25216

مديريت انرژي سيستم ذخيره‌ساز انرژي هيبريد با استفاده از روش كنترل پيش‌بين

كارشناسي ارشد

مهندسي مكانيك- سيستم محركه خودرو

1397

1400/04/28

دكتر مسعود دهمرده- دكتر مسعود مسيح طهراني

مهندسي خودرو

مديريت استراتژي سيستم ذخيره‌ساز انرژي هيبريد HESS)) يك قسمت حياتي براي خودروهاي الكتريكي هست كه در آن از ايمني و بازدهي سيستم اطمينان حاصل مي‌شود. كنترل پيش‌بين مبتني بر مدل (MPC) و كنترل پيش‌بين مبتني بر مدل تطبيقي (AMPC) در اين پايان‌نامه قابل‌بحث مي‌باشند كه با كنترلر‌ انتگرال‌تناسبي (PI) مقايسه مي‌شوند. ابتدا، درباره‌ي كارهاي گذشته و فوايد و مضرات راه‌هاي موجود شرح داده مي‌شود. دوم، راه‌اندازي سيستم و مدل پيشنهادي باتري و ابر‌خازن با استفاده از مدار معادل شرح داده مي‌شود. سوم، مدل پيش‌بين، روابط استفاده‌شده و طريقه‌ي طراحي آن و پارامترهاي موجود در آن موردبحث قرار مي‌گيرد. چهارم، به بحث در مورد نتايج مي‌پردازيم و درباره‌ي عمر ديناميكي باتري و ابر‌خازن، بازدهي سيستم، انرژي هدررفته‌ي سيستم در كليه اجزا اعم از باتري و ابر‌خازن و DC/DC، نرخ جريان باتري و انرژي متوسط باتري، شارژ و دشارژ مي‌پردازيم. پنجم، پيشنهاد‌ها و مشكلات براي روند آينده ذكر مي‌شود. كنترل پيش‌بين مبتني بر مدل تطبيقي قادر است مدل قوي غيرخطي را حل كند و همچنين خواص تغييرپذيري بازمان در سيستم ذخيره‌ساز انرژي هيبريد را دارا هست پس درنتيجه داراي فوايد بيشتري است. توجه داشته باشيد كه انجام عمليات كنترلي در هر مرحله از مينيمم كردن تابع هزينه كنترل پيش‌بين مبتني بر مدل به دست مي‌آيد. سپس مشتق شدن تابع هزينه به يك مسئله‌ي درجه‌دو استاندارد (QP) و در آخر اعمال آن به سه آزمون سيكل رانندگي مختلف مي‌بينيم. نتيجه مي‌شود كه به ترتيب كنترل پيش‌بين مبتني بر مدل تطبيقي سپس كنترل پيش‌بين مبتني بر مدل صريح و پس‌ازآن كنترل PI عملكرد بهتري در بازدهي سيستم و نگه‌داري باتري و ابر‌خازن داشته باشد. كنترلر AMPC در سيكل HWFET %0.75- %4.32 در سيكل UDDS 0.25%-9.24% و در سيكل US06 5.31%-10.35% بهبود در عمر باتري ايجاد كرده است. همچنين حداكثر جريان باتري 26.5%-67.6% كاهش مي‌يابد، ميانگين جذر مربعات جريان باتري 5.7%-29.8% كاهش مي‌يابد، آمپرساعت عبوري سلول باتري 6.1%-%14.3 كاهش مي‌يابد و كل افت انرژي %6.4 -% 15.4 كاهش مي‌يابد. اين در حالي است كه براي عمر ابر‌خازن حداكثر تا %14.66 مخرب بوده است كه در مقابل فوايد بسيار آن‌كه در بالا ذكر شد قابل‌چشم‌پوشي هست. همچنين كنترلر AMPC در سيكل HWFET 4.05% - 11.11%، در سيكل UDDS 10.20%-25.79% و در سيكل US06 0.75%-6.68% بهبود در پيمايش ايجاد كرده است. درنهايت، پارامترهاي كنترلي در آناليز حساسيت موردبررسي قرارگرفته است.

1400/06/21

Energy management of hybrid energy storage system using predictive control method

7/19/2022 12:00:00 AM

The strategic management of a hybrid energy storage system (HESS) is a critical component of electric vehicle protection and performance. In this dissertation, model-based predictive control (MPC) and adaptive model-based predictive control (AMPC) are discussed. This dissertation also compares the PI, MPC, and AMPC controllers. The analogous circuit is used to define the proposed device and battery and supercapacitor model. The predictive model, the relationships it employs, as well as its design approach and the parameters it contains, are all discussed in the third section. Fourth, let's talk about it. We go through the findings as well as the battery and supercapacitor's dynamic life, device reliability, wasted system energy in all components, including the battery and supercapacitor, DC / DC, battery current rate and average battery energy, charge and discharge. Fifth, recommendations and issues for the future trend are discussed. Predictive control using an adaptive model can solve a strong nonlinear model and has time variability properties in a combined energy storage system, so it has advantages. It's worth noting that the cost-based predictive control feature is minimized to perform control operations at each level. The cost function is then applied to three tests after being derived from a standard quadratic (QP) problem. Different driving periods are observed. The predictive control based on the adaptive model, followed by the predictive control based on the explicit model, and finally the PI control, all perform better in terms of device efficiency and battery and supercapacitor maintenance. In the HWFET cycle, the AMPC controller increased battery life by 0.75 percent - 4.32 percent, in the UDDS cycle by 0.25 percent -9.24 percent, and in the US06 cycle by 5.31 percent -10.35 percent. In addition, the maximum battery current has been decreased from 26.5 to 67.6% on average. The square root of the battery current is reduced by 5.7-29.8%, the passing hour of the battery cell is reduced by 6.1-14.3 percent, and overall energy loss is reduced by 6.4 percent - 15.4 percent, while the supercapacitor's life is extended by up to 14.66 percent. In comparison to the numerous benefits listed above, the percentage has been destructive. In addition, the AMPC controller improved scrolling in the HWFET cycle 4.05 percent - 11.11 percent, the UDDS cycle 10.20 percent -25.79 percent, and the US06 cycle 0.75 percent -6.68 percent.

سيستم ذخيره‌ساز انرژي هيبريد , كنترل پيش‌بين مبتني بر مدل , باتري , ابر‌خازن , عمر

Hybrid energy storage system , model-based predictive control , battery , supercapacitor , life