混合储能分层能量管理

运行成本降17%

上层运行信息融合识别工况，下层模型预测控制与模糊修正协同，在复杂农用条件下同步降低能耗、成本与电池衰减。

Xionglin, He · 余强 · Yuxi, Zhang · Longze, Liu · Zihong, Jiang · Yongji, Chen

Applied Energy 2026

具体参数

最终电池SOC

{'zh': '12.0', 'en': '12.0'} %

总运行成本降幅

{'zh': '17.2', 'en': '17.2'} %

电池老化成本降幅

{'zh': '16.7', 'en': '16.7'} %

预测精度提升

{'zh': '7.2–12.9', 'en': '7.2–12.9'} %

实时性能提升

{'zh': '14.9', 'en': '14.9'} %

技术优势

预测更准

上层运行信息融合识别工况，分组RBF神经网络按模式激活子模型，预测精度比基准预测器提高7.2%–12.9%。

电池更耐用

与传统MPC相比，电池老化成本降低16.7%，同时最终SOC提高12.0%，电池寿命得到延长。

专为农用工况

针对拖拉机在耕地、播种、运输等模式间的非平稳负载变化，上层信息融合提供可靠预览信息，使控制适应复杂农用环境。

满足实时要求

硬件在环实验表明，该控制器相比标准MPC实时性能提高14.9%，证明在复杂农用环境下可以实时运行。

应用场景

• 电动农机电源管理：用于电动拖拉机电源管理，协调电池与超级电容实现高效能量分配。
• 农业无人装备：为农业无人装备提供强实时控制，适应复杂田间作业工况。
• 非平稳工况能源管理：针对非平稳工况，通过信息融合与预测控制降低能耗与成本。