Teoresi logo compact negative

Teoresi welcomes HiFuture and BindingFuture

Le nostre tesi
logo politecnico di torino test

Politecnico di Torino

Engineering

Master's degree

Autore

Andrea Piacenza

2021

Ottimizzazione con algoritmi genetici dei componenti di un sistema di propulsione Fuel Cell/Batteria

logo politecnico di torino test

Politecnico di Torino

Engineering

Master's degree

Autore

Andrea Piacenza

Fuel CellModel Based Design
Relatori Accademici

Millo, Ravello


Abstract

L’obiettivo di questa tesi è lo sviluppo di una metodologia per determinare il dimensionamento dei componenti del powertrain in un veicolo Fuel Cell/Battery. L’analisi prevede lo studio della migliore configurazione del powertrain per ottimizzare costi e prestazioni in diverse missioni e scenari. A questo scopo, verrà adottata una procedura di ottimizzazione chiamata Algoritmo Genetico, in grado di trovare autonomamente il miglior compromesso. La procedura GA è accoppiata con un modello di veicolo in cui il modello del sistema Fuel Cell è stato migliorato utilizzando dati sperimentali per rappresentare meglio il comportamento dinamico di una vera Fuel Cell. Lo studio sulla cella a combustibile sarà focalizzato sull’influenza della temperatura e della generazione di potenza di alimentazione dei reagenti. In conclusione, verrà studiato un caso applicativo basato su un generico veicolo commerciale leggero di medie dimensioni e verrà fornita un’analisi economica sulle diverse configurazioni per identificare una scelta conveniente tra di esse.

Obiettivo Tesi

Modellazione sistema fuel cell, applicazione di algoritmi genetici per l’ottimizzazione della taglia dei componenti e del costo complessivo in ottica cliente ed OEM.

Metodologia di ricerca

Utilizzo di modelli  esistenti, miglioramento della modellazione della fuel cell, definizione della funzione costo-obiettivo, impiego degli algoritmi di ottimizzazione genetici. Tool impiegati, maltlab, simulink, stateflow.