دانشگاه سمنان

 آمار

تعداد نشریات21
تعداد شماره‌ها610
تعداد مقالات9,027
تعداد مشاهده مقاله67,082,809
تعداد دریافت فایل اصل مقاله7,656,333
احمدی, سامان, بطحایی, محمدتقی. (1396). مدل‌سازی و شبیه‌سازی راهبردهای بهینه ی مدیریت انرژی در خودروی هیبرید پیل سوختی. نشریه هنرهای کاربردی, 15(50), 1-16. doi: 10.22075/jme.2017.2550
سامان احمدی; محمدتقی بطحایی. "مدل‌سازی و شبیه‌سازی راهبردهای بهینه ی مدیریت انرژی در خودروی هیبرید پیل سوختی". نشریه هنرهای کاربردی, 15, 50, 1396, 1-16. doi: 10.22075/jme.2017.2550
احمدی, سامان, بطحایی, محمدتقی. (1396). 'مدل‌سازی و شبیه‌سازی راهبردهای بهینه ی مدیریت انرژی در خودروی هیبرید پیل سوختی', نشریه هنرهای کاربردی, 15(50), pp. 1-16. doi: 10.22075/jme.2017.2550
احمدی, سامان, بطحایی, محمدتقی. مدل‌سازی و شبیه‌سازی راهبردهای بهینه ی مدیریت انرژی در خودروی هیبرید پیل سوختی. نشریه هنرهای کاربردی, 1396; 15(50): 1-16. doi: 10.22075/jme.2017.2550

مدل‌سازی و شبیه‌سازی راهبردهای بهینه ی مدیریت انرژی در خودروی هیبرید پیل سوختی

مدل سازی در مهندسی
مقاله 1، دوره 15، شماره 50، مهر 1396، صفحه 1-16    اصل مقاله (2.05 M)
نوع مقاله: پژوهشی
شناسه دیجیتال (DOI): 10.22075/jme.2017.2550
نویسندگان
سامان احمدی* ؛ محمدتقی بطحایی
دانشگاه خواجه نصیرالدین طوسی
تاریخ دریافت: 15 تیر 1393،  تاریخ بازنگری: 15 خرداد 1394،  تاریخ پذیرش: 07 تیر 1394 
چکیده
در سال‌های اخیر، کاربردهای متنوع پیل‌های سوختی توجهات زیادی را در محیط‌های صنعتی و دانشگاهیِ جهان به خود جلب کرده اند. ترکیب پیل‌سوختی با منابع تغذیه ثانویه مانند باتری، مزیت‌هایی مانند چگالی توان بالا، راه‌اندازی سریع و بهبود پاسخ دینامیکی را به ارمغان خواهد آورد. در چنین ترکیبی، کیفیت عملکرد قوای محرکه به نحوه‌ی کنترل و توزیع توان بین منابع انرژی وابسته است. در این مقاله تلاش بر آن است تا با ارایه‌ی راهبردهای پیشرفته و هوشمند، مدیریت بهینه‌ی انرژی در منابع توان خودروی هیبرید پیل‌سوختی مورد بررسی قرارگرفته و تا حد امکان بهبود داده شود. این بررسی شامل ترکیب پیل‌سوختی و باتری است. برای این ترکیب، دو راهبرد مدیریت انرژی به تفکیک مدل‌سازی، بهینه‌سازی و شبیه‌سازی شده است. این راهبردها شامل کنترل منطق فازی و کنترل حالت عملکردی است. هردوی این راهبردها توسط الگوریتم ژنتیک بهینه‌سازی شده و در محیط شبیه‌ساز خودروهای پیشرفته (ADVISOR) مورد مطالعه قرار گرفته‌اند. نتایج شبیه‌سازی این راهبردها طی چندین چرخه‌ی رانندگی و آزمون‌های عملکردی در ترکیب پیل‌سوختی/ باتری، حاکی از برتری راهبردهای بهینه‌سازی شده نسبت به راهبردهای بهینه‌سازی نشده و حتی راهبرد موجود در شبیه‌ساز است. نتایج این مطالعه تایید می‌کند که راهبردهای این مقاله، در میزان صرفه‌جوییِ سوخت، حفظ سطح قوای منبع تغذیه، بهبود عملکرد دینامیکی و افزایش کارایی منابع توان اثر قابل‌توجهی دارند.
کلیدواژه‌ها
خودروی هیبرید پیل سوختی؛ راهبرد مدیریت انرژی؛ الگوریتم ژنتیک؛ کنترل منطق فازی؛ کنترل حالت عملکردی
عنوان مقاله [English]
Modeling and simulation of Energy managements for fuel cell hybrid vehicle
نویسندگان [English]
Saman Ahmadi؛ S.M.T Bathaee
چکیده [English]
In recent years, the various usage of fuel cells in vehicles has absorbed attention in industry and academic area. The fuel cells, are considered as a modern power sources in transportation. Compared with the internal combustion engines, fuel cells have the advantages of high energy efficiency and near zero emissions which is important to reduce global warming. However, vehicles powered only by fuel cells have some disadvantages, such as low power density, long start-up time, and slow power response. Hybridization of the fuel cell system with a secondary peaking power source is an effective approach to overcome the disadvantages of the fuel-cell-alone-powered vehicles. One of the possible combination is fuel cell/ battery composition. Obviously, the performance of the drive train relies mainly on control quality. This work presents an enhanced method for distributing power demand through the hybrid power sources. Fuzzy logic control and operation mode control have considered for this purpose. Genetic algorithm has implemented for tuning these strategies by means of off-line simulation in two combined driving cycle. Multiple objective fitness function deals with effective parameters (such as equivalent consumption, fuel cell and energy storage efficiency, state of charge variation, dynamic response…) for getting reliable and acceptable results from optimization process. Finally, these optimized strategies present a fully-advanced method for energy management system of fuel cell hybrid vehicles.
کلیدواژه‌ها [English]
Fuel cell hybrid vehicle, Energy management strategy, Fuzzy logic control, Operation mode control, Genetic algorithm
مراجع

[1] L. Xu, J. Li, M. Ouyang, J. Hua, G. Yang,(2014),” Multi-mode control strategy for fuel cell electric vehicles regarding fuel economy and durability”, International Journal of Hydrogen Energy, 39(5): p. 2374-2389.
[2] D. Fares, R. Chedid, S. Karaki, R. Jabr, F. Panik, H. Gabele, Y. Huang,(2014),” Optimal power allocation for a FCHV based on linear programming and PID controller”, International Journal of Hydrogen Energy, 39(36): p. 21724–21738.
[3] García, P., et al., (2013),”Control strategies for high-power electric vehicles powered by hydrogen fuel cell, battery and supercapacitor”, Expert Systems with Applications, 40(12): p. 4791–4804.
[4] Solano Martínez, J., et al.,(2012),” A survey-based type-2 fuzzy logic system for energy management in hybrid electrical vehicles”,Information Sciences, 190: p. 192-207.
[5] Caux, S., et al.,(2010),” On-line fuzzy energy management for hybrid fuel cell systems”, International Journal of Hydrogen Energy, 35(5): p. 2134-2143.
[6] Ehsani, M., Y. Gao, and A. Emadi, (2009),”Modern electric, hybrid electric, and fuel cell vehicles: fundamentals, theory, and design”, CRC press.
[7] Gao, Y. and M. Ehsani, (2001),” Systematic design of fuel cell powered hybrid vehicle drive train”, Electric Machines and Drives Conference, IEMDC 2001. IEEE International.
[8] Gao, Y. and M. Ehsani, (2006),” Parametric design of the traction motor and energy storage for series hybrid off-road and military vehicles”, Power Electronics, IEEE Transactions on, 21(3): p. 749-755.
[9] Nexa Power Module User’s Manual. Ballard Power Systems Inc.
[10] Uzunoglu, M. and M. Alam, (2006),” Dynamic modeling, design, and simulation of a combined PEM fuel cell and ultracapacitor system for stand-alone residential applications”, Energy Conversion, IEEE Transactions on, 21(3): p. 767-775.
[11] Fuhs, A., (2008),”Hybrid Vehicles: and the Future of Personal Transportation”, CRC Press.
[12] Same, A., et al., (2010),” A study on optimization of hybrid drive train using Advanced Vehicle Simulator (ADVISOR)”,Journal of Power Sources, 195(19): p. 6954-6963.
[13] Haupt, R.L. and S.E. Haupt, (2004),”Practical genetic algorithms”, John Wiley & Sons.13: p. 93-121.
[14] Herrera, F. and L. Magdalena, (1997),”Genetic Fuzzy Systems: A Tutorial”,Tatra Mt. Math. Publ.(Slovakia),

آمار
تعداد مشاهده مقاله: 1,955
تعداد دریافت فایل اصل مقاله: 823


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب