دسته بندی
|
پژوهش
|
فرمت فایل
|
doc
|
حجم فایل
|
3646 کیلو بایت
|
تعداد صفحات فایل
|
32
|
ترجمه مقاله بهینه سازی مدیریت انرژی و توان در خودروهای هیبریدی با باتری های سوختی همراه با آزمایش های تجربی
چکیده
خودروهای هیبریدی با پیل سوختی ارائه راندمان بالا و انتشار پایین گزها
را دارند که جایگزین مناسبی برای موتورهای احتراق داخل می باشند.
هیبریداسیون سوخت در خودرو به طور قابل توجهی شرایط اقتصادی را بهبود می
بخشد. اما بهره برداری از هیبریداسیون نیاز به یک استراتژی مدیریت انرژی
دارد و نیاز به طراحی مناسب بهینه ای از تقاضای قدرت از منبع قدرت می
باشد. در این مقاله با بهینه سازی توان توسط استراتژی مدیریت سوخت پیل
خودرو ،هردو خارج از خط و در زمان واقعی انجام می شود. تدوین جدید مشکل
بهینه سازی برای استراتژی زمان واقعی ارائه شده است. رویکرد جدید اجازه می
دهد تا بهینه سازی کنترلی بر بیش از مجموعه ای از چرخه رانندگی را در یک
بار داشته اشد و باعث بهبود استراتژی طراحی شده می شود. بهینه سازی زمان
واقعی به دو شکل اعمال می شود که یکی شامل کنترل کننده مبتنی بر pi که
مبتنی بر حداقل سه پارامتر بوده ویک کنترل کننده فازی را با 10 پارامتر
دارد. نتایج نشان می دهد که کنترل کننده PI فازی می تواند کنترل بهتری را
ارائه کند. حتی اگر دارای پارامترهای کمتری باشد. کنترل زمان واقعی توسط
شبیه سازی طراحی شده و سپس با آزمایش تایید شده است.
کلمات کلیدی:پیل های سوختی هیبریدی خودرو،استراتژی مدیریت انرژی و توان،بهینه سازی،اصل حداقل برگشت،کنترل فازی،اعتبار تجربی
1-مقدمه
سوخت خودروهای هیبریدی توسط سلول یا باتری با استفاده از دو منبع قدرت
مشخص می شود. یکی سیستم سلول سوختی FCS است که به عنوان قدرت اصلی از منبع
بوده ویکی باتری که به عنوان یک منبع کمکی می باشد. علاوه براین باتری موجب
بهبود قابل توجهی در اقتصاد سوخت با بهره برداری محدود از FCS است که با
راندمان بالا بوده و توسط فرایند ترمز کردن دوباره احیا می شود. علاوه
براین تقاضای توان برای FCS در حالی که باتری اختصاصا داده شده کمک می کند
تا به اوج قدرت برسد،در نتیجه FCS می تواند کوچکتر شود. استراتژی مدیریت
انرژی و سهم توان تعریف دو منبع قدرت در اینجا ارائه شده است. برای وسیله
نقلیه الکتریکی هیبریدی(HEV) هدف اصلی از هر گونه استراتژی مدیریت جهت به
حداقل رساندن مصرف سوخت است. در حالی که محدود کردن تنوع در روش های شارژ
باتری مورد نیاز می باشد. تحقیقات در رابطه با مدیریت انرژی را می توان از
برخوردهای متعارف خودروهای هیبریدی که براساسخودروهای احتراق داخل طراحی
شده اند،نشان دهنده طراحی و روش بهینه سازی است که می تواند در خودروهای
هیبریدی با پیل های سوختی (FCHV) سازگار باشد. در مقایسه با HEV
معمولی،مشکل بهینه سازی ساده برای FCHV وجود دارد. چراکه اولا بهره برداری
از FCS به احتمال زیاد می تواند مطلوب تر باشد. همچنین FCHVFCHV معمولا با
سیستم انتقال تک سرعته مجهز بوده ونیاز به بهینه سازی نسبت دنده حذف شده
دارد. استراتژی بهینه مدیریت انرژی و توان را می توان به هنگام چرخه
رانندگی به طور کامل شناخت که برای دریافت شرایط خارج از خط مطلوب می باشد.
برنامه نویسی پویا DP هنوز هم رایج ترین الگوریتم خارج از خط جهت بهینه
سازی برای HEV بوده وبرای ان تضمین جهانی مطلوب می باشد و بدون هرگونه فرصت
در ارتباط با سیستم های مدل خطی می باشد. با این حال DP معتقد است که نیاز
به زمان محاسبه طولانی وجود دارد. بهینه سازی در HEV به عنوان یک جایگزین
قابل توجه با عمل سریعتر نسبت به DP است،در صورتی که سیستم را بتوان با
مجموعه از مدل های دیگر توصیف نمود. در نتیجه دقت و صحت راه حل بهینه بستگی
به دقت انجام محاسبات دارد. حداقل بازگشت در ثانیه (PM) با موفقیت در
بهینه سازی مدیریت HEV اعمال شده است که در ان در مقایسه با DP بسیار سریع
است. با این حال PNP تنها شرایطی لازم برای بهینه سازی کلی اما با عدم
شرایطراضی کننده را دارد. بنابراین راه حل PNP ممکن است یک راه حل بین
المللی باشد. با این حال اگر راه حل PNP منحصر به فرد است،آنها را باید در
یک سطح جهانی مطلوب ارائه نمود. راه حل PNP منحصر به فرد تنها در صورتی است
که پارامترهای باتری براساس مدل مستقیم باتری SOC ثابت شده است. اشکال
خارج از خط قدرت بهینه استراتژی مدیریت را دارد که به شدت وابسته به چرخه
رانندگی بوده ودر نتیجه استراتژی بهینه بیش از یک چرخه رانندگی ممکن است که
با یک عملکرد ضعیف تر نسبت به آنها دیگر در زمان واقعی است. از این رو
طراحی بهینه نزدیک به زمان واقعی براساس استراتژِی مدیریت انرژی و توان است
و هنوز هم این مشکل باقی مانده و نیاز به پژوهش دارد. به حداقل رساندن
استراتژی مصرف معادل ECMS به عنوان یک زمان واقعی نزدیک به استراتزی بهینه
سازی است. با این حال عملکردعالی ECMS نیاز به وابستگی به چرخه پارامترهای
از پیش برنامه ریزی شده دارد. آن نشان داده شده است که می تواند به عنوان
ECMS در PNP در نظر گرفته شود. از انجا که مشکل در ارتباط با بهینه سازی
خارج از تکنیک های چرخه حساسیت است،سازگاری استراتژی آنلاین در این روش
ابداع شده اند که در ان به عنوان مثال آن اقتباس شده براساس الگوی رانندگی
به رسمیت شناخته شده می باشد و در چرخه رانندگی پیش بینی شده است. برنامه
نویسی پویا به صورت تصادفی نیز پیشنهاد شده است. که برای کاهش حساسیت چرخه
مطلوب در کنترل است. رویکرد دیگر با طراحی از زمان واقعی استراتزی بهینه
سازی استاتیک است که در ان یک شکل خاصی از کنترل زمان واقعی از پیش تعریف
شده وجود دارد و این بهینه سازی به صورت تحلیل یا عددی انجام شده است. به
عنوان نمونه کنترل زمان واقعی به عنوان یک تابع از تقاضای انرژی می باشد.
که به صورت فازی بوده است. زمانی که کنترل زمان واقعی در بیش از یک چرخه
رانندگی بهینه سازی شده باشد،پس از آن استحکام بیش از دگر چرخه های رانندگی
خواهد بود. در مقابل زمانی که چرخ رانندگی بسیاری از بهینه سازی های
متفاوت را داشته باشد،استحکم بیش از یک چرخه رانندگی تصادفی می تواند تضمین
شود. در این مقاله این ایده نشان داده شده است که کنترل زمان واقعی می
تواند بیش از مجموعه از رانندگی ها را در یک بار چرخه بهینه شده داشته
باشد. مقایسه بیندو شکل از کنترل زمان واقعی یعنی کنترل کننده PI براساس
کنترل PNP و یک کنترل کننده فازی است. نتایج شبیه سازی اعتبار آزمون را در
یک مقیاس کوچک نشان می دهد. ساختار مقاله به شرح زیر می باشد. مدل خودروی
استفاده شده در بخش 2 معرفی می شود. این مدل مورد استفاده برای محاسبه
تقاضای قدرت از ارزیابی چرخه رانندگی بوده است. در بخش 3 تقاضای توان کوچک
که متناسب با آزمون و مدل منبع قدرت ترکیبی است ارائه شده است. بهینه سازی
با استفاده PNP در بخش 4 انجام شده است. به یاد داشته باشید که مشکل از
زمان واقعی استراتژی مدیریت انرژیو توان است که در بخش 5 فرموله شده و دو
نوع کنترلکننده در ان اعمال شده است. یکی کنترل کننده PI مبتنی بر PNP و
دیگری کنترل کننده فازی است. اعتبار تجربی از شبیه سازی کار در بخش 6 ارائه
شده و است و نتیجه گیری در بخش 7 ارائه شده است.
چهارشنبه 3 آذر 1395 ساعت 09:57
دسته بندی
|
پژوهش
|
فرمت فایل
|
doc
|
حجم فایل
|
2412 کیلو بایت
|
تعداد صفحات فایل
|
31
|
ترجمه مقاله استراتژی مدیریت انرژی مبتنی بر بهینه سازی برای سیستم تولید برق هیبریدی باتری یا پیل سوختی
چکیده
در این مقاله استراتژی مدیریت انرژی EMS برای یک سلول سوختی هیبریدی در
وسیله نقلیه الکتریکی (FC-HEV) مورد بررسی قرار گرفته است. هدف از این
مقاله ایجاد اطمینان از تقسیم قدرت مطلوب بین سیستم پیل سوختی وباتری است
که با توجه به شرایط عملیاتی FCS می اشد. FCS یک سیستم چند فازی است که
اجرای پرانرژی را در شرایط عملیاتی به وجود می اورد. به عنوان
مثال،دما،رطوبت نسبی گاز،استوکیومتری گاز،فشار. تکنیک های خاص باید رسیدن
به بهترین عملکرد از FCS استفاده شود. در این کار،مدل آنلاین با استفاده از
شناسایی روش تطبیقی بازگشتی حداقل مربعات ARLS به دنبال یک تغییر در اجرای
FCS می باشد. سپس یک الگوریتم بهینه سازی براساسمدل به روز شده استفاده می
شود که جهت پیدا کردن بهترین کارایی و قدرت است. این فرایند در EMS مطلوب
جهت حداقل برگشت استفاده می شود. که برای یک FC-HEV می باشد. اثربخشی EMS
ارائه شده توسط مطالعات انجام شده در دو FSC با سطح تخریب مختلف نشان داده
می شود.
کلمات کلیدی:پیل سوختی،کنترل تطبیقی، اصل حداقل برگشت،شناسایی آنلاین،وسیله نقلیه
1-مقدمه
راه حل امیدوارکننده در تولید برق در خودروهای هیبریدی یا سیستم ثابت
سلول های سوختی است. FCS برای برنامه های کاربردی با پیل های سوختی با غشای
پروتونی تبادل سوخت کننده می باشد که این نوع پیل از نوع پلیمری بوده ودر
دمای پایین کار کرده وفشار را تحمل می کند. علاوه براین مصرف هیدورژن را
می توان با انرژی های تجدید پذیر مانند الکترولیز کردن وفرایندهای زیست
توده می توان برق منتشر شده در جهان را افزایش داد. در عمل دوام خوبی برای
PM-FC تضمین شده است. زمانی که پویایی بار آهسته می باشد. به تبع آن یک
بافر پر انرژی مانند باتری،ابرخازن،باید بین PEM-FC قرار می گیرد. و منجر
به برآورد سریع بار دینامیک جهت ارائه یک قدرت کششی در یک خودروی DC می
شود. به منزله انرژی بین دو منبع توزیع شده ،استراتژی مدیریت انرژی EMS
مورد نیاز است در تحقیقات دو کلاس از FC-HEV ها برای EMS تعریف شده است که
مبتنی بر شرایط و کنترل های بهینه سازی می باشد. در حالت مبتنی بر شرایط و
قوانین استفاده از تخصص قطعی به نظر می رسد و یا به صورت تطبیقی و یا پیش
بینی اشکال بوده و می تواند در سیستم های سازگار باشد. روش دوم براساس
بهینه سازی یک تابع هزینه است که اغلب معیار تعریف مصرف سوخت،بازده سیستم
یا قدرت سیستم است. فرودی و همکارانش توسعهاستراتژی های اتشافی و بهینه را
براساس نقشه کارایی ایستا و اعتبار آنها در زمان واقعی دارند. نتایج نشان
می دهد که کاهش تقسیم قدرت،مصرف هیدروژن افزایش یافته است. برنارد و
همکارانش طراحی یک EMS را به منظور حداقل برگشت به منظور کاهش مصرف هیدروژن
و انجام تحقیقات تجربی ارائه نموده اند که می تواند PNP براساس منطق فازی
تقسیم قدرت را انجام دهد. در اغلب موارد اشکال این استراتژی این است که
آنها در مدل های ثابت یه یک عامل بستگی دارند که با توجه به اعتبار انها می
باشند. در واقع PEM-FC یک سیستم چندبعدی است و اجرای پرانرژی را در شرایط
عملیاتی ارائه می کند که بستگی به درجه حرارت،رطوبت نسبی
گاز،استوکیومتریگاز و فشار دارد. بنابراین لازم است که این تغییرات در
شرایط عملیاتی در یک EMS کلی از سیستم ترکیبی باشد. دوراه برای شناسایی
عملکرد یک FCS وجود دارد که در زمان واقعی می باشد. اولین استفاده از
حداکثر استراتژی مانند حداکثر ردیابی نقطه توان MPPT می باشد. علاوه بر
تحقیقات انجام شده،نتایج در این موضوع در مورد PEM-FC وجود دارد. بنزونگ و
همکارانش یک الگوریتم MPPT را براساس افزایش آشفتگی طراحی نموده اند. بیزون
تعریف MPPT را با یک الگوریتم اافی به منظور بهبود سرعت ردیابی ارائه کرده
و آن را با یک نمایش شبیه سازی عددی ارائه می کند. گوا و-رونگ و همکارانش
یک الگوریتم MPPT را براساس تطبیق مقاومت و پیاده سازی آن برروی یک سیستم
انرژی هیبریدی طراحی نمودهاند. روش دوم استفاده از شناسایی آنلاین
پارامتریک در الگوریتم های بهینه سازی همراه است. با این حال این روش نیاز
به یک مدل PEM-FC دارد. یک بار دیگر می گوییم که این دو راه حل امکان پذیر
ایت . یک راه حل مستقیم که براساس رفتار PEM-FC در مدل های پیچیده نیز وجود
دارد. با این حال،طراحی می تواند فرایندهای دشوار وقت گیر را داشته باشد.
راه دیگر، استفاده از پارامترهای سازگاری آنلاین در مدل ها می بشد.
پارامترها بدون در نظر گرفتن برآورد نوسانات فیزیکی می باشد. میلر و
همکارانش مدل های ممکن برای شناسایی رفتار آنلاین یک FCS را بدست آوردند و
نتیجه گرفتند که بهترین نتایج با داده های مدل اورسیوم بود است. یانگ و
همکارانش استفاده زا یک مدل جهت تقلید از رفتار FCS را داشته اند و کنترل
را با آن انجام داده اند. در مطالعه ما،از روش دو مرحله ای استفاده می شود.
شناسایی الگوریتم با یک مدل نیمه تجربی از PEM-FC اعمال می شود. سپس در
این مدل برای بهینه سازی عملکرد از PEM-FC استفاده می شود. یک مدل نیمه
تجربی استفاده شده است. چرا که ارائه دهنده یک ارتباط بین معنای فیزیکی و
هزینه محاسبه است. روش دومرحله ای انتخاب شده است تا فعال کردن وآثار
آینده وشناسایی در مقابل چنین پارامترهای ورودی را داشته باشد. در این
مطالعه تنها یک پارامتر بهینه سازی شده است. مطالعات مختلفی پیشنهاد کمک در
مورد موضوع شناسایی آنلاین را با بهینه سازی FCS جهت پیدا کردن بهترین
عملکرد ارائه نموده اند. متکار و همکاراش توسعه کنترل تطبیقی FCS را با یک
مدل وینر و اعتبارسنجی عددی پیشنهاد نموده اند. دازی و همکارانش شبیه سازی
پیش بینی کنترل را برای تعیین حداکثر عملیات FCS ارائه نموده است. راموس و
همکارانش تعیین کنترل MPPT را در یک حلقه سخت افزاری بدست آورده است. ژن و
همکارانش انجام یک آزمایش را جهت اعتبار زمانی واقعی بهینه سازی یک FCS
اکسیدجامد ارائه نموده اند. پرووانی وهمکارانش یک آزمایش را برای دستیابی
به حداکثر بهره وری از PEM-FC ارائه نموده اند. در این مطالعه از کرووانی
وهمکارانش در روی یک مدل چند جمله ای بهره وری از PEM-FC کار نموده اند که
به دنبال بهترین بهره وری با تنظیم متغیرهای کنترل بوده است. به طور
خلاصه،روش تقسیم قدرت بین این دو منبع در یک سیستم ترکیبی وجود دارد و روش
تحقیق به منظور تعیین بهترین عملکرد PEM می باشد. با این حال باید توجه
داشت که چند EMS وجود دارد که تقسیم قدرت در یک سیستم ترکیبی را داشته و
روش PEM-FC به دنبال آن است. این کار برروی یک مطالعه تجربی قبلی انجام شده
است که در ان نشان داده شده است که یک الگوریتم تعیین عملکرد می تواند یک
مدل نیمه تجربی از PEM-FC را سازگار در زمان واقعی ارائه دهد. در مطالعه
دیگری،یک EMS تطبیقی براساس رفتار هیسترزیس اجرا شده است. در حال حاضر هدف
این مقاله ارائه یک EMS تطبیقی براساس حداقل برگشت (A-PNP) می باشد. هدف
ازاین استراتژی (A-PNP) رسیدن به تقسیم مطلوب قدرت بین دو منبع می باشد.
اما علاوه براین،ایناستراتژیA-PNP رسیدن به تقسیم قدرت مطلوب بین دو منبع
PEM-FC را دارد. اما علاوه برآن ،این استراتژی تغییر در حداکثر قدرت و بهره
وری را دارد که با توجه به تخریب PEM-FC است. تاکید خاصی در عامل رانش
پارامتر با استفاده از دو ر مختلف با سطح تخریب متفاوت ارائه شده است. از
طریق این آزمون،نقشه دو PEM-FC در آزمایش بدست می آید. یکی از PEM-FC تا
حدود 20 ساعت عملیاتی سالم می باشد. در حالی که دومی تا 300ساعت کار
عملیاتی تخریب می شودکه در شکل های 1 و2 دیده می شود. همچنین این نقشه ها
اعتبار الگوریتم توسعه یافته را نشان می دهد. بقیه مقاله به شرح زیر می
باشد. در بخش دوم معماری از سیستم هیبریدی ارائه می شود. در حالی که در بخش
سوم EMS سه مرحله ای ارائه می شود. توصیف نتایج تجربی به دنبال بهینه سازی
در بخش 4 است و ارائه مطالعات اعتبار سنجی در بخش 5 انجام می شود. نتیجه
گیری و چشم اندازها نیز در بخش 6 انجام می شود.
چهارشنبه 3 آذر 1395 ساعت 09:14