CN111409510B - 一种氢燃料电池混合动力汽车的能量管理方法 - Google Patents

一种氢燃料电池混合动力汽车的能量管理方法 Download PDF

Info

Publication number
CN111409510B
CN111409510B CN202010227551.7A CN202010227551A CN111409510B CN 111409510 B CN111409510 B CN 111409510B CN 202010227551 A CN202010227551 A CN 202010227551A CN 111409510 B CN111409510 B CN 111409510B
Authority
CN
China
Prior art keywords
demand
rating
less
power
soc
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
CN202010227551.7A
Other languages
English (en)
Other versions
CN111409510A (zh
Inventor
付主木
孙昊琛
高爱云
陶发展
司鹏举
朱龙龙
石泽华
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.)
Henan University of Science and Technology
Original Assignee
Henan University of Science and Technology
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 Henan University of Science and Technology filed Critical Henan University of Science and Technology
Priority to CN202010227551.7A priority Critical patent/CN111409510B/zh
Publication of CN111409510A publication Critical patent/CN111409510A/zh
Application granted granted Critical
Publication of CN111409510B publication Critical patent/CN111409510B/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
    • 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
    • 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]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Sustainable Development (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Transportation (AREA)
  • Power Engineering (AREA)
  • Sustainable Energy (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Algebra (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Fuel Cell (AREA)

Abstract

本发明的目的是提供一种氢燃料电池混合动力汽车的能量管理方法，包括以下步骤：步骤一)：建立混合动力汽车能量管理系统模型；步骤二)：采集混合动力汽车不同工况下的数据，利用最近邻方法，对上述的数据进行处理，获得具有普适性的需求功率转移概率矩阵，然后以储能系统SOC和总氢耗ECMS为学习目标，获得最优混合动力汽车能量管理策略；步骤三)：基于步骤一)建立的混合动力汽车能量管理系统模型，结合需求功率的变化率、锂电池和超级电容SOC数据，并通过自适应模糊低通滤波器进行分频解耦，对氢燃料电池混合动力汽车进行能量管理。本发明采用基于深度强化学习的连续空间能量管理策略具有更强的普适性和实时性。

Description

一种氢燃料电池混合动力汽车的能量管理方法
技术领域
本发明属于混合动力汽车技术领域，具体涉及一种以氢燃料电池为主要能源的复合能源混合动力汽车的能量管理方法。
背景技术
混合动力汽车是近十年来国内外研究的热点。由于油电混合动力汽车仍未摆脱尾气排放及纯电动汽车续航能力不足，氢燃料电池混合动力汽车脱颖而出。此类新能源混合动力汽车的能量管理研究在国内尚未成熟，仍处于探索阶段，且大部分以结构简单、工况固定、控制简单的能量管理系统为主。此外，要从根本上改善混合动力汽车的能源利用率，应提高汽车的动力系统混合度，但这往往会增加混合动力汽车能量管理的复杂度。当出现两个或多个能量源协同驱动汽车时，必须综合考虑电动机、储能系统SOC、驾驶工况等多方面信息判断各能源的工作状态，使整车的能量管理系统性能达到最佳。
发明内容
本发明的目的是提供一种可用于车载的以氢燃料电池为主能源的混合动力汽车能量管理方法，其考虑了电机负载需求功率的大小及其变化率，同时调节储能系统SOC在合理区间内，最大限度地延长储能系统及燃料电池系统的使用寿命，将负载需求功率在燃料电池和储能系统之间进行实时分配。
为了达到以上目的，一种可用于车载的以氢燃料电池为主能源的混合动力汽车能量管理方法，包括以下步骤：
步骤一)：建立混合动力汽车能量管理系统模型；
步骤二)：采集混合动力汽车不同工况下的数据，利用最近邻方法，对上述的数据进行处理，获得具有普适性的需求功率转移概率矩阵，然后以储能系统SOC和总氢耗ECMS为学习目标，获得最优混合动力汽车能量管理策略；
步骤三)：基于步骤一)建立的混合动力汽车能量管理系统模型，结合需求功率的变化率、锂电池和超级电容SOC数据，并通过自适应模糊低通滤波器进行分频解耦，对氢燃料电池混合动力汽车进行能量管理。
所述的步骤一)中所述的混合动力汽车能量管理系统模型包括：
A.燃料电池电压模型：
VFC＝ncell×(Ecell-Vact.loss-Vohm.loss)；其中，式中，ncell是燃料电池堆中燃料电池片数，Ecell是单片燃料电池电压，Vact.loss是单片燃料电池的活化损失电压，Vohm.loss是单片燃料电池的内阻损失电压；
B.锂电池电压模型：
Figure BDA0002427066150000021
Figure BDA0002427066150000022
其中，SOCini是锂电池初始SOC，iBAT是锂电池电流，β＝±1是锂电池充放电状态选择系数(充电时为负、放电时为正)，Cnom是锂电池额定容量，V(SOCBAT)BAT.oc和r(SOCBAT)分别是当锂电池SOC为SOCBAT时锂电池的开路电压和内阻，PBAT是锂电池的电功率；
C.超级电容电压模型：
VUC.oc＝SOCUC·(VUC.minUC.max+VUC.min)
Figure BDA0002427066150000023
其中，VUC.max和VUC.min分别是超级电容最大和最小输出电压，RUC是超级电容等效内阻，PUC是超级电容电功率；
D.三能量源的氢燃料电池混合动力汽车能量管理系统模型：
Pdemand＝PFC+PBAT+PUC；其中，式中，Pdemand是负载需求功率，PFC是燃料电池功率，PBAT是锂电池功率，PUC是超级电容功率。当锂电池和超级电容放电时，PBAT和PUC为正；当锂电池和超级电容充电时，PBAT和PUC为负。
在步骤二)中，同时由模糊自适应低通滤波器确定正功率Pdemand.pos分流，其具体内容如下：
根据功率Pdemand和储能系统加权SOC的不同组合，设计的模糊规则如下：
1.负载总需求功率Pdemand为负时，储能系统回收能量；
根据功率Pdemand和储能系统加权SOC的不同组合，设计的模糊规则如下：
1)负载总需求功率Pdemand为负时，储能系统回收能量
①SOCESS≤0.5时，当Pdemand≤-0.4Prating为，选取uf＜0.02；当-0.4Prating＜Pdemand≤-0.1Prating时，选取0.02≤uf＜0.04；
②0.5＜SOCESS≤0.6时，当Pdemand≤-0.7Prating时，选取uf＜0.02；当-0.7Prating＜Pdemand≤-0.4Prating时，选取0.02≤uf＜0.04；当-0.4Prating＜Pdemand≤-0.1Prating时，选取0.03≤uf＜0.05；
③0.6＜SOCESS≤0.7时，当Pdemand≤-0.4Prating时，选取0.02≤uf＜0.04；当-0.4Prating＜Pdemand≤-0.1Prating时，选取0.04≤uf＜0.06；
④0.7＜SOCESS≤0.8时，当Pdemand≤-0.4Prating时，选取0.04≤uf＜0.06；当-0.4Prating＜Pdemand≤-0.1Prating时，选取0.06≤uf＜0.08；
⑤0.8＜SOCESS≤1时，当Pdemand≤-0.4Prating时，选取0.06≤uf＜0.08；当-0.4Prating＜Pdemand≤-0.1Prating时，选取0.08≤uf＜0.1；
2)当-0.1Prating＜Pdemand＜0.1Prating时，所有情况均选取0.08≤uf＜0.1；
3)负载总需求功率Pdemand为正时，储能系统释放能量
①SOCESS≤0.6时，当0.1Prating≤Pdemand＜0.4Prating时，选取0.06≤uf＜0.08；当0.4Prating≤Pdemand＜0.7Prating时，选取0.04≤uf＜0.06；当0.7Prating≤Pdemand时，选取0.02≤uf＜0.04；
②0.6＜SOCESS≤0.7时，当0.1Prating≤Pdemand＜0.4Prating时，选取0.04≤uf＜0.06；当0.4Prating≤Pdemand＜0.7Prating时，选取0.04≤uf＜0.06；当0.7Prating≤Pdemand时，选取0.02≤uf＜0.04；
③0.7＜SOCESS≤0.8时，当0.1Prating≤Pdemand＜0.4Prating时，选取0.02≤uf＜0.04；当0.4Prating≤Pdemand＜0.7Prating时，选取0.02≤uf＜0.04；当0.7Prating≤Pdemand时，选取uf＜0.02；
4)0.8＜SOCESS≤1时，当0.1Prating≤Pdemand＜0.4Prating时，选取0.02≤uf＜0.04；当0.4Prating≤Pdemand＜0.7Prating时，选取uf＜0.02；当0.7Prating≤Pdemand时，选取uf＜0.02。
步骤三)包括以下步骤：
a根据车辆加速踏板的变化幅值，得到驱动电机负载需求功率Pdemand；
b.根据上一步得到的驱动电机负载需求功率Pdemand，利用饱和器件实现正负功率分流，其中负功率Pdemand.neg由超级电容承担，正功率Pdemand.pos则由燃料电池、锂电池和超级电容共同承担；
c.获得储能系统加权SOC；
d.将步骤b得到的正功率Pdemand.pos和步骤c得到的储能系统加权SOC作为输入变量输入至步骤二)，得到可调频率uf；
e.将可调频率uf和正功率Pdemand.pos输入至自适应模糊低通滤波器中，对正功率Pdemand.pos分频解耦，输出量为高频正功率Pdemand.pos.h和中低频正功率Pdemand.pos.ml，其中高频正功率由超级电容承担，中低频正功率由燃料电池和锂电池共同承担；
f.根据上一步获得的中低频正功率Pdemand.pos.ml，结合步骤二)所获得的最优混合动力汽车能量管理策略，得到对应此刻需求功率的燃料电池和锂电池的输出功率比；
g.利用上一步的输出功率比，通过计算，可以获得实际的燃料电池功率PFC，根据瞬时功率平衡，得到实际的锂电池功率PBAT。
有益效果：本发明具有以下有益效果：
1.本发明将电动机负载需求功率及其变化率、储能系统加权SOC综合考虑进了氢燃料电池混合动力汽车能量管理中，使得氢燃料电池混合动力汽车整车动力性能更好，另一方面引入深度卷积神经网络，由于采用基于深度强化学习的连续空间能量管理策略使本发明的方法对不同的工况具有更强的普适性和实时性；
2.本发明在确定锂电池具体参数和实际充放电电流时，策略寻优过程中对最大充放电电流进行约束，防止锂电池过充过放，保证储能系统SOC在合理区间平稳波动，延长使用寿命；
3.本发明根据当前储能系统加权SOC值和总需求功率，通过模糊自适应低通滤波器对功率分流，使整个系统具有较强的自适应能力，以确定各种工况下三能量源各自最佳的输出功率。
附图说明
图1是本发明实施例的混合动力系统结构图；
图2是本发明实施例的混合动力汽车能量管理系统结构图；
具体实施方式
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进行清楚、完整地描述。
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：
本发明氢燃料电池、锂电池和超级电容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变流器，锂电池和超级电容通过双向DC/DC变流器，以并联方式连接到系统总线上为驱动电机负载提供能量；在运行过程中，氢燃料电池系统是主要动力来源，超级电容提供或吸收燃料电池和锂电池无法提供或吸收的瞬时峰值功率，锂电池提供或吸收剩余功率。
本发明是一种可用于车载的氢燃料电池复合电源混合动力汽车的能量管理方法，具体实施步骤如下：
步骤一：建立混合动力汽车能量管理系统模型；
所述步骤一建立混合动力汽车能量管理系统模型过程如下
建立燃料电池电压模型：
VFC＝ncell×(Ecell-Vact.loss-Vohm.loss) (7)
Figure BDA0002427066150000051
Figure BDA0002427066150000052
Figure BDA0002427066150000053
Figure BDA0002427066150000054
式中，ncell是燃料电池堆中燃料电池片数，Ecell是单片燃料电池电压，Vact.loss是单片燃料电池的活化损失电压，Vohm.loss是单片燃料电池的内阻损失电压，T是催化层温度，Tc＝298.15K是温度补偿，R＝8.314J·(mol·K)-1是气体常数，F＝96485C·mol-1是法拉第常数，
Figure BDA0002427066150000055
和
Figure BDA0002427066150000056
分别是燃料电池阴极和阳极的表面压力，α是电荷传递系数，IFC是燃料电池电流，Scata是催化层截面积，I0是交换电流密度，l是交换膜厚度，Smem是交换膜表面积，Γ(Tmem,λ(z))是交换膜局部电阻率，Tmem是交换膜温度，λ(z),z∈[0,l]是交换膜中水含量。
建立锂电池电压模型：
Figure BDA0002427066150000061
Figure BDA0002427066150000062
式中，SOCini是锂电池初始SOC，iBAT是锂电池电流，β＝±1是锂电池充放电状态选择系数(充电时为负、放电时为正)，Cnom是锂电池额定容量，V(SOCBAT)BAT.oc和r(SOCBAT)分别是当锂电池SOC为SOCBAT时锂电池的开路电压和内阻，PBAT是锂电池的电功率。
建立超级电容电压模型：
VUC.oc＝SOCUC·(VUC.minUC.max+VUC.min) (14)
Figure BDA0002427066150000063
式中，VUC.max和VUC.min分别是超级电容最大和最小输出电压，RUC是超级电容等效内阻，PUC是超级电容电功率。
建立三能量源的氢燃料电池混合动力汽车能量管理系统模型：
Pdemand＝PFC+PBAT+PUC (16)
式中，Pdemand是负载需求功率，PFC是燃料电池功率，PBAT是锂电池功率，PUC是超级电容功率。当锂电池和超级电容放电时，PBAT和PUC为正；当锂电池和超级电容充电时，PBAT和PUC为负。
步骤二：构造一种基于历史数据的混合动力汽车能量管理深度强化学习策略；
所述步骤二构造基于历史数据的混合动力汽车能量管理深度强化学习策略的过程如下：
采集大量不同工况的数据，以获得更具普适性混合动力汽车能量管理策略；
利用最近邻方法，对上一步的数据进行处理，获得具有普适性的需求功率转移概率矩阵：
Figure BDA0002427066150000064
为了保证混合动力汽车能量管理策略的最优性和实时性，以储能系统SOC和总氢耗ECMS为学习目标，设计多目标优化问题：
minCtotal(t)＝kFCCFC(t)+kBATCBAT(t)+kUCCUC(t)
Figure BDA0002427066150000071
Figure BDA0002427066150000072
通过编写相应的具有较低计算复杂度的自适应快速深度强化学习程序，获得最优混合动力汽车能量管理策略。
同时，可以根据储能系统SOC和需求功率Pdemand确定此时正功率Pdemand.pos分流情况；所述由模糊自适应低通滤波器确定正功率Pdemand.pos分流的具体内容如下：
根据功率Pdemand和储能系统加权SOC的不同组合，假设能量源总额定输出为Prating，设计的模糊规则如下：
令储能系统SOC为SOCESS＝αSOCUC+βSOCBAT；
1)负载总需求功率Pdemand为负时，储能系统回收能量
①SOCESS≤0.5时，当Pdemand≤-0.4Prating为，选取uf＜0.02；当-0.4Prating＜Pdemand≤-0.1Prating时，选取0.02≤uf＜0.04；
②0.5＜SOCESS≤0.6时，当Pdemand≤-0.7Prating时，选取uf＜0.02；当-0.7Prating＜Pdemand≤-0.4Prating时，选取0.02≤uf＜0.04；当-0.4Prating＜Pdemand≤-0.1Prating时，选取0.03≤uf＜0.05；
③0.6＜SOCESS≤0.7时，当Pdemand≤-0.4Prating时，选取0.02≤uf＜0.04；当-0.4Prating＜Pdemand≤-0.1Prating时，选取0.04≤uf＜0.06；
④0.7＜SOCESS≤0.8时，当Pdemand≤-0.4Prating时，选取0.04≤uf＜0.06；当-0.4Prating＜Pdemand≤-0.1Prating时，选取0.06≤uf＜0.08；
⑤0.8＜SOCESS≤1时，当Pdemand≤-0.4Prating时，选取0.06≤uf＜0.08；当-0.4Prating＜Pdemand≤-0.1Prating时，选取0.08≤uf＜0.1；
2)当-0.1Prating＜Pdemand＜0.1Prating时，所有情况均选取0.08≤uf＜0.1；
3)负载总需求功率Pdemand为正时，储能系统释放能量
①SOCESS≤0.6时，当0.1Prating≤Pdemand＜0.4Prating时，选取0.06≤uf＜0.08；当0.4Prating≤Pdemand＜0.7Prating时，选取0.04≤uf＜0.06；当0.7Prating≤Pdemand时，选取0.02≤uf＜0.04；
②0.6＜SOCESS≤0.7时，当0.1Prating≤Pdemand＜0.4Prating时，选取0.04≤uf＜0.06；当0.4Prating≤Pdemand＜0.7Prating时，选取0.04≤uf＜0.06；当0.7Prating≤Pdemand时，选取0.02≤uf＜0.04；
③0.7＜SOCESS≤0.8时，当0.1Prating≤Pdemand＜0.4Prating时，选取0.02≤uf＜0.04；当0.4Prating≤Pdemand＜0.7Prating时，选取0.02≤uf＜0.04；当0.7Prating≤Pdemand时，选取uf＜0.02；
4)0.8＜SOCESS≤1时，当0.1Prating≤Pdemand＜0.4Prating时，选取0.02≤uf＜0.04；当0.4Prating≤Pdemand＜0.7Prating时，选取uf＜0.02；当0.7Prating≤Pdemand时，选取uf＜0.02。
根据获得的可调频率，可以进一步搭建完整的混合动力汽车能量管理系统模型；
步骤三：基于步骤一和二建立的混合动力汽车能量管理系统模型，考虑需求功率的变化率、锂电池和超级电容SOC等因素，对氢燃料电池混合动力汽车进行能量管理；
所述步骤三包括如下步骤：
根据车辆加速踏板的变化幅值，得到驱动电机负载需求功率Pdemand；
根据上一步得到的驱动电机负载需求功率Pdemand，利用饱和器件实现正负功率分流，其中负功率Pdemand.neg由超级电容承担，正功率Pdemand.pos则由燃料电池、锂电池和超级电容共同承担；
由公式(6)计算可以得到SOCESS，其中超级电容SOC计算和锂电池SOC计算原理相同，均采用积分法；
将步骤b得到的正功率Pdemand.pos和步骤c得到的SOCESS作为输入变量输入至步骤二中设计好的模糊推理系统，经过模糊化、模糊推理和解模糊，得到可调频率uf；
将可调频率uf和正功率Pdemand.pos输入至自适应模糊低通滤波器中，对正功率Pdemand.pos分频解耦，输出量为高频正功率Pdemand.pos.h和中低频正功率Pdemand.pos.ml，其中高频正功率由超级电容承担，中低频正功率由燃料电池和锂电池共同承担；
根据上一步获得的中低频正功率Pdemand.pos.ml，结合步骤二所获得的最优混合动力汽车能量管理策略，得到对应此刻需求功率的燃料电池和锂电池的输出功率比；
利用上一步的输出功率比，通过计算，可以获得实际的燃料电池功率PFC，根据瞬时功率平衡，得到实际的锂电池功率PBAT；
根据以上步骤就可以实现以氢燃料电池为主能源的复合能源混合动力汽车的最优能量管理，得到燃料电池功率PFC、锂电池功率PBAT和超级电容功率PUC。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易变化或替换，都属于本发明的保护范围之内。因此本发明的保护范围所述以权利要求的保护范围为准。

Claims (3)

1.一种氢燃料电池混合动力汽车的能量管理方法，其特征在于，包括以下步骤：
步骤一)：建立混合动力汽车能量管理系统模型；
步骤二)：采集混合动力汽车不同工况下的数据，利用最近邻方法，对上述的数据进行处理，获得具有普适性的需求功率转移概率矩阵，然后以储能系统SOC和总氢耗ECMS为学习目标，获得最优混合动力汽车能量管理策略；
步骤三)：基于步骤一)建立的混合动力汽车能量管理系统模型，结合需求功率的变化率、锂电池和超级电容SOC数据，并通过自适应模糊低通滤波器进行分频解耦，对氢燃料电池混合动力汽车进行能量管理；
在步骤二)中，基于历史数据的混合动力汽车能量管理深度强化学习策略的过程如下：
1.采集大量不同工况的数据，以获得更具普适性混合动力汽车能量管理策略；
2.利用最近邻方法，对上一步的数据进行处理，获得具有普适性的需求功率转移概率矩阵：
Figure FDA0003035214590000011
其中，pk,ij表示速度为k时，需求功率由i到j的转移概率；Nk,ij表示速度为k时，学习样本中需求功率由i到j的转移次数；Nk,i表示速度为k时，学习样本中需求功率由i转为其他功率的转移总次数；
为了保证混合动力汽车能量管理策略的最优性和实时性，以储能系统SOC和总氢耗ECMS为学习目标，设计多目标优化问题：
min Ctotal(t)＝kFCCFC(t)+kBATCBAT(t)+kUCCUC(t)；
Figure FDA0003035214590000012
Figure FDA0003035214590000021
其中，SOCBAT和SOCUC分别表示电池和超级电容的荷电状态；
Figure FDA0003035214590000022
和
Figure FDA0003035214590000023
分别表示单位时间内电池充放电时的荷电状态变化率；PFC(t)和PBAT(t)分别表示燃料电池和电池在t时刻的输出功率；PFC(t)min和PFC(t)max分别表示燃料电池在t时刻输出功率的最小和最大值；
通过上述公式获得最优混合动力汽车能量管理策略；
同时由模糊自适应低通滤波器确定正功率Pdemand.pos分流，其具体内容如下：
根据功率Pdemand和储能系统加权SOC的不同组合，设计的模糊规则如下：
1)负载总需求功率Pdemand为负时，储能系统回收能量
①SOCESS≤0.5时，当Pdemand≤-0.4Prating为，选取uf＜0.02；当-0.4Prating＜Pdemand≤-0.1Prating时，选取0.02≤uf＜0.04；
②0.5＜SOCESS≤0.6时，当Pdemand≤-0.7Prating时，选取uf＜0.02；当-0.7Prating＜Pdemand≤-0.4Prating时，选取0.02≤uf＜0.04；当-0.4Prating＜Pdemand≤-0.1Prating时，选取0.03≤uf＜0.05；
③0.6＜SOCESS≤0.7时，当Pdemand≤-0.4Prating时，选取0.02≤uf＜0.04；当-0.4Prating＜Pdemand≤-0.1Prating时，选取0.04≤uf＜0.06；
④0.7＜SOCESS≤0.8时，当Pdemand≤-0.4Prating时，选取0.04≤uf＜0.06；当-0.4Prating＜Pdemand≤-0.1Prating时，选取0.06≤uf＜0.08；
⑤0.8＜SOCESS≤1时，当Pdemand≤-0.4Prating时，选取0.06≤uf＜0.08；当-0.4Prating＜Pdemand≤-0.1Prating时，选取0.08≤uf＜0.1；
2)当-0.1Prating＜Pdemand＜0.1Prating时，所有情况均选取0.08≤uf＜0.1；
3)负载总需求功率Pdemand为正时，储能系统释放能量
①SOCESS≤0.6时，当0.1Prating≤Pdemand＜0.4Prating时，选取0.06≤uf＜0.08；当0.4Prating≤Pdemand＜0.7Prating时，选取0.04≤uf＜0.06；当0.7Prating≤Pdemand时，选取0.02≤uf＜0.04；
②0.6＜SOCESS≤0.7时，当0.1Prating≤Pdemand＜0.4Prating时，选取0.04≤uf＜0.06；当0.4Prating≤Pdemand＜0.7Prating时，选取0.04≤uf＜0.06；当0.7Prating≤Pdemand时，选取0.02≤uf＜0.04；
③0.7＜SOCESS≤0.8时，当0.1Prating≤Pdemand＜0.4Prating时，选取0.02≤uf＜0.04；当0.4Prating≤Pdemand＜0.7Prating时，选取0.02≤uf＜0.04；当0.7Prating≤Pdemand时，选取uf＜0.02；
4)0.8＜SOCESS≤1时，当0.1Prating≤Pdemand＜0.4Prating时，选取0.02≤uf＜0.04；当0.4Prating≤Pdemand＜0.7Prating时，选取uf＜0.02；当0.7Prating≤Pdemand时，选取uf＜0.02。
2.根据权利要求1所述的一种氢燃料电池混合动力汽车的能量管理方法，其特征在于，所述的步骤一)中所述的混合动力汽车能量管理系统模型包括：
A.燃料电池电压模型：
VFC＝ncell×(Ecell-Vact.loss-Vohm.loss)；其中，式中，ncell是燃料电池堆中燃料电池片数，Ecell是单片燃料电池电压，Vact.loss是单片燃料电池的活化损失电压，Vohm.loss是单片燃料电池的内阻损失电压；
B.锂电池电压模型：
Figure FDA0003035214590000031
其中，SOCini是锂电池初始SOC，iBAT是锂电池电流，β＝±1是锂电池充放电状态选择系数(充电时为负、放电时为正)，Cnom是锂电池额定容量，V(SOCBAT)BAT.oc和r(SOCBAT)分别是当锂电池SOC为SOCBAT时锂电池的开路电压和内阻，PBAT是锂电池的电功率；
C.超级电容电压模型：
VUC.oc＝SOCUC·(VUC.minUC.max+VUC.min)
Figure FDA0003035214590000041
其中，VUC.max和VUC.min分别是超级电容最大和最小输出电压，RUC是超级电容等效内阻，PUC是超级电容电功率；
D.三能量源的氢燃料电池混合动力汽车能量管理系统模型：
Pdemand＝PFC+PBAT+PUC；其中，式中，Pdemand是负载需求功率，PFC是燃料电池功率，PBAT是锂电池功率，PUC是超级电容功率；当锂电池和超级电容放电时，PBAT和PUC为正；当锂电池和超级电容充电时，PBAT和PUC为负。
3.根据权利要求1所述的一种氢燃料电池混合动力汽车的能量管理方法，其特征在于，步骤三)包括以下步骤：
a.根据车辆加速踏板的变化幅值，得到驱动电机负载需求功率Pdemand；
b.根据上一步得到的驱动电机负载需求功率Pdemand，利用饱和器件实现正负功率分流，其中负功率Pdemand.neg由超级电容承担，正功率Pdemand.pos则由燃料电池、锂电池和超级电容共同承担；
c.获得储能系统加权SOC；
d.将步骤b得到的正功率Pdemand.pos和步骤c得到的储能系统加权SOC作为输入变量输入至步骤二)，得到可调频率uf；
e.将可调频率uf和正功率Pdemand.pos输入至自适应模糊低通滤波器中，对正功率Pdemand.pos分频解耦，输出量为高频正功率Pdemand.pos.h和中低频正功率Pdemand.pos.ml，其中高频正功率由超级电容承担，中低频正功率由燃料电池和锂电池共同承担；
f.根据上一步获得的中低频正功率Pdemand.pos.ml，结合步骤二)所获得的最优混合动力汽车能量管理策略，得到对应此刻需求功率的燃料电池和锂电池的输出功率比；
g.利用上一步的输出功率比，通过计算，可以获得实际的燃料电池功率PFC，根据瞬时功率平衡，得到实际的锂电池功率PBAT。
CN202010227551.7A 2020-03-26 2020-03-26 一种氢燃料电池混合动力汽车的能量管理方法 Active CN111409510B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010227551.7A CN111409510B (zh) 2020-03-26 2020-03-26 一种氢燃料电池混合动力汽车的能量管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010227551.7A CN111409510B (zh) 2020-03-26 2020-03-26 一种氢燃料电池混合动力汽车的能量管理方法

Publications (2)

Publication Number Publication Date
CN111409510A CN111409510A (zh) 2020-07-14
CN111409510B true CN111409510B (zh) 2021-08-31

Family

ID=71487833

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010227551.7A Active CN111409510B (zh) 2020-03-26 2020-03-26 一种氢燃料电池混合动力汽车的能量管理方法

Country Status (1)

Country Link
CN (1) CN111409510B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112140942B (zh) * 2020-10-13 2022-10-25 重庆大学 一种燃料电池汽车自适应等效消耗最小化能量管理方法
CN112287463B (zh) * 2020-11-03 2022-02-11 重庆大学 一种基于深度强化学习算法的燃料电池汽车能量管理方法
CN112467717A (zh) * 2020-11-13 2021-03-09 上海明华电力科技有限公司 一种基于模糊控制的混合能源系统实时负荷分配方法
CN112581314B (zh) * 2020-12-24 2022-07-01 北京理工大学 一种用于混合储能系统的多向量能源系统匹配方法
CN112644344A (zh) * 2020-12-29 2021-04-13 武汉格罗夫氢能汽车有限公司 一种基于bp神经网络功率分配优化系统及优化方法
CN112706753B (zh) * 2021-01-08 2022-06-10 南京航空航天大学 一种基于灰狼优化的ecms混动汽车能量管理策略
CN113561855B (zh) * 2021-07-23 2023-04-25 东风汽车集团股份有限公司 燃料电池多能源控制方法及装置、车辆
CN114103971B (zh) * 2021-11-23 2023-10-10 北京理工大学 一种燃料电池汽车节能驾驶优化方法及装置
WO2023128748A1 (en) * 2021-12-27 2023-07-06 Nanomalaysia Berhad Hydrogen hybrid electric vehicle
CN114643904B (zh) * 2022-02-25 2023-07-18 燕山大学 一种能量管理方法、装置、汽车及存储介质
CN114771357A (zh) * 2022-03-17 2022-07-22 电子科技大学 一种氢燃料电池混合动力系统能量管理方法
CN114379386B (zh) * 2022-03-25 2022-06-10 北京理工大学 一种燃料电池和锂电池混动系统协同衰退控制方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050119842A1 (en) * 2003-12-02 2005-06-02 Clingerman Bruce J. Load following algorithm for a fuel cell based system
CN102837696A (zh) * 2012-06-25 2012-12-26 浙江大学城市学院 具有在线监测功能的燃料电池叉车混合动力控制系统
CN104972918A (zh) * 2015-07-08 2015-10-14 西南交通大学 燃料电池混合动力有轨电车多动力源自适应能量管理系统
CN109435780A (zh) * 2018-12-12 2019-03-08 西南交通大学 一种后备储能式车用燃料电池混合动力系统及控制方法
CN110126813A (zh) * 2019-05-17 2019-08-16 吉林大学 一种车载燃料电池混合动力系统的能量管理方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050119842A1 (en) * 2003-12-02 2005-06-02 Clingerman Bruce J. Load following algorithm for a fuel cell based system
CN102837696A (zh) * 2012-06-25 2012-12-26 浙江大学城市学院 具有在线监测功能的燃料电池叉车混合动力控制系统
CN104972918A (zh) * 2015-07-08 2015-10-14 西南交通大学 燃料电池混合动力有轨电车多动力源自适应能量管理系统
CN109435780A (zh) * 2018-12-12 2019-03-08 西南交通大学 一种后备储能式车用燃料电池混合动力系统及控制方法
CN110126813A (zh) * 2019-05-17 2019-08-16 吉林大学 一种车载燃料电池混合动力系统的能量管理方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
燃料电池混合动力系统多目标优化方法;宋大凤 等;《湖南大学学报（自然科学版）》;20191031(第10期);第46-53页 *

Also Published As

Publication number Publication date
CN111409510A (zh) 2020-07-14

Similar Documents

Publication Publication Date Title
CN111409510B (zh) 一种氢燃料电池混合动力汽车的能量管理方法
CN109606137B (zh) 融合成本寿命因素的多源电驱动系统经济性优化方法
CN112036603B (zh) 一种基于双堆燃料电池的混合储能系统能量管理策略
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
CN109830974B (zh) 一种电池动态成组系统及其运行控制方法
CN113043917B (zh) 一种多堆燃料电池混合动力系统分层控制方法
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
CN112060982B (zh) 一种动态平衡的燃料电池无人机能量管理方法
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
CN111159916B (zh) 一种车载双电池复合储能系统及其参数优化设计方法
CN109849693A (zh) 一种基于自适应小波转换的电动汽车混合能源管理系统及其控制方法
CN113103921A (zh) 一种基于开关网络的切换式能量管理方法
CN114347866B (zh) 一种基于vmd处理的燃料电池能量管理方法
CN112467717A (zh) 一种基于模糊控制的混合能源系统实时负荷分配方法
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
Gu et al. Energy management strategy considering fuel economy and life of fuel cell for fuel cell electric vehicles
CN113352946B (zh) 一种燃料电池汽车动力系统的能量管理方法
Li et al. Research on multi-energy management system of fuel cell vehicle based on fuzzy control
CN115848217B (zh) 一种基于多能源模组的能源管理方法
CN112455291A (zh) 一种燃料电池汽车复合电源瞬时最优能量管理方法
CN113696749B (zh) 一种燃料电池复合电源控制方法
CN115284896A (zh) 一种基于双堆燃料电池的混合动力系统能量管理方法
CN108258709A (zh) 一种储能电池的优化管理方法
CN115009049A (zh) 基于内点法的氢燃料电池混合动力汽车分层能量管理方法

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