CN109808518B - 基于地理位置信息的燃料电池汽车能量管理方法与系统 - Google Patents

基于地理位置信息的燃料电池汽车能量管理方法与系统 Download PDF

Info

Publication number
CN109808518B
CN109808518B CN201811641682.9A CN201811641682A CN109808518B CN 109808518 B CN109808518 B CN 109808518B CN 201811641682 A CN201811641682 A CN 201811641682A CN 109808518 B CN109808518 B CN 109808518B
Authority
CN
China
Prior art keywords
fuel cell
vehicle
power
data
energy management
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811641682.9A
Other languages
English (en)
Other versions
CN109808518A (zh
Inventor
徐梁飞
张健珲
李建秋
胡尊严
欧阳明高
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Original Assignee
Tsinghua University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tsinghua University filed Critical Tsinghua University
Priority to CN201811641682.9A priority Critical patent/CN109808518B/zh
Publication of CN109808518A publication Critical patent/CN109808518A/zh
Application granted granted Critical
Publication of CN109808518B publication Critical patent/CN109808518B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/72—Electric energy management in electromobility
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/40—Application of hydrogen technology to transportation, e.g. using fuel cells

Landscapes

  • Electric Propulsion And Braking For Vehicles (AREA)
  • Fuel Cell (AREA)

Abstract

本申请涉及一种基于地理位置信息的燃料电池汽车能量管理方法与系统，其中所述方法通过整车控制器获取燃料电池汽车的动力系统各个部件的状态信息和车辆位置数据，并将上述数据发送至云端服务器。进一步地，通过云端服务器依据上述数据计算并生成多维能量管理策略MAP图，整车控制器依据所述多维能量管理策略MAP图，调整所述燃料电池汽车中燃料电池的输出功率，不但节约了整车控制器的计算能力，降低了成本，而且实现了车辆运行数据的云端存储，实现了车辆控制策略的自动升级。使得所述燃料电池汽车的实际行驶过程中，自动调整燃料电池的输出功率，合理分配燃料电池汽车的电池资源，优化行驶策略。

Description

基于地理位置信息的燃料电池汽车能量管理方法与系统
技术领域
本申请涉及燃料电池研究领域，特别是涉及一种基于地理位置信息的燃料电池汽车能量管理方法与系统。
背景技术
随着全球环境压力陡增，新的废气排放法规和车辆油耗法规不断出台。新能源汽车以其污染低、排放少等优点，受到人们的日益青睐。燃料电池汽车是新能源车的一种。燃料电池汽车电池的能量是通过氢气和氧气的化学作用生成，而不是经过能源气体燃烧直接变成电能的。燃料电池的化学反应过程不会产生有害产物，生成产物仅有水，不对环境有任何污染，使得燃料电池汽车具有极大的市场优势。此外，燃料电池的耐久性较之前有了很大突破，为燃料电池汽车的市场化铺平了道路。
燃料电池汽车的动力源包括燃料电池和动力电池。然而，燃料电池和动力电池在使用一段时间后，存在性能衰退的现象。由于衰退后的燃料电池和动力电池实际的工作点会与标定点产生偏差，导致燃料电池汽车的整车控制器无法准确调控车辆状态，能耗增高，所以需要根据燃料电池和动力电池的性能，对燃料电池车进行标定。
传统技术主要有两种标定方法，一种是人工标定，一种是自动标定。人工标定是指燃料电池车运行一段时间后，由专业人员对燃料电池和动力电池的性能进行检测。进一步根据燃料电池和动力电池的性能，优化整车控制策略的参数，将新标定的整车控制策略参数写入整车控制器。人工标定方法的缺点是需要人工维护，过程繁琐，不够简便，且无法准确控制维护时间间隔。
自动标定常用的手段是自适应能量管理算法。自动标定可以在线实时对车辆进行调整，但是缺点是受到整车控制器的计算能力限制，不能处理过大的计算量。
发明内容
本申请实施例提供一种基于地理位置信息的燃料电池汽车能量管理方法与系统，可以改善传统方案在车辆标定时整车控制器计算量大，实施繁琐困难的问题。
本申请提供的基于地理位置信息的燃料电池汽车能量管理方法与系统适用于能量型燃料电池汽车动力系统构型。在所述能量型燃料电池汽车动力系统构型中，动力电池直接与电机控制器连接，燃料电池通过单向DC/DC变换器与所述电机控制器连接。
本申请实施例提供一种基于地理位置信息的燃料电池汽车能量管理方法，包括：
控制CAN信号模块按照第一时间周期的频率内从CAN总线上获取燃料电池汽车的动力系统部件状态信息；所述动力系统部件状态信息包括动力电池电压、动力电池电流、动力电池温度、动力电池容量、动力电池功率、在不同动力电池剩余电量下的内阻、燃料电池电压、燃料电池电量、燃料电池温度和燃料电池功率、车辆速度和车辆加速度中的一种或多种；
控制GPS定位模块按照第一时间周期的频率获取所述燃料电池汽车的地理位置信息，并生成车辆位置数据；
接收所述动力系统部件状态信息和所述车辆位置数据，并按照第二时间周期的频率将所述汽车动力系统部件状态信息和所述车辆位置数据上传至云端服务器；
在所述云端服务器依据所述动力系统部件状态信息和所述车辆位置数据生成多维能量管理策略MAP图后，按照第三时间周期的频率接收所述云端服务器发送的所述多维能量管理策略MAP图；以及
依据所述多维能量管理策略MAP图，调整所述燃料电池汽车中燃料电池的输出功率。
在其中一实施例中，所述云端服务器依据所述动力系统部件状态信息和所述车辆位置数据生成多维能量管理策略MAP图的步骤，具体包括：
按照第四时间周期的频率从数据存储模块中提取所述动力系统部件状态信息和所述车辆位置数据，所述数据存储模块设置于所述云端服务器；
依据所述动力系统部件状态信息和所述车辆位置数据，基于马尔可夫方法计算生成基于地理位置信息的典型车速工况，基于内部状态辨识算法计算动力源关键参数，所述动力源关键参数包括燃料电池关键参数和动力电池关键参数，所述基于地理位置信息的典型车速工况为所述燃料电池汽车在不同位置最大概率采用的行驶速度和/或行驶加速度；
从所述数据存储模块中调取整车模型，所述整车模型用于模拟所述燃料电池汽车的行驶过程；
将所述整车模型原有的的车辆动力源参数更改为所述动力源关键参数，并将所述典型车速工况输入至所述整车模型，运行更改后的所述整车模型，获得车辆模拟数据；
依据所述车辆模拟数据，采用动态规划全局优化算法，计算得出燃料电池基于地理位置信息的多个最优输出功率；所述燃料电池汽车在一个位置上，不同的动力电池剩余电量值对应不同的所述最优输出功率；以及
依据所述燃料电池汽车的不同位置信息、多个所述最优输出功率和多个所述动力电池剩余电量值绘制所述多维能量管理策略MAP图；所述多维能量管理策略MAP图包括多个坐标点，所述坐标点的X轴为车辆所处位置的经度，Y轴为车辆所处位置的纬度，Z轴为所述动力电池剩余电量值，V轴为所述最优输出功率。
在其中一实施例中，所述依据所述动力系统部件状态信息和所述车辆位置数据，基于马尔可夫方法计算生成基于地理位置信息的典型车速工况，基于内部状态辨识算法计算动力源关键参数的步骤，包括：
从所述动力系统部件状态信息中提取实际车速数据，所述实际车速数据为所述燃料电池汽车在不同位置的行驶速度和/或行驶加速度；
将所述实际车速数据和所述车辆位置数据进行整合处理，生成多个大时间尺度数据文件；以及
将所述多个大时间尺度数据文件发送至马尔可夫随机模型，并运行所述马尔可夫随机模型，得出基于地理位置信息的所述典型车速工况，所述基于地理位置信息的典型车速工况为所述燃料电池汽车在不同位置最大概率采用的行驶速度和/或行驶加速度。
在其中一实施例中，所述依据所述动力系统部件状态信息和所述车辆位置数据，基于马尔可夫方法计算生成基于地理位置信息的典型车速工况，基于内部状态辨识算法计算动力源关键参数的步骤，包括：
从所述动力系统部件状态信息中提取燃料电池数据和动力电池数据；
依据所述燃料电池数据，计算燃料电池关键参数，所述燃料电池关键参数为，所述燃料电池汽车在所述第四时间周期内的实际燃料电池开路电压、实际燃料电池欧姆内阻和实际塔菲尔斜率中的一种或多种；以及
依据所述动力电池数据，计算动力电池关键参数，所述动力电池关键参数为，所述燃料电池汽车在所述第四时间周期内的实际动力电池开路电压、实际动力电池平均充放电内阻和实际动力电池容量中的一种或多种。
在其中一实施例中，所述依据所述多维能量管理策略MAP图，调整所述燃料电池汽车中燃料电池的输出功率的步骤，包括：
控制所述GPS定位模块获取所述燃料电池汽车的地理位置信息，所述地理位置信息包括所述车辆所处位置的经度和所述车辆所处位置的纬度；
判断所述地理位置信息是否落入所述多维能量管理策略MAP图的范围内；
若所述地理位置信息未落入所述多维能量管理策略MAP图的范围内，调取预设动力电池剩余电量值，并依据所述预设动力电池剩余电量值计算所述燃料电池汽车中燃料电池的输出功率，所述预设动力电池剩余电量值在所述燃料电池汽车出厂时，由车辆生产人员制定；
若所述地理位置信息落入所述多维能量管理策略MAP图的范围内，则调取所述多维能量管理策略MAP图；
在所述多维能量管理策略MAP图中查找所述最优输出功率；
将所述最优输出功率作为所述燃料电池汽车中燃料电池的输出功率。
在其中一实施例中，所述在所述多维能量管理策略MAP图中查找所述最优输出功率的步骤包括：
获取所述燃料电池汽车的动力电池剩余电量值；
结合所述地理位置信息和所述动力电池剩余电量值，在所述多维能量管理策略MAP图中查找与所述地理位置信息和所述动力电池剩余电量值相匹配的所述最优输出功率。
本申请实施例还提供一种基于地理位置信息的燃料电池汽车能量管理系统，包括：
整车控制器，装设于燃料电池汽车内，用于定期从CAN总线上获取燃料电池汽车的动力系统部件状态信息和车辆位置数据，并将所述动力系统部件状态信息和所述车辆位置数据发送至云端服务器；所述动力系统部件状态信息包括动力电池电压、动力电池电流、动力电池温度、动力电池容量、动力电池功率、在不同动力电池剩余电量下的内阻、燃料电池电压、燃料电池电量、燃料电池温度和燃料电池功率中的一种或多种；以及
云端服务器，与所述整车控制器连接，用于接收所述动力系统部件状态信息和所述车辆位置数据，并依据所述动力系统部件状态信息和所述车辆位置数据，生成所述多维能量管理策略MAP图；
所述整车控制器还用于依据所述多维能量管理策略MAP图，调整所述燃料电池汽车中燃料电池的输出功率。
在其中一实施例中，所述整车控制器包括：
处理器，用于控制所述整车控制器中各个模块的工作状态；
电源管理模块，与所述处理器电连接，用于向所述处理器提供电源；
时钟模块，与所述处理器电连接，用于向所述处理器提供时间信息；
CAN信号模块，与所述处理器电连接，用于从所述CAN总线上获取所述动力系统部件状态信息并将所述动力系统部件状态信息发送至所述处理器；
GPS定位模块，与所述处理器电连接，用于定期获取所述燃料电池汽车的位置信息，生成车辆位置数据，并将所述车辆位置数据发送至所述处理器；
非易失性存储器，与所述处理器电连接，用于为所述动力系统部件状态信息和所述车辆位置数据提供缓存空间；以及
5G通信模块，与所述处理器电连接，与所述云端服务器通信连接，用于与所述云端服务器进行通信。
在其中一实施例中，所述云端服务器包括：
数据存储模块，用于对所述整车控制器发送的所述动力系统部件状态信息和所述车辆位置数据进行存储；
数据处理模块，与所述数据存储模块连接，用于将所述动力系统部件状态信息和所述车辆位置数据进行整合处理，生成多个大时间尺度数据文件；
数据计算模块，与所述数据处理模块连接，用于将所述多个大时间尺度数据文件发送至马尔可夫随机模型，并运行所述马尔可夫随机模型，得出基于地理位置信息的典型车速工况；所述数据计算模块还用于依据所述动力系统部件状态信息，计算生成动力源关键参数，所述动力源关键参数包括燃料电池关键参数和动力电池关键参数；以及
服务器通信模块，与所述5G通信模块通信连接。
在其中一实施例中，所述云端服务器还包括：
策略图计算模块，用于依据所述动力系统部件状态信息和所述车辆位置数据生成所述多维能量管理策略MAP图。
从上述的技术方案可知，本申请提供的基于地理位置信息的燃料电池汽车能量管理方法与系统，通过所述燃料电池汽车上的整车控制器，获取所述燃料电池汽车的动力系统部件状态信息和车辆位置数据，并将上述数据发送至云端服务器。进一步地，通过所述云端服务器依据上述数据计算并生成多维能量管理策略MAP图，所述整车控制器依据所述多维能量管理策略MAP图，调整所述燃料电池汽车中燃料电池的输出功率，不但节约了整车控制器的计算能力，降低了成本，而且实现了车辆运行数据的云端存储，实现了车辆控制策略的自动升级。使得所述燃料电池汽车的实际行驶过程中，自动调整所述燃料电池的输出功率，合理分配所述燃料电池汽车的电池资源，优化行驶策略。此外，所述燃料电池汽车能量管理系统是分时间尺度控制的系统，打破了实时计算和离线计算的界限。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为一个实施例中能量型燃料电池汽车动力系统构型的结构示意图；
图2为一个实施例中燃料电池汽车能量管理方法的流程示意图；
图3为一个实施例中燃料电池汽车能量管理方法的流程示意图；
图4为一个实施例中燃料电池汽车能量管理方法的流程示意图；
图5为一个实施例中燃料电池汽车能量管理方法的流程示意图；
图6为一个实施例中燃料电池汽车能量管理方法的流程示意图；
图7为一个实施例中燃料电池汽车能量管理系统的结构示意图；
图8为一个实施例中燃料电池汽车能量管理系统中整车控制器的结构示意图；
图9为一个实施例中燃料电池汽车能量管理系统中云端服务器的结构示意图。
附图标记：
100整车控制器；110处理器；120电源管理模块；130时钟模块；
140 CAN信号模块；150 GPS定位模块；160非易失性存储器；
170 5G通信模块；200云端服务器；210数据存储模块；
220数据处理模块；230数据计算模块；240服务器通信模块；
250策略图绘制模块
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供一种基于地理位置信息的燃料电池汽车管理方法与系统。需要说明的是，本申请提供的基于地理位置信息的燃料电池汽车能量管理方法与系统，适用于能量型燃料电池汽车动力系统构型。请参阅图1，图1为一个实施例中能量型燃料电池汽车动力系统构型的结构示意图。如图1所示，在所述能量型燃料电池汽车动力系统构型中，动力电池直接与电机控制器连接，燃料电池通过单向DC/DC变换器与所述电机控制器连接。
如图2所示，在申请的一实施例中，提供一种基于地理位置信息的燃料电池汽车管理方法。所述基于地理位置信息的燃料电池汽车管理方法包括如下步骤S100至步骤S500：
S100，控制CAN信号模块140按照第一时间周期的频率从CAN总线上获取燃料电池汽车的动力系统部件状态信息。所述动力系统部件状态信息包括动力电池电压、动力电池电流、动力电池温度、动力电池容量、动力电池功率、在不同动力电池剩余电量下的内阻、燃料电池电压、燃料电池电量、燃料电池温度和燃料电池功率、车辆速度和车辆加速度中的一种或多种。
需要说明的是，在本实施例中，所述基于地理位置信息的燃料电池汽车管理方法不限制具体的执行主体。可选地，在本实施例中，所述基于地理位置信息的燃料电池汽车管理方法的执行主体为燃料电池汽车中的整车控制器100。具体地，本申请提供的基于地理位置信息的燃料电池汽车管理方法的执行主体具体可以是所述整车控制器100中的处理器110。所述处理器110可以为一个或多个。所述动力系统部件状态信息为所述燃料汽车的动力系统中，各个部件的状态信息。
具体地，所述第一时间周期包括第一子时间周期和第二子时间周期。在所述第一子时间周期内，所述处理器110控制所述CAN信号模块140从所述CAN总线上获取燃料电池汽车的动力系统部件状态信息。可选的，所述第一子时间周期为10毫秒。每过10毫秒，所述CAN信号模块140从所述CAN总线上获取所述动力系统部件状态信息。所述CAN总线设置于所述燃料电池汽车中。
所述CAN总线是一种串行数据通信协议，用于所述燃料电池汽车中多个控制模块和/或数据监测模块之间的数据交互。所述CAN总线上设置有BMS(Battery ManagementSystem，电池管理系统)、FCS(Fuel Cell System，燃料电池系统)、DCC(DC/DC Converter，DC/DC变换器)和MCU(Motor Control Unit，电机控制器)中的一种或多种。所述CAN信号模块140可以从所述BMS(Battery Management System，电池管理系统)、所述FCS(Fuel CellSystem，燃料电池系统)、所述DCC(DC/DC Converter，DC/DC变换器)和所述MCU(MotorControl Unit，电机控制器)中的一种或多种获取所述动力系统部件状态信息。
所述BMS(Battery Management System，电池管理系统)用于对所述燃料电池汽车中的动力电池进行管理，提高所述动力电池的利用率，防止所述动力监测出现过度充电或过度放电的现象。所述BMS(Battery Management System，电池管理系统)向所述CAN信号模块140提供动力电池电压、动力电池电流、动力电池温度、动力电池容量、动力电池功率和在不同动力电池剩余电量下的内阻中的一种或多种。
所述FCS(Fuel Cell System，燃料电池系统)用于对所述燃料电池汽车中的燃料电池进行管理。所述FCS(Fuel Cell System，燃料电池系统)向所述CAN信号模块140提供燃料电池电压、燃料电池电流、燃料电池温度和燃料电池功率中的一种或多种。
所述DCC(DC/DC Converter，DC/DC变换器)为电源开关模块，用于将一个电压值的电能变为另一个电压值的电能。所述DCC(DC/DC Converter，DC/DC变换器)向所述CAN信号模块140提供DC/DC输出功率和DC/DC电压中的一种或多种。在本实施例中，所述DC/DC变换器为单向DC/DC变换器。
所述MCU(Motor Control Unit，电机控制器)用于控制所述燃料电池汽车电机的转矩和/或转速。所述MCU(Motor Control Unit，电机控制器)向所述CAN信号模块140提供电机转矩和电机转速中的一种或多种。
本实施例中，通过所述CAN信号模块140定期从所述CAN总线上获取所述动力系统部件状态信息，使得所述处理器110可以实时获取所述燃料电池汽车的所述动力系统部件状态信息，便于所述处理器110依据所述动力系统部件状态信息对所述燃料电池汽车的运行状态进行调整。
S200，控制GPS定位模块150按照第一时间周期的频率获取所述燃料电池汽车的地理位置信息，并生成车辆位置数据。
具体地，所述第一时间周期包括第一子时间周期和第二子时间周期。在所述第二子时间周期内，所述处理器110控制所述GPS定位模块150获取所述燃料电池汽车的地理位置信息。所述第二子时间周期为所述GPS定位模块150从GPS卫星获取GPS定信号的时间周期。可选的，所述第二子时间周期小于所述第一子时间周期。由于所述第一子时间周期和所述第二子时间周期均为极小的时间周期(至少均处于毫秒级)，因此二者的时间间隔可以忽略不计。可以理解，所述第一子时间周期和所述第二子时间周期可以视为同步的所述第一时间周期。换言之，所述处理器110可以在同一时间段内获取所述动力系统部件状态信息和所述燃料电池汽车的地理位置信息。
本实施例中，通过所述GPS定位模块150可以定期获取所述燃料电池汽车的地理位置信息，使得所述处理器110可以获取所述燃料电池汽车在不同位置的地理位置信息和所述动力系统部件状态信息，便于后续对所述燃料电池汽车的运行状态分析。
S300，接收所述动力系统部件状态信息和所述车辆位置数据，并按照第二时间周期的频率将所述汽车动力系统部件状态信息和所述车辆位置数据上传至云端服务器200。
具体地，当所述处理器110接收所述动力系统部件状态信息和所述车辆位置数据时，将上述数据上传至所述云端服务器200。所述第二时间周期为上传所述动力系统部件状态信息和所述车辆位置数据的时间周期。所述整车控制器100设置有5G通信模块170，所述处理器110通过所述5G通信模块170将所述动力系统部件状态信息和所述车辆位置数据上传至所述云端服务器200。
本实施例中，通过将所述动力系统部件状态信息和所述车辆位置数据上传至云端服务器200，减轻了所述燃料电池汽车的所述整车控制器100的存储压力，实现了车辆运行数据的云端存储。
S400，在所述云端服务器200依据所述动力系统部件状态信息和所述车辆位置数据生成多维能量管理策略MAP图后，按照第三时间周期的频率接收所述云端服务器200发送的所述多维能量管理策略MAP图。
具体地，在所述处理器110将所述汽车动力系统部件状态信息和所述车辆位置数据上传至云端服务器200后，所述云端服务器200将上述数据存储。进一步地，所述云端服务器200依据所述汽车动力系统部件状态信息和所述车辆位置数据，计算生成所述多维能量管理策略MAP图。所述云端服务器200按照第三时间周期的频率将所述多维能量管理策略MAP图返回至所述整车控制器100。
其中，所述第三时间周期的设置可以有多种实施方式。可选的，所述云端服务器200可以定期向所述整车控制器100发送所述多维能量管理策略MAP图。例如，所述云端服务器200可以每天向所述整车控制器100发送所述多维能量管理策略MAP图。可选的，所述云端服务器200可以人工设定周期，每隔所述第三时间周期，所述云端服务器200向所述整车控制器100发送一次所述多维能量管理策略MAP图。可选的，所述云端服务器200可以在一固定地理位置，向所述整车控制器100发送所述多维能量管理策略MAP图。这种实施方式适用于于使用固定行驶路线的燃料电池汽车。
本实施例中，通过所述云端服务器200计算生成所述多维能量管理策略MAP图，再将所述多维能量管理策略MAP图发送至所述整车控制器100，使得车辆运行数据放置于所述云端服务器200进行计算与处理，解决了所述整车控制器100中处理器110计算能力有限的问题。此外，所述燃料电池汽车能量管理系统是分时间尺度控制的系统，打破了实时计算和离线计算的界限。
S500，依据所述多维能量管理策略MAP图，调整所述燃料电池汽车中燃料电池的输出功率。
具体地，所述处理器110可以将所述多维能量管理策略MAP图作为指导依据，实时调整所述燃料电池汽车中燃料电池的输出功率。本实施例中，通过所述多维能量管理策略MAP图，可以实时调整所述燃料电池汽车中燃料电池的输出功率，使得所述燃料电池汽车的实际行驶过程中，自动调整所述燃料电池的输出功率，合理分配所述燃料电池汽车的电池资源，优化行驶策略。
从上述的实施例可知，本申请提供的基于地理位置信息的燃料电池汽车能量管理方法，通过所述燃烧电池汽车上的整车控制器100获取所述燃料电池汽车的动力系统部件状态信息和车辆位置数据，并将上述数据发送至云端服务器200。进一步地，通过所述云端服务器200依据上述数据计算并生成多维能量管理策略MAP图，所述整车控制器100依据所述多维能量管理策略MAP图，调整所述燃料电池汽车中燃料电池的输出功率，不但节约了整车控制器100的计算能力，降低了成本，而且实现了车辆运行数据的云端存储，和车辆控制策略的自动升级。使得所述燃料电池汽车的实际行驶过程中，自动调整所述燃料电池的输出功率，合理分配所述燃料电池汽车的电池资源，优化行驶策略。此外，所述燃料电池汽车能量管理系统是分时间尺度控制的系统，打破了实时计算和离线计算的界限。
如图3所示，在本申请的一实施例中，在所述步骤S400中，所述云端服务器200依据所述动力系统部件状态信息和所述车辆位置数据生成多维能量管理策略MAP图的步骤，具体包括如下步骤S610至步骤S660：
S610，按照第四时间周期的频率从数据存储模块210中提取所述动力系统部件状态信息和所述车辆位置数据。所述数据存储模块210设置于所述云端服务器200。
具体地，需要说明的是，在本实施例中，所述步骤S610至步骤S660的执行主体为云端服务器200。所述第四时间周期可以由用户预先设置。可选的，所述第四时间周期可以为三十天。所述云端服务器200可以提取以当前时间节点作为开始，三十天内的所有所述动力系统部件状态信息和所述车辆位置数据。
本实施例中，通过所述云端服务器200从数据存储模块210中提取第四时间周期内的所述动力系统部件状态信息和所述车辆位置数据，保证后续所述云端服务器200对车辆运行数据计算时，数据样本范围足够大。数据计算与所述车辆位置数据有关，数据样本范围越大，车辆行驶的里程越长，所述动力系统部件状态信息就越能代表所述燃料电池汽车的行驶真实情况。此外，可以减少所述云端服务器200后续计算频率，不必在所述整车控制器100发送动力系统部件状态信息和所述车辆位置数据就立即进行计算，减轻所述云端服务器200的计算压力。
S620，依据所述动力系统部件状态信息和所述车辆位置数据，基于马尔可夫方法计算生成基于地理位置信息的典型车速工况，基于内部状态辨识算法计算动力源关键参数。所述动力源关键参数包括燃料电池关键参数和动力电池关键参数。所述基于地理位置信息的典型车速工况为所述燃料电池汽车在不同位置最大概率采用的行驶速度和/或行驶加速度。
具体地，所述典型车速工况为，所述燃料电池汽车在历史行驶过程中，在不同位置最大概率采用的行驶速度和/或行驶加速度。所述动力源关键参数为，在第四时间周期内的实际燃料电池关键参数和实际动力电池关键参数。所述动力源关键参数反映了所述燃料电池汽车电池的实际性能。
本实施例中，通过依据所述动力系统部件状态信息和所述车辆位置数据，计算生成典型车速工况和动力源关键参数，为后续所述云端服务器200计算燃料电池的最优输出功率提供计算依据。
S630，从所述数据存储模块210中调取整车模型，所述整车模型用于模拟所述燃料电池汽车的行驶过程。
具体地，所述整车模型存储于所述云端服务器200。所述整车模型可以模拟所述燃料电池汽车的行驶过程。所述燃料电池汽车在历史行驶过程中，车辆运行参数并不是最优的。当执行所述步骤S610至步骤S620后，所述云端服务器200已经计算得出车辆运行参数，即所述典型车速工况和所述动力源关键参数。本实施例中，所述整车模型的设置，便于后续所述云端服务器200将所述车辆运行参数导入所述整车模型中，模拟所述燃料电池汽车的行驶过程，获得车辆模拟数据。
S640，将所述整车模型原有的的车辆动力源参数更改为所述动力源关键参数，并将所述典型车速工况输入至所述整车模型，运行更改后的所述整车模型，获得车辆模拟数据。
具体地，通过执行所述步骤S640，可以获得所述车辆模拟数据。所述车辆模拟数据为，所述燃料电池汽车在每一个位置处的电池总输出功率需求。本实施例中，通过运行更改后的所述整车模型，获得所述车辆模拟数据，可以模拟所述燃料电池汽车在所述典型车速工况和所述动力源关键参数下的车辆运行状况。
S650，依据所述车辆模拟数据，采用动态规划全局优化算法，计算得出燃料电池基于地理位置信息的多个最优输出功率。所述燃料电池汽车在一个位置上，不同的动力电池剩余电量值对应不同的所述最优输出功率。
具体地，所述车辆模拟数据为，所述燃料电池汽车在每一个位置处的电池总输出功率需求。进一步的，所述云端服务器200采用所述动态规划全局优化算法，在每一个位置处的动力源总输出功率需求下，在两个电池动力源中进行最优分配，得到所述燃料电池和所述动力电池的最优输出功率分配策略。此外，在所述燃料电池的最优输出功率下，所述燃料电池汽车功耗最少。可以根据公式1和公式2计算所述燃料电池汽车的功耗。
Figure GDA0002261797440000161
Figure GDA0002261797440000162
Figure GDA0002261797440000163
其中，L为行驶总路线长度。N为将所述行驶总路线等分后的份数。ΔL为将所述行驶总路线等分后每一份的长度。J为动力源经济性参数。Cfc(k)ΔLk为燃料电池的动力源经济性参数，Cbat(k)ΔLk为动力电池的动力源经济性参数。公式2为公式1的边界条件。SOC为动力电池剩余电量值。SOCH为动力电池剩余电量最大值。SOCL为动力电池剩余电量最小值。Vbat为动力电池电压值。Vmax为动力电池电压最大值。Vmin为动力电池电压最小值。Pdc为DC/DC输出功率。Pdc，max为单向DC/DC变换器的最大输出功率。
其中，所述动力源经济性参数J越小，所述燃料电池汽车的功耗越少，成本越低。需要说明的是，生成所述多个最优输出功率的算法可以是但不仅限于所述动态规划全局优化算法。
本实施例中，通过动态规划全局优化算法，可以计算得出燃料电池的多个最优输出功率，所述多个最优输出功率可以优化所述燃料电池汽车的电池资源分配，优化行驶策略，进而使得所述燃料电池汽车功耗最少，经济性最优。
S660，依据所述燃料电池汽车的不同位置信息、多个所述最优输出功率和多个所述动力电池剩余电量值绘制所述多维能量管理策略MAP图。所述多维能量管理策略MAP图包括多个坐标点。所述坐标点的X轴为车辆所处位置的经度。Y轴为车辆所处位置的纬度。Z轴为所述动力电池剩余电量值。V轴为所述最优输出功率。
具体地，所述多维能量管理策略MAP图包括四个维度，X轴为车辆所处位置的经度，Y轴为车辆所处位置的纬度，Z轴为所述动力电池剩余电量值，V轴为所述最优输出功率。所述多维能量管理策略MAP图可以展示，所述燃料电池汽车在一个位置上，不同的动力电池剩余电量值对应不同的所述最优输出功率。例如，若所述燃料电池汽车位于地理坐标位置北纬39度，东经116度上，所述动力电池剩余电量值为60％，则对应的所述最优输出功率为30W。
本实施例中，所述多维能量管理策略MAP图，可以对所述燃料电池汽车的电池资源分配和行驶策略的优化产生指导作用。
如图4所示，在本申请的一实施例中，所述步骤620包括如下步骤S621至步骤S625：
S621，从所述动力系统部件状态信息中提取实际车速数据。所述实际车速数据为所述燃料电池汽车在不同位置的行驶速度和/或行驶加速度。
具体的，所述实际车速数据为所述燃料电池汽车在历史行驶过程中，在不同位置实际的行驶速度和/或行驶加速度。本实施例中，通过从所述动力系统部件状态信息中提取所述实际车速数据，便于后续所述云端服务器200的处理与计算。
S623，将所述实际车速数据和所述车辆位置数据进行整合处理，生成多个大时间尺度数据文件。
具体地，所述云端服务器200将所述实际车速数据和所述车辆位置数据中损坏的数据文件删除，并将小时间尺度数据文件进行合并，生成易于处理的所述大时间尺度数据文件。本实施例中，通过将所述实际车速数据和所述车辆位置数据进行整合处理，生成所述多个大时间尺度数据文件，可以方便数据处理，缩短数据处理时间，减轻所述云端服务器200的计算压力。
S625，将所述多个大时间尺度数据文件发送至马尔可夫随机模型，并运行所述马尔可夫随机模型，得出基于地理位置信息所述典型车速工况。所述基于地理位置信息的典型车速工况为所述燃料电池汽车在不同位置最大概率采用的行驶速度和/或行驶加速度。
具体的，所述马尔可夫随机模型是是一种统计模型，其统计原理是：在一个系统由一个状态转至另一个状态的转换过程中，存在着转移概率，并且这种转移概率可以依据其紧接的前一种状态推算出来。基于所述马尔可夫随机模型，所述云端服务器200可以通过所述实际车速数据中的行驶速度分布和/或行驶加速度分布，运用极大似然估计算法，预测所述燃料电池汽车在不同位置最大概率采用的行驶速度和/或行驶加速度。
需要说明的是，所述典型车速工况的预测方法可以但不仅限于通过所述马尔可夫随机模型进行预测。
本实施例中，通过运行所述马尔可夫随机模型，得出所述典型车速工况，可以抽象概括出所述燃料电池汽车在不同位置最大概率采用的行驶速度和/或行驶加速度。
如图5所示，在本申请的一实施例中，所述步骤620包括如下步骤S622至步骤S626：
S622，从所述动力系统部件状态信息中提取燃料电池数据和动力电池数据。
具体地，所述燃料电池汽车由燃料电池和动力电池驱动。所述燃料电池可以为氢氧混合燃料电池。所述动力电池可以为锂离子电池。所述动力电池数据为所述动力电池电压、所述动力电池电流、所述动力电池容量、所述动力电池功率和在不同所述动力电池剩余电量下的内阻的一种或多种。所述燃料电池数据为所述燃料电池电压、所述燃料电池电流和所述燃料电池功率中的一种或多种。
S624，依据所述燃料电池数据，计算燃料电池关键参数。所述燃料电池关键参数为，所述燃料电池汽车在所述第四时间周期内的实际燃料电池开路电压、实际燃料电池欧姆内阻和实际塔菲尔斜率中的一种或多种。
具体地，所述计算所述燃料电池关键参数的算法为内部状态辨识算法。所述内部状态辨识算法可以为最小二乘递推算法。
所述云端服务器200具体通过下述公式3、公式4、公式5和公式6计算所述燃料电池关键参数。
Ufc＝hTθ 公式3
Figure GDA0002261797440000192
其中，Ufc为所述燃料电池电压。Ifc为所述燃料电池电流。U0为燃料电池开路电压。Rfc为燃料电池欧姆内阻。b为塔菲尔斜率。H测得的燃料电池电流矩阵。U为测得的燃料电池电压矩阵。θ为待定向量最小二乘最优递推估计值。K为增益矩阵。P为对称矩阵。
S626，依据所述动力电池数据，计算动力电池关键参数。所述动力电池关键参数为，所述燃料电池汽车在所述第四时间周期内的实际动力电池开路电压、实际动力电池平均充放电内阻和实际动力电池容量中的一种或多种。
具体地，所述计算所述动力电池关键参数的算法为内部状态辨识算法。所述内部状态辨识算法可以为最小二乘递推算法。
所述云端服务器200具体通过下述公式7和公式8计算所述动力电池关键参数。
Figure GDA0002261797440000202
Figure GDA0002261797440000203
其中，Ubus为总线电压。Ibat为所述动力电池电流。UOCV为动力电池开路电压。Rbat，avg为动力电池平均充放电内阻。θ为所述待定向量最小二乘最优递推估计值。K为所述增益矩阵。P为所述对称矩阵。
所述最优动力电池容量由循环寿命容量衰减模型计算生成。所述云端服务器200基于循环寿命容量衰减模型，通过动力电池温度、动力电池循环次数和动力电池放电倍率中的一种或多种计算生成所述最优动力电池容量。
本实施例中，通过依据所述动力电池数据，计算动力电池关键参数，可以获得所述燃料电池汽车在第四时间周期内的实际动力电池参数，为后续所述云端服务器200计算燃料电池的最优输出功率提供计算依据。
如图6所示，在本申请的一实施例中，所述步骤S500包括如下步骤S510至步骤S560：
S510，控制所述GPS定位模块150获取所述燃料电池汽车的地理位置信息。所述地理位置信息包括所述车辆所处位置的经度和所述车辆所处位置的纬度。
具体地，在所述步骤S510之前，所述整车控制器100可以每第四时间周期接收所述云端服务器200发送的所述多维能量管理策略MAP图。所述处理器110可以在每次所述燃料电池汽车上电之前，获取所述燃料电池汽车的地理位置信息。
S520，判断所述地理位置信息是否落入所述多维能量管理策略MAP图的范围内。
具体地，所述多维能量管理策略MAP图包括多个坐标点。所述处理器110可以判断所述地理位置信息是否为所述多维能量管理策略MAP图中多个坐标点的一个。
S530，若所述地理位置信息未落入所述多维能量管理策略MAP图的范围内，调取预设动力电池剩余电量值，并依据所述预设动力电池剩余电量值计算所述燃料电池汽车中燃料电池的输出功率。所述预设动力电池剩余电量值在所述燃料电池汽车出厂时，由车辆生产人员制定。
具体地，若所述地理位置信息不是所述多维能量管理策略MAP图中多个坐标点的一个，则确定所述地理位置信息未落入所述多维能量管理策略MAP图的范围内。
S540，若所述地理位置信息落入所述多维能量管理策略MAP图的范围内，则调取所述多维能量管理策略MAP图。
具体地，若所述地理位置信息是所述多维能量管理策略MAP图中多个坐标点的一个，则确定所述地理位置信息落入所述多维能量管理策略MAP图的范围内，调取所述多维能量管理策略MAP图。
S550，在所述多维能量管理策略MAP图中查找所述最优输出功率。
具体地，若所述地理位置信息落入所述多维能量管理策略MAP图的范围内，则确定所述多维能量管理策略MAP图适用。所述处理器110在所述多维能量管理策略MAP图中查找所述最优输出功率。
S560，将所述最优输出功率作为所述燃料电池汽车中燃料电池的输出功率。
具体地，所述处理器110，优化电池能力管理策略，将所述最优输出功率作为所述燃料电池汽车中燃料电池的输出功率，以使所述燃料电池汽车在后续行驶路程中最大程度优化行驶策略，合理分配所述燃料电池汽车的电池资源。
本实施例中，通过判断所述地理位置信息是否落入所述多维能量管理策略MAP图的范围内，并在所述地理位置信息是否落入所述多维能量管理策略MAP图的范围内时，在所述多维能量管理策略MAP图中查找所述最优输出功率，将所述最优输出功率作为所述燃料电池汽车中燃料电池的输出功率。使得所述燃料电池汽车在行驶过程中不断优化行驶策略，合理分配所述燃料电池汽车的电池资源。
请继续参阅图6，在其中一实施例中，所述步骤S550包括如下步骤S551至步骤552：
S551，获取所述燃料电池汽车的动力电池剩余电量值。
S552，结合所述地理位置信息和所述动力电池剩余电量值，在所述多维能量管理策略MAP图中查找与所述地理位置信息和所述动力电池剩余电量值相匹配的所述最优输出功率。
本实施例中，通过在所述多维能量管理策略MAP图中查找与所述地理位置信息和所述动力电池剩余电量值相匹配的所述最优输出功率，可以实现所述最优输出功率的精确判定，进一步使得所述燃料电池汽车的电池资源分配合理化，精确化。
本申请还提供一种燃料电池汽车能量管理系统。
如图7所示，在本申请的一实施例中，所述燃料电池汽车能量管理系统包括整车控制器100和云端服务器200。所述整车控制器100与所述云端服务器200连接。
所述整车控制器100装设于燃料电池汽车内。所述整车控制器100用于定期从CAN总线上获取燃料电池汽车的动力系统部件状态信息和车辆位置数据。所述整车控制器100还用于将所述动力系统部件状态信息和所述车辆位置数据发送至云端服务器200。所述云端服务器200用于接收所述动力系统部件状态信息和所述车辆位置数据。所述云端服务器200还用于依据所述动力系统部件状态信息和所述车辆位置数据，生成所述多维能量管理策略MAP图。所述整车控制器100还用于依据所述多维能量管理策略MAP图，调整所述燃料电池汽车中燃料电池的输出功率。
所述动力系统部件状态信息包括动力电池电压、动力电池电流、动力电池温度、动力电池容量、动力电池功率、在不同动力电池剩余电量下的内阻、燃料电池电压、燃料电池电量、燃料电池温度和燃料电池功率中的一种或多种。
本实施例中，通过在所述燃料电池汽车上设置所述整车控制器100，获取所述燃料电池汽车的动力系统部件状态信息和车辆位置数据，并将上述数据发送至云端服务器200。实现了车辆运行数据的云端存储，实现了远程监控。此外，通过依据所述动力系统部件状态信息和所述车辆位置数据，生成所述多维能量管理策略MAP图，使得所述燃料电池汽车的实际行驶过程中，自动调整所述燃料电池的输出功率，合理分配所述燃料电池汽车的电池资源，优化行驶策略。
如图8所示，在本申请的一实施例中，所述整车控制器100包括处理器110、电源管理模块120、时钟模块130、CAN信号模块140、GPS定位模块150、非易失性存储器160和5G通信模块170。
所述处理器110用于控制所述整车控制器100中各个模块的工作状态。所述电源管理模块120与所述处理器110电连接。所述电源管理模块120用于向所述处理器110提供电源。所述时钟模块130与所述处理器110电连接。所述时钟模块130用于向所述处理器110提供时间信息。所述CAN信号模块140与所述处理器110电连接。所述CAN信号模块140用于从所述CAN总线上获取所述动力系统部件状态信息。所述CAN信号模块140还用于将所述动力系统部件状态信息发送至所述处理器110。
所述GPS定位模块150与所述处理器110电连接。所述GPS定位模块150用于定期获取所述燃料电池汽车的位置信息，生成车辆位置数据。所述GPS定位模块150还用于将所述车辆位置数据发送至所述处理器110。所述非易失性存储器160与所述处理器110电连接。所述非易失性存储器160用于为所述动力系统部件状态信息和所述车辆位置数据提供缓存空间。具体地，所述非易失性存储器160可以为带电可擦可编程读写存储器(EEPROM)。所述5G通信模块170与所述处理器110电连接。所述5G通信模块170还与所述云端服务器200通信连接，用于与所述云端服务器200进行通信。
如图9所示，在本申请的一实施例中，所述云端服务器200包括数据存储模块210、数据处理模块220、数据计算模块230和服务器通信模块240。
所述数据存储模块210，用于对所述整车控制器100发送的所述动力系统部件状态信息和所述车辆位置数据进行存储。所述数据处理模块220与所述数据存储模块210连接。所述数据处理模块220用于将所述动力系统部件状态信息和所述车辆位置数据进行整合处理，生成多个大时间尺度数据文件。
所述数据计算模块230与所述数据处理模块220连接。所述数据计算模块230用于将所述多个大时间尺度数据文件发送至马尔可夫随机模型，并运行所述马尔可夫随机模型，得出典型车速工况。所述数据计算模块230还用于依据所述动力系统部件状态信息，计算生成动力源关键参数。所述动力源关键参数包括燃料电池关键参数和动力电池关键参数。具体地，所述数据计算模块230可以在图形化用户界面(Graphical User Interface，GUI)中搭建。
所述服务器通信模块240与所述5G通信模块170通信连接。
请继续参阅图9，在本申请的一实施例中，所述云端服务器200还包括策略图计算模块250。所述策略图计算模块250，用于依据所述动力系统部件状态信息和所述车辆位置数据生成所述多维能量管理策略MAP图。
本实施例中，通过设置所述云端服务器200，减轻了所述燃料电池汽车的所述整车控制器100的存储压力，实现了车辆运行数据的云端存储和对所述燃料电池汽车的远程监控。此外，所述燃料电池汽车能量管理系统是分时间尺度控制的系统，打破了实时计算和离线计算的界限。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于地理位置信息的燃料电池汽车能量管理方法，其特征在于，包括：
控制CAN信号模块按照第一时间周期的频率从CAN总线上获取燃料电池汽车的动力系统部件状态信息；所述动力系统部件状态信息包括动力电池电压、动力电池电流、动力电池温度、动力电池容量、动力电池功率、在不同动力电池剩余电量下的内阻、燃料电池电压、燃料电池电量、燃料电池温度和燃料电池功率、车辆速度和车辆加速度中的一种或多种；
控制GPS定位模块按照第一时间周期的频率获取所述燃料电池汽车的地理位置信息，并生成车辆位置数据；
接收所述动力系统部件状态信息和所述车辆位置数据，并按照第二时间周期的频率将所述动力系统部件状态信息和所述车辆位置数据上传至云端服务器；
在所述云端服务器依据所述动力系统部件状态信息和所述车辆位置数据生成多维能量管理策略MAP图后，按照第三时间周期的频率接收所述云端服务器发送的所述多维能量管理策略MAP图；以及
依据所述多维能量管理策略MAP图，调整所述燃料电池汽车中燃料电池的输出功率。
2.根据权利要求1所述的方法，其特征在于，所述云端服务器依据所述动力系统部件状态信息和所述车辆位置数据生成多维能量管理策略MAP图的步骤，具体包括：
按照第四时间周期的频率从数据存储模块中提取所述动力系统部件状态信息和所述车辆位置数据，所述数据存储模块设置于所述云端服务器；
依据所述动力系统部件状态信息和所述车辆位置数据，基于马尔可夫方法计算生成基于地理位置信息的典型车速工况，基于内部状态辨识算法计算动力源关键参数，所述动力源关键参数包括燃料电池关键参数和动力电池关键参数，所述基于地理位置信息的典型车速工况为所述燃料电池汽车在不同位置最大概率采用的行驶速度和/或行驶加速度；
从所述数据存储模块中调取整车模型，所述整车模型用于模拟所述燃料电池汽车的行驶过程；
将所述整车模型原有的动力源参数更改为所述动力源关键参数，并将所述典型车速工况输入至所述整车模型，运行更改后的所述整车模型，获得车辆模拟数据；
依据所述车辆模拟数据，采用动态规划全局优化算法，计算得出燃料电池基于地理位置信息的多个最优输出功率；所述燃料电池汽车在一个位置上，不同的动力电池剩余电量值对应不同的所述最优输出功率；以及
依据所述燃料电池汽车的不同位置信息、多个所述最优输出功率和多个所述动力电池剩余电量值绘制所述多维能量管理策略MAP图；所述多维能量管理策略MAP图包括多个坐标点，所述坐标点的X轴为车辆所处位置的经度，Y轴为车辆所处位置的纬度，Z轴为所述动力电池剩余电量值，V轴为所述最优输出功率。
3.根据权利要求2所述的方法，其特征在于，所述依据所述动力系统部件状态信息和所述车辆位置数据，基于马尔可夫方法计算生成基于地理位置信息的典型车速工况，基于内部状态辨识算法计算动力源关键参数的步骤，包括：
从所述动力系统部件状态信息中提取实际车速数据，所述实际车速数据为所述燃料电池汽车在不同位置的行驶速度和/或行驶加速度；
将所述实际车速数据和所述车辆位置数据进行整合处理，生成多个大时间尺度数据文件；以及
将所述多个大时间尺度数据文件发送至马尔可夫随机模型，并运行所述马尔可夫随机模型，得出基于地理位置信息的所述典型车速工况，所述基于地理位置信息的典型车速工况为所述燃料电池汽车在不同位置最大概率采用的行驶速度和/或行驶加速度。
4.根据权利要求3所述的方法，其特征在于，所述依据所述动力系统部件状态信息和所述车辆位置数据，基于马尔可夫方法计算生成基于地理位置信息的典型车速工况，基于内部状态辨识算法计算动力源关键参数的步骤，包括：
从所述动力系统部件状态信息中提取燃料电池数据和动力电池数据；
依据所述燃料电池数据，计算燃料电池关键参数，所述燃料电池关键参数为，所述燃料电池汽车在所述第四时间周期内的实际燃料电池开路电压、实际燃料电池欧姆内阻和实际塔菲尔斜率中的一种或多种；以及
依据所述动力电池数据，计算动力电池关键参数，所述动力电池关键参数为，所述燃料电池汽车在所述第四时间周期内的实际动力电池开路电压、实际动力电池平均充放电内阻和实际动力电池容量中的一种或多种。
5.根据权利要求4所述的方法，其特征在于，所述依据所述多维能量管理策略MAP图，调整所述燃料电池汽车中燃料电池的输出功率的步骤，包括：
控制所述GPS定位模块获取所述燃料电池汽车的地理位置信息，所述地理位置信息包括所述车辆所处位置的经度和所述车辆所处位置的纬度；
判断所述地理位置信息是否落入所述多维能量管理策略MAP图的范围内；
若所述地理位置信息未落入所述多维能量管理策略MAP图的范围内，调取预设动力电池剩余电量值，并依据所述预设动力电池剩余电量值计算所述燃料电池汽车中燃料电池的输出功率，所述预设动力电池剩余电量值在所述燃料电池汽车出厂时，由车辆生产人员制定；
若所述地理位置信息落入所述多维能量管理策略MAP图的范围内，则调取所述多维能量管理策略MAP图；
在所述多维能量管理策略MAP图中查找所述最优输出功率；
将所述最优输出功率作为所述燃料电池汽车中燃料电池的输出功率。
6.根据权利要求5所述的方法，其特征在于，所述在所述多维能量管理策略MAP图中查找所述最优输出功率的步骤包括：
获取所述燃料电池汽车的动力电池剩余电量值；
结合所述地理位置信息和所述动力电池剩余电量值，在所述多维能量管理策略MAP图中查找与所述地理位置信息和所述动力电池剩余电量值相匹配的所述最优输出功率。
7.一种基于地理位置信息的燃料电池汽车能量管理系统，其特征在于，包括：
整车控制器(100)，装设于燃料电池汽车内，用于定期从CAN总线上获取燃料电池汽车的动力系统部件状态信息和车辆位置数据，并将所述动力系统部件状态信息和所述车辆位置数据发送至云端服务器(200)；所述动力系统部件状态信息包括动力电池电压、动力电池电流、动力电池温度、动力电池容量、动力电池功率、在不同动力电池剩余电量下的内阻、燃料电池电压、燃料电池电量、燃料电池温度和燃料电池功率中的一种或多种；以及
云端服务器(200)，与所述整车控制器(100)连接，用于接收所述动力系统部件状态信息和所述车辆位置数据，并依据所述动力系统部件状态信息和所述车辆位置数据，生成多维能量管理策略MAP图；
所述整车控制器(100)还用于依据所述多维能量管理策略MAP图，调整所述燃料电池汽车中燃料电池的输出功率。
8.根据权利要求7所述的系统，其特征在于，所述整车控制器(100)包括：
处理器(110)，用于控制所述整车控制器(100)中各个模块的工作状态；
电源管理模块(120)，与所述处理器(110)电连接，用于向所述处理器(110)提供电源；
时钟模块(130)，与所述处理器(110)电连接，用于向所述处理器(110)提供时间信息；
CAN信号模块(140)，与所述处理器(110)电连接，用于从所述CAN总线上获取所述动力系统部件状态信息并将所述动力系统部件状态信息发送至所述处理器(110)；
GPS定位模块(150)，与所述处理器(110)电连接，用于定期获取所述燃料电池汽车的位置信息，生成车辆位置数据，并将所述车辆位置数据发送至所述处理器(110)；
非易失性存储器(160)，与所述处理器(110)电连接，用于为所述动力系统部件状态信息和所述车辆位置数据提供缓存空间；以及
5G通信模块(170)，与所述处理器(110)电连接，与所述云端服务器(200)通信连接，用于与所述云端服务器(200)进行通信。
9.根据权利要求8所述的系统，其特征在于，所述云端服务器(200)包括：
数据存储模块(210)，用于对所述整车控制器(100)发送的所述动力系统部件状态信息和所述车辆位置数据进行存储；
数据处理模块(220)，与所述数据存储模块(210)连接，用于将所述动力系统部件状态信息和所述车辆位置数据进行整合处理，生成多个大时间尺度数据文件；
数据计算模块(230)，与所述数据处理模块(220)连接，用于将所述多个大时间尺度数据文件发送至马尔可夫随机模型，并运行所述马尔可夫随机模型，得出基于地理位置信息的典型车速工况；所述数据计算模块(230)还用于依据所述动力系统部件状态信息，计算生成动力源关键参数，所述动力源关键参数包括燃料电池关键参数和动力电池关键参数；以及
服务器通信模块(240)，与所述5G通信模块(170)通信连接。
10.根据权利要求9所述的系统，其特征在于，所述云端服务器(200)还包括：
策略图计算模块(250)，用于依据所述动力系统部件状态信息和所述车辆位置数据生成所述多维能量管理策略MAP图。
CN201811641682.9A 2018-12-29 2018-12-29 基于地理位置信息的燃料电池汽车能量管理方法与系统 Active CN109808518B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811641682.9A CN109808518B (zh) 2018-12-29 2018-12-29 基于地理位置信息的燃料电池汽车能量管理方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811641682.9A CN109808518B (zh) 2018-12-29 2018-12-29 基于地理位置信息的燃料电池汽车能量管理方法与系统

Publications (2)

Publication Number Publication Date
CN109808518A CN109808518A (zh) 2019-05-28
CN109808518B true CN109808518B (zh) 2020-01-21

Family

ID=66603175

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811641682.9A Active CN109808518B (zh) 2018-12-29 2018-12-29 基于地理位置信息的燃料电池汽车能量管理方法与系统

Country Status (1)

Country Link
CN (1) CN109808518B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110716731A (zh) * 2019-10-23 2020-01-21 浙江吉利汽车研究院有限公司 基于不同地域法规的车辆数据更新方法、更新系统及车辆
CN112086664B (zh) * 2020-09-17 2021-09-14 东风汽车集团有限公司 一种燃料电池汽车空气过滤系统及其控制方法
CN112379288B (zh) * 2020-10-26 2023-07-21 上海艾福亿维测试设备有限公司 燃料电池在环测试系统及其测试方法
CN112563542B (zh) * 2020-12-08 2022-02-11 上海重塑能源科技有限公司 燃料电池在线检测方法及检测系统
CN112506250A (zh) * 2020-12-17 2021-03-16 武汉格罗夫氢能汽车有限公司 氢能汽车燃料电池热管理温度控制系统及氢能汽车
CN113002367B (zh) * 2021-02-22 2023-03-21 深兰科技（上海）有限公司 车载燃料电池系统的控制方法及相关装置
CN113002370B (zh) * 2021-04-16 2022-06-21 吉林大学 一种燃料电池汽车实时能量管理控制方法
CN114967633A (zh) * 2021-07-28 2022-08-30 上海元城汽车技术有限公司 一种基于云端大数据的差异化标定策略
CN113428049B (zh) * 2021-08-26 2021-11-09 北京理工大学 一种考虑电池老化抑制的燃料电池混动汽车能量管理方法
CN113696783B (zh) * 2021-09-24 2023-03-21 蜂巢能源科技有限公司 基于导航定位的车辆模式确定方法、装置、设备
CN114734871A (zh) * 2022-04-02 2022-07-12 盐城国投中科新能源科技有限公司 一种应用于混动系统的bms电池管理系统控制方法、设备及存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060046895A1 (en) * 2004-08-30 2006-03-02 Thacher Russell J Vehicular control system for regenerative braking
CN102167036B (zh) * 2011-04-01 2013-08-14 清华大学 一种燃料电池混合动力整车控制方法
CN102963353B (zh) * 2012-11-16 2015-03-04 同济大学 基于神经网络的混合动力系统能量管理方法
DE102014217780A1 (de) * 2014-09-05 2016-03-10 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum prädiktiven Betrieb einer Brennstoffzelle bzw. eines Hochvoltspeichers
CN107813816A (zh) * 2016-09-12 2018-03-20 法乐第(北京)网络科技有限公司 用于混合动力汽车的能量控制轨迹优化设备、混合动力汽车
CN107284441B (zh) * 2017-06-07 2019-07-05 同济大学 实时工况自适应的插电式混合动力汽车能量优化管理方法

Also Published As

Publication number Publication date
CN109808518A (zh) 2019-05-28

Similar Documents

Publication Publication Date Title
CN109808518B (zh) 基于地理位置信息的燃料电池汽车能量管理方法与系统
WO2019184850A1 (zh) 电动汽车及其中动力电池的管理系统、方法
CN114919433B (zh) 电动汽车集群充放电控制方法、系统及相关设备
CN111267827B (zh) 一种混合动力汽车能量管理方法和系统
JP2020119658A (ja) 二次電池モジュールの余寿命診断方法及び余寿命診断システム
CN112434463A (zh) 一种车辆复合电源能量管理系统
CN115071505A (zh) 燃料电池汽车分层规划方法、系统、装置及存储介质
CN110682905B (zh) 基于行驶里程的时域中电池荷电状态参考变化量获取方法
CN112526883B (zh) 一种基于智能网联信息的整车能量管理方法
CN108808132B (zh) 一种动力电池的sop控制方法
CN111071259B (zh) 车速预测方法、装置、车辆控制装置和存储介质
CN111711209B (zh) 基于储能寿命和调频性能的光储充联合运行方法及系统
CN116826933A (zh) 一种基于知识图谱混合储能电池供电反步控制方法及系统
CN112977164A (zh) 确定电动车辆续航里程的方法、装置和车辆
CN118944249B (zh) 一种充电剩余时长的计算方法、装置、电池和存储介质
CN118944238B (zh) 一种新能源储能锂电池控制系统及控制方法
CN114722489A (zh) 船舶动力系统选型方法、装置及存储介质
CN114636938A (zh) 一种电池包容量预测方法、设备及存储介质
An New energy vehicle lithium battery life prediction method based on improved deep learning
CN113002368A (zh) 车载燃料电池系统的控制方法及相关装置
CN112216883A (zh) 一种锂电池均衡方法、系统、设备及存储介质
CN113002369B (zh) 车载燃料电池系统的控制策略获取方法及相关装置
JP7582222B2 (ja) サーバ、車両および通信制御方法
CN114498864B (zh) 电化学装置充电方法、装置、电子设备和存储介质
CN113696783B (zh) 基于导航定位的车辆模式确定方法、装置、设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant