逻辑控制的模型建立自由度高,通过非精确型模型可以控制复杂的非线性系统[30]。其基本原理在于将输入变量模糊化处理,然后将经过处理的模糊输入量映射到规则库中,根据相应的规则进行模糊推理,最终得出模糊集合。随后,经过清晰化处理,将模糊量转化为清晰量,再转化为实际的控制量以对被控对象进行控制,最终输出所需的结果[31]。
模糊逻辑控制的关键在于使用逻辑语言设定因果逻辑关系,其规则的设计通常基于特定需求,具体规则如表1所示,部分参数引自相关文献[26]。控制器输入锂离子电池SOC和负载功率P_Load两个变量,然后根据需求来输出燃料电池功率参考值P_FC。其中,划分锂离子电池SOC为VL、L、M、H、VH等5个模糊集合;划分负载功率P_Load为SL、VL、L、M、H、VH、SH等7个模糊集合;燃料电池功率参考值P_FC也分为SL、VL、L、M、H、VH、SH七个模糊集合,这些模糊集合分别描述了不同状态下的值,并通过应用隶属函数和模糊规则来完成功率分配。
![]() |
表 1 模糊规则 Tab.1 Fuzzy rules |
燃料电池混合动力系统模拟实验平台结合了锂离子电池模拟器的动态负载响应和燃料电池模拟器的稳定供能能力来实现对负载的持续稳定输出。如图3所示,前40 s内,燃料电池为锂离子电池提供稳定的500 W充电功率;接下来的40~300 s期间,电子可调负载迅速从0变化到2 500 W,锂离子电池瞬间提供额外的能量以满足负载需求,母线电压在锂离子电池放电的过程中略有波动;在300~350 s期间,随着负载功率的减小,锂离子电池停止向负载供电,同时吸收燃料电池产生的多余能量。这一系列实验验证了模拟实验平台在面对负载大幅波动的情况下的稳定输出和动态响应能力,为不同能量管理策略的开发和测试提供了支持。
![]() |
图 3 混合动力模拟系统瞬态响应曲线 Fig. 3 Transient response curve of hybrid power simulation system |
在燃料电池混合动力系统模拟实验中,搭建由燃料电池模拟器和锂离子电池模拟器组成的混合动力系统,在典型船舶工况下,对2种不同能量管理策略进行性能评价,验证不同控制策略的经济性和可靠性。具体模拟实验参数如表2所示。
![]() |
表 2 模拟实验参数 Tab.2 Simulation experiment parameters |
不同初始电池SOC条件对于不同能量管理策略的影响如图4所示。实验表明,燃料电池混合动力系统分别在燃料电池开关策略和模糊逻辑策略的管控下均能有效实现能量管理与分配,满足负载动力需求。在负载需求波动明显的入港和离港阶段,锂离子电池能够有效补偿负载功率峰值,发挥了调峰功能;而在巡航期,负载功率变化不大,仅维持系统重要部件正常运行,这时燃料电池的多余能量可以用于充电,实现了对锂离子电池的能量补充。然而,在不同策略下,整个系统的稳定性和经济性存在明显差异。在不同初始SOC条件下,模糊逻辑控制策略表现出不同的燃料电池输出能力:初始SOC越低,燃料电池的输出功率越高,锂离子电池的输出功率越低,导致模糊逻辑控制策略在不同SOC条件下的工作效率存在显著差异。
![]() |
图 4 2种策略分别在不同初始SOC下燃料电池和锂离子电池的输出功率对比图 Fig. 4 Comparison of the output power of fuel cells and Li-ion batteries under different initial SOC illustrated in two strategies |
系统的总氢耗量是评估能量管理策略经济性的关键指标[32]。考虑电池在经历3次典型船舶工况循环后所使用的能量后,计算将电池充电至初始SOC所需的等效氢耗可以准确地得出等效总氢耗,该值是燃料电池的氢耗与电池使用能量的等效氢耗之和,用以公平地比较不同能量管理策略下整个系统的氢耗水平和整体效率。同时为了评价燃料电池输出功率的波动程度,判定不同EMS对燃料电池的稳定性的影响,定义燃料电池输出功率的波动程度F为[26]:
F=∑t0|ΔP|P0。 | (1) |
式中:t为采样窗口时间长度;ΔP为燃料电池单位时间的功率差值;P0为燃料电池额定功率。F值越小,说明燃料电池输出功率越平滑,稳定性越好,工作寿命越长。
燃料电池混合动力系统的等效氢耗、系统工作效率、燃料电池输出功率波动度F、锂离子电池剩余SOC数据在不同初始SOC条件和2种不同的能量管理策略管控下结果如表3所示。2种策略对动力电池的利用程度各不相同,主要反映在剩余锂离子电池SOC上,其中模糊逻辑控制策略在不同初始SOC下表现出对锂离子电池的使用程度明显不同。在系统工作效率方面,燃料电池开关策略在相同初始SOC下均优于模糊逻辑策略,在30%初始SOC下最大提高了4.9%,在90%初始SOC下系统效率最高为50.9%。
![]() |
表 3 不同初始SOC下2种策略的测试对比 Tab.3 Comparison of testing for two strategies under different initial SOC |
从图4和表3可知,燃料电池开关策略相较于模糊逻辑控制策略具有更小的燃料电池输出功率平滑度。
图5是连续进行3次船舶典型工况循环后,不同控制策略下系统的总氢耗量和锂离子电池SOC的变化情况。锂离子电池在经历整个船舶典型工况后SOC仍保持在合理范围内,未超过锂离子电池的限制阈值。
![]() |
图 5 两种策略分别在不同初始SOC下系统等效氢耗和锂离子电池SOC的对比图 Fig. 5 Comparison pictures of system equivalent hydrogen consumption and Li-ion battery SOC under different initial SOC for two strategies |
在系统等效氢耗量方面,燃料电池开关策略与模糊逻辑控制策略之间的最大差异出现在30 %初始电池SOC时,而在90 %初始电池SOC下的氢消耗量则差异不大:模糊逻辑控制策略和燃料电池开关策略系统等效氢燃料的总消耗量在30 %初始SOC时分别为13.68 g和12.31 g,在60 %初始SOC时分别为12.86 g和12.28 g,在90 %初始SOC下分别为12.25 g和12.21 g。与模糊逻辑控制策略相比,燃料电池开关策略在30 %、60 %和90 %初始SOC下分别降低了1.37、0.58和0.04 g,从而系统经济性分别提高了10 %、4.5 %和0.3 %。经分析,燃料电池开关策略在不同初始电池SOC下表现出更低的氢消耗量是因为其尽可能地从电池系统获取所需的负载功率。通过比较可知,燃料电池开关策略在确保系统可靠性的同时最大化了锂离子电池的利用程度,有效利用了混合动力系统中锂电池充放电效率高的特性,提高了氢燃料的经济性,改善了系统的整体可靠性。
4 结 语本文通过搭建一个包括燃料电池模拟器和锂离子电池模拟器等设备的燃料电池混合动力系统模拟实验平台,使用电子负载模拟电机运行,确保稳定、可靠的电力供应,满足船舶的安全航行需求。这个平台具备持续供能和快速响应的特点,适用于不同能量管理策略的研发和测试,为燃料电池混合动力系统的研究提供了可靠的验证工具。
在基于该实验平台进行的船舶典型工况测试中,两种不同能量管理策略均显示出可行性。但在船舶典型工况下,复合动力系统稳定运行的时长越久,燃料电池开关策略控制下的氢耗量越低,越有利于节约燃料气,提高系统的氢燃料经济性,综合提升率达3.5 %。为进一步优化燃料电池输出的稳定性和可靠性,保证燃料电池船舶混合动力系统高效运行,可在此基础上进行更多的性能优化工作。
[1] |
贺亚鹏, 严新平, 范爱龙, 等. 船舶智能能效管理技术发展现状及展望[J]. 哈尔滨工程大学学报, 2021, 42(3): 317-324. HE Y P, YAN X P, FAN A L, et al. Ship intelligent energy efficiency management technology development status and prospect[J]. Journal of Harbin Engineering University, 2021, 42(3): 317-324. |
[2] |
王凯, 胡唯唯, 黄连忠, 等. 船舶智能能效优化关键技术研究现状与展望[J]. 中国舰船研究, 2021, 16(1): 181-192+199. WANG K, HU W W, HUANG L Z, et al. Research status and prospect of key technology of ship intelligent energy efficiency optimization[J]. Chinese Journal of Ship Research, 2021, 16(1): 181-192+199. |
[3] |
WANG K, YAN X P, YUAN Y P, et al. Real-time optimization of ship energy efficiency based on the prediction technology of working condition[J]. Transportation Research Part D-Transport and Environment, 2016, 46: 81-93. DOI:10.1016/j.trd.2016.03.014 |
[4] |
王新. 氢能燃料电池的成本分析与效益研究[J]. 储能科学与技术, 2023, 12(6): 2040-2041. WANG X. Cost analysis and benefit study of hydrogen fuel cells[J]. Energy Storage Science and Technology, 2023, 12(6): 2040-2041. |
[5] |
徐菱翌, 苌国强, 李世安, 等. 船舶燃料电池混合动力系统的研究现状及进展[J]. 舰船科学技术, 2022, 44(17): 96-100. XU L Y, CHANG G Q, LI S A, et al. Research on status and progress of hybrid power systems for marine fuel cell[J]. Ship Science and Technology, 2022, 44(17): 96-100. DOI:10.3404/j.issn.1672-7649.2022.17.019 |
[6] |
SHEN M H. Solid oxide fuel cell-lithium battery hybrid power generation system energy management: A review[J]. International Journal of Hydrogen Energy, 2021, 46(65): 32974-94. DOI:10.1016/j.ijhydene.2021.07.130 |
[7] |
徐超, 范立云, 陈晨, 等. 船舶混合动力推进系统多目标优化研究[J]. 船舶工程, 2023, 45(9): 79-87. XU C, FAN L Y, CHEN C, et al. Multi-objective optimisation study of hybrid propulsion system for ships[J]. Ship Engineering, 2023, 45(9): 79-87. |
[8] |
周荔丹, 许健, 姚钢, 等. 船舶综合能源管理系统研究综述[J]. 电力系统保护与控制, 2022, 50(13): 171-186. ZHOU L D, XU J, YAO G, et al. Research on integrated energy management system for ships: A review[J]. Power System Protection and Control, 2022, 50(13): 171-186. |
[9] |
XU Y W, WU X L, ZHONG X B, et al. Development of solid oxide fuel cell and battery hybrid power generation system[J]. International Journal of Hydrogen Energy, 2020, 45(15): 8899-914. DOI:10.1016/j.ijhydene.2020.01.032 |
[10] |
AGUIAR P, BRETT D J L, BRANDON N P J J O P S. Feasibility study and techno-economic analysis of an SOFC/battery hybrid system for vehicle applications[J]. Journal of Power Sources, 2007, 171(1): 186-97. DOI:10.1016/j.jpowsour.2006.12.049 |
[11] |
陈旭冉, 郭燚. 燃料电池-锂电池混合动力船舶的能量管理优化[J]. 舰船科学技术, 2023, 45(7): 106-110. CHEN X R, GUO Y. Optimisation of energy management for fuel cell-Li battery hybrid ships[J]. Ship Science and Technology, 2023, 45(7): 106-110. |
[12] |
高建华, 刘永峰, 裴普成, 等. 温度波动对质子交换膜燃料电池的影响[J]. 可再生能源, 2017, 35(08): 1150-1155. GAO J H, LIU Y F, PEI P C. et al. Effect of temperature fluctuation on proton exchange membrane fuel cells[J]. Research Energy Resources, 2017, 35(08): 1150-1155. |
[13] |
裴宝浩, 周娟, 于蓬. 氢燃料电池动力技术在船舶动力能效改进的应用[J]. 舰船科学技术, 2022, 44(5): 97-100. PEI B H, ZHOU J, YU P. Application of hydrogen fuel cell power technology for ship power energy efficiency improvement[J]. Ship Science and Technology, 2022, 44(5): 97-100. DOI:10.3404/j.issn.1672-7649.2022.05.019 |
[14] |
古启鑫, 潘剑锋, 张倚. 基于TRNSYS的太阳能耦合燃料电池热电联产系统的模拟研究[J]. 可再生能源, 2022, 40(1): 41-47. GU Q X, PAN J F, ZHANG Y. Simulation study of solar coupled fuel cell cogeneration system based on TRNSYS[J]. Research Energy Resources, 2022, 40(1): 41-47. DOI:10.3969/j.issn.1671-5292.2022.01.007 |
[15] |
王振, 雷刚. 燃料电池和锂电池在船用领域的对比分析[J]. 船电技术, 2021, 41(2): 18-20+26. WANG Z, LEI G. Comparative analysis of fuel cells and lithium batteries in marine applications[J]. Marine Electric & Electronic Technology, 2021, 41(2): 18-20+26. |
[16] |
朱子文, 陈庆鹏, 陈世俨, 等. 基于LabVIEW的燃料电池船舶电力推进监控系统[J]. 舰船科学技术, 2023, 45(13): 100-104. ZHU Z W, CHEN Q P, CHEN S Y, et al. Fuel cell ship electric propulsion monitoring system based on LabVIEW[J]. Ship Science and Technology, 2023, 45(13): 100-104. DOI:10.3404/j.issn.1672-7649.2023.13.020 |
[17] |
王博斐, 肖浩哲, 李国豪, 等. 基于控制目标的氢-电混动系统能量管理策略综述[J]. 发电技术, 2023, 44(4): 452-464. WANG B F, XIAO H Z, LI G H, et al. Energy management strategies for hydrogen-electric hybrid systems based on control objectives: A review[J]. Power Generation Technology, 2023, 44(4): 452-464. |
[18] |
戴朝华, 史青, 陈维荣, 等. 质子交换膜燃料电池单体电压均衡性研究综述[J]. 中国电机工程学报, 2016, 36(5): 1289-1302. |
[19] |
皇甫宜耿, 石麒, 李玉忍. 质子交换膜燃料电池系统建模仿真与控制[J]. 西北工业大学学报, 2015, 33(4): 682-687. DOI:10.3969/j.issn.1000-2758.2015.04.027 |
[20] |
SMADI A A, KHOUCHA F, AMIRAT Y, et al. Active Disturbance rejection control of an interleaved high gain DC-DC boost converter for fuel cell applications [J]. Energies, 2019, 34(12): 12396−12406
|
[21] |
XIE W J, LUO W G, QIN Y X. Integrated DC/DC converter topology study for fuel cell hybrid vehicles with two energy sources [J]. World Electric Vehicle Journal, 2023, 57(2): 587−597.
|
[22] |
BASSAM A M, PHILLIPS A B, TURNOCK S R, et al. An improved energy management strategy for a hybrid fuel cell/battery passenger vessel[J]. International Journal of Hydrogen Energy, 2016, 41(47): 22453-22464. DOI:10.1016/j.ijhydene.2016.08.049 |
[23] |
PAGERIT S, ROUSSEAU A, SHARER P. Global optimization to real time control of HEV power flow: example of a fuel cell hybrid vehicle[C]//Worldwide Battery, Hybrid and Fuel Cell Electric Vehicle Symposium Exhibition, 2005.
|
[24] |
张钰凡, 马睿, 张羽翔, 等. 航空燃料电池推进系统能量管理策略研究综述[J]. 中国电机工程学报, 2023, 43(13): 5012-5025. ZHANG Y F, MA R, ZHANG Y X, et al. Energy management strategies for aviation fuel cell propulsion systems: A Review[J]. Proceedings of the CSEE, 2023, 43(13): 5012-5025. |
[25] |
HAJIZADEH A, GOLKAR M A J I J O E P, SYSTEMS E. Intelligent power management strategy of hybrid distributed generation system[J]. International Journal of Electrical Power & Energy Systems, 2007, 29(10): 783-795. |
[26] |
赵勇, 谢金法, 时佳威, 等. 考虑燃料电池耐久性的FCHV复合能量管理策略[J]. 现代制造工程, 2020(4): 70-76+158. ZHAO Y, XIE J F, SHI J W, et al. Complex energy management strategy for FCHV considering fuel cell durability[J]. Modern Manufacturing Engineering, 2020(4): 70-76+158. |
[27] |
董冰, 田彦涛, 周长久. 基于模糊逻辑的纯电动汽车能量管理优化控制[J]. 吉林大学学报(工学版), 2015, 45(2): 516-525. |
[28] |
TEKIN M, HISSEL D, PéRA M C, et al. Energy-management strategy for embedded fuel-cell systems using fuzzy logic[J]. IEEE Transactions on Industrial Electronics, 2007, 54(1): 595-603. DOI:10.1109/TIE.2006.885471 |
[29] |
RYU J, PARK Y, SUNWOO M. Electric powertrain modeling of a fuel cell hybrid electric vehicle and development of a power distribution algorithm based on driving mode recognition[J]. Journal of Power Sources, 2010, 195(17): 5735-48. DOI:10.1016/j.jpowsour.2010.03.081 |
[30] |
彭东恺, 朱礼斯, 韩金刚. 船舶燃料电池-蓄电池混合动力系统能量管理策略及仿真分析[J]. 系统仿真学报, 2014, 26(11): 2797-2802. |
[31] |
GAO D W, JIN Z H, LU Q C. Energy management strategy based on fuzzy logic for a fuel cell hybrid bus[J]. Journal of Power Sources, 2008, 185(1): 311-7. DOI:10.1016/j.jpowsour.2008.06.083 |
[32] |
张付军, 胡博睿, 张虹. 燃料电池增程式动力系统能量管理策略研究[J]. 北京理工大学学报, 2024, 44(1): 51-59. ZHANG F J, HU B R, ZHANG H. Study on energy management strategy of fuel cell add-on power system[J]. Journal of Beijing Institute of Technology, 2024, 44(1): 51-59. |