CN111071073A - 基于随机负载的燃料电池混合动力系统及其控制方法 - Google Patents

基于随机负载的燃料电池混合动力系统及其控制方法 Download PDF

Info

Publication number
CN111071073A
CN111071073A CN201911394151.9A CN201911394151A CN111071073A CN 111071073 A CN111071073 A CN 111071073A CN 201911394151 A CN201911394151 A CN 201911394151A CN 111071073 A CN111071073 A CN 111071073A
Authority
CN
China
Prior art keywords
power
time point
temperature
prediction
historical
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.)
Granted
Application number
CN201911394151.9A
Other languages
English (en)
Other versions
CN111071073B (zh
Inventor
张立炎
张浩然
章子祎
陈启宏
周克亮
肖朋
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.)
Wuhan University of Technology WUT
Original Assignee
Wuhan University of Technology WUT
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 Wuhan University of Technology WUT filed Critical Wuhan University of Technology WUT
Priority to CN201911394151.9A priority Critical patent/CN111071073B/zh
Publication of CN111071073A publication Critical patent/CN111071073A/zh
Application granted granted Critical
Publication of CN111071073B publication Critical patent/CN111071073B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L50/00—Electric propulsion with power supplied within the vehicle
    • B60L50/50—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells
    • B60L50/75—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells using propulsion power supplied by both fuel cells and batteries
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/20—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles characterised by converters located in the vehicle
    • B60L53/22—Constructional details or arrangements of charging converters specially adapted for charging electric vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/24—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries for controlling the temperature of batteries
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/30—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling fuel cells
    • B60L58/32—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling fuel cells for controlling the temperature of fuel cells, e.g. by controlling the electric load
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/40—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for controlling a combination of batteries and fuel cells
    • 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
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
    • 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
    • Y02T90/14—Plug-in 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

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Fuel Cell (AREA)

Abstract

本发明公开了一种基于随机负载的燃料电池混合动力系统，包括作为主动力源的燃料电池装置、作为辅助动力源的蓄电池装置、电力变换装置和功率预测能量管理控制装置，所燃料电池装置和蓄电池装置均与电力变换装置连接，功率预测能量管理控制装置与燃料电池装置、蓄电池装置和电力变换装置均连接。本发明的系统在面对随机负载或负载变换较大情况的工况时，不仅保证了动力的高效输出，而且保证了主动力源和辅助动力源的健康稳定运行。另外，本发明还公开了一种基于随机负载的燃料电池混合动力系统控制方法。

Description

基于随机负载的燃料电池混合动力系统及其控制方法
技术领域
本发明涉及燃料电池混合动力系统控制领域，尤其涉及一种基于随机负载的燃料电池混合动力系统及其控制方法。
背景技术
随着混合动力系统的发展，经济性得到越来越多的关注。燃料电池汽车的混合动力系统是燃料电池汽车区别于其他类型车辆(内燃机汽车、蓄电池电动汽车以及油-电混合动力汽车)的主要标志。在该混合动力系统中，燃料电池并非燃料电池汽车动力系统唯一的动力源，由于燃料电池在峰值功率输出能力以及功率输出的动态响应等性能方面欠佳，因此往往需要一些辅助动力源(如蓄电池和超级电容)装置来在功率输出能力等方面对它加以补充和改善，从而构成燃料电池混合动力系统。鉴于燃料电池混合动力有多个动力源，因而需要能量管理策略对这多个动力源进行功率分配，使动力系统的性能最优、经济性最好，且同时保证主动力源和辅助动力源的健康稳定运行。
目前，最常用的燃料电池混合动力系统的控制策略是逻辑门限值控制策略，国外的样车和产品车型大都采用这种控制方法。具体地，逻辑门限值控制策略是以整车油耗和排放最佳为控制目标，提出同时限制电池和发动机工作区间的控制策略,通过设定门限值，将把输出功率分成几个固定区间，以控制发动机的运行区间并将电池的荷电状态(Stateof Charge，SOC)维持在合理的范围内。
然而，由于现有的控制策略把输出功率分成几个固定区间，并不预测下一时刻的负载功率，因而在面对随机负载或负载变换较大(如，刻负载突增或突减)时，燃料电池的输出功率会突增或突减，导致燃料电池输出功率波动较大，甚至会连续启停，从而影响燃料电池寿命，使整体系统经济性下降。
发明内容
本发明为解决上述现有技术中的问题，提出一种基于随机负载的燃料电池混合动力系统及其控制方法，其在面对随机负载或负载变换较大情况的工况时，不仅可以保证了动力的高效输出，而且保证了主动力源和辅助动力源的健康稳定运行。
为实现上述目的，本发明提供了一种基于随机负载的燃料电池混合动力系统，包括作为主动力源的燃料电池装置、作为辅助动力源的蓄电池装置、电力变换装置和功率预测能量管理控制装置，所述燃料电池装置和所述蓄电池装置均与所述电力变换装置连接，所述功率预测能量管理控制装置与所述燃料电池装置、所述蓄电池装置和所述电力变换装置均连接，且所述功率预测能量管理控制装置用于根据所述燃料电池装置的历史输出功率和所述蓄电池装置的历史输出功率之和以及历史气温，通过建立灰色预测模型得到历史时刻点的灰色拟合功率和历史时刻点的灰色拟合温度以及预测时刻点的灰色预测功率和预测时刻点的灰色预测温度，再通过灰色马尔可夫链预测模型以及通过构建功率状态转移概率矩阵和温度状态转移概率矩阵分别获得的历史时刻点的功率修正值和历史时刻点的温度修正值以及预测时刻点的功率修正值和预测时刻点的温度修正值，得到历史时刻点的灰色马尔可夫链拟合功率和历史时刻点的灰色马尔可夫链拟合温度以及预测时刻点的灰色马尔可夫链预测功率和预测时刻点的灰色马尔可夫链预测温度，并根据所述历史时刻点的灰色马尔可夫链拟合温度与平均温度的比值以及所述历史时刻点的灰色马尔可夫链拟合功率与所述燃料电池装置的对应历史时刻点的输出功率和所述蓄电池装置的对应历史时刻点的输出功率之和的比值之间的关系构建误差状态转移概率矩阵获得预测时刻点的温度误差修正值，用所述预测时刻点的温度误差修正值修正所述预测时刻点的灰色马尔可夫链预测功率得到预测时刻点的温度修正的灰色马尔可夫链预测功率，再将所述预测时刻点的温度修正的灰色马尔可夫链预测功率和从所述蓄电池装置获得的蓄电池荷电状态分别与负载需求功率的功率区间的值和荷电状态区间的值进行比较，根据比较结果控制所述燃料电池装置的输出功率且所述蓄电池装置在所述燃料电池装置的输出功率未稳定前自适应补偿剩余需求输出功率。
优选地，所述功率预测能量管理控制装置包括：
温度传感单元，用于采集气温；
接收单元，与所述燃料电池装置、所述蓄电池装置和所述温度传感单元连接，用于接收所述燃料电池装置的历史输出功率、所述蓄电池装置的历史输出功率和从所述温度传感单元获得的历史气温；
累加生成序列构建单元，与所述接收单元连接，用于根据每个历史时刻点的所述燃料电池装置的历史输出功率以及每个对应历史时刻点的所述蓄电池装置的历史输出功率的和，通过灰色GM(1，1)模型构建输出功率原始序列，并根据所述输出功率原始序列构建输出功率的一次累加生成序列，而且根据所述历史气温，通过灰色GM(1，1)模型构建温度原始序列，并根据所述温度原始序列构建温度的一次累加生成序列；
灰色预测单元，与所述累加生成序列构建单元连接，用于根据所述输出功率的一次累加生成序列，建立输出功率临近均值生成序列，根据所述输出功率临近均值生成序列建立输出功率发展系数的微分方程，利用最小二乘法求解该微分方程的输出功率发展系数，将所述输出功率发展系数和每个历史时刻点和预测时刻点代入灰色累加序列方程中得到输出功率值，再将所述输出功率值进行累减得到历史时刻点的灰色拟合功率和预测时刻点的灰色预测功率，而且根据所述温度的一次累加生成序列，建立温度临近均值生成序列，根据所述温度临近均值生成序列建立温度发展系数的微分方程，利用最小二乘法求解该微分方程的温度发展系数，将所述温度发展系数和每个历史时刻点和预测时刻点代入灰色累加序列方程中得到温度值，再将所述温度值进行累减得到历史时刻点的灰色拟合温度和预测时刻点的灰色预测温度；
状态转移概率矩阵构建单元，与所述灰色预测单元连接，用于计算每个历史时刻点的所述灰色拟合功率与每个对应历史时刻点的所述燃料电池装置的历史输出功率和每个对应历史时刻点的所述蓄电池装置的历史输出功率的和的功率误差值，根据每个历史时刻点的所述功率误差值划分区间，每个区间为一个功率状态，而且计算每个历史时刻点的所述灰色拟合温度与每个对应历史时刻点的历史气温的温度误差值，根据每个历史时刻点的所述温度误差值划分区间，每个区间为一个温度状态，再根据每个功率状态的转移情况构建功率状态转移概率矩阵，而且根据每个温度状态的转移情况构建温度状态转移概率矩阵，所述功率状态转移概率矩阵和所述温度状态转移概率矩阵中的概率对应于每个状态转移到其它状态的概率；
最大概率状态计算单元，与所述状态转移概率矩阵构建单元连接，用于选取距离预测时刻点最近的多个历史时刻点，根据历史时刻点与预测时刻点的距离确定功率状态转移步数，在所述功率状态转移步数对应的所述功率状态转移概率矩阵中选取每一步起始状态所对应的行向量为各个状态出现的概率，再对各个状态出现的概率求和得出功率最大概率状态，而且选取距离预测时刻点最近的多个历史时刻点，根据历史时刻点与预测时刻点的距离确定温度转移步数，在所述温度转移步数对应的所述温度状态转移概率矩阵中选取每一步起始状态所对应的行向量为各个状态出现的概率，再对各个状态出现的概率求和得出温度最大概率状态；
灰色马尔可夫链预测单元，与所述最大概率状态计算单元连接，用于当功率状态不变时，取所述功率最大概率状态所在区间的中间值作为预测时刻点的功率修正值，当功率状态发生跳变时，取跳变后的功率状态所在区间的边缘值作为历史时刻点的功率修正值，并根据历史时刻点的灰色马尔可夫链拟合功率＝(历史时刻点的功率修正值*历史时刻点的灰色拟合功率)以及预测时刻点的灰色马尔可夫链预测功率＝(预测时刻点的功率修正值*预测时刻点的灰色预测功率)，计算得到历史时刻点的灰色马尔可夫链拟合功率和预测时刻点的灰色马尔可夫链预测功率，而且取所述温度最大概率状态所在区间的中间值作为历史时刻点的温度修正值和预测时刻点的温度修正值，并根据历史时刻点的灰色马尔可夫链拟合温度＝(历史时刻点的温度修正值*历史时刻点的灰色拟合温度)以及预测时刻点的灰色马尔可夫链预测温度＝(预测时刻点的温度修正值*预测时刻点的灰色预测温度)，计算得到历史时刻点的灰色马尔可夫链拟合温度和预测时刻点的灰色马尔可夫链预测温度；
误差状态转移概率矩阵构建单元，与接收单元和所述灰色马尔可夫链预测单元连接，用于根据从所述接收单元获取的所述历史气温计算其平均值得到平均温度，根据
Figure BDA0002345832460000041
的值划分误差状态区间，其中，实际输出功率为所述燃料电池装置的对应历史时刻点的历史输出功率和所述蓄电池装置的对应历史时刻点的历史输出功率之和，每个区间为一个误差状态，根据每个误差状态的转移情况，构建误差状态转移概率矩阵；
灰色马尔可夫链预测功率修正单元，与所述误差状态转移概率矩阵构建单元连接，用于选取距离预测时刻点最近的多个历史时刻点，根据历史时刻点与预测时刻点的距离确定误差状态转移步数，在所述误差状态转移步数对应的所述误差状态转移概率矩阵中选取每一步起始状态所对应的行向量为各个状态出现的概率，对各个状态出现的概率求和得出误差最大概率状态，并将所述误差最大概率状态所在区间的中间值*(预测时刻点的灰色马尔可夫链预测温度/平均温度)的计算结果作为预测时刻点的温度误差修正值，根据预测时刻点的温度修正的灰色马尔可夫链预测功率＝(预测时刻点的温度误差修正值*预测时刻点的灰色马尔可夫链预测功率)，计算得到预测时刻点的温度修正的灰色马尔可夫链预测功率；
燃料电池输出功率控制单元，与所述电力变换装置和所述灰色马尔可夫链预测功率修正单元连接，用于将负载需求功率划分多个功率区间，将蓄电池荷电状态划分为多个荷电状态区间，并将所述预测时刻点的温度修正的灰色马尔可夫链预测功率和从所述蓄电池装置获得的蓄电池荷电状态分别与所述负载需求功率的功率区间的值和所述荷电状态区间的值进行比较，根据比较结果选择能量分配方式并将所述能量分配方式所确定的输出功率转换为目标电流，以控制燃料电池的输出功率且所述蓄电池装置在所述燃料电池装置的输出功率未稳定前自适应补偿剩余需求输出功率。
优选地，所述燃料电池装置包括氢气柜、氢控制器、风机、风机控制器、水泵、风扇、燃料电池和燃料电池控制器，所述氢气柜、所述风机和所述水泵均与所述燃料电池连接，所述氢控制器与所述氢气柜连接，所述风机控制器与所述风机连接，所述风扇设置在所述水泵附近，所述燃料电池控制器与所述燃料电池、所述氢控制器、所述风机控制器和所述功率预测能量管理控制装置的所述燃料电池输出功率控制单元连接，所述氢控制器、所述燃料电池控制器和所述功率预测能量管理控制装置的所述燃料电池输出功率控制单元均与所述蓄电池装置连接，所述风机控制器、所述燃料电池、所述水泵、所述风扇和所述功率预测能量管理控制装置的所述燃料电池输出功率控制单元均与所述电力变换装置连接。
优选地，所述蓄电池装置包括蓄电池、蓄电池控制器和充电器，所述蓄电池控制器与所述蓄电池和所述功率预测能量管理控制装置的燃料电池输出功率控制单元均连接，所述蓄电池与所述氢控制器、所述燃料电池控制器、所述电力变换装置和所述充电器的一端均连接，所述充电器的另一端与所述电力变换装置连接。
优选地，所述电力变换装置包括第一升压DC/DC变换器、第二升压DC/DC变换器、逆变器、降压DC/DC变换器、第一交流输出端子、第二交流输出端子、第一直流输出端子和第二直流输出端子，所述第一升压DC/DC变换器的输入端与所述燃料电池和所述功率预测能量管理控制装置的燃料电池输出功率控制单元均连接，所述第一升压DC/DC变换器的输出端与所述逆变器的输入端和所述风机控制器连接，所述逆变器的输出端与所述第一交流输出端子和所述第二交流输出端子连接，所述水泵与所述第二交流输出端子连接，所述第二升压DC/DC变换器的输入端与所述蓄电池连接，所述第二升压DC/DC变换器的输出端与所述降压DC/DC变换器的输入端和所述第一升压DC/DC变换器的输出端连接，所述降压DC/DC变换器的输出端与所述第一直流输出端子连接，所述充电器的一端连接在所述蓄电池和所述第二升压DC/DC变换器的输入端之间，所述充电器的另一端连接在所述逆变器的输出端和所述第一交流输出端子之间，所述第二交流输出端子连接在所述蓄电池和所述第二升压DC/DC变换器的输入端之间，所述风扇连接在所述降压DC/DC变换器的输出端和所述第一直流输出端子之间。
优选地，所述蓄电池为锂电池，所述第一升压DC/DC变换器为70～130V升600V的DC/DC变换器，所述第二升压DC/DC变换器为24V升600V的DC/DC变换器，所述降压DC/DC变换器为600V降12V的DC/DC变换器，所述第一交流输出端子为380V交流输出端子，所述第二交流输出端子为220V交流输出端子，所述第一直流输出端子为12V直流输出端子，所述第二直流输出端子为24V直流输出端子。
另外，本发明还提供了一种基于随机负载的燃料电池混合动力系统的控制方法，包括如下步骤：
(1)采集历史气温、获取燃料电池的历史输出功率和蓄电池的历史输出功率以及计算每个历史时刻点的燃料电池的历史输出功率和每个对应历史时刻点的蓄电池的历史输出功率之和；
(2)根据所述燃料电池的历史输出功率和所述蓄电池的历史输出功率之和以及历史气温，通过建立灰色预测模型得到历史时刻点的灰色拟合功率和历史时刻点的灰色拟合温度以及预测时刻点的灰色预测功率和预测时刻点的灰色预测温度，再通过灰色马尔可夫链预测模型以及通过构建功率状态转移概率矩阵和温度状态转移概率矩阵分别获得的历史时刻点的功率修正值和历史时刻点的温度修正值以及预测时刻点的功率修正值和预测时刻点的温度修正值，得到历史时刻点的灰色马尔可夫链拟合功率和历史时刻点的灰色马尔可夫链拟合温度以及预测时刻点的灰色马尔可夫链预测功率和预测时刻点的灰色马尔可夫链预测温度；
(3)根据所述历史时刻点的灰色马尔可夫链拟合温度与平均温度的比值以及所述历史时刻点的灰色马尔可夫链拟合功率与所述燃料电池的对应历史时刻点的输出功率和所述蓄电池的对应历史时刻点的输出功率之和的比值之间的关系构建误差状态转移概率矩阵获得预测时刻点的温度误差修正值，用所述预测时刻点的温度误差修正值修正所述预测时刻点的灰色马尔可夫链预测功率得到预测时刻点的温度修正的灰色马尔可夫链预测功率；
(4)将所述预测时刻点的温度修正的灰色马尔可夫链预测功率和从所述蓄电池装置获得的蓄电池荷电状态分别与负载需求功率的功率区间的值和荷电状态区间的值进行比较，根据比较结果控制所述燃料电池装置的输出功率且所述蓄电池装置在所述燃料电池装置的输出功率未稳定前自适应补偿剩余需求输出功率。
优选地，所述步骤(2)具体包括：
(21)根据每个历史时刻点的所述燃料电池的历史输出功率以及每个对应历史时刻点的所述蓄电池的历史输出功率的和，通过灰色GM(1，1)模型构建输出功率原始序列，并根据所述输出功率原始序列构建输出功率的一次累加生成序列，而且根据所述历史气温，通过灰色GM(1，1)模型构建温度原始序列，并根据所述温度原始序列构建温度的一次累加生成序列；
(22)根据所述输出功率的一次累加生成序列，建立输出功率临近均值生成序列，根据所述输出功率临近均值生成序列建立输出功率发展系数的微分方程，利用最小二乘法求解该微分方程的输出功率发展系数，将所述输出功率发展系数和每个历史时刻点和预测时刻点代入灰色累加序列方程中得到输出功率值，再将所述输出功率值进行累减得到历史时刻点的灰色拟合功率和预测时刻点的灰色预测功率，而且根据所述温度的一次累加生成序列，建立温度临近均值生成序列，根据所述温度临近均值生成序列建立温度发展系数的微分方程，利用最小二乘法求解该微分方程的温度发展系数，将所述温度发展系数和每个历史时刻点和预测时刻点代入灰色累加序列方程中得到温度值，再将所述温度值进行累减得到历史时刻点的灰色拟合温度和预测时刻点的灰色预测温度；
(23)计算每个历史时刻点的所述灰色拟合功率与每个对应历史时刻点的所述燃料电池装置的历史输出功率和每个对应历史时刻点的所述蓄电池装置的历史输出功率的和的功率误差值，根据每个历史时刻点的所述功率误差值划分区间，每个区间为一个功率状态，而且计算每个历史时刻点的所述灰色拟合温度与每个对应历史时刻点的历史气温的温度误差值，根据每个历史时刻点的所述温度误差值划分区间，每个区间为一个温度状态，再根据每个功率状态的转移情况构建功率状态转移概率矩阵，而且根据每个温度状态的转移情况构建温度状态转移概率矩阵，所述功率状态转移概率矩阵和所述温度状态转移概率矩阵中的概率对应于每个状态转移到其它状态的概率；
(24)选取距离预测时刻点最近的多个历史时刻点，根据历史时刻点与预测时刻点的距离确定功率状态转移步数，在所述功率状态转移步数对应的所述功率状态转移概率矩阵中选取每一步起始状态所对应的行向量为各个状态出现的概率，再对各个状态出现的概率求和得出功率最大概率状态，而且选取距离预测时刻点最近的多个历史时刻点，根据历史时刻点与预测时刻点的距离确定温度转移步数，在所述温度转移步数对应的所述温度状态转移概率矩阵中选取每一步起始状态所对应的行向量为各个状态出现的概率，再对各个状态出现的概率求和得出温度最大概率状态；
(25)当功率状态不变时，取所述功率最大概率状态所在区间的中间值作为预测时刻点的功率修正值，当功率状态发生跳变时，取跳变后的功率状态所在区间的边缘值作为历史时刻点的功率修正值，并根据历史时刻点的灰色马尔可夫链拟合功率＝(历史时刻点的功率修正值*历史时刻点的灰色拟合功率)以及预测时刻点的灰色马尔可夫链预测功率＝(预测时刻点的功率修正值*预测时刻点的灰色预测功率)，计算得到历史时刻点的灰色马尔可夫链拟合功率和预测时刻点的灰色马尔可夫链预测功率，而且取所述温度最大概率状态所在区间的中间值作为历史时刻点的温度修正值和预测时刻点的温度修正值，并根据历史时刻点的灰色马尔可夫链拟合温度＝(历史时刻点的温度修正值*历史时刻点的灰色拟合温度)以及预测时刻点的灰色马尔可夫链预测温度＝(预测时刻点的温度修正值*预测时刻点的灰色预测温度)，计算得到历史时刻点的灰色马尔可夫链拟合温度和预测时刻点的灰色马尔可夫链预测温度。
优选地，所述步骤(3)具体包括：
(31)根据获取的所述历史气温计算其平均值得到平均温度，并根据获取的燃料电池的历史输出功率和蓄电池的历史输出功率，计算所述燃料电池的对应历史时刻点的历史输出功率和所述蓄电池的对应历史时刻点的历史输出功率之和得到对应历史时刻点的实际输出功率；
(32)根据
Figure BDA0002345832460000091
的值划分误差状态区间，每个区间为一个误差状态，根据每个误差状态的转移情况，构建误差状态转移概率矩阵；
(33)选取距离预测时刻点最近的多个历史时刻点，根据历史时刻点与预测时刻点的距离确定误差状态转移步数，在所述误差状态转移步数对应的所述误差状态转移概率矩阵中选取每一步起始状态所对应的行向量为各个状态出现的概率，对各个状态出现的概率求和得出误差最大概率状态，并将所述误差最大概率状态所在区间的中间值*(预测时刻点的灰色马尔可夫链预测温度/平均温度)的计算结果作为预测时刻点的温度误差修正值，根据预测时刻点的温度修正的灰色马尔可夫链预测功率＝(预测时刻点的温度误差修正值*预测时刻点的灰色马尔可夫链预测功率)，计算得到预测时刻点的温度修正的灰色马尔可夫链预测功率。
优选地，所述步骤(4)具体为：
将负载需求功率划分多个功率区间，将蓄电池荷电状态划分为多个荷电状态区间，并将所述预测时刻点的温度修正的灰色马尔可夫链预测功率和从所述蓄电池获得的蓄电池荷电状态分别与所述负载需求功率的功率区间的值和所述荷电状态区间的值进行比较，根据比较结果选择能量分配方式并将所述能量分配方式所确定的输出功率转换为目标电流，以控制燃料电池的输出功率且所述蓄电池在所述燃料电池的输出功率未稳定前自适应补偿剩余需求输出功率。
本发明提供的技术方案带来的有益效果是：
本发明的功率预测能量管理控制装置能根据燃料电池装置和蓄电池装置的历史输出功率之和(即以往负载需求变换情况下的燃料电池装置和蓄电池装置的历史输出功率之和)和历史气温，通过灰色马尔科夫链预测模型得到预测时刻点的温度修正的灰色马尔可夫链预测功率，即预测出未来负载所需的输出功率，并将预测出的未来负载所需的输出功率和检测到的蓄电池荷电状态分别与设定的负载需求功率的功率区间的值和设定的荷电状态区间的值进行比较，根据比较结果提前进行能量分配，以控制燃料电池的输出功率且蓄电池在燃料电池的输出功率未稳定前自适应补偿剩余需求输出功率，从而有效地应对燃料电池装置的输出功率的大幅突变，不仅保证了燃料电池时刻处于健康状态，而且保证了锂电池的荷电状态时刻处于健康范围，提高了系统的稳定性和经济性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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为本发明实施例提供的基于随机负载的燃料电池混合动力系统的结构示意图；
图2为图1中的功率预测能量管理控制装置的结构示意图；
图3为本发明实施例提供的基于随机负载的燃料电池混合动力系统控制方法的流程图；
图4为步骤(10)的详细工作流程图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案作进一步地详细描述。
如图1-2所示，本实施例提供了一种基于随机负载的燃料电池混合动力系统，其包括：作为主动力源的燃料电池装置10、作为辅助动力源的蓄电池装置20、功率预测能量管理控制装置30和电力变换装置40。
具体地，燃料电池装置10包括氢气柜101、氢控制器102、燃料电池103、燃料电池控制器104、风机105、风机控制器106、水泵107、第一风扇108和第二风扇109。氢控制器102与氢气柜101连接，以控制氢气柜101为燃料电池103提供氢气。风机控制器106与风机105连接，以控制风机105为燃料电池103提供空气。水泵107与燃料电池103连接，以提供循环水为燃料电池103散热，第一风扇108和第二风扇109用于冷却循环水。燃料电池控制器104与燃料电池103连接，以采集燃料电池103的输出电流、输出电压、输出功率、电堆温度以及氢气阀门的压力等数据并控制氢气阀门、风机阀门以及燃料电池103的输出功率。
蓄电池装置20包括蓄电池201、蓄电池控制器202和充电器203。蓄电池控制器202与蓄电池201连接，以采集蓄电池201的输出电流、输出电压、输出功率、电池温度和电池荷电状态SOC等数据并控制蓄电池201的输出功率。蓄电池201与氢控制器102和燃料电池控制器104连接。充电器203与蓄电池201连接，以为蓄电池201充电。如果燃料电池103输出的功率大于负载所需功率，则燃料电池103多余的电量通过充电器203充入蓄电池201中，从而起到稳压的作用。优选地，蓄电池201为锂电池。需要说明的是，本发明的蓄电池装置20还可为铅酸电池、镍氢电池等。
功率预测能量管理控制装置30包括温度传感单元301、接收单元302、累加生成序列构建单元303、灰色预测单元304、状态转移概率矩阵构建单元305、最大概率状态计算单元306、灰色马尔可夫链预测单元307、误差状态转移概率矩阵构建单元308、灰色马尔可夫链预测功率修正单元309和燃料电池输出功率控制单元310。温度传感单元301、接收单元302、累加生成序列构建单元303、灰色预测单元304、状态转移概率矩阵构建单元305、最大概率状态计算单元306、灰色马尔可夫链预测单元307、误差状态转移概率矩阵构建单元308、灰色马尔可夫链预测功率修正单元309和燃料电池输出功率控制单元310依次连接，且误差状态转移概率矩阵构建单元308还与接收单元302连接。其中，温度传感单元301用于采集气温；接收单元302用于接收燃料电池103的历史输出功率、蓄电池201的历史输出功率和从温度传感单元301获得的历史气温；累加生成序列构建单元303用于根据每个历史时刻点的燃料电池103的历史输出功率以及每个对应历史时刻点的蓄电池201的历史输出功率的和，通过灰色GM(1，1)模型构建输出功率原始序列，并根据输出功率原始序列构建输出功率的一次累加生成序列，而且根据历史气温，通过灰色GM(1，1)模型构建温度原始序列，并根据温度原始序列构建温度的一次累加生成序列；灰色预测单元304用于根据输出功率的一次累加生成序列，建立输出功率临近均值生成序列，根据输出功率临近均值生成序列建立输出功率发展系数的微分方程，利用最小二乘法求解该微分方程的输出功率发展系数，将输出功率发展系数和每个历史时刻点和预测时刻点代入灰色累加序列方程中得到输出功率值，再将输出功率值进行累减得到历史时刻点的灰色拟合功率和预测时刻点的灰色预测功率，而且根据温度的一次累加生成序列，建立温度临近均值生成序列，根据温度临近均值生成序列建立温度发展系数的微分方程，利用最小二乘法求解该微分方程的温度发展系数，将温度发展系数和每个历史时刻点和预测时刻点代入灰色累加序列方程中得到温度值，再将温度值进行累减得到历史时刻点的灰色拟合温度和预测时刻点的灰色预测温度；状态转移概率矩阵构建单元305用于计算每个历史时刻点的灰色拟合功率与每个对应历史时刻点的燃料电池103的历史输出功率和每个对应历史时刻点的蓄电池201的历史输出功率的和的功率误差值，根据每个历史时刻点的功率误差值划分区间，每个区间为一个功率状态，而且计算每个历史时刻点的灰色拟合温度与每个对应历史时刻点的历史气温的温度误差值，根据每个历史时刻点的温度误差值划分区间，每个区间为一个温度状态，再根据每个功率状态的转移情况构建功率状态转移概率矩阵，而且根据每个温度状态的转移情况构建温度状态转移概率矩阵，功率状态转移概率矩阵和温度状态转移概率矩阵中的概率对应于每个状态转移到其它状态的概率；最大概率状态计算单元306用于选取距离预测时刻点最近的多个历史时刻点，根据历史时刻点与预测时刻点的距离确定功率状态转移步数，在功率状态转移步数对应的功率状态转移概率矩阵中选取每一步起始状态所对应的行向量为各个状态出现的概率，再对各个状态出现的概率求和得出功率最大概率状态，而且选取距离预测时刻点最近的多个历史时刻点，根据历史时刻点与预测时刻点的距离确定温度转移步数，在温度转移步数对应的温度状态转移概率矩阵中选取每一步起始状态所对应的行向量为各个状态出现的概率，再对各个状态出现的概率求和得出温度最大概率状态；灰色马尔可夫链预测单元307用于当功率状态不变时，取功率最大概率状态所在区间的中间值作为预测时刻点的功率修正值，当功率状态发生跳变时，取跳变后的功率状态所在区间的边缘值作为历史时刻点的功率修正值，并根据历史时刻点的灰色马尔可夫链拟合功率＝(历史时刻点的功率修正值*历史时刻点的灰色拟合功率)以及预测时刻点的灰色马尔可夫链预测功率＝(预测时刻点的功率修正值*预测时刻点的灰色预测功率)，计算得到历史时刻点的灰色马尔可夫链拟合功率和预测时刻点的灰色马尔可夫链预测功率，而且取温度最大概率状态所在区间的中间值作为历史时刻点的温度修正值和预测时刻点的温度修正值，并根据历史时刻点的灰色马尔可夫链拟合温度＝(历史时刻点的温度修正值*历史时刻点的灰色拟合温度)以及预测时刻点的灰色马尔可夫链预测温度＝(预测时刻点的温度修正值*预测时刻点的灰色预测温度)，计算得到历史时刻点的灰色马尔可夫链拟合温度和预测时刻点的灰色马尔可夫链预测温度；误差状态转移概率矩阵构建单元308用于根据从接收单元302获取的历史气温计算其平均值得到平均温度，根据
Figure BDA0002345832460000131
的值划分误差状态区间，其中，实际输出功率为燃料电池103的对应历史时刻点的历史输出功率和蓄电池201的对应历史时刻点历史输出功率之和，每个区间为一个误差状态，根据每个误差状态的转移情况，构建误差状态转移概率矩阵；灰色马尔可夫链预测功率修正单元309用于选取距离预测时刻点最近的多个历史时刻点，根据历史时刻点与预测时刻点的距离确定误差状态转移步数，在误差状态转移步数对应的误差状态转移概率矩阵中选取每一步起始状态所对应的行向量为各个状态出现的概率，对各个状态出现的概率求和得出误差最大概率状态，并将误差最大概率状态所在区间的中间值*(预测时刻点的灰色马尔可夫链预测温度/平均温度)的计算结果作为预测时刻点的温度误差修正值，根据预测时刻点的温度修正的灰色马尔可夫链预测功率＝(预测时刻点的温度误差修正值*预测时刻点的灰色马尔可夫链预测功率)，计算得到预测时刻点的温度修正的灰色马尔可夫链预测功率；燃料电池输出功率控制单元310用于将负载需求功率划分多个功率区间，将蓄电池荷电状态划分为多个荷电状态区间，并将预测时刻点的温度修正的灰色马尔可夫链预测功率和从蓄电池控制器202获得的蓄电池荷电状态分别与负载需求功率的功率区间的值和荷电状态区间的值进行比较，根据比较结果选择能量分配方式并将能量分配方式所确定的输出功率转换为目标电流，以控制燃料电池103的输出功率且蓄电池201在燃料电池103的输出功率未稳定前自适应补偿剩余需求输出功率。
详细地，在累加生成序列构建单元303中，计算每个历史时刻点的燃料电池103的历史输出功率以及每个对应历史时刻点的蓄电池201的历史输出功率之和是处于同一历史时刻点的燃料电池103的历史输出功率与蓄电池201的历史输出功率相加，并计算每个历史时刻点的燃料电池103的历史输出功率与蓄电池201的历史输出功率的和。
同样，在状态转移概率矩阵构建单元305中，计算每个历史时刻点的灰色拟合功率与每个对应历史时刻点的历史输出功率的功率误差值是指处于同一历史时刻点的灰色拟合功率与历史输出功率的功率误差值，并计算每个历史时刻点的灰色拟合功率与历史输出功率的功率误差值。
在最大概率状态计算单元306中，选取每一步起始状态所对应的行向量为各个状态出现的概率是指例如转移步数为三步，时刻点分别是5,4,3，三个时刻点的误差状态区间为E2，E5，E1，则取一步误差状态转移概率矩阵的第2行的行向量、两步误差状态转移概率矩阵的第5行和三步误差转移概率矩阵的第1行。
误差状态转移概率矩阵构建单元308中，历史时刻点的灰色马尔可夫链拟合功率与对应历史时刻点的实际输出功率是指灰色马尔可夫链拟合功率的时刻点与实际输出功率的时刻点相同。
灰色马尔可夫链预测功率修正单元309中的选取每一步起始状态所对应的行向量为各个状态出现的概率的含义与最大概率状态计算单元306中的相同。
详细地，在灰色预测单元304中，灰色累加序列方程是一个与时刻点相关的方程，时刻点为1,2，…，n，将输出功率发展系数和每个历史时刻点代入灰色累加序列方程中得到输出功率值，再将输出功率值进行累减得到灰色预测功率。例如，第一个点的灰色预测功率为P(2)-P(1)，P(2)和P(1)就是把2和1代入到灰色累加序列中的值。
在状态转移概率矩阵构建单元305中，根据每一时刻的功率误差值或温度误差值划分区间，每个区间为一个功率状态或一个温度状态，例如，按照功率误差值或温度误差值划分成区间E1，E2，…，En，区间E1，E2，…，En分别代表一个状态。每个状态的转移情况是指每个时刻点到下个时刻点的区间E1,E2,…,En转移的情况，例如，1时刻点时误差区间为E1，2时刻点时误差区间为E2，3时刻点时误差区间为E4，以此类推，每个时刻点对应一个误差区间，那么第一个时刻点到第二个时刻点转移情况为E1到E2，转移一步，第二个时刻点到第三个时刻点转移情况为E2到E4，转移一步，以此类推。一步转移的概率是指如E1通过一步转移到E1的次数/E1出现的次数。两步转移的概率是指如E1通过两步转移到E1的次数/E1出现的次数。根据每个功率状态的转移情况构建功率状态转移概率矩阵例如为：构建n*n的一步转移矩阵，第一行为E1转移一步到E1的概率，E1转移一步到E2的概率，…E1转移一步到En的概率；第二行为E2转移一步到E1的概率，E2转移一步到E2的概率，…E2转移一步到En的概率；…..第n行为En转移一步到E1的概率，En转移一步到E2的概率，…，En转移一步到En的概率。
在灰色马尔可夫链预测单元307中，当功率状态发生跳变时，取跳变后的功率状态所在区间的边缘值作为历史时刻点的功率修正值是指当功率状态跳变到下一功率状态时，则取下一功率状态所在区间的最大值作为历史时刻点的功率修正值，当功率状态跳变到上一功率状态时，则取上一功率状态所在区间的最小值作为历史时刻点的功率修正值，而当功率状态与上一功率状态保持不变时，则取功率最大概率状态所在区间的中间值作为预测时刻点的功率修正值。
电力变换装置40包括第一升压DC/DC变换器401、逆变器402、第二升压DC/DC变换器403、降压DC/DC变换器404、第一交流输出端子405、第二交流输出端子406、第一直流输出端子407和第二直流输出端子408。第一升压DC/DC变换器401的输入端与燃料电池103和燃料电池输出功率控制单元310均连接，第一升压DC/DC变换器401的输出端与逆变器402的输入端和风机控制器106连接，逆变器402的输出端与第一交流输出端子405和第二交流输出端子406连接，水泵107与第二交流输出端子406连接，第二升压DC/DC变换器403的输入端与蓄电池201连接，第二升压DC/DC变换器403的输出端与降压DC/DC变换器404的输入端和第一升压DC/DC变换器401的输出端连接，降压DC/DC变换器404的输出端与第一直流输出端子407连接，充电器203的一端连接在蓄电池201和第二升压DC/DC变换器403的输入端之间，充电器203的另一端连接在逆变器402的输出端和第一交流输出端子405之间，第二交流输出端子406还连接在蓄电池201和第二升压DC/DC变换器403的输入端之间，第一风扇108和第二风扇109均连接在降压DC/DC变换器404的输出端和第一直流输出端子407之间。
具体地，第一升压DC/DC变换器401为70～130V升600V的DC/DC变换器，第二升压DC/DC变换器403为24V升600V的DC/DC变换器，降压DC/DC变换器404为600V降12V的DC/DC变换器，第一交流输出端子405为380V交流输出端子，第二交流输出端子406为220V交流输出端子，第一直流输出端子407为12V直流输出端子，第二直流输出端子408为24V直流输出端子。可理解地，第一交流输出端子405和第二交流输出端子406可接用电设备等，第一直流输出端子407和第二直流输出端子408可接控制板和指示灯等。
燃料电池输出功率控制单元310与氢控制器102、燃料电池控制器104、风机控制器106、第一升压DC/DC变换器401和蓄电池控制器202通过CAN通信连接，且燃料电池控制器104与水泵107和风机控制器106通过CAN通信连接。燃料电池装置10、作为辅助动力源的蓄电池装置20、功率预测能量管理控制装置30和电力变换装置40中其它部件的连接方式以及燃料电池装置10、作为辅助动力源的蓄电池装置20、功率预测能量管理控制装置30和电力变换装置40之间的连接方式均可采用本领域的惯用连接方式实现。
参考图4，本实施例的基于随机负载的燃料电池混合动力系统的能量分配方式具体为：
将功率预测能量管理控制装置30将负载需求功率分为P1以上、P2～P1、P3～P2和P3以下四个区间，将蓄电池201的荷电状态划分为S1以上、S2～S1、S3～S2和S3以下四个区间，每种负载需求功率和蓄电池荷电状态(SOC)的区间都对应一种能量分配方式。可理解地，负载需求功率是指由负载大小确定的所需要的输出功率，且负载需求功率P1、P2、P3以及蓄电池荷电状态(即，充电阈值)S1、S2、S3的实际数值可根据实际情况进行确定和调整。
当功率预测能量管理控制装置30得到的预测时刻点的温度修正的灰色马尔可夫链预测功率(即预测的负载需求功率)大于P1时，表明此时负载需求的功率大，则功率预测能量管理控制装置30通过燃料电池控制器104和蓄电池控制器202分别控制燃料电池103和蓄电池201共同提供输出功率。
当功率预测能量管理控制装置30得到的预测时刻点的温度修正的灰色马尔可夫链预测功率(即预测的负载需求功率)在P2～P1的区间时，表明此时负载需求的功率较大。若蓄电池荷电状态在大于等于S1的区间时，则功率预测能量管理控制装置30通过燃料电池控制器104控制燃料电池103单独输出功率，且蓄电池201不充电；若蓄电池荷电状态在S3～S1的区间时，则功率预测能量管理控制装置30通过燃料电池控制器104控制燃料电池103单独输出功率并且通过充电器203为蓄电池201小电流充电；若蓄电池荷电状态在小于S3的区间时，则功率预测能量管理控制装置30通过燃料电池控制器104控制燃料电池103单独输出功率并且通过充电器203为蓄电池201中电流充电。
当功率预测能量管理控制装置30得到的预测时刻点的温度修正的灰色马尔可夫链预测功率(即预测的负载需求功率)在P3～P2的区间时，表明此时负载需求的功率较小。若蓄电池荷电状态在大于等于S1的区间时，则功率预测能量管理控制装置30通过燃料电池控制器104控制燃料电池103单独输出功率，且蓄电池201不充电；若蓄电池荷电状态在S2～S1的区间时，则功率预测能量管理控制装置30通过燃料电池控制器104控制燃料电池103单独输出功率并且通过充电器203为蓄电池201小电流充电；若蓄电池荷电状态在S3～S2时，则功率预测能量管理控制装置30通过燃料电池控制器104控制燃料电池103单独输出功率并且通过充电器203为蓄电池201中电流充电；若蓄电池荷电状态在小于S3的区间时，则功率预测能量管理控制装置30通过燃料电池控制器104控制燃料电池103单独输出功率并且通过充电器203为蓄电池201锂电池大电流充电。
当功率预测能量管理控制装置30得到的预测时刻点的温度修正的灰色马尔可夫链预测功率(即预测的负载需求功率)在小于P3的区间时，表明此时负载需求的功率偏低。若蓄电池荷电状态在大于等于S1的区间时，则功率预测能量管理控制装置30通过燃料电池控制器104控制燃料电池103不输出功率并且蓄电池单独输出功率；若蓄电池荷电状态在S2～S1的区间时，则功率预测能量管理控制装置30通过燃料电池控制器104控制燃料电池103单独输出功率并且通过充电器203为蓄电池201小电流充电；若蓄电池荷电状态在S3～S2的区间时，则功率预测能量管理控制装置30通过燃料电池控制器104控制燃料电池103单独输出功率并且通过充电器203为蓄电池201中电流充电；若蓄电池荷电状态在小于S3的区间时，则功率预测能量管理控制装置30通过燃料电池控制器104控制燃料电池103单独输出功率并且通过充电器203为蓄电池201锂电池大电流充电。
进一步地，功率预测能量管理控制装置30还可将上述能量分配方式(即分配的输出功率)根据公式电流＝功率/电压换算成目标电流，并将该目标电流通过CAN通信的方式发送给第一升压DC/DC变换器401，以此来控制燃料电池增减输出功率。为了避免燃料电池103因输出功率波动较大而导致损害燃料电池103的健康，当燃料电池103输出功率需要增加或减小时，功率预测能量管理控制装置30发送的目标电流会以一定的速率递增或递减，在此期间蓄电池201会自适应补偿剩余需求输出功率。
另外，参考图3，本发明还提供了一种基于随机负载的燃料电池混合动力系统的控制方法，包括如下步骤：
(1)采集历史气温、获取燃料电池的历史输出功率和蓄电池的历史输出功率以及计算每个历史时刻点的燃料电池的历史输出功率和每个对应历史时刻点的蓄电池的历史输出功率之和；
(2)根据每个历史时刻点的燃料电池的历史输出功率以及每个对应历史时刻点的蓄电池的历史输出功率的和，通过灰色GM(1，1)模型构建输出功率原始序列，并根据输出功率原始序列构建输出功率的一次累加生成序列，而且根据历史气温，通过灰色GM(1，1)模型构建温度原始序列，并根据温度原始序列构建温度的一次累加生成序列；
(3)根据输出功率的一次累加生成序列，建立输出功率临近均值生成序列，根据输出功率临近均值生成序列建立输出功率发展系数的微分方程，利用最小二乘法求解该微分方程的输出功率发展系数，将输出功率发展系数和每个历史时刻点和预测时刻点代入灰色累加序列方程中得到输出功率值，再将输出功率值进行累减得到历史时刻点的灰色拟合功率和预测时刻点的灰色预测功率，而且根据温度的一次累加生成序列，建立温度临近均值生成序列，根据温度临近均值生成序列建立温度发展系数的微分方程，利用最小二乘法求解该微分方程的温度发展系数，将温度发展系数和每个历史时刻点和预测时刻点代入灰色累加序列方程中得到温度值，再将温度值进行累减得到历史时刻点的灰色拟合温度和预测时刻点的灰色预测温度；
(4)计算每个历史时刻点的灰色拟合功率与每个对应历史时刻点的燃料电池的历史输出功率和每个对应历史时刻点的蓄电池的历史输出功率的和的功率误差值，根据每个历史时刻点的功率误差值划分区间，每个区间为一个功率状态，而且计算每个历史时刻点的灰色拟合温度与每个对应历史时刻点的历史气温的温度误差值，根据每个历史时刻点的温度误差值划分区间，每个区间为一个温度状态，再根据每个功率状态的转移情况构建功率状态转移概率矩阵，而且根据每个温度状态的转移情况构建温度状态转移概率矩阵，功率状态转移概率矩阵和温度状态转移概率矩阵中的概率对应于每个状态转移到其它状态的概率；
(5)选取距离预测时刻点最近的多个历史时刻点，根据历史时刻点与预测时刻点的距离确定功率状态转移步数，在功率状态转移步数对应的功率状态转移概率矩阵中选取每一步起始状态所对应的行向量为各个状态出现的概率，再对各个状态出现的概率求和得出功率最大概率状态，而且选取距离预测时刻点最近的多个历史时刻点，根据历史时刻点与预测时刻点的距离确定温度转移步数，在所述温度转移步数对应的所述温度状态转移概率矩阵中选取每一步起始状态所对应的行向量为各个状态出现的概率，再对各个状态出现的概率求和得出温度最大概率状态；
(6)当功率状态不变时，取功率最大概率状态所在区间的中间值作为预测时刻点的功率修正值，当功率状态发生跳变时，取跳变后的功率状态所在区间的边缘值作为历史时刻点的功率修正值，并根据历史时刻点的灰色马尔可夫链拟合功率＝(历史时刻点的功率修正值*历史时刻点的灰色拟合功率)以及预测时刻点的灰色马尔可夫链预测功率＝(预测时刻点的功率修正值*预测时刻点的灰色预测功率)，计算得到历史时刻点的灰色马尔可夫链拟合功率和预测时刻点的灰色马尔可夫链预测功率，而且取温度最大概率状态所在区间的中间值作为历史时刻点的温度修正值和预测时刻点的温度修正值，并根据历史时刻点的灰色马尔可夫链拟合温度＝(历史时刻点的温度修正值*历史时刻点的灰色拟合温度)以及预测时刻点的灰色马尔可夫链预测温度＝(预测时刻点的温度修正值*预测时刻点的灰色预测温度)，计算得到历史时刻点的灰色马尔可夫链拟合温度和预测时刻点的灰色马尔可夫链预测温度；
(7)根据获取的历史气温计算其平均值得到平均温度，并根据获取的燃料电池的历史输出功率和蓄电池的历史输出功率，计算燃料电池的对应历史时刻点的历史输出功率和蓄电池的对应历史时刻点的历史输出功率之和得到对应历史时刻点的实际输出功率；
(8)根据
Figure BDA0002345832460000201
的值划分误差状态区间，每个区间为一个误差状态，根据每个误差状态的转移情况，构建误差状态转移概率矩阵；
(9)选取距离预测时刻点最近的多个历史时刻点，根据历史时刻点与预测时刻点的距离确定误差状态转移步数，在误差状态转移步数对应的误差状态转移概率矩阵中选取每一步起始状态所对应的行向量为各个状态出现的概率，对各个状态出现的概率求和得出误差最大概率状态，并将误差最大概率状态所在区间的中间值*(预测时刻点的灰色马尔可夫链预测温度/平均温度)的计算结果作为预测时刻点的温度误差修正值，根据预测时刻点的温度修正的灰色马尔可夫链预测功率＝(预测时刻点的温度误差修正值*预测时刻点的灰色马尔可夫链预测功率)，计算得到预测时刻点的温度修正的灰色马尔可夫链预测功率；
(10)将负载需求功率划分多个功率区间，将蓄电池荷电状态划分为多个荷电状态区间，并将预测时刻点的温度修正的灰色马尔可夫链预测功率和从蓄电池获得的蓄电池荷电状态分别与负载需求功率的功率区间的值和荷电状态区间的值进行比较，根据比较结果选择能量分配方式并将能量分配方式所确定的输出功率转换为目标电流，以控制燃料电池的输出功率且蓄电池在燃料电池的输出功率未稳定前自适应补偿剩余需求输出功率。
以上仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于随机负载的燃料电池混合动力系统，包括作为主动力源的燃料电池装置、作为辅助动力源的蓄电池装置和电力变换装置，所述燃料电池装置和所述蓄电池装置均与所述电力变换装置连接，其特征在于，还包括功率预测能量管理控制装置，所述功率预测能量管理控制装置与所述燃料电池装置、所述蓄电池装置和所述电力变换装置均连接，且所述功率预测能量管理控制装置用于根据所述燃料电池装置的历史输出功率和所述蓄电池装置的历史输出功率之和以及历史气温，通过建立灰色预测模型得到历史时刻点的灰色拟合功率和历史时刻点的灰色拟合温度以及预测时刻点的灰色预测功率和预测时刻点的灰色预测温度，再通过灰色马尔可夫链预测模型以及通过构建功率状态转移概率矩阵和温度状态转移概率矩阵分别获得的历史时刻点的功率修正值和历史时刻点的温度修正值以及预测时刻点的功率修正值和预测时刻点的温度修正值，得到历史时刻点的灰色马尔可夫链拟合功率和历史时刻点的灰色马尔可夫链拟合温度以及预测时刻点的灰色马尔可夫链预测功率和预测时刻点的灰色马尔可夫链预测温度，并根据所述历史时刻点的灰色马尔可夫链拟合温度与平均温度的比值以及所述历史时刻点的灰色马尔可夫链拟合功率与所述燃料电池装置的对应历史时刻点的输出功率和所述蓄电池装置的对应历史时刻点的输出功率之和的比值之间的关系构建误差状态转移概率矩阵获得预测时刻点的温度误差修正值，用所述预测时刻点的温度误差修正值修正所述预测时刻点的灰色马尔可夫链预测功率得到预测时刻点的温度修正的灰色马尔可夫链预测功率，再将所述预测时刻点的温度修正的灰色马尔可夫链预测功率和从所述蓄电池装置获得的蓄电池荷电状态分别与负载需求功率的功率区间的值和荷电状态区间的值进行比较，根据比较结果控制所述燃料电池装置的输出功率且所述蓄电池装置在所述燃料电池装置的输出功率未稳定前自适应补偿剩余需求输出功率。
2.如权利要求1所述的基于随机负载的燃料电池混合动力系统，其特征在于，所述功率预测能量管理控制装置包括：
温度传感单元，用于采集气温；
接收单元，与所述燃料电池装置、所述蓄电池装置和所述温度传感单元连接，用于接收所述燃料电池装置的历史输出功率、所述蓄电池装置的历史输出功率和从所述温度传感单元获得的历史气温；
累加生成序列构建单元，与所述接收单元连接，用于根据每个历史时刻点的所述燃料电池装置的历史输出功率以及每个对应历史时刻点的所述蓄电池装置的历史输出功率的和，通过灰色GM(1，1)模型构建输出功率原始序列，并根据所述输出功率原始序列构建输出功率的一次累加生成序列，而且根据所述历史气温，通过灰色GM(1，1)模型构建温度原始序列，并根据所述温度原始序列构建温度的一次累加生成序列；
灰色预测单元，与所述累加生成序列构建单元连接，用于根据所述输出功率的一次累加生成序列，建立输出功率临近均值生成序列，根据所述输出功率临近均值生成序列建立输出功率发展系数的微分方程，利用最小二乘法求解该微分方程的输出功率发展系数，将所述输出功率发展系数和每个历史时刻点和预测时刻点代入灰色累加序列方程中得到输出功率值，再将所述输出功率值进行累减得到历史时刻点的灰色拟合功率和预测时刻点的灰色预测功率，而且根据所述温度的一次累加生成序列，建立温度临近均值生成序列，根据所述温度临近均值生成序列建立温度发展系数的微分方程，利用最小二乘法求解该微分方程的温度发展系数，将所述温度发展系数和每个历史时刻点和预测时刻点代入灰色累加序列方程中得到温度值，再将所述温度值进行累减得到历史时刻点的灰色拟合温度和预测时刻点的灰色预测温度；
状态转移概率矩阵构建单元，与所述灰色预测单元连接，用于计算每个历史时刻点的所述灰色拟合功率与每个对应历史时刻点的所述燃料电池装置的历史输出功率和每个对应历史时刻点的所述蓄电池装置的历史输出功率的和的功率误差值，根据每个历史时刻点的所述功率误差值划分区间，每个区间为一个功率状态，而且计算每个历史时刻点的所述灰色拟合温度与每个对应历史时刻点的历史气温的温度误差值，根据每个历史时刻点的所述温度误差值划分区间，每个区间为一个温度状态，再根据每个功率状态的转移情况构建功率状态转移概率矩阵，而且根据每个温度状态的转移情况构建温度状态转移概率矩阵，所述功率状态转移概率矩阵和所述温度状态转移概率矩阵中的概率对应于每个状态转移到其它状态的概率；
最大概率状态计算单元，与所述状态转移概率矩阵构建单元连接，用于选取距离预测时刻点最近的多个历史时刻点，根据历史时刻点与预测时刻点的距离确定功率状态转移步数，在所述功率状态转移步数对应的所述功率状态转移概率矩阵中选取每一步起始状态所对应的行向量为各个状态出现的概率，再对各个状态出现的概率求和得出功率最大概率状态，而且选取距离预测时刻点最近的多个历史时刻点，根据历史时刻点与预测时刻点的距离确定温度转移步数，在所述温度转移步数对应的所述温度状态转移概率矩阵中选取每一步起始状态所对应的行向量为各个状态出现的概率，再对各个状态出现的概率求和得出温度最大概率状态；
灰色马尔可夫链预测单元，与所述最大概率状态计算单元连接，用于当功率状态不变时，取所述功率最大概率状态所在区间的中间值作为预测时刻点的功率修正值，当功率状态发生跳变时，取跳变后的功率状态所在区间的边缘值作为历史时刻点的功率修正值，并根据历史时刻点的灰色马尔可夫链拟合功率＝(历史时刻点的功率修正值*历史时刻点的灰色拟合功率)以及预测时刻点的灰色马尔可夫链预测功率＝(预测时刻点的功率修正值*预测时刻点的灰色预测功率)，计算得到历史时刻点的灰色马尔可夫链拟合功率和预测时刻点的灰色马尔可夫链预测功率，而且取所述温度最大概率状态所在区间的中间值作为历史时刻点的温度修正值和预测时刻点的温度修正值，并根据历史时刻点的灰色马尔可夫链拟合温度＝(历史时刻点的温度修正值*历史时刻点的灰色拟合温度)以及预测时刻点的灰色马尔可夫链预测温度＝(预测时刻点的温度修正值*预测时刻点的灰色预测温度)，计算得到历史时刻点的灰色马尔可夫链拟合温度和预测时刻点的灰色马尔可夫链预测温度；
误差状态转移概率矩阵构建单元，与接收单元和所述灰色马尔可夫链预测单元连接，用于根据从所述接收单元获取的所述历史气温计算其平均值得到平均温度，根据
Figure FDA0002345832450000031
的值划分误差状态区间，其中，实际输出功率为所述燃料电池装置的对应历史时刻点的历史输出功率和所述蓄电池装置的对应历史时刻点的历史输出功率之和，每个区间为一个误差状态，根据每个误差状态的转移情况，构建误差状态转移概率矩阵；
灰色马尔可夫链预测功率修正单元，与所述误差状态转移概率矩阵构建单元连接，用于选取距离预测时刻点最近的多个历史时刻点，根据历史时刻点与预测时刻点的距离确定误差状态转移步数，在所述误差状态转移步数对应的所述误差状态转移概率矩阵中选取每一步起始状态所对应的行向量为各个状态出现的概率，对各个状态出现的概率求和得出误差最大概率状态，并将所述误差最大概率状态所在区间的中间值*(预测时刻点的灰色马尔可夫链预测温度/平均温度)的计算结果作为预测时刻点的温度误差修正值，根据预测时刻点的温度修正的灰色马尔可夫链预测功率＝(预测时刻点的温度误差修正值*预测时刻点的灰色马尔可夫链预测功率)，计算得到预测时刻点的温度修正的灰色马尔可夫链预测功率；
燃料电池输出功率控制单元，与所述电力变换装置和所述灰色马尔可夫链预测功率修正单元连接，用于将负载需求功率划分多个功率区间，将蓄电池荷电状态划分为多个荷电状态区间，并将所述预测时刻点的温度修正的灰色马尔可夫链预测功率和从所述蓄电池装置获得的蓄电池荷电状态分别与所述负载需求功率的功率区间的值和所述荷电状态区间的值进行比较，根据比较结果选择能量分配方式并将所述能量分配方式所确定的输出功率转换为目标电流，以控制燃料电池的输出功率且所述蓄电池装置在所述燃料电池装置的输出功率未稳定前自适应补偿剩余需求输出功率。
3.如权利要求2所述的基于随机负载的燃料电池混合动力系统，其特征在于，所述燃料电池装置包括氢气柜、氢控制器、风机、风机控制器、水泵、风扇、燃料电池和燃料电池控制器，所述氢气柜、所述风机和所述水泵均与所述燃料电池连接，所述氢控制器与所述氢气柜连接，所述风机控制器与所述风机连接，所述风扇设置在所述水泵附近，所述燃料电池控制器与所述燃料电池、所述氢控制器、所述风机控制器和所述功率预测能量管理控制装置的所述燃料电池输出功率控制单元连接，所述氢控制器、所述燃料电池控制器和所述功率预测能量管理控制装置的所述燃料电池输出功率控制单元均与所述蓄电池装置连接，所述风机控制器、所述燃料电池、所述水泵、所述风扇和所述功率预测能量管理控制装置的所述燃料电池输出功率控制单元均与所述电力变换装置连接。
4.如权利要求3所述的基于随机负载的燃料电池混合动力系统，其特征在于，所述蓄电池装置包括蓄电池、蓄电池控制器和充电器，所述蓄电池控制器与所述蓄电池和所述功率预测能量管理控制装置的燃料电池输出功率控制单元均连接，所述蓄电池与所述氢控制器、所述燃料电池控制器、所述电力变换装置和所述充电器的一端均连接，所述充电器的另一端与所述电力变换装置连接。
5.如权利要求4所述的基于随机负载的燃料电池混合动力系统，其特征在于，所述电力变换装置包括第一升压DC/DC变换器、第二升压DC/DC变换器、逆变器、降压DC/DC变换器、第一交流输出端子、第二交流输出端子、第一直流输出端子和第二直流输出端子，所述第一升压DC/DC变换器的输入端与所述燃料电池和所述功率预测能量管理控制装置的燃料电池输出功率控制单元均连接，所述第一升压DC/DC变换器的输出端与所述逆变器的输入端和所述风机控制器连接，所述逆变器的输出端与所述第一交流输出端子和所述第二交流输出端子连接，所述水泵与所述第二交流输出端子连接，所述第二升压DC/DC变换器的输入端与所述蓄电池连接，所述第二升压DC/DC变换器的输出端与所述降压DC/DC变换器的输入端和所述第一升压DC/DC变换器的输出端连接，所述降压DC/DC变换器的输出端与所述第一直流输出端子连接，所述充电器的一端连接在所述蓄电池和所述第二升压DC/DC变换器的输入端之间，所述充电器的另一端连接在所述逆变器的输出端和所述第一交流输出端子之间，所述第二交流输出端子连接在所述蓄电池和所述第二升压DC/DC变换器的输入端之间，所述风扇连接在所述降压DC/DC变换器的输出端和所述第一直流输出端子之间。
6.如权利要求5所述的基于随机负载的燃料电池混合动力系统，其特征在于，所述蓄电池为锂电池，所述第一升压DC/DC变换器为70～130V升600V的DC/DC变换器，所述第二升压DC/DC变换器为24V升600V的DC/DC变换器，所述降压DC/DC变换器为600V降12V的DC/DC变换器，所述第一交流输出端子为380V交流输出端子，所述第二交流输出端子为220V交流输出端子，所述第一直流输出端子为12V直流输出端子，所述第二直流输出端子为24V直流输出端子。
7.一种基于随机负载的燃料电池混合动力系统的控制方法，其特征在于，包括如下步骤：
(1)采集历史气温、获取燃料电池的历史输出功率和蓄电池的历史输出功率以及计算每个历史时刻点的燃料电池的历史输出功率和每个对应历史时刻点的蓄电池的历史输出功率之和；
(2)根据所述燃料电池的历史输出功率和所述蓄电池的历史输出功率之和以及历史气温，通过建立灰色预测模型得到历史时刻点的灰色拟合功率和历史时刻点的灰色拟合温度以及预测时刻点的灰色预测功率和预测时刻点的灰色预测温度，再通过灰色马尔可夫链预测模型以及通过构建功率状态转移概率矩阵和温度状态转移概率矩阵分别获得的历史时刻点的功率修正值和历史时刻点的温度修正值以及预测时刻点的功率修正值和预测时刻点的温度修正值，得到历史时刻点的灰色马尔可夫链拟合功率和历史时刻点的灰色马尔可夫链拟合温度以及预测时刻点的灰色马尔可夫链预测功率和预测时刻点的灰色马尔可夫链预测温度；
(3)根据所述历史时刻点的灰色马尔可夫链拟合温度与平均温度的比值以及所述历史时刻点的灰色马尔可夫链拟合功率与所述燃料电池的对应历史时刻点的输出功率和所述蓄电池的对应历史时刻点的输出功率之和的比值之间的关系构建误差状态转移概率矩阵获得预测时刻点的温度误差修正值，用所述预测时刻点的温度误差修正值修正所述预测时刻点的灰色马尔可夫链预测功率得到预测时刻点的温度修正的灰色马尔可夫链预测功率；
(4)将所述预测时刻点的温度修正的灰色马尔可夫链预测功率和从所述蓄电池获得的蓄电池荷电状态分别与负载需求功率的功率区间的值和荷电状态区间的值进行比较，根据比较结果控制所述燃料电池的输出功率且所述蓄电池在所述燃料电池的输出功率未稳定前自适应补偿剩余需求输出功率。
8.如权利要求7所述的基于随机负载的燃料电池混合动力系统的控制方法，所述步骤(2)具体包括：
(21)根据每个历史时刻点的所述燃料电池的历史输出功率以及每个对应历史时刻点的所述蓄电池的历史输出功率的和，通过灰色GM(1，1)模型构建输出功率原始序列，并根据所述输出功率原始序列构建输出功率的一次累加生成序列，而且根据所述历史气温，通过灰色GM(1，1)模型构建温度原始序列，并根据所述温度原始序列构建温度的一次累加生成序列；
(22)根据所述输出功率的一次累加生成序列，建立输出功率临近均值生成序列，根据所述输出功率临近均值生成序列建立输出功率发展系数的微分方程，利用最小二乘法求解该微分方程的输出功率发展系数，将所述输出功率发展系数和每个历史时刻点和预测时刻点代入灰色累加序列方程中得到输出功率值，再将所述输出功率值进行累减得到历史时刻点的灰色拟合功率和预测时刻点的灰色预测功率，而且根据所述温度的一次累加生成序列，建立温度临近均值生成序列，根据所述温度临近均值生成序列建立温度发展系数的微分方程，利用最小二乘法求解该微分方程的温度发展系数，将所述温度发展系数和每个历史时刻点和预测时刻点代入灰色累加序列方程中得到温度值，再将所述温度值进行累减得到历史时刻点的灰色拟合温度和预测时刻点的灰色预测温度；
(23)计算每个历史时刻点的所述灰色拟合功率与每个对应历史时刻点的所述燃料电池装置的历史输出功率和每个对应历史时刻点的所述蓄电池装置的历史输出功率的和的功率误差值，根据每个历史时刻点的所述功率误差值划分区间，每个区间为一个功率状态，而且计算每个历史时刻点的所述灰色拟合温度与每个对应历史时刻点的历史气温的温度误差值，根据每个历史时刻点的所述温度误差值划分区间，每个区间为一个温度状态，再根据每个功率状态的转移情况构建功率状态转移概率矩阵，而且根据每个温度状态的转移情况构建温度状态转移概率矩阵，所述功率状态转移概率矩阵和所述温度状态转移概率矩阵中的概率对应于每个状态转移到其它状态的概率；
(24)选取距离预测时刻点最近的多个历史时刻点，根据历史时刻点与预测时刻点的距离确定功率状态转移步数，在所述功率状态转移步数对应的所述功率状态转移概率矩阵中选取每一步起始状态所对应的行向量为各个状态出现的概率，再对各个状态出现的概率求和得出功率最大概率状态，而且选取距离预测时刻点最近的多个历史时刻点，根据历史时刻点与预测时刻点的距离确定温度转移步数，在所述温度转移步数对应的所述温度状态转移概率矩阵中选取每一步起始状态所对应的行向量为各个状态出现的概率，再对各个状态出现的概率求和得出温度最大概率状态；
(25)当功率状态不变时，取所述功率最大概率状态所在区间的中间值作为预测时刻点的功率修正值，当功率状态发生跳变时，取跳变后的功率状态所在区间的边缘值作为历史时刻点的功率修正值，并根据历史时刻点的灰色马尔可夫链拟合功率＝(历史时刻点的功率修正值*历史时刻点的灰色拟合功率)以及预测时刻点的灰色马尔可夫链预测功率＝(预测时刻点的功率修正值*预测时刻点的灰色预测功率)，计算得到历史时刻点的灰色马尔可夫链拟合功率和预测时刻点的灰色马尔可夫链预测功率，而且取所述温度最大概率状态所在区间的中间值作为历史时刻点的温度修正值和预测时刻点的温度修正值，并根据历史时刻点的灰色马尔可夫链拟合温度＝(历史时刻点的温度修正值*历史时刻点的灰色拟合温度)以及预测时刻点的灰色马尔可夫链预测温度＝(预测时刻点的温度修正值*预测时刻点的灰色预测温度)，计算得到历史时刻点的灰色马尔可夫链拟合温度和预测时刻点的灰色马尔可夫链预测温度。
9.如权利要求7所述的基于随机负载的燃料电池混合动力系统的控制方法，所述步骤(3)具体包括：
(31)根据获取的所述历史气温计算其平均值得到平均温度，并根据获取的燃料电池的历史输出功率和蓄电池的历史输出功率，计算所述燃料电池的对应历史时刻点的历史输出功率和所述蓄电池的对应历史时刻点的历史输出功率之和得到对应历史时刻点的实际输出功率；
(32)根据
Figure FDA0002345832450000081
的值划分误差状态区间，每个区间为一个误差状态，根据每个误差状态的转移情况，构建误差状态转移概率矩阵；
(33)选取距离预测时刻点最近的多个历史时刻点，根据历史时刻点与预测时刻点的距离确定误差状态转移步数，在所述误差状态转移步数对应的所述误差状态转移概率矩阵中选取每一步起始状态所对应的行向量为各个状态出现的概率，对各个状态出现的概率求和得出误差最大概率状态，并将所述误差最大概率状态所在区间的中间值*(预测时刻点的灰色马尔可夫链预测温度/平均温度)的计算结果作为预测时刻点的温度误差修正值，根据预测时刻点的温度修正的灰色马尔可夫链预测功率＝(预测时刻点的温度误差修正值*预测时刻点的灰色马尔可夫链预测功率)，计算得到预测时刻点的温度修正的灰色马尔可夫链预测功率。
10.如权利要求7所述的基于随机负载的燃料电池混合动力系统的控制方法，所述步骤(4)具体为：
将负载需求功率划分多个功率区间，将蓄电池荷电状态划分为多个荷电状态区间，并将所述预测时刻点的温度修正的灰色马尔可夫链预测功率和从所述蓄电池获得的蓄电池荷电状态分别与所述负载需求功率的功率区间的值和所述荷电状态区间的值进行比较，根据比较结果选择能量分配方式并将所述能量分配方式所确定的输出功率转换为目标电流，以控制燃料电池的输出功率且所述蓄电池在所述燃料电池的输出功率未稳定前自适应补偿剩余需求输出功率。
CN201911394151.9A 2019-12-30 2019-12-30 基于随机负载的燃料电池混合动力系统及其控制方法 Active CN111071073B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911394151.9A CN111071073B (zh) 2019-12-30 2019-12-30 基于随机负载的燃料电池混合动力系统及其控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911394151.9A CN111071073B (zh) 2019-12-30 2019-12-30 基于随机负载的燃料电池混合动力系统及其控制方法

Publications (2)

Publication Number Publication Date
CN111071073A true CN111071073A (zh) 2020-04-28
CN111071073B CN111071073B (zh) 2021-03-19

Family

ID=70319563

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911394151.9A Active CN111071073B (zh) 2019-12-30 2019-12-30 基于随机负载的燃料电池混合动力系统及其控制方法

Country Status (1)

Country Link
CN (1) CN111071073B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113276677A (zh) * 2021-06-01 2021-08-20 东风柳州汽车有限公司 一种氢燃料货厢式医疗车的电器架构
GB2601224A (en) * 2020-09-29 2022-05-25 Hitachi Ltd Vehicle control device and vehicle control method

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1903629A (zh) * 2006-08-09 2007-01-31 吉林省卧龙科技发展有限责任公司 双能源混合动力汽车的随机能量管理方法
CN103106256A (zh) * 2013-01-23 2013-05-15 合肥工业大学 一种基于Markov链的正交化插值的GM(1,1)模型预测方法
CN104850916A (zh) * 2015-05-31 2015-08-19 上海电机学院 一种改进型灰色马尔可夫模型的电力设备故障预测方法
CN108493959A (zh) * 2018-03-26 2018-09-04 河海大学 基于Markov模型的电动汽车参与电网调频控制与分析方法
DE102017203924A1 (de) * 2017-03-09 2018-09-13 Audi Ag Nutzung eines Fahrzeugs mit Brennstoffzelle als Schnellladestation für batterieelektrische Fahrzeuge
CN110187280A (zh) * 2019-05-20 2019-08-30 天津大学 一种基于灰色模型的锂电池剩余寿命概率预测的方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1903629A (zh) * 2006-08-09 2007-01-31 吉林省卧龙科技发展有限责任公司 双能源混合动力汽车的随机能量管理方法
CN103106256A (zh) * 2013-01-23 2013-05-15 合肥工业大学 一种基于Markov链的正交化插值的GM(1,1)模型预测方法
CN104850916A (zh) * 2015-05-31 2015-08-19 上海电机学院 一种改进型灰色马尔可夫模型的电力设备故障预测方法
DE102017203924A1 (de) * 2017-03-09 2018-09-13 Audi Ag Nutzung eines Fahrzeugs mit Brennstoffzelle als Schnellladestation für batterieelektrische Fahrzeuge
CN108493959A (zh) * 2018-03-26 2018-09-04 河海大学 基于Markov模型的电动汽车参与电网调频控制与分析方法
CN110187280A (zh) * 2019-05-20 2019-08-30 天津大学 一种基于灰色模型的锂电池剩余寿命概率预测的方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2601224A (en) * 2020-09-29 2022-05-25 Hitachi Ltd Vehicle control device and vehicle control method
GB2601224B (en) * 2020-09-29 2022-11-23 Hitachi Ltd Vehicle control device and vehicle control method
CN113276677A (zh) * 2021-06-01 2021-08-20 东风柳州汽车有限公司 一种氢燃料货厢式医疗车的电器架构
CN113276677B (zh) * 2021-06-01 2023-01-06 东风柳州汽车有限公司 一种氢燃料货厢式医疗车的电器架构

Also Published As

Publication number Publication date
CN111071073B (zh) 2021-03-19

Similar Documents

Publication Publication Date Title
Hu et al. Multi-objective energy management optimization and parameter sizing for proton exchange membrane hybrid fuel cell vehicles
Li et al. Optimal fuzzy power control and management of fuel cell/battery hybrid vehicles
US9020799B2 (en) Analytic method of fuel consumption optimized hybrid concept for fuel cell systems
CN108011437B (zh) 带有过充过放保护装置的混合储能功率分配方法
CN111071073B (zh) 基于随机负载的燃料电池混合动力系统及其控制方法
Peng et al. Development of robust suboptimal real-time power sharing strategy for modern fuel cell based hybrid tramways considering operational uncertainties and performance degradation
CN109102185B (zh) 一种评估光储充一体化电站全寿命周期经济性的方法和系统
Lin et al. Predictive-ECMS based degradation protective control strategy for a fuel cell hybrid electric vehicle considering uphill condition
JP2017500836A (ja) 充電方法及び充電システム
CN111301219B (zh) 一种电动车电池控制方法、系统、设备及可读存储介质
CN113335140A (zh) 控制方法、混合动力系统、车辆和可读存储介质
Zhang et al. A review of energy management optimization based on the equivalent consumption minimization strategy for fuel cell hybrid power systems
KR100520086B1 (ko) 계통연계형 연료전지 발전 시스템의 전력제어방법
CN113799659B (zh) 一种燃料电池整车能量分配方法
CN114418453A (zh) 一种基于电力市场的微电网多时间尺度能量管理系统
CN113420927A (zh) 多源动力系统的多目标配置优化方法
Sun et al. Adaptive Energy Management Strategy of Fuel Cell Electric Vehicle
CN117261697B (zh) 一种燃料电池车辆的能量控制方法及系统
CN112383074B (zh) 一种能量型与功率型混合储能系统及储能方法
CN117477627B (zh) 基于混合储能的数据中心能源系统节能智控方法
CN115800311B (zh) 一种海岛风光柴储供电系统及其控制方法
LU504997B1 (en) An online real-time energy management method for fuel cell hybrid electric vehicles combining rules and optimization
KR20190107794A (ko) 하이브리드 배터리에 연결된 전력 변환 시스템을 제어하기 위한 방법 및 시스템
EP4037129A1 (en) Power management system, server, and power supply and demand adjustment method
CN115860287B (zh) 一种用于储能与发电机组的低碳经济性调度方法

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