A length ratio based neural network energy management strategy for online control of plug-in hybrid electric city bus

به دلیل منابع محدود کنترل کننده میکرو، استراتژی های مدیریت انرژی مبتنی بر قاعده هنوز برای کنترل آنلاین وسایل نقلیه الکتریکی هیبریدی پلاگین بسیار محبوب هستند، اما نتایج کنترل ممکن است از نتایج کنترل مطلق منحرف شود. از آنجایی که مسیرهای اتوبوس شهرستان از پیش تعیین شده است، پروفایل های سرعت مسیر خاص اتوبوس تغییر زیادی نمی کند، این در واقع ایجاد یک فرصت برای طراحی یک استراتژی مدیریت انرژی جدید است که می تواند استفاده از منابع کنترل کننده های کوچک را کاهش دهد و عملکرد کنترل نزدیک به مطلوب را به دست آورد . برای رسیدن به این اهداف، پارامتر پارامتر نسبت طول برای معرفی اطلاعات سفر به کار رفته و ساختار ماژول مؤثر شبکه عصبی برای کاهش زمان محاسبه و استفاده از حافظه میکروکنترلر طراحی شده است. در نهایت، استراتژی مدیریت انرژی شبکه شبکه عصبی مبتنی بر طول برای کنترل آنلاین پلاگین هیبریدی اتوبوس برق پیشنهاد شده است. نتایج شبیه سازی نشان می دهد که استراتژی پیشنهادی می تواند به میزان قابل توجهی هزینه کل را در مقایسه با استراتژی کنترل خرابی و اتهام نگهداری کاهش دهد و می تواند به عنوان یک استراتژی مدیریت بهینه انرژی جهانی تقریبی در نظر گرفته شود.