基于安时法的磷酸铁锂电池荷电状态校正

针对安时法估算磷酸铁锂电池荷电状态面临的校正问题,根据开路电压的回稳过程提出开路回升电压法对电池的荷电状态进行补充校正。通过试验确定温度校正因子和电流校正因子,用当量回升电压来补充校正磷酸铁锂电池的荷电状态,克服单纯的开路电压法校正磷酸铁锂电池荷电状态的不足,增加对磷酸铁锂电池荷电状态进行准确校正的可能性。从总体上提高磷酸铁锂电池荷电状态的估算精度,为电池管理系统的控制策略提供理论依据。     

无轨电车用锂离子电池管理系统的研究

为了配合锂离子电池在无轨电车上的应用,提出了一种针对无轨电车运行环境的锂电池管理系统,能够对车载电池进行故障诊断、分级报警和优化充电．本文主要分析了无轨电车环境下电池运行模式的特点,针对原有铅酸电池的使用和管理问题,提出了更加优化合理的锂离子电池使用方法和控制策略,就电池的故障分级、电池荷电状态（SOC：State of Charge）估算、电池有效利用容量区间、充电电流的计算方法进行了深入研究,提出了多种特殊处理方法,较好配合了锂离子电池在无轨电车上的安全高效使用．     

基于等效模型扩展卡尔曼滤波锂电池SOC估算

电池管理系统(BMS)的主要任务是对电池荷电状态(SOC)、续航里程和防止电池过充过放等进行实时诊断,其中电池荷电状态的快速精确的估计是BMS的核心技术。基于锂电池这一动态非线性系统,提出了一种更接近于真实的、改进的PNGV电池等效模型;基于改进的PNGV电池等效模型,对比了卡尔曼滤波算法(KF)和扩展卡尔曼滤波算法(EKF)诊断电池荷电状态的实验结果;分析了扩展卡尔曼滤波算法诊断的实验误差。研究表明:采用扩展卡尔曼滤波算法对电池荷电状态进行诊断得到的结果更加精确,其误差能够一直保持在5%以内。     

电-氢孤岛直流微电网的分层能量管理

为了实现电-氢混合储能微电网的控制与运行，提出一种该类孤岛直流微电网的全天候能量管理方法，在满足负载需求功率、控制母线电压的基础上，将微网多余电能向化学能及氢能转化，且将储存的能量通过燃料电池及蓄电池适时运用于微网功率缺额的情况；通过对各电源、负载设备DC/DC变换器控制以及管理层的协调控制，实现了该系统的能量管理；基于MATLAB/Simulink软件平台，验证了该文能量管理方法的有效性. 研究结果表明:电-氢微电网在运行过程中母线电压波动幅度小于0.33%，远小于5.00%的运行要求；锂电池等效荷电状态及储氢罐等效荷电状态初末值变化幅度分别为4.0%和0.2%，储能系统运行稳定；该能量管理方法能够在保持电-氢系统稳定运行的前提下，无需外界提供额外能量即可确保该系统的全天候正常运行.      

电动汽车磷酸铁锂电池组能量均衡控制系统的研制

课题研制的磷酸铁锂电池能量均衡系统,采用XE164和XC878作为主从机的控制核心,以LTC6802-1作为电池电压采集控制核心。开发了充电、放电以及静态的能量均衡控制算法,设计了基于电感储能的无损式均衡电路。样机实验结果表明,该均衡系统较好地实现了电池充电过程的能量均衡、电压监控与电池管理以及保护等功能,具有较高的均衡效率。     

基于ABP-EKF算法的锂电池SOC估计

电池荷电状态(state of charge,SOC)的准确估计是电动汽车合理实施电池管理的前提条件和重要依据.针对目前电动汽车对动力电池SOC估计精度的不断提高这一问题,利用联合估计法对锂电池SOC进行研究.基于Thevenin电池模型与修正的安时积分算法,推导出了锂电池的输出方程以及状态空间模型,通过采集实验过程中的相关数据并应用递推最小二乘法对电池模型参数作出辨识.分析了扩展卡尔曼滤波(EKF)算法以及自适应BP神经网络算法的原理,联合两种算法并在此基础上提出了自适应BP-EKF算法(ABP-EKF).运用所提出的算法对锂离子电池SOC进行联合估计,最后通过对比ABP-EKF与EKF两种算法估计锂电池SOC的数据,研究结果表明:所提出ABP-EKF算法相比于EKF算法在均值误差项与均方根误差项分别减少了3.9％和3.79％.     

���ڶ�������Ķ�Ӧ�������ź����ȿ����о�

本文对不同进口方向的多辆应急车辆在同一时段内通过同一信号交叉口的协调控制问题进行研究,提出一种基于多智能体的多应急车辆信号优先控制系统.在该系统中引入了相位智能体和管理智能体,同时采用模糊推理理论实现各类智能体的内在逻辑,以及模块之间的协调机制.基于Starlogo多智能体仿真软件,针对特定十字交叉口的多应急车辆优先信号协调控制案例进行仿真实验.结果表明,多应急车辆信号优先控制策略能实现应急车辆在交叉口时间通行权上的优先,同时能够减少应急车辆对其他车辆的干扰,对于提高城市范围内的紧急救援效率,具有一定的实用价值.     

基于动态规划算法的增程式电动汽车能量管理策略优化

提出了一种动态规划改进算法, 根据约束条件确定未来可达状态序列, 通过计算离散状态点间的转移代价, 在保证求解精度的同时, 降低了离线优化计算量; 利用改进动态规划算法设计了增程式电动汽车能量管理策略, 根据能量管理优化问题特点, 建立了动力系统模型和适用于全局优化求解的系统状态方程, 并确定了以动力电池荷电状态为系统状态量和增程器发电功率为系统控制量; 在迭代计算过程中, 将发动机燃油费用和动力电池电能费用之和作为目标函数, 构建了基于北京主干道不同行驶里程仿真工况, 得到了驱动电机需求功率最优分配结果; 提取了增程器启停状态与动力电池荷电状态和驱动电机需求功率二者之间的控制规则, 利用最小二乘法对增程器功率分流比与驱动电机需求功率的分布规律进行拟合, 建立了基于优化规则的能量管理策略。仿真结果表明: 对于行驶里程为100km的仿真工况, 动态规划改进算法计算时间为7 239s, 与经典动态规划算法相比计算效率提高了78.2%;基于优化规则的能量管理策略能够获得类似动态规划改进算法的控制效果, 2种控制策略的动力电池荷电状态误差小于2.5%;相比实车电能消耗-电能维持型控制策略, 基于优化规则的控制策略能够使整车经济性提高5.4%, 使燃油经济性提高7.9%。      

基于自抗扰解耦的电力电子牵引变压器整流级直接功率控制

【目的】为改善电力电子牵引变压器（PETT）整流级在传统dq电流解耦双闭环控制下抗干扰能力差、对参数变化敏感、谐波含量高等问题。【方法】通过对直接功率控制（DPC）的解耦方式进行改进,提出了一种无需系统角频率和电感参数基于自抗扰控制（ADRC）的功率解耦控制器。最后,在Matlab/Simulink中搭建模型进行不同工况的仿真分析。【结果】仿真结果表明新型控制策略较传统控制策略网侧电流THD值减少5.38%,等效电感突变时电压跌落值减少48 V,电压频率偏移时电压跌落值减少14 V,新型控制策略在负载突变和负载不平衡工况下具有较好的平衡控制效果。【结论】该控制器通过解耦实现了有功功率和无功功率精确且独立的控制。仿真结果验证了所提控制策略的合理性与有效性。     

锂离子电池组均衡系统

为了提高锂离子电池组的可用容量,降低电池组中单体电池间容量不一致的影响,在专用电池管理芯片BQ76PL536A-Q1和单片机MSP430F5529的基础上,设计稳定运行的锂离子电池组均衡系统。利用模块化思想将锂离子电池组均衡系统分为采集板和核心板两大部分。通过实时监测锂离子电池组的放电和均衡过程,对均衡系统的电压采集精度、电压监测和均衡功能进行验证。试验结果表明,锂离子电池组均衡系统能够降低电池组中容量不一致的程度,确保电池组稳定工作。     

新型光伏锂电无均衡管理储能发电系统

提出了一种新型光伏锂电储能系统拓扑结构.在该结构中,光伏电池与锂离子电池单体之间通过控制单元实现能量耦合,通过光伏电池与锂离子电池单体之间的结构耦合,实现锂离子电池的无均衡管理（NBCM）.对该拓扑结构进行了仿真和实验验证,实验结果表明,该光伏锂电储能模组能够在以欠压浮充为投切判据的控制单元工作模式下,实现光伏电池近似MPPT工作的同时,能有效地对锂离子电池进行充放电;与肖特基二极管近似直连相比,通过MOSFET以近似直连的方式耦合选定工作电压的30 W光伏电池与锂离子电池能够提升模组能量效率约8%,在独立运行和并网运行光伏储能发电系统中均可应用.      

面向多用户类的拥堵和排放收费方案研究

研究表明在城市交通运行管理中,通常难以实现同时缓解交通拥堵和减少排放的目标.实施道路拥堵收费方案可以有效地管理用户的出行需求,从而减缓交通拥堵,但未必能减少尾气总排放.本文面向多用户类,分别包括不同时间价值的用户(多时间价值用户)和不同车型的用户(多车型用户),通过建立同时考虑拥堵和排放的双目标优化模型,证明多用户类无论基于时间成本准则或者费用成本准则选择路径,都存在一种有效的道路收费方案使帕累托有效流达到用户均衡的状态,实现同时减缓交通拥堵和降低排放的目标.     

基于多智能体的有限时间一致性迭代学习控制

针对多智能体系统的迭代学习一致性控制问题,提出一种基于有限时间算法的控制策略.首先引入虚拟领导者,利用有限时间算法处理前次迭代时各智能体与虚拟领导者间的跟踪误差,以提高误差收敛速率;在此基础上构造一种新的有限时间迭代学习律,改进后的学习律使系统误差收敛所需迭代次数显著减少;然后利用应用图论、李亚普洛夫稳定性理论证明了该学习律在有限时间内的稳定性,基于范数理论得到了学习律的收敛条件;最后通过Matlab数值仿真结果验证了本文方法的有效性.     

竞争环境下航班舱位控制博弈模型

分析了中国航空市场的特点,以定义不同票价等级下各航空公司所提供的座位数为决策变量,舱位容量为约束条件,各家航空公司收益最大化为多目标函数,构建竞争环境下中国航空公司舱位控制的博弈模型,利用拉格朗日乘数法求解各航空公司最优低价票数,并以此来确定均衡舱位.仿真试验表明:各家航空公司舱位控制策略相互制约且能够达到均衡状态,但受到旅客需求随机性的影响,在12 000次的仿真试验中达到均衡的概率为12.68%,达不到均衡的概率为87.32%,因此,这种均衡是动态的且实现机率较低,结论与实际相符,模型切实可行.     

考虑博弈的多智能体强化学习分布式信号控制

交通需求的不均衡和波动会增加分布式信号控制优化的难度. 由于现有独立动作的多智能体强化学习(IA-MARL)仅基于自身的历史经验做出决策，基于IA-MARL的分布式信号控制难以及时缓解交通需求不均衡和波动的影响. 本文融入博弈论的混合策略纳什均衡概念，改进IA-MARL的决策过程，提出考虑博弈的多智能体强化学习(G-MARL)框架. 在采用带有泊松到达率的道路网络流量不均衡输入的格子网络中，分别对基于IA-MARL 和GMARL 的分布式控制方法进行数值模拟，获取单位行程时间和单位车均延误曲线. 结果显示，与IA-MARL相比，G-MARL在单位行程时间和单位车均延误方面分别改善59.94%和81.45%. 证明G-MARL适用于不饱和且交通需求不均衡和波动的分布式信号控制.     

基于LSTM的电池组工作状态预测

运用长短期记忆神经网络（LSTM）对电池的电压、电流、荷电状态（SOC）进行预测。考虑驾驶行为对电池组工作状态的影响,确定了含加速度、车速、电压、电流、SOC在内的多参数LSTM模型;根据中国亿维新能源车辆云平台数据,采用Adam优化算法完成对LSTM模型的训练、测试与预测。结果表明：多参数LSTM模型可有效预测电池的SOC和电压变化状态,电流均方误差由14.848%降到3.192%。     

基于快速一致性的微电网分布式控制策略

在微电网传统下垂控制中,针对系统负荷变化时所引起的频率波动及功率分配不合理的问题,提出了一种基于快速一致性的分布式控制策略.该策略以下垂控制为基础,增加了二次频率控制层和三次功率控制层.采用多智能体快速一致性算法,收敛得到平均功率,计算出所需的全局变量,补偿频率偏差,使各分布式电源按备用功率比例分担系统增加的负荷,并修正下垂系数,恢复系统频率、电压稳定以及进行功率的最优分配.最后,通过Matlab/Simulink仿真软件搭建了4节点微电网模型,验证并分析了该控制策略的有效性,使收敛时间缩短了近40%,提高了系统的响应时间.     

横向互联空气悬架多智能体减振器系统博弈控制

为进一步改善横向互联空气悬架车辆的行驶平顺性和操纵稳定性, 基于多智能体理论和合作博弈Shapley值原理构建多智能体减振器控制系统; 多智能体减振器控制系统由信息发布智能体、平顺性智能体、操稳性智能体和博弈协调智能体组成, 其中信息发布智能体从环境中获取车辆状态信息, 根据下层智能体的信息需求传递信息, 平顺性智能体接收悬架动行程及其变化率信息, 根据平顺性控制要求, 输出自身的阻尼系数意图, 操稳性智能体接收当前互联状态信息触发对应的推理模块, 根据车身侧倾角信息求解需求的阻尼系数, 其中推理模块是通过对遗传算法优化出的阻尼系数进行模糊神经网络自学习形成的, 博弈协调智能体接收平顺性智能体与操稳性智能体的阻尼意图, 根据自身的合作博弈规则, 对阻尼意图进行修正, 输出全局最优阻尼系数; 在不同互联状态、不同激励条件下进行空气悬架静、动态特性试验研究, 并将试验结果与仿真结果进行对比, 验证仿真模型的准确性; 在混合工况下, 利用整车仿真模型验证多智能体减振器控制系统的可行性和有效性。研究结果表明: 和传统减振器阻尼控制系统相比, 多智能体减振器控制系统能有效地使簧载质量加速度均方根值降低14.95%, 悬架动行程均方根值降低10.64%, 车身侧倾角均方根值降低12.33%。提出的多智能体减振器控制系统改善了车辆行驶平顺性和乘坐舒适性, 并且能够抑制车身的侧倾, 提高整车的操纵稳定性。      

多用户多模式多准则随机用户均衡模型

在网络中存在多类用户和多种模式,每一类用户按照出行时间和出行费用2个准则共同选择模式和路径,且不同模式间阻抗的相互影响满足对称条件的前提下,建立了多用户多模式多准则的随机用户网络均衡模型,用一个等价最小凸规划公式来表示这一混合均衡状态,并证明了所构建的数学规划公式与基于Logit的随机用户均衡条件的等价性,进一步证明了模型最优解的存在性和惟一性条件.最后用一个简单算例表明了所构建的模型的正确性和可行性.     

插电式四驱混合动力汽车控制策略设计及优化

为有效识别驾驶员的驾驶意图,在保障插电式四驱混合动力汽车动力性的基础上,提高其燃油经济性,提出了一种转矩识别系数计算方法,设计了基于发动机输出转矩最优能量管理控制策略,讨论了每种工作模式的判别条件以及转矩分配方法.为避免单一优化算法运算时间长、容易陷入局部最优的固有缺陷,使用优拉丁超立方的方法进行试验设计,利用径向基函数神经网络(radial basis function, RBF)建立近似模型,使用多岛遗传算法对近似模型进行了优化.研究结果表明:对优化后的控制策略进行离线仿真得出,混合动力汽车在满足动力性能的前提下,百公里油耗降低了16.4%;将优化后的控制策略在dSPACE上进行硬件在环试验表明,所制定的控制策略,可以实现基本的能量管理,且加入转矩识别之后平均车速误差降低了39.9%,百公里油耗降低了8.5%.