دانلود مقاله ISI انگلیسی شماره 91083
ترجمه فارسی عنوان مقاله

تقویت مدیریت زمان واقعی قدرت یادگیری برای سیستم ذخیره انرژی هیبریدی در وسیله الکتریکی هیبریدی پلاگین

عنوان انگلیسی
Reinforcement learning-based real-time power management for hybrid energy storage system in the plug-in hybrid electric vehicle
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
91083 2018 11 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 7776 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 18 تومان 14 روز بعد از پرداخت 139,968 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 36 تومان 7 روز بعد از پرداخت 279,936 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
تولید محتوا برای سایت شما
پایگاه ISIArticles آمادگی دارد با همکاری مجموعه «شهر محتوا» با بهره گیری از منابع معتبر علمی، برای کتاب، سایت، وبلاگ، نشریه و سایر رسانه های شما، به زبان فارسی «تولید محتوا» نماید.
  • تولید محتوا با مقالات ISI برای سایت یا وبلاگ شما
  • تولید محتوا با مقالات ISI برای کتاب شما
  • تولید محتوا با مقالات ISI برای نشریه یا رسانه شما
  • و...

پیشنهاد می کنیم کیفیت محتوای سایت خود را با استفاده از منابع علمی، افزایش دهید.

سفارش تولید محتوا کد تخفیف 10 درصدی: isiArticles
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Applied Energy, Volume 211, 1 February 2018, Pages 538-548

پیش نمایش مقاله
پیش نمایش مقاله تقویت مدیریت زمان واقعی قدرت یادگیری برای سیستم ذخیره انرژی هیبریدی در وسیله الکتریکی هیبریدی پلاگین

چکیده انگلیسی

Power allocation is a crucial issue for hybrid energy storage system (HESS) in a plug-in hybrid electric vehicle (PHEV). To obtain the best power distribution between the battery and the ultracapacitor, the reinforcement learning (RL)-based real-time power-management strategy is raised. Firstly, a long driving cycle, which includes various speed variations, is chosen, and the power transition probability matrices based on stationary Markov chain are calculated. Then, the RL algorithm is employed to obtain a control strategy aiming at minimizing the energy loss of HESS. To reduce the energy loss further, the power transition probability matrices should be updated according to the new application driving cycle and Kullback-Leibler (KL) divergence rate is used to judge when the updating of power management strategy is triggered. The conditions of different forgetting factors and KL divergence rates are discussed to seek the optimal value. A comparison between the RL-based online power management and the rule-based power management shows that the RL-based online power management strategy can lessen the energy loss effectively and the relative decrease of the total energy loss can reach 16.8%. Finally, the strategy is verified in different conditions, such as temperatures, states of health, initials of SoC and driving cycles. The results indicate that not only can the RL-based real-time power-management strategy limit the maximum discharge current and reduce the charging frequency of the battery pack, but also can decrease the energy loss and optimize the system efficiency.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 7776 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 18 تومان 14 روز بعد از پرداخت 139,968 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 36 تومان 7 روز بعد از پرداخت 279,936 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.