Unified control architecture for resilient hydrogen mobility with heterogeneous storage under realistic market logistics delays
Notice bibliographique
Résumé
The growing adoption of hydrogen-powered transport demands scalable and robust control strategies for hydrogen refueling stations (HRSs) operating under uncertainty in supply, demand, and market conditions. This study presents a delay-aware predictive control framework for renewable-integrated HRSs equipped with heterogeneous hydrogen storage systems and dual interaction with electricity and hydrogen markets. The station architecture enables simultaneous refueling across multiple fuel cell electric vehicle (FCEV) classes, each served by a dedicated high-pressure storage unit, while auxiliary tanks function as buffers and market reserves. Inter-storage coordination is managed using receding horizon control across layered decision stages, allowing flexible hydrogen routing under dynamic operating conditions. A central challenge is hydrogen delivery delays, which introduce a temporal gap between procurement actions and actual availability. The proposed formulation incorporates these delays within the control horizon, classified as deterministic (fixed lead times), stochastic (modeled via discrete uncertainty sets), and logistics-based (dependent on route planning, fleet capacity, and congestion, captured through time-dependent concave functions). A mode-switching mechanism allows the operator to activate one of four control strategies: deterministic MPC (DMPC), scenario-based stochastic MPC (SMPC), convex relaxed MPC (RMPC), and scaled risk-averse SMPC (SRA-SMPC) with conditional value-at-risk and chance constraints. Convex relaxation techniques are applied to address combinatorial complexity from binary variables, nonlinear tank dynamics, and inter-market constraints, ensuring real-time tractability while preserving constraint feasibility and economic performance. Numerical simulations confirm the framework’s effectiveness in coordinating storage operations, meeting demand, and reducing costs under uncertainty, with substantial computational benefits compared to conventional approaches. • A unified control framework manages delivery delays in hydrogen refueling stations. • Delay types are categorized to enable adaptive controller selection. • Predictive strategies balance dispatch accuracy and computational efficiency. • Market interaction and renewable coordination improve cost and sustainability. • The framework supports future expansion to multi-station hydrogen networks.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».