![[09127409082]](https://barast.com/wp-content/uploads/2021/01/newlogo.png){kind=small}
یک طرح طراحی اندازه اجزای سیستم انتقال قدرت با رویکرد هزینهمحور جهانی با استفاده از چارچوب تودرتو برای کامیونهای پیل سوختی
کامیونهای پیل سوختی (FCT) به دلیل مسیر نسبتاً ثابت و نیازهای زیرساختی کمتر، مورد توجه و توسعه سریع قرار گرفتهاند. با این حال، هزینه بالا شامل هزینه سرمایهای سیستم انتقال قدرت و هزینه عملیاتی هنوز مانع از تجاریسازی FCTها در مقیاس بزرگ میشود. این مقاله یک روش طراحی اندازه اجزای سیستم انتقال قدرت تو در تو با استفاده از الگوریتم ژنتیک (GA) و برنامهریزی پویا (DP) برای بهینهسازی اندازه اجزای سیستم انتقال قدرت خودرو و اقدامات مدیریت انرژی ارائه میدهد. در مرحله اول، با توجه به جرم متغیر سیستم انتقال قدرت ناشی از پارامترهای اندازه مختلف، میتوان محدوده پارامترهای اندازه اولیه توان نامی پیل سوختی و ظرفیت انرژی باتری را با فرض برآورده کردن تمام تقاضای برق خودرو تعیین کرد. با توجه به تقاضای موقت برق بالای خودرو، سیستم انتقال قدرت خودرو میتواند به دلیل پویایی سریع و توان ویژه بالای باتری، تقاضای موقت برق بالای خودرو را با اندازه منبع برق کوچکتر برآورده کند. در نهایت، حلقه داخلی مدیریت انرژی را با استفاده از DP پیادهسازی میکند و حلقه خارجی پارامترهای اندازه بهینه را با استفاده از GA تا زمان دستیابی به اندازه بهینه اجزای سیستم انتقال قدرت، جستجو میکند. نتایج نشان میدهد که طرح طراحی اندازه اجزای پیشنهادی میتواند پیکربندی بهینه سیستم انتقال قدرت را به دست آورد، نتایج طراحی بهینهسازی اندازه توابع هدف مختلف مقایسه و تجزیه و تحلیل میشوند. در مقایسه با تابع هدف بدون در نظر گرفتن هزینه تخریب اجزا، پیکربندی سیستم انتقال قدرت با تابع هدف کمینهسازی هزینه کل عملیات میتواند هزینه عملیات را در چرخههای رانندگی مختلف 1.41٪ تا 8.04٪ کاهش دهد. جامعیت با اعمال روش پیشنهادی در یک وسیله نقلیه پیل سوختی پلاگین تأیید میشود، طرح بهینهسازی پیشنهادی میتواند هزینه عملیات خودرو را در مقایسه با رویکرد همزمان، 27.14٪، 39.35٪ و 49.90٪ در سه چرخه رانندگی صرفهجویی کند، که برتری روش پیشنهادی را اثبات میکند. علاوه بر این، تجزیه و تحلیل هزینه عملیات تحت تأثیر پارامترهای اندازه در شرایط عملیاتی مختلف انجام میشود تا مراجعی برای انتخاب اندازه اجزای سیستم انتقال قدرت با توجه به تقاضای مشخص ارائه شود.
مقدمه
خودروهای پیل سوختی به دلیل انتشار صفر، توجه زیادی را در فرآیندهای کمکربن به خود جلب کردهاند [1]. به طور خاص، FCTها را میتوان به عنوان طرح اولیه برای دستیابی به تجاریسازی در مقیاس بزرگ در نظر گرفت که از مسیر نسبتاً ثابت و الزامات زیرساختی سوخترسانی هیدروژن کمتر بهرهمند میشود [2]. در حال حاضر، FCTها به دلیل یارانههای دولتی در چین، در مقایسه با کامیونهای موتور احتراق داخلی، هزینه سرمایه رقابتی دارند [3]. سیستم پیل سوختی به عنوان منبع اصلی انرژی خودرو در FCTها انتخاب میشود. به دلیل جریان برق یکطرفه و دینامیک آهسته، باتری برق معمولاً به عنوان منبع انرژی کمکی برای برآوردن تقاضای سریع برق خودرو و ذخیره انرژی احیاکننده انتخاب میشود [4] که برای بهبود عملکرد و اقتصاد خودرو مفید است.
استراتژی مدیریت انرژی (EMS) بین پیل سوختی و باتری، مشکل اصلی برای مقابله با کامیونهای هیبریدی پیل سوختی است. با این حال، مدیریت انرژی ذاتاً با اندازه اجزای سیستم انتقال قدرت مرتبط است [5]، [6]. برای کاهش هزینه، یک طرح ترکیبی از طراحی اندازه و مدیریت انرژی برای یافتن اندازه بهینه منبع تغذیه و اقدامات کنترلی مدیریت انرژی برای FCTها مورد نیاز است.
طرحهای طراحی بهینهسازی ترکیبی با تکرار، ساده و شهودی هستند. با این حال، روشهای تکراری، رابطه بین اندازه اجزا و اقدامات کنترلی را نادیده میگیرند و تنها میتوانند نتایج نزدیک به بهینه را به دست آورند [7]، [8]. رویکرد همزمان نیز برای جستجوی اندازه بهینه اجزا و اقدامات کنترلی به طور همزمان طراحی شده است. در [9]، از DP برای حل همزمان مسئله طراحی بهینه هزینه و مدیریت انرژی کامیون پیل سوختی در مسیرهای تپهای استفاده شده است. برنامهریزی محدب (CP) در [10] برای به دست آوردن اندازه بهینه اجزا و اقدامات کنترلی به طور همزمان برای وسیله نقلیه لجستیک شهری پیل سوختی پلاگین اتخاذ شده است. سورنتینو و همکارانش [11] یک مدل جامع برای دستیابی به طراحی بهینه سیستم انتقال قدرت و اقدامات کنترلی به طور همزمان توسعه میدهند. یک روش بهینهسازی طراحی مشترک مقاوم با محدودیت شانسی با در نظر گرفتن عدم قطعیتهای حرکت کامیون در [5] برای یافتن اندازه بهینه پیل سوختی و باتری با هدف کاهش هزینه کل شامل هزینه سرمایه و هزینه هیدروژن برای کامیونهای پیل سوختی پیشنهاد شده است. شون و همکارانش [12] طراحی اندازه مفصل را به دو زیرمسئله تجزیه میکنند که با برنامهریزی محدب متوالی حل میشوند. ابتدا اندازه بهینه ماشین الکتریکی تعیین میشود، سپس اندازه منابع تغذیه و اقدامات کنترلی به طور همزمان حل میشوند. هنگامی که ابعاد مسئله افزایش مییابد، رویکرد همزمان با چالش بزرگی از نظر بار محاسباتی روبرو خواهد شد. ادغام مدل دقیق واپاشی اجزا در چارچوب بهینهسازی همزمان از نظر ریاضی چالش برانگیز است. علاوه بر این، مسئله بهینهسازی اندازه پیچیده ممکن است تضمین نکند که به عنوان یک ساختار بهینهسازی خاص (مثلاً CP) فرموله شود.
برخی از محققان از روشهای تو در تو برای بهینهسازی اندازه سیستم انتقال قدرت استفاده میکنند. لیو و همکارانش [13] یک چارچوب بهینهسازی تو در تو شامل دو حلقه برای بهینهسازی سیستم انتقال قدرت خودروی پیل سوختی هیبریدی طراحی کردهاند، حلقه بیرونی پارامترهای اندازه را با استفاده از یک بهینهسازی ازدحام ذرات چند هدفه (PSO) مبتنی بر مکانیسم رقابتی جستجو میکند و از برنامهنویسی پویا برای تولید اقدامات کنترلی بهینه استفاده میشود. PSO و CP ترکیبی در [14] برای بهینهسازی پیکربندی سیستم انتقال قدرت و مدیریت انرژی پیشنهاد شده است، PSO قصد دارد پارامترهای اندازه بهینه را با توجه به نتایج مدیریت انرژی جستجو کند و CP برای دستیابی به مدیریت توان استفاده میشود. در [15]، یک چارچوب اندازه بهینه دو لایه برای سیستم ذخیرهسازی انرژی هیبریدی باتری/ابرخازن پیشنهاد شده است. اصل حداقل پونتریاگین جایگزین در لایه داخلی برای دستیابی به تخصیص توان استفاده میشود، الگوریتم ژنتیک مرتبسازی غیر غالب نخبهگرا (NSGA-II) بیرونی برای یافتن اندازه بهینه اختصاص داده شده است. به همین ترتیب، ژانگ و همکارانش [16] PSO را در سطح بالایی برای تعیین اندازه بهینه پیل سوختی و باتری اجرا میکنند، CP در سطح پایینتر برای پیادهسازی کنترل انرژی با هدف به حداقل رساندن هزینه مصرف هیدروژن و هزینه تخریب استفاده میشود، اما مدل واپاشی سیستم پیل سوختی سادهسازی شده است. طرحهای تو در تو فوق، روشی کارآمد برای یافتن اندازه بهینه اجزای سیستم انتقال قدرت به اثبات رساندهاند. با این حال، مطالعه در مورد محدوده پارامترهای اندازه اولیه در طول فرآیند بهینهسازی پارامتری ناکافی است. علاوه بر این، طرحهای مختلف زیادی برای طراحی مسئله بهینهسازی اندازه از جنبههای مختلف وجود دارد. در [17]، از کنترلکننده منطق فازی برای پیادهسازی تخصیص توان بین سیستم ذخیرهسازی انرژی و پیل سوختی استفاده شده است، الگوریتم ژنتیک با وزن تطبیقی تعاملی (i-AWGA) برای بهینهسازی متغیرهای طراحی و پارامترهای کنترلکننده منطق فازی اتخاذ شده است. در [18]، یک روش جدید برای انتخاب ظرفیت باتری توان برای خودروی پیل سوختی با توان نامی پیل سوختی ثابت بررسی شده است، طرح پیشنهادی با هدف دستیابی به کاهش همافزایی منبع توان دوگانه با محدوده ظرفیت باتری مناسب طراحی شده است. برای مقابله با عدم قطعیتهای ذاتی در سیستم انتقال قدرت، آزاد و همکارانش [19] یک طراحی بهینهسازی سیستم پویای چند رشتهای قوی را برای مسئله طراحی مشترک خودروی هیبریدی الکتریکی اعمال میکنند. با توجه به قیمت خردهفروشی متغیر، آنسلما و همکارانش [20] روشی را برای بهبود اقتصاد سوخت و حل اندازه پیل سوختی و ظرفیت باتری برای کامیون سنگین پیل سوختی مسافت طولانی بر اساس سناریوهای هزینه فعلی و آینده طراحی میکنند. به طور مشابه، ماسیاس و همکارانش [21] تأثیر تغییر قیمت بر اندازه اجزا و عملکرد مدیریت انرژی را تجزیه و تحلیل میکنند.
معمولاً، طرحهای طراحی اندازه ترکیبی با هدف بهینهسازی هزینه سرمایه و هزینه بهرهبرداری از اجزا با فرض تضمین عملکرد خودرو و برآورده کردن محدودیتهای چندگانه انجام میشوند. اکثر مطالعات موجود فقط بهینهسازی مصرف برق، مصرف سوخت و اندازه اجزا را در نظر میگیرند [5]، [12]، [14]، [15]، [19]، [20]، [22]، [23]، [24]. با این حال، هزینه بهرهبرداری و جایگزینی ناشی از تخریب اجزا قابل توجه است که به طور مستقیم بر طول عمر سیستم انتقال قدرت تأثیر میگذارد و ممکن است منجر به نتایج بهینهسازی اندازه متفاوتی شود [16]. در طول فرآیند طراحی اندازه خودروهای الکتریکی، برخی از محققان میتوانند هزینه تخریب باتری را با استفاده از مدل چرخه عمر نیمه تجربی [25]، [26] در تابع هدف ادغام کنند. برای خودروی هیبریدی الکتریکی، فقط هزینه تخریب باتری در [27] به تابع هدف اضافه میشود. برای ادغام سلامت باتری در بهینهسازی همزمان اندازه خودروی پیل سوختی، مدل سلامت باتری در [10] با یک تابع ساده دیگر تقریب زده میشود که برخی از شرایط کاری شدید را نادیده میگیرد و نمیتواند فرآیند واقعی پوسیدگی باتری را نشان دهد. برخی مطالعات، مدل سلامت پیل سوختی و سلامت باتری را در فرآیند بهینهسازی اندازه ادغام میکنند [16]، [28]، [29]. با این حال، مدل تخریب پیل سوختی در [16] تأثیر شروع-توقف بر سلامت را نادیده میگیرد تا مدل تخریب بتواند در فرآیند بهینهسازی زمان واقعی ادغام شود. مدل میانگین سلامت منابع تغذیه در هر چرخه در [9]، [28] بدون در نظر گرفتن فرآیند واقعی زوال اجزا اتخاذ شده است. مدل دقیق زوال در [29] اتخاذ شده است، اما پیکربندی اندازه اجزا از قبل بر اساس تجربه ارائه شده است. برای کامیونهای پیل سوختی تجاری، زوال اقتصادی ناشی از زوال اجزا را نمیتوان نادیده گرفت، بنابراین، لازم است هزینه تخریب منبع تغذیه به تابع هدف اضافه شود.
عوامل تخریب پیلهای سوختی عمدتاً اثرات شرایط عملیاتی مختلف بر پوسیدگی پیل سوختی در طول عملکرد سیستم است. پدیده اصلی تخریب پیل سوختی، افت ولتاژ پیل است که رایجترین شاخص عملکرد تخریب مورد استفاده است [30]. پیشبینی عملکرد پیری پیل سوختی بر اساس دادهمحور، از استحکام بالایی برخوردار است، اما به کیفیت دادهها بستگی دارد و به دادههای زیادی نیاز دارد که با چالش عملکرد آنلاین مواجه است [31]، [32]، [33]. مدل پیری پیل سوختی مبتنی بر مکانیسم نمیتواند پارامترهای داخلی پیل سوختی عظیمی را به دست آورد، که کاربرد آن را محدود میکند [34]، [35]. مدل طول عمر تجربی پیل سوختی میتواند نرخ پوسیدگی را بر اساس شرایط عملیاتی در زمان واقعی بیان کند و به طور گسترده در مدیریت انرژی کاربرد دارد [36]، [37]. تخریب باتری به دلیل افزایش تعداد چرخهها و تأثیر محیط عملیاتی خارجی اجتنابناپذیر است.
مشهودترین اثر فرسودگی باتری، از دست دادن ظرفیت موجود باتری و تضعیف توان خروجی است. تخمین وضعیت سلامت باتری (SOH) مبتنی بر داده، الزامات بالایی برای دادههای باتری و عملکرد الگوریتم دارد و منجر به بار محاسباتی زیادی میشود که پیادهسازی آنلاین آن را دشوار میکند [38]، [39]. تخمین SOH باتری مبتنی بر مدل، مانند مدل الکتروشیمیایی [40] و مدل ریاضی [41]، نیز با چالش محاسبات روبرو است. برای دستیابی به کنترل بلادرنگ، یک مدل تخریب ظرفیت باتری نیمهتجربی پویا به طور گسترده و با موفقیت در مدیریت انرژی خودروهای پیل سوختی مورد استفاده قرار گرفته است [42]، [43].
به طور خلاصه، طراحی بهینهسازی اندازه با تکرار، رابطه بین مدیریت اجزا و انرژی را نادیده میگیرد. ادغام مدل دقیق سلامت اجزا در طرح بهینهسازی همزمان دشوار است. مطالعه در مورد محدوده بهینهسازی پارامترهای اندازه برای طرحهای تو در تو ناکافی است. با توجه به محدودیتهای فوق، این مقاله یک طرح طراحی اندازه اجزای سیستم انتقال قدرت تو در تو برای کامیونهای پیل سوختی پیشنهاد میکند. سهم اصلی این مقاله به شرح زیر است:
۱) محدوده پارامترهای اولیه اندازه اجزا با روش پیشنهادی و با در نظر گرفتن جرم متغیر سیستم انتقال قدرت ناشی از پارامترهای مختلف اندازه تعیین میشود.
۲) یک روش بهینهسازی هزینهمحور جهانی با استفاده از الگوریتم ژنتیک و برنامهریزی پویای تودرتو برای بهینهسازی اندازه اجزای سیستم انتقال قدرت برای کامیونهای پیل سوختی مجهز به پیل سوختی و باتری پیشنهاد شده است. مدل تخریب منابع انرژی در فرآیند بهینهسازی ادغام شده و نتایج بهینهسازی اندازه اجزا از توابع هدف مختلف مقایسه و تجزیه و تحلیل میشوند.
۳) مقایسه با رویکرد همزمان، برتری و جهانی بودن طرح پیشنهادی را در یک مثال از بهینهسازی اندازه برای یک وسیله نقلیه پیل سوختی پلاگین اثبات میکند. تجزیه و تحلیل هزینه عملیاتی تحت تأثیر پارامترهای اندازه در شرایط عملیاتی مختلف انجام میشود تا بینشهایی برای انتخاب اندازه اجزای سیستم انتقال قدرت ارائه شود.
ادامه مقاله به شرح زیر سازماندهی شده است. مدل خودرو و مدل تخریب اجزای سیستم انتقال قدرت در بخش دوم ارائه شده است. روش طراحی اندازه سیستم انتقال قدرت به تفصیل در بخش سوم ارائه شده است. در بخش چهارم، نتایج طراحی اندازه اجزای سیستم انتقال قدرت نشان داده شده است، مقایسه با رویکرد همزمان ارائه شده است و تجزیه و تحلیل هزینه عملیاتی تحت تأثیر پارامترهای اندازه انجام شده است. در نهایت، نتیجهگیریهای اصلی در بخش پنجم فهرست شدهاند. (منبع).