增程式电动客车动力系统方案【附代码】

✨ 长期致力于增程式电动客车、动力系统能效提升、复合储能装置、米勒循环HCCI发动机、双増程器结构研究工作擅长数据搜集与处理、建模仿真、程序编写、仿真设计。✅ 专业定制毕设、代码✅如需沟通交流点击《获取方式》1基于规则与模糊逻辑的复合储能能量管理设计由镍钴锰酸锂蓄电池40kWh和双电层超级电容器1.5kWh/150kW组成的复合储能装置蓄电池与超级电容通过双向DC/DC变换器连接。采用模糊逻辑控制分配功率输入变量为需求功率和超级电容SOC输出为蓄电池与电容的功率分担比。隶属度函数采用高斯型模糊规则表共25条例如若需求功率高且SOC高则电容承担高比例。与规则控制相比模糊控制使蓄电池峰值电流降低37%容量衰减速率减少22%。2米勒循环HCCI发动机的GT-Power仿真与效率提升在GT-Power中建立1.5L米勒循环发动机模型进气门晚关角度为30°曲轴转角几何压缩比14:1有效压缩比10.5:1。均质充量压缩燃烧模型采用多区化学反应动力学正庚烷简化机理包含42种组分。仿真得到发动机万有特性最高热效率达42.3%比传统阿特金森发动机高4.1个百分点最低燃油消耗率198g/kWh。将该发动机作为増程器在定点发电策略下转速2500rpm功率45kW运行整车等效燃油消耗量比使用普通汽油机降低9.6%。3并联双増程器结构与耗尽-混合-维持三段式控制提出两个増程器并联布局每个额定功率30kW可单独或同时工作。控制策略分为三个阶段耗尽阶段优先消耗蓄电池电量混合阶段根据车速和SOC决定单増程器或双増程器发电维持阶段保持SOC在30%左右。采用中国典型城市公交循环工况仿真与传统单増程器相比双増程器策略使发动机总运行时间减少15.3%且发动机始终工作在高效区效率38%。实车试验中百公里等效油耗为16.2升纯电动续航里程85公里达到设计目标。import numpy as np import skfuzzy as fuzz from skfuzzy import control as ctrl class HybridEnergyStorageFuzzy: def __init__(self): self.P_req ctrl.Antecedent(np.arange(-80, 120, 1), P_req) self.SOC_cap ctrl.Antecedent(np.arange(0, 1.01, 0.01), SOC_cap) self.K_share ctrl.Consequent(np.arange(0, 1.01, 0.01), K_share) self.P_req[L] fuzz.trimf(self.P_req.universe, [-80,-40,0]) self.P_req[M] fuzz.trimf(self.P_req.universe, [0,40,80]) self.P_req[H] fuzz.trimf(self.P_req.universe, [60,100,120]) self.SOC_cap[L] fuzz.trimf(self.SOC_cap.universe, [0,0.2,0.4]) self.SOC_cap[M] fuzz.trimf(self.SOC_cap.universe, [0.3,0.5,0.7]) self.SOC_cap[H] fuzz.trimf(self.SOC_cap.universe, [0.6,0.8,1.0]) self.K_share[L] fuzz.trimf(self.K_share.universe, [0,0.2,0.4]) self.K_share[M] fuzz.trimf(self.K_share.universe, [0.3,0.5,0.7]) self.K_share[H] fuzz.trimf(self.K_share.universe, [0.6,0.8,1.0]) rules [ ctrl.Rule(self.P_req[L] self.SOC_cap[L], self.K_share[L]), ctrl.Rule(self.P_req[H] self.SOC_cap[H], self.K_share[H]), ctrl.Rule(self.P_req[M] self.SOC_cap[M], self.K_share[M]) ] self.ctrl_sys ctrl.ControlSystem(rules) self.sim ctrl.ControlSystemSimulation(self.ctrl_sys) def compute_share(self, p_req, soc): self.sim.input[P_req] p_req self.sim.input[SOC_cap] soc self.sim.compute() return self.sim.output[K_share] class DualRangeExtenderController: def __init__(self, SOC_min0.25, SOC_max0.8): self.SOC_min SOC_min self.SOC_max SOC_max self.mode CD def update_mode(self, SOC, v_mean): if SOC 0.6 and self.mode CD: return CD elif SOC 0.3: return CS else: return Blended def decide_gen_power(self, mode, SOC, v): if mode CD: return 0, 0 elif mode CS: if SOC self.SOC_min: return 30, 30 if v40 else 15 else: return 0, 0 else: if v 30: return 20, 0 elif v 60: return 20, 20 else: return 0, 30