کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4917099 1362739 2017 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
An on-line predictive energy management strategy for plug-in hybrid electric vehicles to counter the uncertain prediction of the driving cycle
ترجمه فارسی عنوان
استراتژی مدیریت انرژی پیش بینی شده برای وسایل نقلیه الکتریکی هیبریدی پلاگین برای مقابله با پیش بینی نامطلوب چرخه رانندگی
کلمات کلیدی
خودروهای الکتریکی هیبریدی پلاگین، مدیریت قدرت، کنترل بهینه محلی، کنترل پیش بینی، بهینه سازی ذرات ذرات،
ترجمه چکیده
مدیریت انرژی پیش بینی می تواند در زمان واقعی با یک دوره کوتاه پیش بینی آینده چرخه رانندگی اجرا شود. با این حال پیش بینی کاملا دقیق چرخه رانندگی در آینده بسیار دشوار است. دو بخش تلاش در این مطالعه مورد بررسی قرار گرفته است. اول، اجرای یک الگوریتم بهینه سازی ذرات پویش پویا در محدوده محلی استراتژی مدیریت انرژی بهینه از وسایل نقلیه الکتریکی هیبریدی پلاگین بر اساس داده های پیش بینی از چرخه رانندگی آینده است. دوم، تأثیر پیش بینی چرخه رانندگی نامنظم در نظر گرفته می شود و سپس یک الگوریتم اصلاح آنلاین بر اساس استراتژی کنترل پشتیبان و یک کنترل منطقی فازی پیشنهاد می شود. علاوه بر این تلاش ها، یک استراتژی مدیریت انرژی پیش بینی شده با الگوریتم اصلاح آنلاین در نهایت پیشنهاد می شود. در مقایسه با روش اکتشافی بهینه، استراتژی مدیریت انرژی ارائه شده می تواند انرژی را تا 9.7٪ کاهش دهد، اگر پیش بینی چرخه رانندگی آینده دقیق باشد. برای وضعیت پیش بینی نادرست، الگوریتم اصلاح آنلاین می تواند انحراف از سیاست مطلوب مطلوب را تا 32.39٪ کاهش دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی مهندسی انرژی و فناوری های برق
پیش نمایش مقاله
استراتژی مدیریت انرژی پیش بینی شده برای وسایل نقلیه الکتریکی هیبریدی پلاگین برای مقابله با پیش بینی نامطلوب چرخه رانندگی
چکیده انگلیسی
Predictive energy management could be implemented in real-time with a short period of future driving cycle prediction. However, the completely precise prediction of the future driving cycle remains quite difficult. Two areas of effort have been explored in this study. The first is the implementation of a dynamic-neighborhood particle swarm optimization algorithm in the local optimal energy management strategy of plug-in hybrid electric vehicles based on data from the prediction of the future driving cycle. Second, the influence of an imprecise driving cycle prediction is considered, and then an online correction algorithm is proposed based on the backup control strategy and a fuzzy logic controller. In addition to these efforts, a predictive energy management strategy with an online correction algorithm is finally proposed. Compared with the optimal heuristic method, the presented energy management strategy could reduce the energy by up to 9.7% if the prediction of the future driving cycle is precise. For the situation of imprecise prediction, the online correction algorithm could reduce the deviation from the actual optimal policy by up to 32.39%.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Applied Energy - Volume 185, Part 2, 1 January 2017, Pages 1663-1672
نویسندگان
, , , ,