Analysis and Modeling of the Hybrid Vessel's Electrical Power System
本文针对混合动力船舶电气系统，在ETAP中构建交直流混合电力系统模型，并通过时域、短路及保护协调分析验证其有效性，为数字孪生和未来船舶设计提供基础。
2024-09-30 cs.SY eess.SY
Smart Procurement of Naturally Generated Energy (SPONGE) for Plug-in Hybrid Electric Buses
University of Western Ontario（韦仕敦大学）；University of Pisa（比萨大学）；University College Dublin（都柏林大学学院）；IBM Research（IBM研究院）
本文探讨了SPONGE在插混电动巴士中的应用，通过实例展示其对ECO驾驶的益处，并讨论了实现SPONGE的分布式算法及隐私问题。
2016-03-06 cs.SY eess.SY
Multi-layer optimisation of hybrid energy storage systems for electric vehicles
提出乘用电动汽车混合储能系统多层优化框架，通过数据表构建电池模型并联合优化容量与功率分配，发现NCA-NMC组合实现最低能耗。
2024-08-29 cs.SY eess.SY
Electric vehicle charging during the day or at night: a perspective on carbon emissions
Stanford University（斯坦福大学）；eIQ mobility（eIQ移动性）
本文提出了一种以排放为导向的充电方案，评估了电动汽车充电在得克萨斯州电力可靠性委员会（ERCOT）区域的碳排放情况，发现以排放为导向的充电方案在白天平均减少了13.8%的碳排放，并在一年中30%的日子里比直接充电减少了更多的二氧化碳排放。
2019-07-16 cs.CY cs.SY eess.SY
Economic Potential for Hybrid Electric Vehicles in Urban Signal-free Intersections with Decentralized MPC
针对无信号交叉口的串联混合动力CAV，本文提出凸优化去中心化MPC协调策略，并基于近一年油价与电价证明其出行成本可接近甚至达到BEV水平。
2022-11-12 cs.SY eess.SY
Electrical Load Forecasting Model Using Hybrid LSTM Neural Networks with Online Correction
本研究针对日前电力负荷预测问题，提出带在线修正的混合LSTM模型，提取多类特征并结合离线正则化训练与在线微调，提升了预测精度与抗干扰性。
2024-03-06 cs.SY eess.SY
Least costly energy management for series hybrid electric vehicles
Politecnico di Milano（米兰理工大学）
本文提出了一种基于用户驾驶成本的电动车能源管理方法，通过实时近似最优策略和系统参数分析，展示其有效性。
2015-10-26 cs.SY eess.SY
Evaluating the Techno-Economic Viability of a Solar PV-Wind Turbine Hybrid System with Battery Storage for an Electric Vehicle Charging Station in Khobar, Saudi Arabia
针对沙特胡拜尔电动汽车充电站，研究利用 Homer 仿真优化光伏、风电与电池储能混合系统的配置、成本及控制策略，验证其技术经济可行性。
2025-02-08 cs.SY eess.SY
Coordinated Scheduling of Electric Vehicles Within Zero Carbon Emission Hybrid AC/DC Microgrids
具有AC/DC架构的微电网受益于AC和DC功率两者的优点。研究了电动汽车（EV）存在下的零碳交直流微电网的日常运行问题。在这个框架中，电动汽车的电池是移动能量存储系统，它允许微电网在高峰需求时间的理想操作。研究表明，在没有储能系统的情况下，电动汽车的电池可以得到适当的管理，以满足系统的要求。在案例研究中，几个敏感性分析的基础上的变化，电池退化成本，太阳辐照度，逆变器容量进行了研究。
2021-11-16 cs.SY eess.SY
An Intelligent Energy Management Framework for Hybrid-Electric Propulsion Systems Using Deep Reinforcement Learning
由可再生能源提供的清洁能源驱动的混合电力推进系统为世界交通系统的脱碳提供了一种有前途的方法。有效的能源管理系统对于此类系统实现最佳运行性能至关重要。然而，开发用于诸如在高度随机环境中操作并且需要对多个电源进行并发控制的船舶的应用的智能能量管理系统提出了挑战。本文提出了一种使用深度强化学习的混合电力推进系统智能能量管理框架。在所提出的框架中，双延迟深度确定性策略梯度代理使用大量的历史负载配置文件进行训练，以生成通用的能量管理策略。该策略是能量管理系统的核心，可以在连续的状态和动作空间中并发控制多个电源。所提出的框架应用于具有多个燃料电池集群和电池的沿海渡轮模型，在应用于未来新型航行时实现了近乎最佳的性价比。
2021-07-31 cs.SY eess.SY
To charge in-flight or not: an inquiry into parallel-hybrid electric aircraft configurations via optimal control
我们研究两种配置的并联混合动力电动飞机，一个，一个没有，发动机和电动机之间的机械连接。对于这两个设计，我们然后审查的背景下，飞机能源管理的19个座位的概念混合动力电动飞机的功率分配问题。然后，我们将原来的最优控制问题作为一个有限维优化，并验证所获得的解决方案的全局最优性的二阶充分条件。然后进行燃油消耗对飞机初始重量和飞行耐久性的灵敏度分析。我们的模拟和理论结果澄清了这类混合动力电动飞机在飞行中对电池充电以减少$CO_2$排放的有限益处。
2022-08-18 cs.SY eess.SY math.OC
Pedestrian-Aware Engine Management Strategies for Plug-in Hybrid Electric Vehicles
University College Dublin（都柏林大学学院）；University of Western Ontario（韦仕敦大学）；University of Pisa（比萨大学）；IBM Research（IBM研究院）
本文提出基于优化的PHEV引擎管理策略，旨在减少车辆行驶路线对行人环境影响，通过考虑路线依赖性不确定性，实现在硬件在环平台上的验证与评估。
2017-04-06 cs.SY eess.SY
Improving Energy Management of Hybrid Electric Vehicles by Considering Battery Electric-Thermal Model
提出了一种用于并联式混合动力汽车的离线能量管理系统。在电动机（EM）和内燃机（ICE）之间分配扭矩需要合适的EMS。电池对混合动力汽车至关重要，并显著影响整体车辆成本和性能。高温和高电池荷电状态（SOC）是加速电池老化的主要因素。SOC是EMS中最关键的状态变量，在以往的研究中通常被认为是唯一的动态变量。为了简单起见，通常假设电池温度恒定，而EMS对温度变化的影响被忽略。在本文中，我们首先应用动态规划（DP）的PHEV不考虑电池温度的变化。然后，通过对冷却系统进行建模来改进电池模型，以考虑温度变化，并显示在EMS中忽略电池的热动力学是不切实际的。最后，通过将电池温度作为状态变量集成到优化问题中，提出了一种新的EMS来控制电池温度和SOC变化。仿真结果表明，该方法能够有效地控制蓄电池的充电和温度。所提出的EMS方法防止电池温度的不受控制的波动，并降低其劣化率。
2023-02-25 cs.SY eess.SY
Design and comparative analyses of optimal feedback controllers for hybrid electric vehicles
针对混合动力汽车（HEV）发动机和电机的最优功率分配控制问题，提出了一种自适应等效消耗最小化策略（ECMS）和线性二次型跟踪（LQT）方法。其目标是提供所需的扭矩，并最大限度地减少燃料消耗和行车制动器的使用，受到致动器限制和电池充电状态（SOC）的约束。我们推导出一个函数，用于计算最大可交付扭矩，这是尽可能接近所需的扭矩，并提出建模SOC约束的正切或对数函数，提供了一个内部点的ECMS和LQT。我们表明，由此产生的目标函数是凸的，我们提供了关于一个给定的参考的二阶近似的解析解。我们还考虑了控制器的鲁棒性测量噪声使用一个简单的模型的噪声。仿真结果的两个控制器进行了比较，并讨论了它们的有效性。
2020-04-04 cs.SY eess.SY
Exergy-based modeling framework for hybrid and electric ground vehicles
火用（或可用性）是一个热力学概念，表示从给定状态到参考状态演化的系统中可以提取的有用功。它也是一个系统度量，从热力学第一和第二定律制定，包括子系统之间的相互作用和由此产生的熵产生。本文提出了一种基于火用的地面车辆分析方法。该研究首次定义了一个全面的车辆和动力系统级建模框架，以量化车辆纵向动力学及其能量存储和转换设备（即电化学储能，电动机和ICE）的火用传递和破坏现象。为了显示所提出的模型在量化，定位和排序的（火用）损失的来源的能力，两个案例研究的基础上的电动汽车和并联混合动力电动汽车进行了分析，考虑到现实世界的驾驶循环。该建模框架可以作为未来地面车辆管理策略发展的工具，旨在最大限度地减少有效能损失，而不是燃料消耗。
2021-07-06 cs.SY eess.SY
Co-Optimization of On-Ramp Merging and Plug-In Hybrid Electric Vehicle Power Split Using Deep Reinforcement Learning
目前针对自动入口匝道合并的深度强化学习（DRL）研究忽略了车辆动力系统和动力学。这项工作考虑了使用DRL的功率分流插电式混合动力汽车（PHEV），2015年丰田普锐斯插电式混合动力汽车（Prius Plug-In）的自动入口匝道合并。入口匝道并道控制和PHEV能量管理被协同优化，使得DRL策略直接输出发动机和电动机之间的功率分配。测试结果表明，DRL可以成功地用于协同优化，导致无碰撞的入口匝道合并。当比较顺序的方法，其中上级入口匝道合并控制和较低级别的PHEV能量管理独立地和顺序地执行时，我们发现，协同优化的结果在经济但不稳定的入口匝道合并，而顺序的方法可能会导致碰撞，由于忽略了动力系统功率限制的约束，在设计的上级入口匝道合并控制器。
2022-03-07 cs.SY eess.SY
Estimation Strategies for the Condition Monitoring of a Battery Systemin a Hybrid Electric Vehicle
本文针对混合动力汽车电池系统状态监测问题，比较了KF/EKF、PF、QKF和SVSF等状态与参数估计技术在估计误差、鲁棒性、噪声敏感度和计算时间上的表现。
2023-11-18 cs.SY eess.SY
High-Fidelity Model of Stand-Alone Diesel Electric Generator with Hybrid Turbine-Governor Configuration for Microgrid Studies
柴油发电机是在世界偏远地区发现的远程混合微电网的固有部分，其提供主频率响应（PFR）以在负载或发电变化期间恢复系统频率。然而，通过将基于逆变器的资源（IBR）集成到微电网中，IBR控制提供快速频率响应（FFR）以恢复系统频率。因此，用FFR补充PFR需要复杂的控制系统和高保真柴油发电机模型来设计这些控制系统。在这项工作中，高保真模型的柴油发电机的开发。其参数使用代理优化算法进行调整，通过模拟其在负载变化期间对400 kVA Caterpillar C-15柴油发电机的响应，类似于在远程微电网中发现的那些。柴油发电机模型由同步电机、带V/Hz限制器的DC 4 B励磁和改进的IEEE GGOV 1发动机-调速器模型（GGOV 1D）组成。GGOV 1D的性能进行了比较简单，伍德沃德DEGOV，和一个标准的IEEE GGOV 1发动机调速器模型。结果表明，在柴油发电机的响应，使用GGOV 1D模型的负载变化的误差是较低的，改善了频率响应在制动和反弹期间比其他发动机调速器模型。
2022-04-29 cs.SY eess.SY
Multicriteria design and experimental verification of hybrid renewable energy systems. Application to electric vehicle charging stations
安装电动汽车充电站（EVCS）对于促进电动汽车（EV）用户的接受至关重要。然而，如果EVCS完全由电网供电，则可能会对其稳定性产生负面影响，并可能增加CO2排放。为EVCS引入混合可再生能源系统（HRES）可以通过减少电网负荷和产生清洁电力来应对这两个缺点。本文提出了一种基于加权多准则过程的方法来设计最合适的HRES在EVCS的配置。该方法确定当地可再生资源和EVCS电力需求。然后，综合考虑环境、经济和技术等因素，推导出最适合电动汽车控制系统的HRES设计方案。此外，实验阶段，以验证从多准则过程推导出的设计。因此，在EVCS的HRES的最终设计支持不仅是一个完整的数值评估，但也通过实验验证的需求被完全覆盖。瓦伦西亚（西班牙）的方法应用证明，离网HRES与太阳能光伏，风能资源和电池的支持将是最合适的配置系统。该方案也得到了实验验证。
2021-03-31 cs.SY eess.SY
Stochastic Hybrid Approximation for Uncertainty Management in Gas-Electric Systems
燃气发电机具有快速增加和减少发电量的能力，在管理可再生能源变化方面发挥着重要作用。然而，电力生产的这些变化转化为天然气消费的变化，并将不确定性从电网传播到天然气系统。为了确保这两个系统安全运行，电力和天然气网络之间越来越需要协调和不确定性管理。这种协调的一个具有挑战性的方面是考虑天然气动力学，这在感兴趣的时间尺度上起着重要作用，但产生了一组非线性和非凸方程，即使在确定性的情况下也难以优化。许多传统的随机优化方法不能使用，因为它们要么直接包含大量的场景，要么要求底层问题是凸的。为了解决这些挑战，我们提出使用随机混合近似算法来更有效地解决这些问题，并研究了该算法的几种不同变体。在一个案例研究中，我们证明了所提出的技术能够快速获得高质量的解决方案，并优于现有的基准，如广义弯曲分解。我们表明，协调的不确定性管理，占天然气系统可以显着减少电力和天然气系统负荷下降的压力条件。
2021-03-23 cs.SY eess.SY
Distributed Adaptive Control for DC Power Distribution in Hybrid-Electric Aircraft: Design and Experimental Validation
Brandenburg University of Technology Cottbus-Senftenberg（勃兰登堡工业大学科特布斯-森夫滕贝格）；Potsdam Institute for Climate Impact Research（波茨坦气候影响研究所）；Rolls-Royce Deutschland Ltd & Co（罗尔斯·罗伊斯德国有限公司）
本文提出一种分布式自适应控制器，用于调节混合电力飞机中直流母线电压，实现多电源的比例负载分配，提升系统稳定性和准确性。
2026-03-18 cs.SY eess.SY
Predictive Energy Management for Battery Electric Vehicles with Hybrid Models
针对电池电动汽车能耗预测受多因素影响难度大的问题，提出结合物理仿真模型与数据驱动模型的混合方法，利用机器学习处理外部因素，经真实数据集验证将预测误差从40%降至10%。
2024-05-15 cs.SY eess.SY
Engineering-Oriented Design of Drift-Resilient MTJ Random Number Generator via Hybrid Control Strategies
提出一种结合自稳定反馈与脉冲宽度调制的抗漂移 MTJ TRNG 架构，其 Downcalibration-2 方案无需比特丢弃或外部校准，在温度漂移下维持稳定随机性，适用于安全硬件与边缘计算。
2025-04-19 cond-mat.dis-nn cs.SY eess.SY
Flexible Control Strategy of DC Bus for AC-DC Hybrid Microgrid with Electric Vehicle
交直流混合微网作为一种新型的微网结构，可以高效消纳基于光伏发电的新能源分布式发电机，非常适合以电动汽车为主要负荷的微网系统。与交流微电网不同，交直流混合微电网的直流母线是一个低惯性系统。如何提高交直流混合微网系统直流母线的惯性和直流母线电压的稳定性变得尤为重要。基于此，提出了一种基于多节点下垂的微网节点电压柔性控制策略。通过考虑储能、电动汽车充放电设备等电力电子设备直流端口的P / U下垂特性，综合考虑不同类型的分布式发电机。功率储备率和能量储备率通过曲线平移等调整方法，提高了直流母线的惯性，有效地保证了微网系统电压的稳定。通过建立matlab / simulik仿真系统，验证了所提方法的有效性。
2020-04-05 cs.SY eess.SY math.OC
Data-driven charging strategies for grid-beneficial, customer-oriented and battery-preserving electric mobility
电动汽车（EV）的普及和可再生能源使能源供应，车辆用户和移动部门之间产生协同效应。然而，汽车制造商也出现了新的问题：在EV电池的充电和放电期间，发生与整个EV的价值贬值相关的劣化（电池老化）。由于电动汽车用户的满意度取决于可靠和价值稳定的产品，汽车制造商通过考虑个人客户需求和电池老化，为简化和可持续的电动汽车使用提供充电助手。量化电池老化的Hierarchy模型由于复杂的执行而具有有限的实用性。数据驱动的方法为SOH估计提供了可行的替代方案。然而，现有的方法几乎不使用与用户相关的数据。通过线性和神经网络回归模型，我们首先估计能源消耗的驾驶考虑个人驾驶风格和环境条件。在接下来的工作中，在没有退化的电池的数据上训练的消耗模型可以用于估计具有老化电池的电动汽车的能量消耗。估计和实际消耗之间的差异表明电池老化是由内部损耗增加引起的。然后，我们的目标是评估充电策略对电池退化的影响。
2019-10-14 cs.OH cs.SY eess.SP
Generalized Query-Oriented Image Semantic Coding Empowered by Large AI Models and Semantic-Aware Hybrid Beamforming
The University of British Columbia（不列颠哥伦比亚大学）
该研究针对现有语义编码未考虑用户意图、泛化能力受限等问题，提出由大模型与SA-HBF算法赋能的QO-ISC框架，其在未见过的对象类别上的性能优于传统编解码器及两种先进方案。
2026-07-31 cs.IT cs.SY eess.IV
Uncertainty-Aware Prediction of Battery Energy Consumption for Hybrid Electric Vehicles
Johannes Kepler University Linz（约翰内斯·开普勒大学林茨分校）
本文针对混合动力汽车里程焦虑问题，提出一种基于真实世界电池属性数据的机器学习方法，通过降低预测不确定性，在能耗预测准确性和可靠性上优于传统物理化学模型。
2023-04-17 cs.LG cs.SY eess.SY
Enhancing Field-Oriented Control of Electric Drives with Tiny Neural Network Optimized for Micro-controllers
University of Pavia（帕维亚大学）；STMicroelectronics Inc.（意法半导体公司）；Mathworks（迈斯沃克公司）
本文提出轻量级微型前馈神经网络TinyFC，通过剪枝与8位量化等优化技术，在微控制器资源限制下增强永磁同步电机FOC性能，仿真显示超调量最高降低87.5%甚至完全消除。
2025-02-01 cs.LG cs.SY eess.SY
Observer-Based High Order Sliding Mode Control of Unity Power Factor in Three-Phase AC/DC Converter for Hybrid Electric Vehicle Applications
Laboratoire IRTES, Université de Technologie de Belfort-Montbéliard (UTBM), Belfort, France（贝尔福-蒙贝利亚尔理工大学）
针对混合动力电动汽车中三相AC/DC变换器的单位功率因数控制问题，提出一种基于超螺旋滑模观测器的输出高阶滑模控制方法，实现输入电流跟踪、输出电压调节及功率因数接近1，并通过Lyapunov分析证明闭环系统渐近收敛。
2013-05-30 cs.SY eess.SY math.OC
Combined Eco-Routing and Power-Train Control of Plug-In Hybrid Electric Vehicles in Transportation Networks
研究了插电式混合动力汽车（PHEV）的生态路径问题，以最小化总能耗成本。我们提出了一种算法，它可以同时计算能量最优路线（生态路线）的PHEV和最优的动力传动系统控制策略在这条路线。为了证明我们的方法在实践中的有效性，我们使用HERE Maps API来应用我们的算法，该算法基于波士顿市的交通数据，拥有超过110，000个链接。此外，我们验证了我们的生态路由算法的性能，使用从交通模拟器（SUMO）收集的速度配置文件作为输入的高保真能源模型来计算能源消耗成本。我们的研究结果表明，该算法具有接近实时的执行时间，可显著节省PHEV的能源（约12%）。
2020-04-09 cs.SY eess.SY math.OC
Integrated motion control and energy management of series hybrid electric vehicles: A multi-objective MPC approach
本文针对串联混合动力汽车的运动控制与能量管理集成问题，提出了一种内嵌运动控制的多目标MPC能量管理方法，并引入电池电流约束以避免过高充放电电流，从而提升安全性、延长电池寿命。
2023-04-07 cs.SY eess.SY math.OC
Machine Learning-Based Performance Evaluation of a Solar-Powered Hydrogen Fuel Cell Hybrid in a Radio-Controlled Electric Vehicle
Johannes Kepler University Linz（林茨约翰内斯·开普勒大学）
本文结合信号处理、异常检测与时间卷积网络，评估太阳能质子交换膜燃料电池—镍氢电池混合动力遥控车，证明其能提升电压稳定性、可靠性并支持离网可再生氢能应用。
2025-09-23 cs.SY eess.SP eess.SY
A Lifetime Extended Energy Management Strategy for Fuel Cell Hybrid Electric Vehicles via Self-Learning Fuzzy Reinforcement Learning
建模难度大、模型时变、外部输入不确定是燃料电池混合动力汽车能量管理面临的主要挑战。为降低燃料电池混合动力汽车的燃油消耗，维持电池的长期运行，延长燃料电池系统的使用寿命，提出了一种基于模糊强化学习的能量管理策略。模糊Q学习是一种无模型强化学习，它可以通过与环境的交互来自我学习，因此不需要对燃料电池系统进行建模。此外，燃料电池的频繁启动将减少燃料电池系统的剩余使用寿命。该方法通过在强化学习的奖励中考虑对燃料电池启动次数的惩罚来抑制燃料电池的频繁启动。此外，应用模糊逻辑来近似Q-学习中的价值函数，可以解决连续状态和动作空间问题。最后，基于Python的训练测试平台验证了该方法在初始状态变化、模型变化和驾驶条件变化情况下的有效性和自学习能力的提高。
2023-02-13 cs.AI cs.LG cs.SY
National-scale electricity peak load forecasting: Traditional, machine learning, or hybrid model?
Yonsei University（延世大学）
由于气候变化和电气化，电力需求的波动性增加，准确的高峰负荷预测的重要性日益增加。传统的峰值负荷预测是通过基于时间序列的模型进行的;然而，最近，基于机器或深度学习的新模型正在引入。本研究通过比较时间序列、机器学习和混合模型的性能，进行比较分析，以确定韩国最准确的峰值负荷预测模型。时间序列模型采用带外生变量的季节性自回归积分移动平均（SARIMAX）。人工神经网络（ANN），支持向量回归（SVR）和长短期记忆（LSTM）用于机器学习模型。SARIMAX-ANN，SARIMAX-SVR和SARIMAX-LSTM用于混合模型。结果表明，混合模型表现出显着的改善SARIMAX模型。基于LSTM的模型优于其他模型;单一和混合LSTM模型没有表现出显着的性能差异。在2019年韩国最高峰值负荷的情况下，LSTM模型的预测能力被证明大于SARIMAX-LSTM模型。LSTM、SARIMAX-SVR和SARIMAX-LSTM模型的表现优于韩国目前使用的基于时间序列的预测模型。因此，韩国的峰值负荷预测性能可以通过包括机器学习或混合模型来提高。
2021-06-30 cs.LG cs.SY econ.EM
