Energy Management of a Hybrid Photovoltaic-Fuel Cell Grid-Connected Power Plant with Low Voltage Ride-Through Control
University of Hafr Al Batin（哈夫阿尔巴廷大学）
本文提出了一种并网混合发电系统能量管理方案，通过灵活调节光伏和燃料电池的输出，实现对电网需求的供电，并在电压跌落时提供低电压穿越能力。
2018-04-30 cs.SY eess.SY
Integrated Optimization of Power Split, Engine Thermal Management, and Cabin Heating for Hybrid Electric Vehicles
针对寒冷天气下混合动力汽车燃油消耗增加的问题，提出集成功率与热管理方案，通过动态规划优化功率分配、发动机热管理与座舱加热，显著提升燃油经济性。
2019-06-04 cs.SY eess.SY math.OC
Degradation-aware Predictive Energy Management for Fuel Cell-Battery Ship Power System with Data-driven Load Forecasting
Delft University of Technology（代尔夫特理工大学）；Università degli Studi di Genova（热那亚大学）
本文提出了一种考虑燃料电池退化因素的预测性能源管理策略，通过数据驱动的负载预测减少氢气消耗和电池退化，实验显示在15分钟和1小时预测范围内，氢气消耗和电池退化分别减少5.8%和36.4%。
2026-04-16 cs.SY eess.SY
Comprehensive Dynamic Modeling and Constraint-Aware Air Supply Control for Localized Water Management in Automotive Polymer Electrolyte Membrane Fuel Cells
University of Vermont（佛蒙特大学）；Ford Motor Company（福特汽车公司）
针对汽车PEM燃料电池局部水合管理，提出基于指令治理器框架的约束感知空气供应控制，利用降阶线性化模型防止膜干燥，并在驾驶循环仿真中验证了其有效性。
2025-10-17 cs.SY eess.SY
An Optimal Power Management Policy for Hydrogen-based Hybrid Aero Engines
Eindhoven University of Technology（埃因霍温理工大学）
针对燃气轮机和固体氧化物燃料电池混合的氢基航空发动机，提出基于二次准稳态模型和KKT条件的闭环最优功率分配策略，实现高精度功率分配和燃料消耗预测。
2026-06-16 cs.SY eess.SY
Driving Condition-Aware Multi-Agent Integrated Power and Thermal Management for Hybrid Electric Vehicles
Chongqing University（重庆大学）；Loughborough University（拉夫堡大学）；Shanghai Jiao Tong University（上海交通大学）
本文提出一种面向驾驶条件的混合动力汽车多智能体集成能量与热管理框架，通过实时驾驶识别模型提升燃油经济性并降低热管理能耗。
2026-03-29 cs.SY eess.SY
A novel learning-based robust model predictive control energy management strategy for fuel cell electric vehicles
Jilin University（吉林大学）；Loughborough University（拉夫堡大学）
多能源机电耦合使得燃料电池电动汽车（FCEV）的能量管理相对非线性和复杂，特别是在四轮驱动（4 WD）FCEV类型中。复杂非线性系统的精确状态观测是燃料电池汽车实现理想能量管理的基础。为充分发挥燃料电池汽车的节能潜力，提出了一种基于学习的鲁棒模型预测控制（LRMPC）策略，用于四轮驱动燃料电池汽车，实现多能源之间的合理功率分配.基于机器学习的控制策略将非线性系统的知识转化为具有良好鲁棒性能的显式控制方案。首先，离线训练回归精度高、泛化能力强的ML方法，建立精确的SOC状态观测器;然后，利用状态观测器生成的SOC显式数据表，以车辆状态和车辆部件状态为输入特征，准确捕捉状态变化。具体地说，车辆速度估计提供未来的速度参考是由深森林。其次，将显式数据表和车速估计等组成部分与模型预测控制（MPC）相结合，以释放燃料电池汽车多自由度系统的最新节能能力，称为LRMPC。最后，通过仿真试验对该算法的性能进行了详细的评估，验证了该算法的优越性。相应的结果突出了LRMPC的节能潜力和较强的实时应用能力的最优控制效果。
2022-09-12 cs.LG cs.SY eess.SY
Mathematical Modeling for Holistic Convex Optimization of Hybrid Trains
我们研究建模燃料电池混合动力列车的目的，优化其操作使用凸优化。模型和必要的约束条件，形成一个物理上可行的凸问题进行审查。由于广泛考虑了训练速度、能量管理系统和电池热量，因此将这项工作描述为整体性的。最小化的目标是给定目标行程时间的氢燃料消耗。提出了一种新的电池热模型，以帮助电池的热管理，从而保持电池的寿命。所有模型都是在空间域中导出的，沿着约束松弛保证了凸优化问题。第一原理知识和真实世界的数据证明了所提出的模型适用于预期的最优化问题。
2021-10-24 cs.SY eess.SY math.OC
An Add-on Model Predictive Control Strategy for the Energy Management of Hybrid Electric Tractors
本文针对混合动力电动拖拉机提出一种附加式多目标模型预测控制能量管理策略，在不改动原发动机速度控制回路的前提下，同时优化燃油消耗与速度跟踪，并在实验验证的仿真环境中完成测试。
2023-09-22 cs.SY eess.SY
Co-Optimization of Adaptive Cruise Control and Hybrid Electric Vehicle Energy Management via Model Predictive Mixed Integer Control
该研究面向比亚迪秦Plus DM-i PHEV，将ACC与考虑离合器状态的EMS整合为MINLP，并在MPC框架下实现跟车节能协同优化，燃油消耗较顺序优化降低5.1%。
2023-04-24 cs.SY eess.SY
Model Predictive Online Trajectory Planning for Adaptive Battery Discharging in Fuel Cell Vehicle
本文针对插电式混合动力汽车中燃料电池与电池的动态协调问题，提出一种基于迭代LQR的分层在线轨迹规划方法，使高层SOC规划器能自适应指定各驾驶段放电量，并通过数值仿真验证其有效性。
2024-09-05 cs.SY eess.SY
Model and Load Predictive Control for Design and Energy Management of Shipboard Power Systems
在目前的中压直流（MVDC）船载电力系统（SPS）中，存在多信源以向公共直流总线供电。传统上，这种系统的功率管理通过控制包括燃料操作发电机和底层转换器的发电模块（PGM）来执行。此外，能源管理是由新兴的单一或混合能源存储系统（ESS）。本文提出了一个模型和负荷预测控制框架的电力和能源管理的SPS。这里，具有负载预测的MPC用于三个主要目标：（1）根据发电机和能量存储元件各自的功率状态（SOP）和斜坡速率限制从发电机和能量存储元件请求功率和能量，（2）考虑并整合发电机成本和降级，以及（3）在预测范围结束时达到ESS的特定停车（最终）荷电状态（SOC）。利用MATLAB演示了最优化问题的解决方案，并在实时仿真环境中验证了控制框架的功能。
2021-05-20 cs.SY eess.SY math.OC
Distributed Peer-to-Peer Energy Trading for Residential Fuel Cell Combined Heat and Power Systems
本文研究了具有微型燃料电池热电联供系统电力系统的住宅群的最优能量管理。为了提高当地社区的自给自足和恢复能力，提出了住宅之间的点对点能源交易系统，其中在额定功率下工作的燃料电池的输出功率可以出售给那些已经达到额定输出但仍然缺乏功率的人。由于功率和热效率对燃料电池输出功率的非线性依赖性，从这种最佳对等能量交易系统中产生的优化问题是非凸的。因此，提出了一种线性化方法来凸化问题。因此，一个分布式ADMM方法被引入到并行解决每个住宅的凸优化问题。一组六个住宅的实际电力消费数据的基础上的案例研究，然后展示了所提出的方法的性能和积极影响的P2P能源交易系统。更具体地说，所提出的分布式ADMM方法是相当快的收敛速度和可扩展性以及与系统的大小。此外，P2P电力交易系统有助于以更高的效率运行燃料电池，并提高这些住宅的自给自足能力。
2020-09-14 cs.SY eess.SY
Traffic-aware Hierarchical Integrated Thermal and Energy Management for Connected HEVs
Loughborough University（拉夫堡大学）；Chongqing University（重庆大学）；Monash University（莫纳什大学）
本文提出了一种基于交通信息的分层集成热能管理策略，通过规划电池SOC和车厢温度的全局参考轨迹，并结合实时MPC控制器和Transformer预测器，实现对驾驶循环和环境温度的前瞻性跟踪，从而提升燃油经济性和热舒适性。
2026-02-25 cs.SY eess.SY
A Formal Approach for Efficient Navigation Management of Hybrid Electric Vehicles on Long Trips
插电式混合动力电动汽车（PHEV）由于其经济效率以及对绿色管理的贡献而越来越受欢迎。插电式混合动力汽车允许驾驶员仅使用电力进行驾驶，然后根据需要切换到汽油。汽车使用的汽油越多，旅行所需的费用就越高。然而，PHEV不能在不充电的情况下长时间使用储存的电力。因此，与传统的汽油动力汽车相比，它需要频繁充电。此外，电池充电时间通常较长，这导致旅行延迟较长。因此，有必要提供一个灵活的导航管理方案，以及一个有效的充电时间表，这使得司机选择一个最佳的路线的基础上的燃料成本和时间到目的地的约束。在本文中，我们提出了一个正式的模型来解决这个PHEV导航管理问题。该模型求解提供了一个全面的路由计划，包括潜在的充电和加油点，满足给定的要求，特别是最大燃料成本和最大行程时间的驱动程序。此外，我们提出了一种基于价格的导航控制技术，以实现更好的负载平衡的交通系统。评价结果表明，提出的形式化模型可以有效地解决，即使是大型道路网络。
2019-07-01 cs.ET cs.LO cs.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
Optimal Management of a Smart Port with Shore-Connection and Hydrogen Supplying by Stochastic Model Predictive Control
本文提出了一种智能港口的最佳管理策略，该港口配备了可再生能源发电，由一个电气化码头和一个氢基码头组成，可提供零排放船舶。一个电池储能系统和一个氢储能系统用于管理可再生能源，并为电力和氢燃料船舶提供电力。设计了一种基于模型预测控制的算法，以确定在运行过程中要遵循的最佳经济策略。控制算法考虑到可再生能源发电的不确定性，使用随机优化。该方法的性能在未来可能配备风力和光伏发电的智能港口上进行了测试。
2022-11-22 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
Deep Neural Network NMPC for Computationally Tractable Optimal Power Management of Hybrid Electric Vehicle
本文提出一种深度神经网络逼近NMPC的方法，用于混合动力电动汽车的功率管理，在保持性能的同时大幅降低计算复杂度，并通过仿真和PIL测试验证了其有效性。
2024-03-17 cs.SY eess.SY
A Security-Constrained Optimal Power Management Algorithm for Shipboard Microgrids with Battery Energy Storage System
本文针对含柴油发电机和电池储能的船舶微电网，提出一种基于混合整数线性规划的安全约束最优功率管理算法，实现机组组合与功率调度，在保障防停电能力的同时最大化燃油节省。
2023-04-07 cs.SY eess.SY
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
Dynamic Energy Beacon: An Adaptive and Cost-effective Energy Harvesting and Power Management System for A Better Life
在该提案中，提出了一种具有成本效益的能量收集和管理系统。常规功率保持在200瓦左右，峰值功率可达300瓦。该系统的成本满足农村地区和离网生活的居民的需求和预算。这可能是解决全球能源危机的一个潜在办法，特别是数十亿生活在严重能源贫困中的人。此外，它是传统化石燃料发电的重要可再生替代品，不仅制造成本低，效率高，而且安全环保。
2019-11-05 cs.SY eess.SP eess.SY
Energy Management Strategy for Unmanned Tracked Vehicles Based on Local Speed Planning
混合动力系统具有良好的动力性和经济性，在无人驾驶履带车辆上具有很好的应用前景。由于无人驾驶履带车辆没有传统的驱动装置，且行驶周期具有不确定性，给传统的能量管理策略带来了新的挑战。提出了一种基于局部速度规划的履带无人车能量管理策略。这些贡献是三重的。首先，采用局部速度规划算法作为驾驶循环预测的输入，避免了传统车辆对驾驶员操作的依赖。其次，提出了一种基于卷积神经网络和长短期记忆的预测模型（CNN-LSTM），用于处理计划和历史速度序列，以提高预测精度。最后，基于预测结果，采用模型预测控制算法实现能量管理的实时优化。通过对履带无人车的现场试验数据进行仿真，验证了该方法的有效性。与多步神经网络相比，基于CNN-LSTM的预测模型将预测精度提高了20%。与传统的常规能源管理策略相比，基于模型预测控制的能源管理策略降低了7%的油耗。
2021-07-05 cs.SY eess.SY
Feasibility-Aware Energy Management of a Hydrogen-Enabled Community Microgrid: A Proof-of-Concept Study
Central Queensland University（中昆士兰大学）；An-Najah National University（安纳贾赫国立大学）；The University of New South Wales, Canberra（新南威尔士大学堪培拉校区）
研究针对氢能社区微电网运行的复杂问题，提出基于近端策略优化（PPO）的能量管理系统，经澳大利亚某社区数据评估，该系统在不同场景下展现出在电池 - 氢协同调度方面的潜力及对多种因素的敏感性。
2026-08-03 cs.SY eess.SY
EcoTIM: Fuel-saving multi-brand tillage with ISO 11783 TIM
Technical University of Munich（慕尼黑工业大学）
EcoTIM通过ISO 11783 TIM接口实现拖拉机与耕作设备的协同优化，减少每公顷燃油消耗。该方法利用拖拉机和耕作设备的ECU交换两个标量值，实现多品牌兼容和实时燃油优化。
2026-04-20 cs.SY eess.SY
Optimal Energy Management of Series Hybrid Electric Vehicles with Engine Start-Stop System
针对带发动机启停系统的串联式混合动力汽车，本文推导解析最优能量管理解并证明电量维持最优性，进而提出参数少、可调的 HPTS 启发式策略，验证其接近 DP 且适用于高保真模型。
2022-03-30 cs.SY eess.SY
Drone Delivery Systems and Energy Management: A Review and Future Trends
先进的技术突破和卓越的创新水平正在增强自主无人机（UAV或无人机）的能力和潜力，并吸引了更广泛的物流公司，在线零售商和政府机构的兴趣。这些技术进步及其对监管机构的影响可能很快就会为无人机广泛用于交付和监控目的铺平道路。此外，日益紧迫的环境因素，包括二氧化碳减排和其他节能方法，正在加剧需要减少车辆使用和拥堵，这可能进一步刺激车辆的使用。为了优化这些系统，无人机通常采用混合电源系统架构来提高续航能力和性能。燃料电池、蓄电池、太阳能电池和超级电容器是可以组合在混合电力架构中的电源的示例。为了使今天的无人机（以及未来的无人机）能够有效地工作，必须根据最佳和准确的建模技术选择合适的能源管理系统。本章对无人机能源供应管理和战略系统进行了全面的回顾，以确定其优缺点，并为未来的研究提出了建议。
2022-08-13 cs.SY eess.SY
New Hybrid Maximum Power Point Tracking Methods for Fuel Cell using Artificial Intelligent
提出了两种基于自适应神经模糊推理系统（ANFIS）和帝国竞争算法训练神经网络（ICANN）的燃料电池（FC）系统最大功率点跟踪（MPPT）方法。基于该数据确定燃料电池最大功率点对应的第一工作电压，然后使用模糊逻辑控制器调节DC/DC转换器的占空比，以迫使系统在与其最大功率点相匹配的条件下工作，以最小化燃料消耗。所提出的系统和传统的模糊控制器系统在MATLAB环境中进行了仿真，结果表明，在快速变化的条件下，以及在最短的时间内正常条件下，可接受的操作。
2021-07-07 cs.SY eess.SY
Energy Management of Airport Service Electric Vehicles to Match Renewable Generation through Rollout Approach
传统的柴油机场服务车辆的特点是重型、高使用频率和每辆车每小时的高碳强度。如果对机场服务电动汽车（ASEV）进行适当的能源管理，将这些车辆改造为电动汽车将减少二氧化碳排放，并在燃料价格上涨的背景下节省能源成本。为了执行这样的能量管理，本文提出了一种新的定制的推出方法，作为一个新的ASEV动力学模型，ASEV模型的状态，随着时间的推移，以及如何控制决策影响他们的近最优控制方法。推出的方法产生了一个接近最佳的控制策略，为ASEV运输行李和充电电池，目标是最大限度地减少运营成本，这激励了ASEV的充电，以匹配可再生能源发电。案例研究表明，推出的方法有效地克服了“维数灾难”。在典型的夏季和冬季，推出算法的总成本比基本的“贪婪充电”启发式算法低约10%，该启发式算法在电池的充电状态不是最大时对电池进行充电。展示算法被证明是适应航班时刻表的变化，在短时间内通知。
2019-08-21 cs.SY eess.SY
Sequence Aware SAC Control for Engine Fuel Consumption Optimization in Electrified Powertrain
针对串联式混合动力卡车发动机控制，提出基于SAC并融合GRU和决策变换器的序列感知强化学习框架，在HFET循环燃油节省接近动态规划，且在未见驾驶循环上优于前馈网络方法。
2025-08-06 cs.AI cs.LG cs.SY
Hierarchical Fuel-Cell Airpath Control: an Efficiency-Aware MIMO Control Approach Combined with a Novel Constraint-Enforcing Reference Governor
University of Vermont（佛蒙特大学）；Ford Motor Company（福特汽车公司）
针对PEMFC空气供给系统，提出分层MIMO内模控制结合新型级联截面参考治理器，实现流量压力跟踪、效率优化与OER约束，较SISO降低氢耗7.36%，较传统负载治理器改善功率跟踪误差与最坏OER。
2025-10-16 cs.SY eess.SY
A novel ML-fuzzy control system for optimizing PHEV fuel efficiency and extending electric range under diverse driving conditions
Iran University of Science and Technology（伊朗科技大学）；Cornell University（康奈尔大学）；University of Nebraska-Lincoln（内布拉斯加大学林肯分校）
本研究提出一种结合机器学习与模糊逻辑的PHEV新型控制系统，可预测纯电能耗、优化多模式功率分配，在多工况下显著提升纯电续航、降低燃油消耗，还能适配不同电池健康状态。
2024-12-12 cs.LG cs.SY eess.SY
Comprehensive Energy Footprint Benchmarking of Strong Parallel Electrified Powertrain
本研究针对强并联电气化商用车，采用PS3框架与帕累托最优分析开展能源管理优化，实现燃油消耗降低7%、NOx减排29%，为动力总成能效提升提供参考。
2022-09-25 cs.SY eess.SY
Performance Investigation of an Optimal Control Strategy for Zero-Emission Operations of Shipboard Microgrids
本文针对集成柴油发电机、燃料电池和电池储能的船舶微电网，提出一种基于混合整数线性规划的功率管理策略，协同优化机组组合、功率调度与航速，在保障零排放和防停电的同时最小化运行成本。
2024-05-03 cs.SY eess.SY
A Machine Learning-Based Reference Governor for Nonlinear Systems With Application to Automotive Fuel Cells
针对基于预测的非线性参考调节器计算负担重的问题，提出改进型神经网络参考调节器，用回归神经网络逼近其映射并结合灵敏度法微调保证约束，计算效率更高，经汽车燃料电池仿真验证有效。
2025-07-13 cs.SY eess.SY
Driving Conditions-Driven Energy Management for Hybrid Electric Vehicles: A Review
出于对运输燃料消耗和全球空气污染的关注，工业工程师和学术研究人员做出了许多努力来建造更高效和环保的车辆。混合动力电动汽车（Hybrid Electric Vehicles，HEV）通过协调不同储能装置之间的能量补充来满足动力需求，具有代表性。为了实现这一目标，能源管理方法是关键技术，而驾驶循环是关键的影响因素。因此，本文的目的是总结驱动的能量管理策略（EMS）的混合动力汽车。首先，在能源管理领域的驱动周期的定义和意义进行了澄清，并在这一研究领域的最新文献进行了回顾和再访问。此外，根据已知的驾驶循环信息，将EMS分为三类，并对标准驾驶循环、长期驾驶循环生成（LT-DCG）和短期驾驶循环预测（ST-DCP）等相关研究方向进行了阐述和分析。此外，现有的数据库的驾驶循环在公路和城市方面的展示和讨论。最后，本文还阐述了与驾驶循环相关的能源管理技术的未来展望。本文旨在帮助相关研究人员了解混合动力汽车能量管理领域的研究现状，并明确其未来的发展方向。
2020-08-01 cs.SY eess.SP eess.SY
An Uncertainty Management Framework for Integrated Gas-Electric Energy Systems
在世界许多地方，电力电力系统已发生重大转变，转向使用可再生能源和天然气发电。由于能够灵活地实时调整发电量，燃气发电厂经常被视为可变可再生能源发电的完美合作伙伴。然而，这种对天然气生产的依赖增加了电网和天然气管道之间的相互依赖性，并传播了不确定性，并带来了协调和不确定性管理的挑战。为了解决这些问题，我们提出了一个不确定性管理框架的不确定性，但有界的燃气发电厂的天然气消耗。的容许范围计算的基础上的联合优化问题的天然气和电力网络，其中包括机会约束调度的电网和天然气网络的一种新的鲁棒优化配方。该公式确保了集成系统的可行性，具有很高的概率，同时提供了一个易于处理的数值公式。相对于现有方法的一个关键进步是，我们的方法是基于一个物理上准确的，验证模型的瞬态气体管道流量。我们的案例研究基准我们提出的配方对方法，忽略了储备激活如何影响燃气发电厂的燃料使用，只考虑预定的天然气消耗。结果表明，考虑不确定性的重要性，以避免操作约束违反和削减天然气发电机。
2020-06-25 cs.SY eess.SY
Integrating Reinforcement Learning and Large Language Models for Crop Production Process Management Optimization and Control through A New Knowledge-Based Deep Learning Paradigm
本文探讨了将强化学习与大型语言模型集成到作物管理决策支持系统中，以应对现代农业动态复杂性，并提出离线RL等解决方案以优化实际部署，推动农业系统向最优可控转型。
2024-10-13 cs.SY eess.SY
Learning-Based Model Predictive Control for the Energy Management of Hybrid Electric Vehicles Including Driving Mode Decisions
提出了一种基于模型预测控制的并联式混合动力汽车能量管理系统在线控制器。它的任务是通过计算驾驶员的动力请求在动力系统的电气和燃烧部分之间的分配，以及通过选择取决于车辆离合器状态的驾驶模式，来最大限度地减少车辆在预测的驾驶任务中的燃料消耗。在模型预测控制结构中包括离合器状态并不是微不足道的，因为作为结果，潜在的优化问题变成了混合整数规划。使用庞特里亚金最小值原理和简化的车辆模型，可以证明存在依赖于驾驶循环的临界功率请求Pcrit，其唯一地分离最佳驾驶模式。基于此结果，提出了一种学习算法来确定车辆运行期间的Pcrit。将学习算法引入到多级控制器结构中，并以两个实际驾驶任务为例，详细分析了多级学习模型预测控制器的工作原理.动态规划得到的解决方案的比较表明，所提出的控制器实现接近最优性能。
2023-01-03 cs.SY eess.SY
Energy Trading in Microgrids for Synergies among Electricity, Hydrogen and Heat Networks
新兴的互联微电网模式倡导在多个微电网之间进行能源交易或共享。它有助于在满足各种能源负荷时充分利用能源的时间可用性和运营成本的多样性。然而，能源交易可能无法完全吸收多余的可再生能源。提出了包括燃料电池汽车、储能、电力系统和可再生能源在内的多能源管理框架，并考虑了燃料电池汽车的特点和调度安排，以进一步提高可再生能源的本地吸收能力，提高微电网的经济效益。虽然人们对能源调度和交易问题进行了深入的研究，但微电网经济性的一个基本问题仍然没有得到解决。也就是说，由于多能源耦合，随机可再生能源的产生和需求，微电网应该何时以及如何调度和交易能源与他人，这最大化其长期效益。设计了一种基于李亚普诺夫优化和双向拍卖机制的联合能量调度和交易算法。它的目的是确定拍卖中的能源估值，优化能源分配，并以当前电价策略性地购买和出售能源。基于真实数据的仿真表明，每个单独的微电网，在所提出的算法的管理下，可以实现时间平均利润，任意接近最优值，同时避免损害自己的舒适性。
2020-06-11 cs.SY eess.SY
Trajectory-Based Co-Optimization of Arrival Scheduling and Descent Path Design in the Terminal Maneuvering Area
The University of Texas at Austin（德克萨斯大学奥斯汀分校）
该研究针对终端机动区到达调度与下降路径设计分离的问题，提出四维调度器协同优化，通过仿真评估验证，可在不同场景下显著降低机队燃油消耗。
2026-09-04 cs.SY eess.SY
A GPU Implementation of a Look-Ahead Optimal Controller for Eco-Driving Based on Dynamic Programming
互联和自动驾驶汽车（CAV）的预测性能源管理，特别是具有多个电源的汽车，有可能显著提高现实驾驶条件下的能源节约。特别地，生态驾驶问题寻求基于来自连接性和高级映射特征的可用信息来设计最佳速度和功率使用曲线，以最小化两个指定位置之间的燃料消耗。在这项工作中，生态驾驶问题制定为一个三状态滚动时域最优控制问题，并通过动态规划（DP）解决。在车辆速度和电池充电状态（SoC）轨迹方面的最佳解决方案允许连接和自动化的混合动力电动车辆智能地通过信号交叉口，并在规定的路线上最大限度地减少燃料消耗。为了实现实时实现，提出了一种并行架构的DP与CUDA编程的NVIDIA GPU。仿真结果表明，所提出的最优控制器提供了超过15%的燃油经济性的好处相比，基线控制策略和求解器的时间可以减少90%以上的并行实施相比，串行实施。
2021-04-03 cs.SY eess.SY
Adaptive Energy Management for Real Driving Conditions via Transfer Reinforcement Learning
Chongqing University（重庆大学）；University of Waterloo（滑铁卢大学）；Waterloo University（滑铁卢大学）
提出了一种基于传递强化学习（RL）的并联混合动力汽车（HEV）自适应能量管理方法。这是一个双层次的方法。上一级描述了如何通过驾驶循环变换（DCT）在RL框架中对Q值表进行变换。特别是，计算了不同周期功率请求的转移概率矩阵（TPM），并采用诱导矩阵范数（IMN）作为识别变换差异并确定控制策略变更的关键标准。下层利用无模型强化学习（RL）算法，根据变换后的Q值表和TPM确定相应的控制策略。数值试验表明，通过调节IMN值，可以调节传递性能，传递RL控制器可以获得更高的燃油经济性。结果表明，该方法在计算速度和控制性能上均优于传统RL方法。
2020-07-24 cs.LG cs.SY eess.SY
Learning-Based MPC for Fuel Efficient Control of Autonomous Vehicles with Discrete Gear Selection
针对自动驾驶车辆速度与离散挡位MPC协同优化计算量过大的问题，提出基于学习的MPC方案，通过训练策略预先固定预测时域内挡位以简化在线连续优化，在保持可比拟性能的同时显著降低计算负担。
2025-05-28 cs.SY eess.SY
Strategic Optimization and Demand Response for Thermal Load Management in Multi-Regional Integrated Energy Systems: A Stackelberg Game Approach
针对中国能源系统高耗低效问题，本研究提出基于 Stackelberg 博弈的双层优化模型，利用 KKT 条件与 Big M 方法转化为 MILP 问题求解，实现了多区域热负荷的差异化需求响应管理，平衡了供需双方利益并提升了能源效率。
2024-11-03 cs.SY eess.SY
Optimal design of three-planetary-gear power-split hybrid powertrains
Nanjing University of Science & Technology（南京理工大学）；University of Michigan（密歇根大学）
本文提出了一种高效搜索和优化方法，系统探索了使用三个行星齿轮的多模式混合动力车的可能设计，识别出8种在启动性能和燃油经济性上更优且使用更少离合器的设计。
2017-08-01 cs.SY eess.SY
Multi-Objective Optimization Algorithms for Energy Management Systems in Microgrids: A Control Strategy Based on a PHIL System
本文提出一种基于功率硬件在环（PHIL）的自适应加权多目标优化方法，用于微电网能源管理，平衡燃料消耗、负载失配、电能质量、电池退化及可再生能源利用，并在实时实验中验证其优于基线系统。
2025-05-22 cs.CE cs.SY eess.SY
A Federated learning model for Electric Energy management using Blockchain Technology
University of Management and Technology（管理与技术大学）；University of the Punjab（旁遮普大学）
针对发展中国家能源短缺与管理不足问题，提出基于区块链的安全分布式账本技术保障产消者与消费者交易安全，同时构建联邦学习模型预测能源需求，实验验证可再生能源应用效果更优。
2023-07-18 cs.LG cs.SY eess.SY
Recent Progress in Energy Management of Connected Hybrid Electric Vehicles Using Reinforcement Learning
University of Birmingham（伯明翰大学）；Tsinghua University（清华大学）；University of Surrey（萨里大学）
本文综述了强化学习在网联混合动力汽车能量管理中的应用，涵盖从单车到多车场景，重点探讨多智能体强化学习解决协同生态驾驶控制的挑战与进展。
2023-12-23 cs.LG cs.SY eess.SY
Mixed-Integer Optimal Control via Reinforcement Learning: A Case Study on Hybrid Electric Vehicle Energy Management
Shien-Ming Wu School of Intelligent Engineering, South China University of Technology（华南理工大学吴贤铭智能工程学院）；University of Waterloo（滑铁卢大学）
本文提出一种新型混合动作强化学习算法TD3AQ，用于解决混合整数最优控制问题，在PHEV能量管理案例中实现接近动态规划的最优控制且优于基线算法。
2024-05-31 cs.AI cs.SY eess.SY
A Review on AI Algorithms for Energy Management in E-Mobility Services
Dublin City University（都柏林城市大学）；School of Electronic Engineering（电子工程学院）；SFI Insight Centre for Data Analytics（SFI洞察数据分析中心）；Nanjing University of Aeronautics and Astronautics（南京航空航天大学）；University of Birmingham（伯明翰大学）
本文综述了AI算法在电动出行系统能源管理中的应用，涵盖里程焦虑、充电优化与电池寿命等挑战，并展望未来研究方向。
2023-09-26 cs.AI cs.LG cs.SY
Human-like Energy Management Based on Deep Reinforcement Learning and Historical Driving Experiences
Chongqing University（重庆大学）；Chongqing Normal University（重庆师范大学）；Chongqing University Three Gorges Hospital（重庆大学附属三峡医院）
本文面向混合动力电动汽车提出融合DDPG、DP专家轨迹与驾驶员历史数据的类人能量管理框架，并通过实验验证其燃油经济性、收敛性与适应性。
2023-09-26 cs.AI cs.LG cs.SY
Constrained Optimal Fuel Consumption of HEVs under Observational Noise
AI Technology Research and Development Department, Automotive New Technology Research Institute, BYD Auto Industry Company Limited（比亚迪汽车工业有限公司智能技术研究与开发部、汽车新技术研究院）；Tsinghua University（清华大学）
本研究针对混合动力汽车在SOC和参考速度存在观测噪声时的约束最优燃油消耗问题，提出鲁棒约束强化学习方法，显式建模噪声并验证其在不同测试循环下保持燃油消耗与约束满足的鲁棒性。
2025-11-04 cs.LG cs.SY eess.SY
Microgrid management with weather-based forecasting of energy generation, consumption and prices
Liège University（列日大学）
政府间气候变化专门委员会提出了不同的减缓战略，以实现净减排，这是遵循将全球变暖限制在1.5°C而没有或有限超调的途径所必需的。向无碳社会的过渡必然会增加可再生能源发电在能源组合中的份额，并大幅减少化石燃料的总消费。因此，本论文以可再生能源在电力系统的整合为研究对象，探讨预测与决策工具。事实上，与传统发电厂相比，可再生能源具有不确定性。大多数基于可再生能源的发电技术是不可调度的，其生产是随机的，难以提前预测。可再生能源的高份额对于那些为可调度单元设计和调整规模的电力系统来说是一个挑战。在这种情况下，概率预测，旨在模拟所有可能的未来实现的分布，已成为一个重要的工具，以装备决策者，希望导致更好的决策，在能源应用。本论文主要研究两个问题：（1）如何产生可靠的可再生能源发电量、消费量和电价的概率预测？(2)如何使用概率预测做出具有不确定性的决策？论文的范围是“小”系统的能源管理，如微电网在住宅规模的提前一天的基础上。它分为两个主要部分，提出解决这两个研究问题的方向（1）预测部分;（2）规划和控制部分。
2021-12-09 cs.LG cs.SY eess.SY
