Метод синтеза оптимальных параметров комбинированной энергоустановки с электрохимическим генератором и перезаряжаемой системой хранения электрической энергии

Обложка

Цитировать

Полный текст

Аннотация

Обоснование. В связи с активным ростом электрифицированной транспортной отрасли одним из ключевых вопросов при проектировании электрифицированных транспортных средств является определение оптимальных параметров комбинированных энергоустановок. В данной работе проводится исследование городского пассажирского транспортного средства особо большого класса с комбинированной энергоустановкой, состоящей из перезаряжаемой системы хранения электрической энергии и электрохимического генератора. Для определения оптимальных параметров комбинированной энергоустановки предлагается метод синтеза оптимальных параметров, учитывающий основные конструкционные требования и эксплуатационные особенности исследуемого транспортного средства.

Цель — определение оптимальных параметров комбинированной энергоустановки с учётом технико-эксплуатационных параметров и реальных режимов работы городского колёсного пассажирского транспортного средства особо большого класса.

Методы. Оптимизация параметров комбинированной энергоустановки осуществляется с помощью оптимизационного алгоритма глобального поиска, входящего в пакет GlobalToolbox программного обеспечения MATLAB. Для расчёта критерия оптимизации используются методы имитационного моделирования в программном комплексе Simulink.

Результаты. В статье приводятся: описание задачи оптимизации параметров комбинированной энергоустановки, описание имитационной математической модели в программном обеспечении Simulink, верификация математической модели на основе экспериментальных данных, результаты синтеза оптимальных параметров для различных химий ячеек перезаряжаемой системы хранения электрической энергии.

Заключение. По результатам исследования были определены оптимальные параметры комбинированной энергоустановки городского колёсного пассажирского транспортного средства с учётом основных технических и эксплуатационных параметров. Практической ценностью данной работы является возможность использования предложенной методики определения оптимальных параметров комбинированной энергоустановки при проектировании коммерческих транспортных средств с комбинированной энергоустановкой, в частности пассажирского транспортного средства особого большого класса с комбинированной энергоустановкой на электрохимическом генераторе и перезаряжаемой системой хранения электрической энергии.

Об авторах

Виктор Романович Анисимов

Московский политехнический университет; Инновационный центр «КАМАЗ»

Автор, ответственный за переписку.
Email: rabota.viktor.1999@mail.ru
ORCID iD: 0000-0003-1268-6604
SPIN-код: 5036-8965

аспирант Передовой инженерной школы электротранспорта

Россия, Москва; Москва

Александр Владимирович Климов

Московский политехнический университет; Инновационный центр «КАМАЗ»

Email: klimmanen@mail.ru
ORCID iD: 0000-0002-5351-3622
SPIN-код: 7637-3104

канд. техн. наук, доцент Передовой инженерной школы электротранспорта, руководитель службы электрифицированных автомобилей

Россия, Москва; Москва

Список литературы

  1. Anisimov VR, Klimov AV. Analysis of the application of a fuel-cell generator in combined power plants. Gruzovik. 2024;(11):11–17. doi: 10.36652/1684-1298-2024-11-11-17 (In Russ.) EDN: XDNFMP
  2. Changizian S, Ahmadi P, Raeesi M, et al. Performance optimization of hybrid hydrogen fuel cell-electric vehicles in real driving cycles. International Journal of Hydrogen Energy. 2020;45(60):35180–35197. doi: 10.1016/j.ijhydene.2020.01.015 EDN: GGVQUL
  3. Kumar D, Nema RK, Gupt, S. A comparative review on power conversion topologies and energy storage system for electric vehicles. International Journal of Energy Research. 2020;44(10):7863–7885. doi: 10.1002/er.5353 EDN: BGKKHO
  4. Offer GJ, Howarth R, Contestabile M, et al. Comparative analysis of battery electric, hydrogen fuel cell and hybrid vehicles in a future sustainable road transport system. Energy Policy. 2010;38(1):24–29. doi: 10.1016/j.enpol.2009.08.040
  5. Bonci M. Fuel Cell Vehicle Simulation: An Approach Based on Toyota Mirai. [Master’s Thesis] Torino, 2021. Accessed: 24.09.2025. Available from: https://webthesis.biblio.polito.it/secure/17641/1/tesi.pdf
  6. Njoya MS, Tremblay O, Dessaint LA. A generic fuel cell model for the simulation of fuel cell vehicles. Proc. IEEE VPPC. 2009:1–6. doi: 10.1109/VPPC.2009.5289692
  7. Xu L, Ouyang M, Li J, et al. Optimal sizing of plug-in fuel cell electric vehicles using models of vehicle performance and system cost. Applied Energy. 2013;103:477–487. doi: 10.1016/j.apenergy.2012.10.010
  8. Li W, Feng G, Jia S. An energy management strategy and parameter optimization of fuel cell electric vehicles. World Electr Veh J. 2022;13(1):21. doi: 10.3390/wevj13010021 EDN: IAXXFK
  9. Liu C, Liu L. Optimal power source sizing of fuel cell hybrid vehicles based on Pontryagin’s minimum principle. Int J Hydrogen Energy. 2015;40(24):7835–7846. doi: 10.1016/j.ijhydene.2015.04.112
  10. Li T, Liu H, Zhao D, Wang L. Design and analysis of a fuel cell–supercapacitor hybrid construction vehicle. Int J Hydrogen Energy. 2016;41(28):12307–12319. doi: 10.1016/j.ijhydene.2016.05.040
  11. Jain M, Desai C, Williamson SS. Genetic-algorithm-based optimal powertrain component sizing and control strategy design for a fuel cell hybrid electric bus. Proc. IEEE VPPC. 2009:980–985. doi: 10.1109/VPPC.2009.5289740
  12. Li G, Chen J, Zheng X, et al. Research on energy management strategy of hydrogen fuel cell vehicles. Proc. Chinese Automation Congress (CAC). 2020:7604–7607. doi: 10.1109/CAC51589.2020.9326669
  13. Hu X, Murgovski N, Johannesson LM, Egardt B. Optimal dimensioning and power management of a fuel cell/battery hybrid bus via convex programming. IEEE/ASME Trans Mechatron. 2015;20(1):457–468. doi: 10.1109/TMECH.2014.2336264
  14. Salmasi FR. Control strategies for hybrid electric vehicles: evolution, classification, comparison and future trends. IEEE Trans Veh Technol. 2007;56(5):2393–2404. doi: 10.1109/TVT.2007.899933
  15. Sciarretta A, Guzzella L. Control of hybrid electric vehicles. IEEE Control Syst Mag. 2007;27(2):60–70. doi: 10.1109/MCS.2007.338280
  16. Rizzoni G, Onori S. Energy management of hybrid electric vehicles: 15 years of development at the Ohio State University. Oil Gas Sci Technol – Rev IFP Energies nouvelles. 2015;70(1):41–54. doi: 10.2516/ogst/2014006
  17. Serrao L, Onori S, Rizzoni G. A comparative analysis of energy management strategies for hybrid electric vehicles. J Dyn Syst Meas Control. 2011;133(3):031012. doi: 10.1115/1.4003267
  18. Tate ED, Boyd SP. Finding ultimate limits of performance for hybrid electric vehicles. SAE Technical Paper. 2000. doi: 10.4271/2000-01-3099
  19. Delprat S, Lauber J, Guerra T-M, Rimaux J. Control of a Parallel Hybrid Powertrain: Optimal Control. IEEE Transactions on Vehicular Technology. 2004;53:872–881. doi: 10.1109/TVT.2004.827161
  20. Lin Ch-Ch, Peng H, Grizzle J, Kang J-M. Power management strategy for a parallel hybrid electric truck. Control Systems Technology. IEEE Transactions. 2003;11:839–849. doi: 10.1109/TCST.2003.815606
  21. Anisimov VR. Development of a mathematical model for calculating energy parameters of a hydrogen-powered vehicle with a combined power plant. Gruzovik. 2025;(7):15–21. doi: 10.36652/1684-1298-2025-7-15-21 (In Russ.) EDN: ORAHKW
  22. Chichekin IV, Levenkov IY, Zuenkov PI, Maksimov RO. Forming the steering-wheel angle control law to maintain a set vehicle trajectory. Trudy NAMI. 2019;3(278):53–61. (In Russ.) EDN: FGHOWX
  23. Klimov AV, Baurzhan KO, Akop VA, et al. Detecting wheel slip to suppress self-excited oscillations in braking mode. World Electr Veh J. 2024;15(8):340. doi: 10.3390/wevj15080340
  24. Keller A, Aliukov S, Anchukov V, et al. Investigations of power distribution in transmissions of heavy trucks. SAE Technical Paper. 2016. doi: 10.4271/2016-01-1100 EDN: FHAZAU
  25. Perez HE, Hu X, Dey S, Moura SJ. Optimal charging of Li-ion batteries with coupled electro-thermal-aging dynamics. IEEE Trans Veh Technol. 2017;66(9):7761–7770. doi: 10.1109/TVT.2017.2676044 EDN: WVWPYZ
  26. Pham QT, Oliver DW. Infiltration of air into cold stores. In: Proc. 16th Int. Congress of Refrigeration. 1983;4:67–72.
  27. Pulvirenti B, Puccetti G, Semprini G. Dynamic energy consumption modeling for HVAC systems in electric vehicles. Applied Sciences. 2025;15(7):3514. doi: 10.3390/app15073514 EDN: PNNTMK
  28. Jha KK, Bhanot V, Ryali V. A simple model for calculating vehicle thermal loads. SAE Technical Paper. 2013. doi: 10.4271/2013-01-0855

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Способы управления комбинированной энергоустановкой.

Скачать (272KB)
Метаданные
3. Рис. 2. Общий вид имитационной модели транспортного средства в программном обеспечении Simulink.

Скачать (489KB)
Метаданные
4. Рис. 3. Верификация модели расчёта теплового баланса перезаряжаемой системы хранения электрической энергии: а — экспериментальное исследование выхолаживания батареи; b — математическое моделирование выхолаживания батареи; c — экспериментальное исследование прогрева батареи; d — математическое моделирование прогрева батареи.

Скачать (526KB)
Метаданные
5. Рис. 4. Верификация модели расчёта теплового баланса салона транспортного средства: а — экспериментальное исследование прогрева салона; b — математическое моделирование прогрева салона; c — экспериментальное исследования охлаждения салона; d — математическое моделирование охлаждения салона.

Скачать (393KB)
Метаданные
6. Рис. 5. Верификация расчёта энергетического баланса транспортного средства.

Скачать (361KB)
Метаданные
7. Рис. 6. Результаты решения задачи оптимизации для химии аккумуляторных ячеек Lithium Iron Phosphate (LFP): а — изменение удельного расхода энергии в зависимости от энергоёмкости батареи; b — изменение энергоёмкости батареи в процессе оптимизации; c — изменение удельного расхода в зависимости от мощности генератора; d — изменение мощности генератора в процессе оптимизации.

Скачать (431KB)
Метаданные
8. Рис. 7. Результаты решения задачи оптимизации для химии аккумуляторных ячеек Nickel Magnesium Cobalt (NMC) 523: а — изменение удельного расхода энергии в зависимости от энергоёмкости батареи; b — изменение энергоёмкости батареи в процессе оптимизации; c — изменение удельного расхода в зависимости от мощности генератора; d — изменение мощности генератора в процессе оптимизации.

Скачать (378KB)
Метаданные
9. Рис. 8. Результаты решения задачи оптимизации для химии аккумуляторных ячеек Lithium Titanate Oxide (LTO): а — изменение удельного расхода энергии в зависимости от энергоёмкости батареи; b — изменение энергоёмкости батареи в процессе оптимизации; c — изменение удельного расхода в зависимости от мощности генератора; d — изменение мощности генератора в процессе оптимизации.

Скачать (357KB)
Метаданные

© Эко-Вектор, 2025

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
 


Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).