近日，我校机械与汽车工程学院科研团队在混合储能系统能量管理领域取得研究新进展，在能源存储领域权威期刊Journal of Energy Storage（IF=10.7）发表题为“Model predictive control for energy management of lithium nickel cobalt manganese oxide and lithium iron phosphate batteries hybrid energy storage system”的学术论文。机汽车学院Luigi d'Apolito博士为第一作者，其指导的研究生黄锦豪为第二作者，厦门理工学院为第一完成单位。

该研究提出了一种面向电动汽车NCM-LFP混合电池储能系统（HESS）的自适应模型预测控制（MPC）策略。研究团队创新性地引入了模糊逻辑模块，根据实时温度和功率需求动态调整MPC代价函数的权重，并构建了基于PCA-Kmeans运动学片段分类的聚类LSTM速度预测器，显著提升了不同预测时域下的车速预测精度。仿真结果表明，该策略在-20℃低温环境下将车辆续驶里程提升了29.65%，同时降低了LFP电池平均电流和直流母线电压波动。研究还搭建了小规模实验验证平台，证实了控制策略的工程可行性。

研究成果对于促进新能源汽车在高寒地区推广应用、助力“双碳”目标下储能系统降本增效具有重要的科学价值和现实应用前景。（机械与汽车工程学院）

该研究提出的NCM-LFP HESS的拓扑结构

不同策略在-20℃下的性能比较

HESS与SESS的比较：（a）质量约束（b）成本约束