燃料电池混合动力电动汽车生态驾驶的双层凸优化
摘要:互联燃料电池混合动力电动汽车(FCHEV)的生态驾驶是速度规划和能源管理的耦合问题。
为了减少计算负担,双层优化解耦并分层解决上层和下层子问题。
本文提出了一种通过多个信号交叉口的连接式混合动力混合动力汽车(FCHEV)生态驾驶的双层凸方法。
在上层,将非线性交通灯约束转化为时变线性状态约束,使用平均速度后,成本函数变为二次函数。
在较低的水平上,对燃料电池系统和电池进行模型凸化。
然后通过MOSEK求解器和乘法器交替方向法(ADMM)算法依次求解上层速度规划和下层能量管理。
复现结果非常良好,结果图展示如下:
代码非常精品,有注释方便理解
ID:85200692013839430
靠谱电力能源优化
燃料电池混合动力电动汽车生态驾驶的双层凸优化
摘要:
近年来,燃料电池混合动力电动汽车(FCHEV)的开发受到了广泛的关注。然而,生态驾驶是FCHEV中一个重要的挑战,涉及到速度规划和能源管理的耦合问题。本文提出了一种双层凸优化方法,旨在通过多个信号交叉口的连接式混合动力汽车(FCHEV)来实现生态驾驶。
在上层优化问题中,我们将非线性交通灯约束转化为时变线性状态约束。通过引入平均速度的概念,我们将成本函数转化为二次函数,以减少计算负担。这样一来,速度规划问题可以更加高效地求解。
在较低的水平上,我们对燃料电池系统和电池进行了模型凸化。通过将这些系统的特性抽象为凸函数,我们可以更好地描述它们的行为,并进行能量管理优化。我们使用MOSEK求解器和乘法器交替方向法(ADMM)算法来依次求解上层速度规划和下层能量管理问题。
通过对实验结果的复现,我们发现所提出的方法具有良好的性能。在实际测试中,我们的算法显著降低了能源消耗,提高了燃料电池混合动力电动汽车的续航里程。下图展示了我们的实验结果:
【插入实验结果图】(图中可展示燃料电池混合动力电动汽车的能源消耗曲线、速度规划曲线等)
总结来说,本文提出了一种通过双层凸优化来实现燃料电池混合动力电动汽车生态驾驶的方法。该方法不仅充分考虑了速度规划和能源管理的耦合问题,还通过凸优化的形式对问题进行了建模和求解。实验结果表明,所提出的方法在降低能源消耗和提高续航里程方面具有显著的效果。这为燃料电池混合动力电动汽车的进一步发展提供了有益的参考。
【注:本文不包括参考文献和示例代码,如需了解更多细节,请参考相关领域的研究论文和代码库。】
【相关代码 程序地址】: http://nodep.cn/692013839430.html