استراتژی مدیریت انرژی یکپارچه با روش تطبیق پارامتر، سلسله مراتبی برای خودروی هیبریدی الکتریکی پلاگین تقسیم نیرو با توجه به پیش بینی سرعت

در این مقاله، یک استراتژی مدیریت انرژی سلسله مراتبی برای دستیابی به توزیع بهینه انرژی در وسایل نقلیه الکتریکی هیبریدی پلاگین با تقسیم الگوریتم مدیریت انرژی به دو لایه پیشنهاد شده است. بین دو لایه کنترل، یک روش جدید پیش بینی سرعت و مبتنی بر تحول موجک و یک شبکه عصبی تابع اساس شعاعی برای تحقق پیش بینی دقیق سرعت خودرو معرفی شده است. برای ساده سازی مسئله، از یک روش بهینه سازی درجه دوم برای یافتن مسیر بهینه حالت شارژ (SOC) در لایه فوقانی استفاده می شود و زمان محاسبه را می توان در 400 میلی ثانیه به حداقل رساند. کنترل پیش بینی مدل به طور همزمان در لایه پایین ایجاد می شود تا به مدیریت انرژی محلی و سریع بر اساس سرعت پیش بینی شده و مسیر حرکت برنامه ریزی شده SOC برسد. نتایج شبیه سازی نشان می دهد که روش پیشنهادی می تواند دقت پیش بینی سرعت را افزایش داده و با سرعت محاسبه سریع، مصرف سوخت را بهبود بخشد.سیستم ذخیره انرژی هیبریدی باطری- خازن باطری )HESS( یک نامزد قابل اعتماد برای غلبه بر اشکالات یک سیستم منبع تغذیه واحد به دلیل ویژگی های مکمل نیرو و انرژی در استفاده از پلاگین هیبریدی در خودروی الکتریکی است. این مقاله، یک روش استراتژی مدیریت انرژی یکپارچه، که شامل سه لایه است، برای توزیع توان بسته های باطری و بسته های فوق خازنی ارائه شده است. ابتدا، یک روش تطبیق پارامتر HESS تحت چرخه های مختلف رانندگی با اهداف بهینه سازی هزینه و وزن توسعه داده می شود. دوم، الگوریتم تبدیل موجک سه سطحی )WT( برای جداسازی اجزای فرکانس مختلف تقاضای برق استفاده شده است. اجزای فرکانس پایین با گذرا و شارپ کمتر در تقاضای برق با افزایش طول عمر باطری تأمین می شوند، در حالی که یک خازن فوق العاده اجزای فرکانس بالا را بخاطر ویژگی های خوب و قدرت ویژه بالا برآورده می کند. سرانجام، کنترل منطق فازی برای مدیریت جریان برق بین اجزای مختلف برای تضمین عملکرد HESS استفاده می شود. نتایج شبیه سازی نشان می دهد که در مقایسه با استراتژی مدیریت انرژی مبتنی بر WT، روش پیشنهادی همیشه می تواند جریان باطری را در حد C2 کنترل کرده و مصرف انرژی را در حدود 54.6 ٪ کاهش دهد.

کلیدواژه ها:

استراتژی مدیریت انرژی یکپارچه و سلسله مراتبی ، پیش بینی سرعت ، شبکه عصبی ، تبدیل موجك ( WT ) ، کنترل منطق فازی ، سیستم ذخیره انرژی هیبریدی ، وسایل نقلیه الکتریکی پلاگین ، خازن فوق العاده.