10.3969/j.issn.0258-2724.20190442
基于交叉熵算法的电动车辆复合电源参数优化
为了提升电动汽车动力性能、降低车辆成本,以复合电源成本和车辆电耗最小为目标,通过交叉熵(cross-entropy,CE)算法对车载复合电源的参数优化进行了研究.首先,以某款纯电动汽车为研究对象,根据能量与功率性能指标确定锂离子电池和超级电容的容量范围;其次,选取复合电源成本和车辆电耗建立多目标优化函数,并在ADVISOR环境中搭建车辆仿真模型;接着,采用CE算法,通过种群的不断迭代,更新高斯概率密度函数的均值和方差,找到复合电源参数的Pareto最优解集;最后,从最优Pareto解集中选取典型的匹配参数,分析复合电源成本、车辆电耗和整车性能.研究结果表明:在满足基本约束的前提下,得到了由100个解组成的Pareto最优解集.与第二代非劣排序遗传算法(non-dominated sorting genetic algorithm-Ⅱ,NSGA-Ⅱ)比较,CE算法有更好的收敛性与分布性;复合电源成本平均降低了9.49%,车辆电耗平均降低了22.81%;此外,城市道路循环工况(urban dynamometer driving schedule,UDDS)下车速误差最大值降低16.15%,整车动力性也有显著提升,百公里加速时间缩短7.81%,最高车速提升1.98%.
复合电源、CE算法、多目标优化、参数匹配
55
TM912;U469.72
国家重点研发计划2017YFB1201003,2017YFB1201005
2020-08-03(万方平台首次上网日期,不代表论文的发表时间)
共8页
839-846