太阳能电动汽车储能系统优化配置.pdfVIP

第29卷第10期 太阳能学报 V01．29，No．10 2008年10月 栅AENERGIAESOLARISSINICA Oct．，2008 太阳能电动汽车储能系统的优化配置 ： 周世琼1，康龙云1’2，曹秉刚1，程苗苗1 (1．西安交通大学机械工程学院机电系，710049西安；2．华南理工大学汽车工程学院，510640广州) 摘要：在太阳能电动汽车(SEEV)系统中，储能系统的优化配置是一个重要且具挑战性任务。太阳能电动汽车储 能系统的优化配置可以看成一个具有约束的优化问题：以储能系统的成本最小为优化目标，以表达系统可靠性指 标的负载失电率为约束。决策变量不仅包含传统方法中的蓄电池充电电流而且还包含储能飞轮的质量。优化算 法是采用基于遗传算法和神经网络的组合优化方法，即把机会约束遗传算法中比较耗时的个体检验部分交给神经 网络处理。研究结果表明，基于遗传算法和神经网络的组合优化算法在被应用于太阳能电动汽车储能系统的优化 配置时，算法收敛良好，计算时间少且可行。 关键词：太阳能电动汽车；蓄电池；飞轮；遗传算法；人工神经网络；优化 中图分类号：TK8 文献标识码：A 求解计算。但由于遗传算法中存在运算量太大，优 0 引 言 化效率不高的缺点，尤其是对于可行性检验比较复 Electric 太阳能电动汽车(solar Vehicle，简 Energy 杂的系统来说，更是如此，使得程序的运行时间太 称sEEv)是一种节约石油资源、无污染的理想“零排 长。本文针对此问题应用人工神经网络和遗传算法 放”汽车。由于太阳光的随机性和不连续性，太阳能 的组合优化算法对太阳能电动汽车系统中的储能装 电动汽车中储能系统是必不可少的。 置——蓄电池和飞轮的容量进行优化配置。这种组 蓄电池作为储能装置之一，具有比能量大、便于 合优化的思想就是把遗传算法中比较耗时间的可行 电能的长期存储等特点，从而增加了太阳能电动汽 性检验部分交给神经网络来处理。即，利用事先训 车发电系统的能量调节范围。飞轮作为另外一个储 练好的网络来进行遗传算法种群中个体的检验，完 能装置，具有比功率大、可以有效地抑制系统中的短 成遗传算法中约束条件的处理环节，从而减少遗传 时能量波动和平滑系统中的瞬时能量的作用。可以 算法的运算量。需要注意的是，蓄电池模型以小时 看出，蓄电池储能和飞轮储能具有互补性，将蓄电池 为步长，飞轮模型以分钟为步长进行仿真计算，这是 和飞轮同时作为储能装置，对于太阳能电动车系统 由蓄电池和飞轮各自不同的特性所决定的。 的优化设计有着积极的作用。 目前，在电动汽车的储能系统中，国内外学者关 1数学模型 于蓄电池容量和飞轮容量的确定分别进行了大量研 太阳能电动车发电系统由太阳电池阵列、太阳 究，但均未考虑到飞轮储能对蓄电池容量设计的影 能最大功率追踪控制器、储能电池、电机驱动控制器 响。由于飞轮较大的储能容量和在太阳能电动车发