基于等效因子的Q学习燃料电池汽车能量管理策略

为提高燃料电池混合动力汽车（FCHEV）燃料经济性以及维持蓄电池能量平衡,该文提出了基于等效因子的Q-learning算法的能量管理策略。构建等效耗氢量最小与维持蓄电池荷电状态（SOC）平衡的目标函数,建立FCHEV动力源能量流转化平衡模型,通过能量转化平衡机理得到耗氢量的等效因子;在城市循环+全球轻型汽车测试循环（UDDS+WLTC）工况下,对需求功率的转移概率矩阵进行求解,利用Q-learning算法离线优化燃料电池和蓄电池的输出功率;基于MATLAB/Simulink平台建立了前向仿真模型,进行整车性能的仿真试验。结果表明：在WLTC循环工况下,该策略的100 km等效耗氢量为0.730 kg,接近基于动态规则（DP）控制策略的耗氢量,且SOC保持在合理的范围内,验证了该策略的有效性;在西宁市实际工况下,验证了本文所提控制策略的适应性。     

新能源汽车生命周期内减碳关键技术的研究

随着全球变暖导致的自然灾害愈演愈烈,碳中和作为减少二氧化碳排放的重要手段逐渐被人们重视。新能源汽车作为节能环保的重点,在减少碳排放中发挥重要作用。针对碳中和背景下如何降低新能源汽车碳排放问题,从新能源汽车全生命周期的视角,对纯电动汽车的动力电池能量密度、能量管理策略和再生制动能量回收,燃料电池汽车的氢气获取、电催化剂和能量管理策略,混合动力电池汽车的机电耦合技术、能量管理策略和制动能量回收方向,对具体减碳技术进行了综述。