CN110126813B - 一种车载燃料电池混合动力系统的能量管理方法 - Google Patents

一种车载燃料电池混合动力系统的能量管理方法 Download PDF

Info

Publication number
CN110126813B
CN110126813B CN201910413812.1A CN201910413812A CN110126813B CN 110126813 B CN110126813 B CN 110126813B CN 201910413812 A CN201910413812 A CN 201910413812A CN 110126813 B CN110126813 B CN 110126813B
Authority
CN
China
Prior art keywords
lithium battery
soc
current
power
fuel cell
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
CN201910413812.1A
Other languages
English (en)
Other versions
CN110126813A (zh
Inventor
马彦
张帆
朱添麟
李成
牟洪元
高金武
陈虹
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.)
Jilin University
Original Assignee
Jilin 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 Jilin University filed Critical Jilin University
Priority to CN201910413812.1A priority Critical patent/CN110126813B/zh
Publication of CN110126813A publication Critical patent/CN110126813A/zh
Application granted granted Critical
Publication of CN110126813B publication Critical patent/CN110126813B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W20/00—Control systems specially adapted for hybrid vehicles
    • B60W20/10—Controlling the power contribution of each of the prime movers to meet required power demand
    • B60W20/11—Controlling the power contribution of each of the prime movers to meet required power demand using model predictive control [MPC] strategies, i.e. control methods based on models predicting performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Fuel Cell (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明涉及新能源汽车能量管理技术领域，具体涉及一种车载燃料电池混合动力系统的能量管理方法。包括以下步骤：步骤一：建立混合动力系统模型；步骤二：基于步骤一建立的混合动力系统模型，考虑需求功率变化率和锂电池SOC的影响，对混合动力系统进行能量管理；本发明将负载需求功率的变化率考虑进了混合动力能量管理方法中，添加这样的车辆工况信息一方面能够使混合动力系统的性能更好，另一方面能够使本发明的方法适用的车辆运行工况更广；本发明在确定锂电池实际电流时，对其进行了最大充放电电流约束，防止锂电池过充过放；本发明根据当前的锂电池SOC状态通过模糊控制求取额外的控制电流，使锂电池SOC维持在合理的区间。

Description

一种车载燃料电池混合动力系统的能量管理方法
技术领域
本发明涉及新能源汽车能量管理技术领域，具体涉及一种车载燃料电池混合动力系统的能量管理方法。
背景技术
新能源汽车节能、环保，是汽车产业发展的必然趋势。其中，车辆能源动力系统是新能源汽车的一个重要技术方向。燃料电池系统具有高效率、零排放、可适应不同功率需求、能快速补充能量等特点，被广泛应用于车载动力系统中。而纯燃料电池系统由于电化学反应和空压机、供应管道等辅助设备的迟滞性，使其动态响应较慢，跟随负载能力有限，不能满足快速变化的负载功率需求。通过构建燃料电池和锂电池混合动力系统能够有效提高整个动力系统的功率响应，极大改善车辆动力性能。
混合动力系统中燃料电池提供主要的负载需求，而辅助电源锂电池提供额外的功率需求。在这种由两种动力装置组成的动力系统中，显然存在着如何进行能量管理，功率实时分配的问题。通常根据车辆运行工况以及锂电池SOC(State of Charge，荷电状态)的不同，按照设定的功率分配形式及比例对混合动力系统进行能量管理。这种基于规则的能量管理策略具有运算量低，动态响应快，易于工程实现的优点，目前已被广泛采用。
车辆运行工况会对混合动力系统造成影响，为了提高混合动力系统的工作效率，在制定能量管理策略时应考虑车辆运行工况的信息。另外，动力电池SOC是混合动力能量管理系统的核心指标，对SOC的准确调节影响着混合动力系统的性能。公开号为CN107738587A，公布日为2018年2月27日，发明名称为“一种燃料电池功率管理方法”，该发明根据动力电池的特性，将燃料电池的功率划分为不同的功率挡位，这样能够在保护动力电池的同时，避免频繁变化的功率需求对燃料电池中电堆的冲击。但该发明只是对燃料电池的输出功率进行了优化，并没有对动力电池进行输出优化，同时没有考虑动力电池SOC的工作区间。公开号为CN108248450A，公布日为2017年12月12日，发明名称为“一种燃料电池混合动力功率优化方法”，该发明首先对燃料电池混合动力系统进行建模，然后对能量进行实时优化控制；该发明提出通过惩罚因子KSOC能较好地调控能量合理分配，使蓄电池SOC维持在合适区间，进入最优功率管理状态，但是并没有提及燃料电池和蓄电池具体的功率分配方法，也没有说明蓄电池SOC是如何获得的。
发明内容
为了解决现有技术的不足，本发明提供了一种车载燃料电池混合动力系统的能量管理方法，其考虑了负载需求功率的变化率，同时调节锂电池SOC在合理区间内，将负载需求功率在燃料电池和锂电池之间进行实时分配。
为达到以上目的，一种车载燃料电池混合动力系统的能量管理方法，包括以下步骤：
步骤一：建立混合动力系统模型；
所述步骤一建立混合动力系统模型过程如下：
(1).建立燃料电池电压模型：
vcell＝Enernst-vact-vohm-vconc (1)
Vfc＝nvcell (2)
式中，Enernst是能斯特电压，vact是活化过电压，vohm是欧姆过电压，vconc是浓差过电压，vcell是单片燃料电池电压，n是串联燃料电池单体数量，Vfc燃料电池堆电压；
(2).建立锂电池等效电路模型：
Vbat＝Voc(SOC)-R0·Ibat (3)
其中，Voc(SOC)是锂电池开路电压，R0是锂电池欧姆内阻，Vbat是锂电池端电压，Ibat是锂电池电流，定义其放电为正，充电为负；
(3).建立混合动力系统模型：
Preq＝Pfc+Pbat (4)
其中，Preq是负载需求功率，Pfc是燃料电池功率，Pbat是锂电池功率，当锂电池向负载放电时Pbat为正，而锂电池充电时Pbat为负；
步骤二：基于步骤一建立的混合动力系统模型，考虑需求功率变化率和锂电池SOC的影响，对混合动力系统进行能量管理；
所述步骤二包括如下步骤：
a.根据车辆的驾驶工况得到车辆的电机负载需求功率Preq；
b.根据上一步得到的电机负载需求功率Preq以及需求功率的变化率
Figure BDA0002063690970000031
确定燃料电池期望功率
Figure BDA0002063690970000032
c.由电机负载需求功率Preq和上一步得到的燃料电池期望功率根据瞬时功率平衡得到锂电池期望功率
Figure BDA0002063690970000034
d.根据上一步得到的锂电池期望功率
Figure BDA0002063690970000035
和步骤一建立的锂电池等效电路模型确定锂电池期望电流
Figure BDA0002063690970000036
并由安时积分法得到锂电池SOC；
e.为了调节锂电池SOC在合理范围内，基于上一步得到的锂电池期望电流
Figure BDA0002063690970000037
和SOC，由模糊逻辑控制确定额外的控制电流Iext；
f.根据上一步得到的控制电流Iext以及锂电池电流工作范围确定锂电池实际电流Ibat，并得到实际的锂电池功率Pbat；
g.由上一步得到的锂电池功率Pbat，根据瞬时功率平衡得到实际的燃料电池功率Pfc；
这样根据上述步骤就可以对混合动力系统进行能量管理得到锂电池功率Pbat和燃料电池功率Pfc，并且可以由步骤一建立的燃料电池电压模型确定燃料电池电流和电压；
所述由模糊逻辑控制确定额外的控制电流Iext具体内容如下：
根据锂电池期望电流
Figure BDA0002063690970000038
为正或负两种情况进行分析，设计的模糊规则如下：
①.锂电池期望电流
Figure BDA0002063690970000039
大于零，锂电池放电
A).锂电池期望电流
Figure BDA00020636909700000310
较小时，当SOC较低时，减小放电电流；当SOC在最优区间时，实际放电电流和期望电流接近；当SOC较高时，增大放电电流，提高系统动态性能；
B).锂电池期望电流
Figure BDA00020636909700000311
在中间时，当SOC较低时，减小放电电流；当SOC在最优区间时，增加放电电流；当SOC较高时，增大放电电流，提高系统动态性能；
C).锂电池期望电流
Figure BDA00020636909700000312
较大时，当SOC较低时，减小放电电流；当SOC在最优区间时，增加放电电流；当SOC较高时，增大放电电流，提高系统动态性能；
②.锂电池期望电流
Figure BDA00020636909700000313
小于零，锂电池充电
对于锂电池期望电流
Figure BDA00020636909700000314
小于零的情况，对模糊逻辑控制的输入
Figure BDA00020636909700000315
取绝对值，对输出Iext取相反数；
A).锂电池期望电流
Figure BDA0002063690970000041
较小时，当SOC较低时，增大充电电流；当SOC在最优区间时，实际充电电流和期望电流接近；当SOC较高时，减小充电电流；
B).锂电池期望电流
Figure BDA0002063690970000042
在中间时，当SOC较低时，增大充电电流；当SOC在最优区间时，减小充电电流；当SOC较高时，减小充电电流；
C).锂电池期望电流
Figure BDA0002063690970000043
较大时，当SOC较低时，增大充电电流；当SOC在最优区间时，减小充电电流；当SOC较高时，减小充电电流。
采用本技术方案的有益效果：
1.本发明将负载需求功率的变化率考虑进了混合动力能量管理方法中，添加这样的车辆工况信息一方面能够使混合动力系统的性能更好，另一方面能够使本发明的方法适用的车辆运行工况更广；
2.本发明在确定锂电池实际电流时，对其进行了最大充放电电流约束，防止锂电池过充过放；
3.本发明根据当前的锂电池SOC状态通过模糊控制求取额外的控制电流，使锂电池SOC维持在合理的区间。
附图说明
图1是燃料电池和锂电池混合动力系统结构图；
图2是锂电池等效电路模型拓扑结构图；
图3是燃料电池和锂电池混合动力系统能量管理方案图；
图4是锂电池开路电压和SOC关系拟合曲线图；
图5a是NEDC车辆驾驶工况示意图；
图5b是电机负载需求功率示意图；
图6a是模糊逻辑控制输入锂电池期望电流
Figure BDA0002063690970000044
隶属度函数示意图；
图6b是模糊逻辑控制输入锂电池SOC隶属度函数示意图；
图6c是模糊逻辑控制输出控制电流Iext隶属度函数示意图；
图7是燃料电池和锂电池功率响应曲线图；
图8a是锂电池电流变化曲线图；
图8b是锂电池端电压变化曲线图；
图9是锂电池SOC变化示意图；
图10a是燃料电池堆电流变化曲线图；
图10b是燃料电池堆电压变化曲线图；
具体实施方式
下面结合附图，对本发明所提出的技术方案进行进一步阐述和说明：
本发明燃料电池和锂电池混合动力系统结构如图1所示，其中燃料电池通过单向DC/DC变换器，锂电池通过双向DC/DC变换器，以并联方式连接到系统总线上为负载提供能量；在运行过程中，燃料电池系统是主要动力来源，锂电池提供或吸收额外的功率。
本发明是一种车载燃料电池混合动力系统的能量管理方法，具体实施步骤如下：
步骤一：建立混合动力系统模型；
(1).燃料电池电压模型
vcell＝Enernst-vact-vohm-vconc (5)
Figure BDA0002063690970000051
Figure BDA0002063690970000053
vohm＝IfcRohm (8)
Figure BDA0002063690970000052
Vfc＝nvcell (10)
式中，Enernst是能斯特电压，Tfc是燃料电池电堆温度，Tatm是大气温度，
Figure BDA0002063690970000054
是氢气分压，
Figure BDA0002063690970000055
是氧气分压；vact是活化过电压，
Figure BDA0002063690970000056
是氧气浓度；vohm是欧姆过电压，Rohm是燃料电池欧姆内阻；vconc是浓差过电压，i是燃料电池电流密度，imax是常数，表示燃料电池最大电流密度；c1，c2，c3，c4，c5，c6是系统常数；vcell是单片燃料电池电压，n是串联燃料电池单体数量，Ifc燃料电池电流，Vfc燃料电池堆电压；
(2).锂电池等效电路模型
锂电池内阻等效电路模型拓扑结构如图2所示，其中R0是锂电池欧姆内阻；Voc(SOC)是开路电压；Vbat是锂电池端电压；Ibat是锂电池电流，定义其放电为正，充电为负，则锂电池的端电压为：
Vbat＝Voc(SOC)-R0·Ibat (11)
其中，开路电压Voc(SOC)是关于SOC的非线性函数，由实验数据拟合曲线确定；
(3).混合动力系统模型
混合动力系统中的DC/DC变换器的作用是执行电压调节以及协调燃料电池和锂电池之间的功率，在这里忽略其动态特性，只采用其功能，因此有如下的功率平衡表达式
Preq＝Pfc+Pbat (12)
其中，
Figure BDA0002063690970000061
式中，Preq是电机负载需求功率，Pfc是燃料电池功率，Pbat是锂电池功率；当锂电池向负载放电时Pbat为正，而锂电池充电时Pbat为负；ηfc和ηbat分别是燃料电池和锂电池DC/DC变换器的功率转换效率；
步骤二：基于步骤一建立的混合动力系统模型，考虑需求功率变化率和锂电池SOC的影响，对混合动力系统进行能量管理；
图3是燃料电池和锂电池混合动力系统能量管理方案图，包括如下步骤：
a.根据车辆的驾驶工况得到车辆的电机负载需求功率Preq；
b.根据上一步得到的电机负载需求功率Preq以及需求功率的变化率
Figure BDA0002063690970000062
确定燃料电池期望功率
Figure BDA0002063690970000063
Figure BDA0002063690970000064
其中，
Figure BDA0002063690970000065
是动态的燃料电池期望功率，T是一阶滤波器的时间常数，k是调整系数；
因为燃料电池是一种发电装置，所以有
Figure BDA0002063690970000071
c.由电机负载需求功率Preq和上一步得到的燃料电池期望功率
Figure BDA0002063690970000072
根据瞬时功率平衡得到锂电池期望功率
Figure BDA0002063690970000073
Figure BDA0002063690970000074
d.根据上一步得到的锂电池期望功率
Figure BDA0002063690970000075
和步骤一建立的锂电池模型(11)确定锂电池期望电流
Figure BDA0002063690970000076
Figure BDA0002063690970000077
采用安时积分法得到的锂电池SOC为：
Figure BDA0002063690970000078
其中，η是锂电池充放电效率，Qbat是锂电池额定容量，SOC(0)是SOC初值，SOC(t)是t时刻SOC值，Ibat(t)是t时刻锂电池电流值；
e.为了调节锂电池SOC在合理范围内，基于上一步得到的锂电池期望电流
Figure BDA0002063690970000079
和SOC，由模糊逻辑控制确定额外的控制电流Iext；
这里根据锂电池期望电流
Figure BDA00020636909700000710
为正或负，即负载需求功率Preq为正或负两种情况进行分析，设计的模糊规则如下：
①.锂电池期望电流
Figure BDA00020636909700000711
大于零，锂电池放电
A).锂电池期望电流
Figure BDA00020636909700000712
较小时，当SOC较低时，为了防止过放，应该稍微减小放电电流；当SOC在最优区间时，实际放电电流和期望电流接近；当SOC较高时，应该增大放电电流，提高系统动态性能；
B).锂电池期望电流
Figure BDA00020636909700000713
在中间时，当SOC较低时，为了防止过放，应该减小放电电流；当SOC在最优区间时，应该稍微增加放电电流；当SOC较高时，应该增大放电电流，提高系统动态性能；
C).锂电池期望电流
Figure BDA00020636909700000714
较大时，当SOC较低时，为了防止过放，应该减小放电电流；当SOC在最优区间时，应该稍微增加放电电流；当SOC较高时，应该增大放电电流，提高系统动态性能；
②.锂电池期望电流
Figure BDA0002063690970000081
小于零，锂电池充电
对于锂电池期望电流
Figure BDA0002063690970000082
小于零的情况，为了便于理解，这里我们对模糊逻辑控制的输入
Figure BDA0002063690970000083
取绝对值，对输出Iext取相反数；
a).锂电池期望电流
Figure BDA0002063690970000084
较小时，当SOC较低时，为了快速充电，应该稍微增大充电电流；当SOC在最优区间时，实际充电电流和期望电流接近；当SOC较高时，为了防止过充，应该稍微减小充电电流；
b).锂电池期望电流
Figure BDA0002063690970000085
在中间时，当SOC较低时，为了快速充电，应该增大充电电流；当SOC在最优区间时，应该稍微减小充电电流；当SOC较高时，为了防止过充，应该减小充电电流；
c).锂电池期望电流
Figure BDA0002063690970000086
较大时，当SOC较低时，为了快速充电，应该增大充电电流；当SOC在最优区间时，应该稍微减小充电电流；当SOC较高时，为了防止过充，应该减小充电电流；
将期望的锂电池电流
Figure BDA0002063690970000087
基本论域模糊化得到的3个集合：L(小)，M(中等)，B(大)；SOC的基本论域模糊化得到的4个集合：S(小)，M(中等)，O(最优)，H(高)；为了提高控制精度，将控制电流Iext基本论域模糊化为7个集合：L(小)，ML(偏小)，SL(较小)，M(中等)，SB(较大)，MB(偏大)，B(大)；
这样根据上述规则确定的整个模糊逻辑控制器的模糊规则库如表1所示：
表1模糊规则库
Figure BDA0002063690970000088
f.根据上一步得到的控制电流Iext可得锂电池电流Ibat：
Figure BDA0002063690970000091
其中，Ibat_d是动态的锂电池电流，为了防止锂电池过充过放，则锂电池实际电流Ibat为：
Figure BDA0002063690970000092
其中，Ibat_cm和Ibat_dm分别是锂电池最大充电电流和最大放电电流；
因此锂电池实际功率Pbat为：
Pbat＝ηbatVbatIbat (21)
g.由上一步得到的锂电池功率Pbat，根据瞬时功率平衡得到实际的燃料电池功率Pfc：
Pfc＝Preq-Pbat (22)
这样根据上述步骤就可以对混合动力系统进行能量管理得到锂电池功率Pbat和燃料电池功率Pfc，并且可以由步骤一建立的燃料电池电压模型(5)-(10)，可确定燃料电池电流和电压。
验证例：
为了便于理解，下面以一个具体实例解释说明本发明：
在燃料电池电压模型中，燃料电池单体数量为n＝381，单体有效面积为280cm2，电堆温度Tfc＝353K，大气温度Tatm＝298K；
锂电池模型，选取18串14并，单体3.2V/2.2Ah的A123-26650磷酸铁锂电池组，辨识的锂电池欧姆内阻R0＝0.0415Ω，锂电池充放电效率η＝1；对锂电池开路电压Voc(SOC)与SOC进行快速标定实验，拟合的开路电压和SOC曲线如图4所示：
Figure BDA0002063690970000093
在混合动力系统中，燃料电池和锂电池DC/DC变换器的功率转换效率分别为ηfc＝0.95和ηbat＝0.98；
选取的NEDC(New European Driving Cycle，新标欧洲循环测试)车辆驾驶工况如图5a所示，其对应的负载需求功率如图5b所示；一阶滤波器时间常数T＝3，调整系数k＝0.05；选取SOC初值SOC(0)＝0.55；在模糊逻辑控制中，锂电池期望电流
Figure BDA0002063690970000094
基本论域为[0，20]A，其隶属度函数如图6a所示；锂电池SOC的基本论域为[0，1]，其隶属度函数如图6b所示；控制电流Iext基本论域为[-0.1，1]A，其隶属度函数如图6c所示；
在Matlab/Simulink仿真环境下，搭建实现上述混合动力系统能量管理方案的仿真模型，仿真结果如图7-10所示；图7是燃料电池和锂电池功率响应，从图7可以看出，本发明提供的能量管理方法能对负载需求功率进行优化分配；锂电池的电流和端电压如图8a和8b所示，从图8a可以看出，锂电池实际电流在最大充放电电流之间，本发明能够有效防止锂电池过充过放；锂电池SOC变化如图9所示，显然SOC维持在最优区间附近；图10a和10b是燃料电池堆电流和堆电压的变化曲线。

Claims (2)

1.一种车载燃料电池混合动力系统的能量管理方法，其特征在于，包括以下步骤：
步骤一：建立混合动力系统模型；
所述步骤一建立混合动力系统模型过程如下
(1).建立燃料电池电压模型：
vcell＝Enernst-vact-vohm-vconc (1)
Vfc＝nvcell (2)
式中，Enernst是能斯特电压，vact是活化过电压，vohm是欧姆过电压，vconc是浓差过电压，vcell是单片燃料电池电压，n是串联燃料电池单体数量，Vfc燃料电池堆电压；
(2).建立锂电池等效电路模型：
Vbat＝Voc(SOC)-R0·Ibat (3)
其中，Voc(SOC)是锂电池开路电压，R0是锂电池欧姆内阻，Vbat是锂电池端电压，Ibat是锂电池电流，定义其放电为正，充电为负；
(3).建立混合动力系统模型：
Preq＝Pfc+Pbat (4)
其中，Preq是负载需求功率，Pfc是燃料电池功率，Pbat是锂电池功率，当锂电池向负载放电时Pbat为正，而锂电池充电时Pbat为负；
步骤二：基于步骤一建立的混合动力系统模型，考虑需求功率变化率和锂电池SOC的影响，对混合动力系统进行能量管理；
所述步骤二包括如下步骤：
a.根据车辆的驾驶工况得到车辆的电机负载需求功率Preq；
b.根据上一步得到的电机负载需求功率Preq以及需求功率的变化率
Figure FDA0002063690960000011
确定燃料电池期望功率
Figure FDA0002063690960000012
c.由电机负载需求功率Preq和上一步得到的燃料电池期望功率
Figure FDA0002063690960000013
根据瞬时功率平衡得到锂电池期望功率
Figure FDA0002063690960000014
d.根据上一步得到的锂电池期望功率
Figure FDA0002063690960000021
和步骤一建立的锂电池等效电路模型确定锂电池期望电流
Figure FDA0002063690960000022
并由安时积分法得到锂电池SOC；
e.为了调节锂电池SOC在合理范围内，基于上一步得到的锂电池期望电流
Figure FDA0002063690960000023
和SOC，由模糊逻辑控制确定额外的控制电流Iext；
f.根据上一步得到的控制电流Iext以及锂电池电流工作范围确定锂电池实际电流Ibat，并得到实际的锂电池功率Pbat；
g.由上一步得到的锂电池功率Pbat，根据瞬时功率平衡得到实际的燃料电池功率Pfc；
根据上述步骤就可以对混合动力系统进行能量管理，得到锂电池功率Pbat和燃料电池功率Pfc。
2.根据权利要求1所述的一种车载燃料电池混合动力系统的能量管理方法，其特征在于，
所述由模糊逻辑控制确定额外的控制电流Iext具体内容如下：
根据锂电池期望电流
Figure FDA0002063690960000024
为正或负两种情况进行分析，设计的模糊规则如下：
①.锂电池期望电流
Figure FDA0002063690960000025
大于零，锂电池放电
A).锂电池期望电流
Figure FDA0002063690960000026
较小时，当SOC较低时，减小放电电流；当SOC在最优区间时，实际放电电流和期望电流接近；当SOC较高时，增大放电电流，提高系统动态性能；
B).锂电池期望电流
Figure FDA0002063690960000027
在中间时，当SOC较低时，减小放电电流；当SOC在最优区间时，增加放电电流；当SOC较高时，增大放电电流，提高系统动态性能；
C).锂电池期望电流
Figure FDA0002063690960000028
较大时，当SOC较低时，减小放电电流；当SOC在最优区间时，增加放电电流；当SOC较高时，增大放电电流，提高系统动态性能；
②.锂电池期望电流
Figure FDA0002063690960000029
小于零，锂电池充电
对于锂电池期望电流
Figure FDA00020636909600000210
小于零的情况，对模糊逻辑控制的输入
Figure FDA00020636909600000211
取绝对值，对输出Iext取相反数；
A).锂电池期望电流
Figure FDA00020636909600000212
较小时，当SOC较低时，增大充电电流；当SOC在最优区间时，实际充电电流和期望电流接近；当SOC较高时，减小充电电流；
B).锂电池期望电流
Figure FDA0002063690960000031
在中间时，当SOC较低时，增大充电电流；当SOC在最优区间时，减小充电电流；当SOC较高时，减小充电电流；
C).锂电池期望电流
Figure FDA0002063690960000032
较大时，当SOC较低时，增大充电电流；当SOC在最优区间时，减小充电电流；当SOC较高时，减小充电电流。
CN201910413812.1A 2019-05-17 2019-05-17 一种车载燃料电池混合动力系统的能量管理方法 Active CN110126813B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910413812.1A CN110126813B (zh) 2019-05-17 2019-05-17 一种车载燃料电池混合动力系统的能量管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910413812.1A CN110126813B (zh) 2019-05-17 2019-05-17 一种车载燃料电池混合动力系统的能量管理方法

Publications (2)

Publication Number Publication Date
CN110126813A CN110126813A (zh) 2019-08-16
CN110126813B true CN110126813B (zh) 2020-09-08

Family

ID=67575089

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910413812.1A Active CN110126813B (zh) 2019-05-17 2019-05-17 一种车载燃料电池混合动力系统的能量管理方法

Country Status (1)

Country Link
CN (1) CN110126813B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110889302B (zh) * 2019-11-27 2020-08-04 山东双端数字科技有限公司 Rfid数据采集系统
CN111976458B (zh) * 2019-12-16 2021-11-26 中北大学 一种串联式重度混合动力工程机械传动系统及其控制方法
CN110920601B (zh) * 2019-12-17 2021-03-30 北京交通大学 一种多异性动力源系统能量配置优化控制的方法
CN111409510B (zh) * 2020-03-26 2021-08-31 河南科技大学 一种氢燃料电池混合动力汽车的能量管理方法
CN112345940B (zh) * 2020-10-27 2023-08-22 中北大学 基于soc预估的车辆复合电源系统模糊逻辑控制方法
CN112345951B (zh) * 2020-11-19 2021-09-03 同济大学 一种复合电源动力系统中电池的交流阻抗测量方法
CN113103921A (zh) * 2021-04-12 2021-07-13 西南交通大学 一种基于开关网络的切换式能量管理方法
CN113442795B (zh) * 2021-08-18 2022-06-17 重庆交通职业学院 基于分层式mpc的燃料电池混合动力系统控制方法
CN114021249B (zh) * 2021-10-29 2022-09-20 西北工业大学 一种分层的多电飞机混合动力系统模型及能量管理方法
CN114506250B (zh) * 2022-03-10 2023-04-14 厦门金龙联合汽车工业有限公司 一种基于运营数据的燃料电池汽车工况自适应控制方法
CN114347866B (zh) * 2022-03-21 2023-02-28 西北工业大学 一种基于vmd处理的燃料电池能量管理方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202498998U (zh) * 2012-03-05 2012-10-24 浙江大学城市学院 燃料电池混合动力能量管理控制系统
US10220710B2 (en) * 2015-10-15 2019-03-05 Ford Global Technologies, Llc Fuzzy logic based sliding mode control of variable voltage converter
CN106080223A (zh) * 2016-07-04 2016-11-09 天津中科先进技术研究院有限公司 一种锂电池与超级电容器双能源功率分配控制系统及方法
CN106564398B (zh) * 2016-11-08 2018-12-07 西安交通大学 一种电动汽车的车载复合电源系统及控制方法
CN108099670B (zh) * 2017-12-26 2021-07-16 南京晓庄学院 一种高温sofc电动汽车能量管理智能控制系统及方法
CN108312870B (zh) * 2018-02-02 2020-08-21 杭州电子科技大学 一种混合动力汽车氢耗与负载变化的能源管理方法

Also Published As

Publication number Publication date
CN110126813A (zh) 2019-08-16

Similar Documents

Publication Publication Date Title
CN110126813B (zh) 一种车载燃料电池混合动力系统的能量管理方法
Li et al. Optimal fuzzy power control and management of fuel cell/battery hybrid vehicles
Hu et al. Multi-objective energy management optimization and parameter sizing for proton exchange membrane hybrid fuel cell vehicles
Wang et al. A comparative study of power allocation strategies used in fuel cell and ultracapacitor hybrid systems
CN111409510B (zh) 一种氢燃料电池混合动力汽车的能量管理方法
Zhu et al. Fuzzy logic based energy management strategy for a fuel cell/battery/ultra-capacitor hybrid ship
CN112060982B (zh) 一种动态平衡的燃料电池无人机能量管理方法
Yun et al. Energy management for fuel cell hybrid vehicles based on a stiffness coefficient model
Yuan et al. A real-time rule-based energy management strategy with multi-objective optimization for a fuel cell hybrid electric vehicle
CN113103921A (zh) 一种基于开关网络的切换式能量管理方法
Carignano et al. Toyota Mirai: powertrain model and assessment of the energy management
Hu et al. Energy management strategy for fuel cell hybrid vehicles considering optimal performance of multiple energy sources combined with ant colony algorithm
Hu et al. Adaptive rule control strategy for composite energy storage fuel cell vehicle based on vehicle operating state recognition
CN112345940A (zh) 基于soc预估的车辆复合电源系统模糊逻辑控制方法
CN116834612A (zh) 涉及退化的氢燃料电池混合动力汽车智能能量管理方法
Kim et al. Combined control/plant optimization of fuel cell hybrid vehicles
CN114030392B (zh) 燃料电池-锂电池混源供电系统效率优化能量管理策略
CN114347812B (zh) 基于驾驶风格的燃料电池混合动力汽车能量管理方法
CN113696749B (zh) 一种燃料电池复合电源控制方法
Bendjedia et al. Experimental energy management of hybrid fuel cell/battery system
Cai et al. A fuzzy control based energy management strategy for LFP/UC hybrid electric vehicular energy system
Wu et al. Analysis of effects of fuel cell system dynamics on optimal energy management
CN114670719B (zh) 一种燃料电池的功率修正方法及相关装置
Asfani et al. Optimal charging design and analysis for electric vehicles based on SOC and parking duration at charging stations using fuzzy logic based controllers
Vinayaka et al. Charge/discharge control design models of li-ion battery in electric vehicles using MATLAB/Simulink

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