Energy Monitoring of a Fuel-cell Hybrid Electric Vehicle using the Fuzzy Approach for Optimal Management

Abstract

الانتقال نحو تقنيات النقل الأكثر نظافة وكفاءة أدى إلى الاهتمام المتزايد بمركبات الهيدروجين الهجينة كبديل واعد للمحركات التقليدية ذات الاحتراق الداخلي. ومع ذلك، يبقى إدارة تدفق الطاقة بين خلايا الوقود والبطاريات تحدياً كبيرً. تركز هذه الأطروحة على تطوير وتحسين نظام إدارة الطاقة المعتمد على المنطق الضبابي لتحسين كفاءة مركبات الهيدروجين الهجينة من ناحية اقتصاد الوقود والأداء في ظل ظروف القيادة المختلفة. تبدأ هذه الدراسة بدراسة أنظمة إدارة الطاقة المعتمدة على المنطق الضبابي وقدرته على التعامل مع احتياجات الطاقة غير الخطية والديناميكية لمركبات الهيدروجين الهجينة، مع تسليط الضوء على مزايا المنطق الضبابي مثل سهولته وقابليته للتكيف، مقارنةً باستراتيجيات التحكم التقليدية. تم استخدام منهج لتحسين متغيرات المتحكم الضبابي، بما في ذلك خصائص دوال الانتماء وأوزان القواعد، ومجالات المتغيرات الضبابية، باستعمال خوارزميات التحسين المتقدمة. في البداية، تم تطبيق خوارزمية تحسين سرب الجسيمات لضبط خصائص دوال الانتماء في نظام إدارة الطاقة الضبابي في ظروف قيادة مختلفة. تم استخدام متحكمين بدوال انتماء مختلفة، النظام الأول يعتمد على دوال شبه منحرف والنظام الثاني يعتمد على دوال مثلثية. أظهرت النتائج تحسنًا ملحوظًا في اقتصاد الوقود والتحكم في مستوى شحن البطارية مقارنة بأنظمة إدارة الطاقة غير المحسّنة وتلك المبنية في نظام المحاكات، ومع ذلك، لا يزال هناك مجموعة من المتغيرات الضبابية التي تؤثر على أداء النظام ويجب تحسينها، مما يبرز الحاجة إلى حل أكثر تكيفًا. للتغلب على هذه القيود، تم تطوير إطار عمل شامل لتحسين متغيرات نظام إدارة الطاقة المبني على المنطق الضبابي باستخدام خوارزميات الجينات لضبط متغيرات المنطق الضبابي المتعددة. تم تنفيذ عملية التحسين على أربع مراحل متميزة، حيث ركزت كل مرحلة على مجموعة متغيرات مختلفة. أدى هذا النهج المنظم إلى تحسينات ملحوظة في كفاءة النظام، واقتصاد الوقود، وتوازن توزيع الطاقة في ظروف قيادة مختلفة. أكدت الدراسات المقارنة والتحليلات البصرية على تفوق نظام إدارة الطاقة المحسن باستخدام خوارزمية الجينات مقارنة بأنظمة إدارة الطاقة التقليدية وغير المحسّنة. كما تبرز الأطروحة الصياغة الرياضية لمشكلة التحسين، مع تفاصيل متغيرات القرار، ومساحات البحث، والدوال الهدفية، والقيود المصممة لتحسين استهلاك الوقود مع تقليل تشغيل خلايا الوقود في المناطق منخفضة الكفاءة. من القيود الرئيسية، الحفاظ على حالة شحن البطارية ضمن الحدود المقبولة. تختتم الدراسة بإظهار إمكانيات خوارزميات الجينات وسرب الجسيمات لتحسين فعالية أنظمة إدارة الطاقة المعتمدة على المنطق الضبابي لمركبات الهيدروجين الهجينة. لذالك، ستركز الأبحاث المستقبلية على استكشاف استراتيجيات إدارة طاقة أكثر تكيفًا يمكنها التكيف ديناميكيًا مع ظروف القيادة المختلفة في الوقت الفعلي. بالإضافة إلى ذلك، من المهم تحسين مزيد من متغيرات المنطق الضبابي. كما يُوصى أيضًا بإدراج المتغيرات المختلفة لنموذج المركبة، مثل درجة حرارة البطارية، وسرعة المحرك، وتضاريس الطريق، لإنشاء نظام إدارة طاقة أكثر قوة ودقة. ستساهم هذه الدراسة بشكل كبير في تحسين استراتيجيات إدارة الطاقة لمركبات الهيدروجين الهجينة وتوفير رؤى قيمة لتصميم أنظمة تحكم ذكية وفعالة من حيث إدارة الطاقة مما سيساهم في تطوير تقنيات نقل مستدامة وموثوقة.

The transition towards cleaner and more efficient transportation technology has introduced FCHEV as a promising alternative to conventional internal combustion engines. However, effectively managing the energy flow between fuel cells and batteries remains a significant challenge. This thesis focuses on developing and optimizing fuzzy logic-based EMS to enhance FCHEV efficiency, fuel economy, and performance under various driving conditions. This research starts by examining FLC for EMS and their ability to handle the non-linear and dynamic power demands of FCHEVs, highlighting the advantages of fuzzy logic, such as its ease and adaptability, in contrast to traditional control strategies. A systematic approach is used to optimize FLC parameters, including MFs, rule weights, and fuzzy variable universes, through advanced meta-heuristics search techniques. Initially, the PSO algorithm was applied to fine-tune the fuzzy EMS MF parameters across different driving profiles. Two configurations with trapezoidal and triangular membership functions were explored. The results showed notable improvements in fuel economy and battery SOC balance compared to non-optimized and ADVISOR-built EMS. However, there are still a variety of fuzzy parameters that impact EMS performance that need to be optimized, highlighting the need for a more adaptable solution. To overcome this limitation, a comprehensive optimization framework was developed using both binary and real-number GA to fine-tune multiple fuzzy logic parameters. The optimization process was conducted in four distinct phases, each focusing on different parameter sets. This structured approach led to measurable improvements in system efficiency, fuel economy, and power distribution balance across various driving cycles. Comparative studies and visual analyses validated the superiority of the GA-optimized EMS compared to traditional and non-optimized fuzzy EMS. The thesis also emphasizes the mathematical formulation of the optimization problem, detailing decision variables, search spaces, objective functions, and constraints designed to maximize fuel economy while minimizing fuel cell operation in low-efficiency regions. Key constraints, including maintaining SOC within acceptable limits, were rigorously addressed. The research concludes by showcasing the potential of GA and PSO algorithms to enhance the effectiveness of fuzzy logic-based EMS for FCHEVs. Future research should focus on exploring more adaptive EMS strategies that can adjust dynamically to various driving conditions in real-time. Additionally, it is important to optimize more fuzzy logic parameters, such as rule bases, types of membership functions, and the number of MF for each variable. Incorporating other vehicle model parameters, like battery temperature, motor speed, and road grade, is also recommended to create a more robust and accurate EMS. This work will significantly enhance energy management strategies for FCHEV and provide valuable insights for designing intelligent, energy-efficient control systems. Ultimately, it will contribute to the development of more sustainable and reliable green automotive technologies.

La transition vers des technologies de transport plus propres et efficaces a positionné les véhicules hybrides électriques à pile à combustible FCHEVscomme une alternative prometteuse aux moteurs thermiques classiques. Cependant, la gestion efficace du flux d'énergie entre les piles à combustible et les batteries reste un défi majeur. Cette thèse propose le développement et l'optimisation d'un système de gestion énergétique (EMS) basé sur la logique floue pour améliorer l'efficacité, l'économie de carburant et les performances des FCHEVs dans diverses conditions de conduite. L'étude débute par l'analyse des contrôleurs à logique floue (FLC) pour leur capacité à gérer les demandes énergétiques dynamiques et non linéaires. Les avantages de la logique floue, tels que sa simplicité et son adaptabilité, sont mis en évidence face aux stratégies de contrôle traditionnelles. L'optimisation des paramètres des FLC, incluant les fonctions d'appartenance (MFs), les poids de règles et les univers des variables floues, est réalisée à l'aide de techniques avancées d'optimisation métaheuristique. Dans une première phase, l'algorithme PSO est utilisé pour affiner les paramètres des fonctions d'appartenance du FLC sur différents profils de conduite, avec des configurations trapézoïdales et triangulaires. Les résultats montrent des améliorations notables en termes d'économie de carburant et d'équilibre du SOC par rapport aux EMS non optimisés. Néanmoins, la performance des EMS reste sensible à certains paramètres flous non optimisés. Pour surmonter cette limite, une optimisation complète en quatre phases est menée à l'aide d'algorithmes génétiques (GA) pour ajuster de multiples paramètres flous. Cette approche a permis une meilleure efficacité du système, une meilleure distribution de la puissance et une économie de carburant optimisée, validées par des études comparatives et des analyses visuelles. Cette recherche met également l'accent sur la formulation mathématique du problème d'optimisation, avec une définition rigoureuse des variables de décision, des fonctions objectifs et des contraintes. Le maintien du SOC dans des limites acceptables est soigneusement pris en compte. Les résultats obtenus démontrent le potentiel des algorithmes GA et PSO pour améliorer les EMS basés sur la logique floue desFCHEVs. Des perspectives futures incluent l'exploration de stratégies EMS plus adaptatives, l'optimisation des bases de règles floues et l'intégration de paramètres supplémentaires pour une gestion énergétique plus robuste et précise.