CN109347346A - 一种基于多目标优化的电动汽车用变流器的设计方法 - Google Patents

Abstract

本发明公开了一种基于多目标优化的电动汽车用变流器的设计方法，主要是从变流器特定成本、首次故障里程和变流器比能耗这三个性能指标出发，建立了多目标优化函数，求解满足约束条件的设计变量的最优解集。步骤包括确定汽车行驶工况；确定汽车数学模型和电机数学模型并为原始电动汽车参数赋值；构造变流器系统性能优化的设计变量，如芯片面积和开关频率；构建变流器的损耗模型、热模型、寿命模型和成本模型；建立变流器的多目标函数以及等式或不等式约束条件；进行多目标优化；优化过程结束，输出优化结果。本发明能够在满足系统设计指标的前提下，降低成本、降低损耗并提高可靠性，进而提高产品竞争力。

Description

一种基于多目标优化的电动汽车用变流器的设计方法

技术领域

本发明设计电力电子技术领域，特别涉及一种基于多目标优化的电动汽车用变流器的设计方法。

背景技术

由于环境保护和全球能源危机，近年来电动汽车的发展已经吸引了越来越多国家的关注，发展非常迅速。电动汽车车变流器是电动汽车的心脏，对电动汽车的性能、安全运行，甚至市场竞争起着至关重要的作用。为提高企业的市场竞争力，设计出既满足系统高可靠性，又具有较高功率密度和较低运行成本的电动汽车变流器，是电动汽车厂商和研发者的共同目标。然而，随着对损耗、功率密度和可靠性要求的不断提高，车用变流器的进一步发展面临着很大难题。显然，只有在变流器设计初始阶段，从损耗、成本、故障率和体积等多方面进行全面的多目标优化，才能设计出高效、低成本的电动汽车变流器。

目前，电力电子的多目标优化研究并没有关注到电动汽车变流器且大部分只考虑了单个或两个目标函数的优化，并且主要针对的是关于效率、功率密度或成本等方面的优化，而较少涉及其可靠性。此外，对于电动汽车变流器，仅在额定负载或几种特定负载条件下优化变流器的性能指标是不充分的。因此，本发明针对电动汽车变流器，对标准测试工况下的变流器平均比能耗、首次故障行驶里程和特定成本使用多目标算法进行分析，使得设计的电动汽车变流器在满足能耗及可靠性要求的同时，获得较低的成本，以提高市场竞争力。

发明内容

为了克服上述现有技术的缺点，本发明提供了一种基于多目标优化的电动汽车变流器的设计方法。该方法从变流器比能耗、首次故障里程和特定成本这三个目标出发，建立了多目标优化函数，求解帕累托最优的开关频率和芯片面积。

本发明提供一种基于多目标优化的电动汽车用变流器的设计方法，主要包括以下步骤：

步骤1、确定电动汽车行驶工况；

步骤2、确定电动汽车数学模型和驱动电机数学模型，并为原始电动汽车参数赋值；

步骤3、确定变流器性能优化的设计变量，即变流器优化决策变量；

步骤4、构建变流器中IGBT模块的损耗模型、热模型和寿命模型；

步骤5、确定变流器的多目标函数以及变流器约束条件；

步骤6、求解多目标函数的最优解集；

步骤7、优化过程结束，输出优化结果。

进一步地，所述原始电动汽车参数包括电动汽车参数、驱动电机参数、散热器的热阻、冷却水进水温度。

进一步地，所述变流器优化的决策变量包括开关频率和芯片面积；所述目标函数包括比能耗、首次故障里程和特定成本，所述变流器约束条件包括温度约束和纹波约束。

进一步地，所述变流器包括IGBT模块、散热器和电容，所述成本模型包括IGBT模块成本模型、电容成本模型和散热器成本模型。

进一步地，所述比能耗指标的计算公式为：

式中，E_igbt为一个测试工况周期内单个IGBT的总损耗，E_diode为一个测试工况周期内反并联二极管的总损耗，i为变流器中IGBT数目，j为变流器中反并联二极管数目，L为测试工况周期内电动汽车行驶的距离。

进一步地，所述无故障里程的计算公式为：

式中，S是测试工况周期内单个功率器件的累计损伤。

进一步地，所述特定成本的计算公式为：

式中，P_out为变流器额定输出功率，C_igbt、C_sink、C_cap分别是单个IGBT模块、散热器和电容的成本，h、g、l分别表示车用变流器中IGBT模块、散热器、电容器数目。

进一步地，所述变流器约束条件包括结温限制和纹波限制，所述结温限制为变流器中的结温不能超过规定值，即

T_th≤T_thmax

式中，T_th表示变流器实际温度，T_thmax表示变流器允许的最大温度；

所述纹波限制为变流器中任意时刻电压纹波不能超过设定值，即

(U_max-U_min)≤αU_aver

式中，U_max和U_min分别是DC-link电压的实际最大值和实际最小值，α是允许的最大纹波系数，U_aver是DC-link平均电压。

进一步地，所述步骤5中目标函数计算公式为：

其中，ε表示比能耗，γ指无故障里程，σ指特定成本；f_sw是的开关频率，A_chip是的芯片面积。

进一步地，所述步骤6中包括以下步骤：

步骤61、确定决策变量约束条件；

步骤62、任意给定一组决策变量初值，计算其对应的目标函数值；

步骤63、在计算过程中，判断IGBT结温、DC-link侧纹波电压和决策变量是否满足约束条件，若约束条件满足，转入步骤64，否则，返回步骤62重新计算；

步骤64、保留决策变量及对应的目标函数值，返回步骤62重新计算，直至找出所有满足约束条件的决策变量；

步骤65、根据Pareto支配概念，比较每一组决策变量的优劣，获得Pareto最优解。

与现有技术比较，本发明的一种基于多目标优化的电动汽车用变流器的设计方法综合考虑了电动汽车变流器的比能耗、首次故障里程和特定成本这三个目标要素，求解得到最优开关频率和芯片面积的最优解集。设计人员可以根据变换器设计需求从最优解集中选择最佳设计方案，以提高产品竞争力。

附图说明

图1为本发明的电动汽车变流器的拓扑结构图。

图2为本发明的一种基于多目标优化的电动汽车用变流器的设计方法的流程图。

图3为本发明的驱动电机跟踪UDDS行驶工况的转矩曲线图。

图4为本发明的多目标优化流程图。

图5为本发明中，当开关频率f_sw＝10kHz、芯片面积A_chip＝70mm²时，IGBT芯片结温变化曲线图。

图6为本发明的电动汽车变流器的比能耗、首次故障里程和特定成本之间的Pareto前沿。

具体实施方式

下面结合附图对本发明的实施作进一步说明，但本发明的实施和保护不限于此，需指出的是，以下若有未特别详细说明之过程或参数，均是本领域技术人员可参照现有技术理解或实现的。

图1为本发明的电动汽车变流器的拓扑结构图，图中a，b表示电动汽车变流器的进线端，C表示直流侧电容，U_dc表示直流侧电压，PMSM表示电动汽车驱动电机，VSI表示电压型三相逆变器，PMSM表示永磁同步电机。

图2是本发明的一种基于多目标优化的电动汽车用变流器的设计方法的流程图。本发明提供的方法包括以下步骤：

步骤1、确定电动汽车行驶工况；

本实施例选用UDDS汽车测试工况作为电动汽车行驶；

步骤2、确定电动汽车数学模型和驱动电机数学模型，并为原始电动汽车参数赋值；

1)电动汽车数学模型采用如下公式，在MATLAB中搭建其仿真模型；

式中，T_or为电动机的输出转矩(N.m)；i为传动比；η为传动系统总效率；r为驱动轮的滚动半径(m)；G为电动汽车的重量(N)；f为滚动阻力系数；C_D为空气阻力系数；A为电动汽车迎风面积(m²)；v为相对速度(在无风时即汽车行驶速度)(km/h)；δ为旋转质量换算系数；m_c为电动汽车质量；

2)驱动电机数学模型采用MATLAB软件中自带的电机模型，代入电机参数即可；

3)原始电动汽车参数具体包括：

①电动汽车参数：汽车质量、迎风面积、滚动阻力系数、空气阻力系数、旋转质量换算系数、传动效率以及轮胎半径；

②电机参数：转子类型、额定电压、额定功率、最大输出功率、额定转速、额定输出转矩、电感、电阻、转动惯量、极对数和摩擦系数；

③散热器的材质、热阻；散热器选用铝挤型，散热器热阻按变流器最大输出功率条件下维持散热器与冷却液间的温差为15℃来设计；

④冷却水进水温度设定为70℃。

如图3所示，展示了本实施例采用的电动汽车驱动电机输出转矩跟踪UDDS行驶工况的变化曲线；

步骤3、确定变流器性能优化设计变量，即变流器优化的决策变量；

本实施例中，变流器性能多目标优化的决策变量具体包括开关频率f_sw和芯片面积A_chip，决策变量的随机组合就构成了系统多目标优化的一组决策变量向量(fsw,A_chip)。

步骤4、构建变流器中各个元件的损耗模型、热模型、寿命模型和成本模型；

在MATLAB中搭建元件的损耗模型、热模型、寿命模型和成本模型；本实施例中只考虑了IGBT模块的损耗，其他设备损耗暂不考虑，则热模型和寿命模型也只针对IGBT模型，其他设备暂不考虑；成本模型具体包括的IGBT成本、电容的成本和散热器的成本。

步骤5：确定变流器的多目标函数以及变流器约束条件；

1)目标函数包括比能耗、首次故障里程和特定成本；

①比能耗的计算公式为：

式中，E_igbt为一个测试工况周期内单个IGBT的总损耗，E_diode为一个测试工况周期内反并联二极管的总损耗，i为变流器中IGBT数目，j为变流器中反并联二极管数目，L为测试工况周期内电动汽车行驶的距离

②首次故障里程的计算公式为：

式中，S是测试工况周期内单个功率器件的累计损伤，当S＝1时，功率器件损坏。

③特定成本的计算公式为：

式中，P_out为变流器额定输出功率，C_igbt、C_sink、C_cap分别是单个IGBT模块、散热器和电容的成本，h、g、l表示车用变流器中IGBT模块、散热器、电容器数目。

④电动汽车变流器多目标优化的函数为：

2)约束条件包括的最大结温、纹波电压：

①结温限制：变流器中IGBT的结温不能超过规定值：

T_th≤T_thmax

式中，Tth表示IGBT实际结温，Tthmax表示IGBT允许的最大结温；在本实施例中IGBT结温允许最大值为150℃。

②纹波限制：变流器中任意时刻DC-link电压纹波不能超过设定值：

(U_max-U_min)≤αU_aver

式中，即Umax和Umin分别是DC-link电压的实际最大值和实际最小值，α是允许的最大纹波系数，Uaver是DC-link平均电压；本实施例中最大纹波系数α＝2.5％，DC-link平均电压Uaver＝560V。

步骤6、求解多目标函数的最优解集；

图4为本发明的多目标优化流程图，展示了步骤6的详细操作流程；步骤6具体包括以下步骤：

步骤61、确定设计变量约束条件；

设计变量包括开关频率f_sw和IGBT芯片面积A_chip，开关频率的取值范围为(3-40)kHz，芯片面积的取值范围为(50-100)mm²。

步骤62、选定一组设计变量初值，计算其对应的目标函数值；

把开关频率f_sw平均分成m等份，IGBT芯片面积A_chip平均分成n等份；这样，就生成了m×n个决策变量向量；根据步骤61确定的决策变量取值范围，任意选定一个决策变量向量；根据步骤1、步骤2提供的数据、步骤4确定的元件模型和步骤5确定的目标函数，求解此目标函数，得到所有目标函数值、IGBT芯片的结温变化曲线和DC-link电压纹波。

步骤63、在步骤62的计算过程中，判断IGBT结温、DC-link侧纹波电压和设计变量是否满足约束条件，若约束条件满足，转入步骤64，否则，返回步骤62重新计算；

把步骤62计算得到的结果与步骤5提供的数据进行比较，判断选定的决策变量向量是否满足约束条件，如果满足约束条件，说明选定的决策变量向量是变流器多目标优化的可行解，进入步骤64进一步处理；否则，返回步骤62，在剩下的决策变量向量中任选一个，重复计算；

步骤64、储存决策变量向量及对应的目标函数值，返回步骤62重新计算，直至找出所有满足约束条件的决策变量向量，这些决策变量向量就构成了车用变流器多目标优化的可行解集合，记作X_f；

步骤65、根据Pareto支配概念，比较通过步骤64储存的所有决策变量向量的优劣，寻找Pareto最优解。

Pareto支配概念包括以下概念：

1)Pareto支配关系：x_A和x_B是目标函数的两个决策变量向量，且x_A∈X_f，x_B∈X_f，如果满足

则称x_A支配x_B，记为x_A＞x_B；此时称x_A为非支配的，为x_B被支配的；式中，h指目标函数的总数；f_t(x)表示第t个目标函数值；f_r(x)表示第r个目标函数值；

2)Pareto最优解：给定一个可行解x*∈X_f，若不存在x∈X_f,使x＞x^*，即x*为可行域的非支配解，则称x*为Pareto最优解，而所有Pareto最优解构成的集合称为Pareto最优解集。

3)求解最优解集：从目标函数的可行解集X_f中任意选择一组可行解y，如果y不被其他任何一组可行解支配，则将y归入到非支配集，接着再对不包括y在内的可行解集重复上述过程，直至找出所有非支配解，这个非支配解集就叫做Pareto最优解集。

步骤7、优化过程结束，输出优化结果。

优化结果包括优化后的决策变量及其目标函数值，IGBT的功率损耗和结温变化趋势以及变流器中各元件的成本。

实施例

以某一电动汽车为例进行说明，步骤2中的电动汽车和电机原始参数详见表1和表2所示，电动汽车的测试工况选用标准(UDDS)循环工况。把电动汽车和电机原始参数代入变流器的损耗模型、热模型，选定一组设计变量(f_sw，A_chip)＝(10kHz，70mm²)，根据步骤1至步骤4可以得到IGBT芯片的结温变化曲线，如图5所示；从图5中可以看出，汽车在加速阶段，IGBT结温急剧上升，而在减速阶段，结温迅速下降，而在匀速阶段结温波动缓慢。图6是采用本发明方法得到的电动汽车变流器的比能耗ε、首次故障里程γ和特定成本σ间的关系，从该图可知车用变流器的Pareto最优解集。从图6中看可以看出，当首次故障里程较短以及比能耗较大时，系统的特定成本才能取得更高。

表1电动汽车主要参数

表2电机参数

综上所述，本发明的一种基于多目标优化的电动汽车用变流器的设计方法，建立以比能耗、首次故障行驶里程和特定成本模型为目标函数，以开关频率和芯片面积为变量的多目标优化问题，对目标函数进行求解，可以得到Pareto最优解集；本发明方法能够在满足系统设计指标要求的前提下，节约成本，降低损耗并提高可靠性，进而提高产品市场竞争力。

Claims (10)

1.一种基于多目标优化的电动汽车用变流器的设计方法，其特征在于，主要包括以下步骤：

步骤1、确定电动汽车行驶工况；

步骤2、确定电动汽车数学模型和驱动电机数学模型，并为原始电动汽车参数赋值；

步骤3、确定变流器性能优化的设计变量，即变流器优化的决策变量；

步骤4、构建变流器中IGBT模块的损耗模型、热模型和寿命模型；

步骤5、确定变流器的多目标函数以及变流器约束条件；

步骤6、求解多目标函数的最优解集；

步骤7、优化过程结束，输出优化结果。

2.根据权利要求1所示的一种基于多目标优化的车用变流器设计方法，其特征在于：步骤(1)所述原始电动汽车参数包括电动汽车参数、驱动电机参数、散热器的热阻、冷却水进水温度；步骤3所述变流器性能优化的设计变量包括开关频率和芯片面积。

3.根据权利要求1所示的一种基于多目标优化的车用变流器设计方法，其特征在于：步骤5所述目标函数包括比能耗、首次故障里程和特定成本，所述变流器约束条件包括温度约束和纹波约束。

4.根据权利要求1所示的一种基于多目标优化的车用变流器设计方法，其特征在于：所述变流器包括IGBT模块、散热器和电容，所述成本模型为包括IGBT模块、电容和散热器的成本模型。

5.根据权利要求4所述的一种基于多目标优化的车用变流器设计方法，其特征在于，所述比能耗指标的计算公式为：

式中，E_igbt为一个测试工况周期内单个IGBT的总损耗，E_diode为一个测试工况周期内反并联二极管的总损耗，i为变流器中IGBT数目，j为变流器中反并联二极管数目，L为测试工况周期内电动汽车行驶的距离。

6.根据权利要求4所述的一种基于多目标优化的车用变流器设计方法，其特征在于：所述首次故障里程的计算公式为：

式中，S是测试工况周期内单个功率器件的累计损伤，L为测试工况周期内电动汽车行驶的距离。

7.根据权利要求1所述的一种基于多目标优化的车用变流器设计方法，其特征在于：所述特定成本的计算公式为：

式中，P_out为变流器额定输出功率，C_igbt、C_sink、C_cap分别是单个IGBT模块、散热器和电容的成本，h、g、l分别表示车用变流器中IGBT模块、散热器、电容器数目。

8.根据权利要求1所述的一种基于多目标优化的车用变流器设计方法，其特征在于：所述变流器约束条件包括结温限制和纹波限制，所述结温限制为变流器中的结温不能超过规定值，即

T_th≤T_thmax

式中，T_th表示变流器实际温度，T_thmax表示变流器允许的最大温度；

所述纹波限制为变流器中任意时刻电压纹波不能超过设定值，即

(U_max-U_min)≤αU_aver

式中，U_max和U_min分别是DC-link电压的实际最大值和实际最小值，α是允许的最大纹波系数，U_aver是DC-link平均电压。

9.根据权利要求1所述的一种基于多目标优化的车用变流器设计方法，其特征在于，所述步骤5中多目标函数计算公式为：

其中，ε表示比能耗，γ指无故障里程，σ指特定成本；f_sw是的开关频率，A_chip是的芯片面积。

10.根据权利要求1所述的一种基于多目标优化的车用变流器设计方法，其特征在于，所述步骤6中包括以下步骤：

步骤61、确定决策变量约束条件；

步骤62、任意给定一组决策变量初值，计算其对应的目标函数值；

步骤63、在计算过程中，判断IGBT结温、DC-link侧纹波电压和决策变量是否满足约束条件，若约束条件满足，转入步骤64，否则，返回步骤62重新计算；

步骤64、保留决策变量及对应的目标函数值，返回步骤62重新计算，直至找出所有满足约束条件的决策变量；

步骤65、根据Pareto支配概念，比较每一组决策变量的优劣，获得Pareto最优解。