CN112706753B - 一种基于灰狼优化的ecms混动汽车能量管理策略 - Google Patents

一种基于灰狼优化的ecms混动汽车能量管理策略 Download PDF

Info

Publication number
CN112706753B
CN112706753B CN202110023023.4A CN202110023023A CN112706753B CN 112706753 B CN112706753 B CN 112706753B CN 202110023023 A CN202110023023 A CN 202110023023A CN 112706753 B CN112706753 B CN 112706753B
Authority
CN
China
Prior art keywords
battery
soc
power
ecms
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
CN202110023023.4A
Other languages
English (en)
Other versions
CN112706753A (zh
Inventor
顾诚
周健豪
刘军
吴旭阳
徐达
李超雄
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.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202110023023.4A priority Critical patent/CN112706753B/zh
Publication of CN112706753A publication Critical patent/CN112706753A/zh
Application granted granted Critical
Publication of CN112706753B publication Critical patent/CN112706753B/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
    • B60W20/15—Control strategies specially adapted for achieving a particular effect
    • 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
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • 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
    • B60L2210/00—Converter types
    • B60L2210/10—DC to DC converters
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0028—Mathematical models, e.g. for simulation
    • B60W2050/0031—Mathematical model of the vehicle
    • 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)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Power Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Fuel Cell (AREA)

Abstract

本发明公开了一种基于灰狼优化的ECMS混动汽车能量管理策略，属于燃料电池混合动力汽车能量管理领域，本发明包括：根据车辆本身的参数和FCHEV的特点，搭建整车动力学模型；搭建基于ECMS策略的燃料电池混合动力能量管理模型；基于提升车辆经济性的目标，针对ECMS策略中等效因子优化的问题，采用灰狼优化算法（GWO）对ECMS等效因子进行调节；采用本发明的技术方案，可以实现燃料电池和电池间合理的功率分配，在满足动力性的前提下，获得最大的经济性，以及平稳的驾驶性能。

Description

一种基于灰狼优化的ECMS混动汽车能量管理策略
技术领域
本发明属于燃料电池混合动力汽车能量管理领域，具体涉及一种基于灰狼优化的ECMS混动汽车能量管理策略。
背景技术
近年来，能源危机和环境问题日益严重，汽车的燃油排放是其中的首要问题，燃料电池(FC)技术被普遍认为是一种有潜力的解决方案，因为它使用可再生燃料而且环保。高能效、低浪费产品是这个系统的优点。这些是由于燃料直接转化为电能。此外，质子交换膜燃料电池(PEMFC)由于其简单性、可行性、快速启动、较高的功率密度、相对较大的电学效率以及在较低温度下的运行，成为电动汽车系统最佳储能系统之一。
然而，燃料电池系统存在成本高、反应慢、无制动时的再生能量回收、无法跟踪快速负载变化，车辆运行中的负载需求波动可能导致燃料电池膜上的燃料不足、流动、膜干燥和压力不平衡，从而损坏燃料电池堆并降低其寿命。由于加速度、路面和交通条件的变化，汽车的功率需求会发生显著变化，车辆的不稳定运行可能不适合使用单一的燃料电池系统。因此，经常将燃料电池系统与电池、超级电容等相结合组成混合储能系统(HESS)，不仅能降低系统成本，改善整车系统的动态性能，提高燃料电池的使用寿命，而且由于再生制动能量的回收提高了燃料经济性。由于燃料电池、锂电池具有不同的特性和动态特性，因此需要为系统设计一个整体的能量管理策略，以协调不同能源之间的功率波动。
现如今，在FCHEV上应用的能量管理策略有两类：一是基于规则的能量管理策略，二是基于优化的能量管理策略。基于规则的能量管理策略需要依赖于经验制定规则，对工况的适应性不好，且做不了全局最优，代表策略有模糊逻辑策略，功率跟随策略等。基于优化的能量管理策略可以实现全局最优解，但需做到工况条件完全已知的情况下，计算时间较长，代表策略有等效氢耗最低策略，动态规划，模型预测控制等。
等效消耗最低策略是一种可以作为实时控制器实现的瞬时优化方法，因为它的求解不需要未来的行驶循环工况信息。对于燃料电池-锂电池混合动力汽车，ECMS的主要概念是将蓄电池的能量消耗视为未来的氢消耗，加上燃料电池系统自身的氢消耗，总氢气消耗量最小，优化问题为：
Figure GDA0003569236020000021
其中，s为等效因子，KC为一惩罚系数，用于限制电池SOC的变化范围。s和KC是都是重要的设计变量，影响到整个策略的可行性与稳定性。由于其瞬时最优的特性，不能保证全局最优，因此需要一种更为行之有效的策略，来使得ECMS更趋近全局最优。
灰狼优化算法(GWO)是在2014年被提出的一种比较新颖的群体智能优化算法，该算法具有结构简单、需要设置的参数少、在实验编码中容易实现和对于目标的搜索场景有着较好的适应性等优点。
发明内容
本发明提供了一种基于灰狼优化的ECMS混动汽车能量管理策略，为了解决等效氢耗最低策略在混合动力车辆能量管理中的局限性问题，引入了灰狼优化算法(GWO)来对等效氢耗最低策略中的等效因子进行优化，使其能量管理策略不仅能够满足车辆的动力性，还能减少车辆的氢耗量，显著提升车辆的经济性。
为实现上述目的，本发明采用如下技术方案：
一种基于灰狼优化的ECMS混动汽车能量管理策略，包括如下步骤：
步骤1：建立燃料电池混合动力汽车的纵向动力学模型；
步骤2：基于FCHEV的特点，搭建基于ECMS策略的燃料电池混合动力能量管理模型；
步骤3：基于提升车辆经济性的目标，针对ECMS策略中等效因子优化的问题，采用灰狼优化算法(Grey Wolf Optimization,GWO)对ECMS等效因子进行调节。
以上所述步骤中，步骤1中所述纵向动力学模型为：
Figure GDA0003569236020000022
其中，Pt为汽车功率需求，v为汽车当前车速，m为整车质量，μ为滚动阻力系数，ρ为空气质量密度(kg/m3)，A为迎风面积(m2)，Cd为空气阻力系数，a为汽车当前加速度，θ为路面与水平面的夹角；
步骤2具体包括以下步骤：
给定燃料电池的功率上、下限；
给定电池的功率上、下限；
给定电池电荷量上、下限；
将电池消耗的电能与燃料电池氢耗之间建立等效关系，即：
Figure GDA0003569236020000031
其中，
Figure GDA0003569236020000032
为整车瞬时等效氢气消耗量，
Figure GDA0003569236020000033
为燃料电池瞬时氢气消耗量，
Figure GDA0003569236020000034
为电池瞬时等效氢气消耗量，Pb为电池功率，QH2为氢气热值，s为等效因子，Kc为惩罚系数，用于限制电池SOC的变化范围，如果电池SOC超过最大SOC界限，惩罚系数会降低等效因子以促进电池放电；如果电池SOC低于最低SOC界限，惩罚系数会增大等效因子以促进电池充电，Kc的表达式为:
Figure GDA0003569236020000035
其中，μb是平衡系数为0.6，SOCmax和SOCmin分别为锂电池的SOC上限值和下限值；
等效因子s和惩罚系数Kc的取值会直接影响到ECMS最后的目标函数；
ECMS的目标函数为：
Figure GDA0003569236020000036
通过求解即可使得每一瞬时的能量分配达到最优；
步骤3建立的灰狼算法优化等效因子模型，具体包括以下步骤：
(1)狼群初始化，三个状态输入量构成一个个体，根据每个状态量设置上下限，搜索上下限里面的状态量构成种群，根据适应度函数计算出初始种群中个体的适应度值；
(2)选择最优的三个解函数(等效因子)分别作为α，β，δ狼；
(3)这三个最优解(α，β，δ)指导第二步优化学习，其余狼根据这三个解的位置信来做调整进行狩猎和攻击，根据适应度函数计算出新的此时所有狼的适应度；
(4)再根据上一步的计算，选取出新的三个最优解(α，β，δ)指导下一步优化，自此完成一次迭代，直到达到收敛条件或迭代次数。
优选地，步骤(1)中所述的基于灰狼优化的燃料电池混合动力汽车能量管理方法中灰狼优化的适应度函数为：
Figure GDA0003569236020000041
其中，
Figure GDA0003569236020000042
是整车等效氢耗累积量；c1表示燃料电池和电池功率都处于各自功率范围之内时取1，否则取0；c2表示电池SOC在电荷量上下限之间时取1，否则取0，这种适应度函数的定义在满足SOC约束的前提下保证了复合电源系统的氢气消耗量最小；
步骤(1)中所述状态量范围如下:
Figure GDA0003569236020000043
其中，Pba min和Pba max分别表示蓄电池功率能达到的最小值和最大值，Pload代表汽车功率需求；Ibacharge_lim和Ibadischarge_lim分别表示蓄电池充放电时电流的下限值和上限值。
所述式(6)中第一个式子是对复合电源系统功率的约束，燃料电池功率加上蓄电池的功率等于总功率需求；
所述式(6)中第二个式子是对蓄电池SOC的约束，SOCmin和SOCmax分别代表SOC稳定区间内的最小值和最大值；
所述式(6)中第三个式子是对蓄电池功率的约束，Pbamin和Pbamax分别表示蓄电池功率能达到的最小值和最大值；
所述式(6)中第四个式子是对蓄电池电流的约束，Ibacharge_lim和Ibadischarge_lim分别表示蓄电池充放电时电流的下限值和上限值。
有益效果：本发明提供了一种基于灰狼优化的ECMS混动汽车能量管理策略，采用等效氢耗最低策略(ECMS)对复合电源系统进行能量管理，添加惩罚系数KC用于调节等效因子的适应变化，如果电池SOC超过最大SOC界限，惩罚系数会降低等效因子以促进电池放电；如果电池SOC低于最低SOC界限，惩罚系数会增大等效因子以促进电池充电。采用灰狼优化算法(GWO)对等效氢耗最低策略中的等效因子进行优化，综合考虑电池SOC、等效氢耗、燃料电池功率及电池功率设置适应度函数，对等效因子进行滚动优化，能够显著提升车辆的经济性，可以实现燃料电池和电池间合理的功率分配，在满足动力性的前提下，获得最大的经济性，以及平稳的驾驶性能。
附图说明
为了更清楚地说明本发明中的技术方案，下面将对本发明中所需要使用的附图进行简单地介绍。
图1是本发明实施例中提供的燃料电池混动汽车系统结构图；
图2是本发明实施例中提供的基于灰狼优化的等效氢耗最低能量管理控制策略整体优化流程图；
图3是本发明实施例中提供的燃料电池混合动力车辆基于灰狼优化的等效氢耗最低能量管理策略设计方法流程示意图；
图4是本发明实例提供的灰狼算法求解流程图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合说明书附图和具体实施例对本发明的实施方式做进一步地详细叙述。
图1所示是本发明实施例中提供的燃料电池混动汽车系统结构图，电机作为该系统的动力传输装置；燃料电池、电池和DC/DC变换器构成复合电源系统，其中燃料电池、电池作为能量源，DC/DC变换器可变换燃料电池输出电压至母线电压，能量管理器进行功率分配。
图2所示是基于灰狼算法的等效氢耗最低能量管理控制策略整体优化流程图，由图1的动力系统得到电状态信号SOC,以及车速，加速度进入灰狼优化控制器模块中，通过灰狼优化算法结合目标函数和约束条件得到优化后的等效因子s指导下一步能量管理；主要包括以下步骤：
步骤1：建立燃料电池混合动力汽车的纵向动力学模型：为了便于对车辆系统的分析和控制，忽略汽车前后轴的轴荷转移，根据牛顿第二定律建立车辆纵向动力学模型，其纵向动力学方程为：
Figure GDA0003569236020000061
其中，Ft为驱动力，单位为N；Fw为空气阻力，单位为N；Ff为滚动阻力，单位为N；Fi为坡度阻力，单位为N；Fb为制动力，单位为N。
将Ft、Fw、Ff、Fi、Fb的具体表达式分别代入，可以得到车辆的纵向动力学模型为：
Figure GDA0003569236020000062
其中，Pt为汽车功率需求，v为汽车当前车速，m为整车质量，μ为滚动阻力系数，ρ为空气质量密度(kg/m3)，A为迎风面积(m2)，Cd为空气阻力系数，a为汽车当前加速度，θ为路面与水平面的夹角；
步骤2：基于FCHEV的特点，搭建基于ECMS策略的燃料电池混合动力汽车能量管理模型；
进一步地，所述步骤2具体为：
给定燃料电池的功率上、下限[0kw,30kw]
给定电池的功率上、下限[0kw,80kw]；
给定电池电荷量上、下限[30,70]；
将电池消耗的电能与燃料电池氢耗之间建立等效关系，即：
Figure GDA0003569236020000063
其中，
Figure GDA0003569236020000064
为整车瞬时等效氢气消耗量，
Figure GDA0003569236020000065
为燃料电池瞬时氢气消耗量，
Figure GDA0003569236020000066
为电池瞬时等效氢气消耗量，Pb为电池功率，QH2为氢气热值，s为等效因子，Kc为一惩罚系数，用于限制电池SOC的变化范围，如果电池SOC超过最大SOC界限，惩罚系数会降低等效因子以促进电池放电；如果电池SOC低于最低SOC界限，惩罚系数会增大等效因子以促进电池充电；
Kc的表达式为:
Figure GDA0003569236020000067
其中，μb是平衡系数为0.6，SOCmax和SOCmin分别为锂电池的SOC上限值和下限值。
等效因子s和惩罚系数Kc的取值会直接影响到ECMS最后的目标函数；
ECMS的目标函数为：
Figure GDA0003569236020000071
通过求解即可使得每一瞬时的能量分配达到最优；
步骤3：基于提升车辆经济性的目标，针对ECMS策略中等效因子优化的问题，采用灰狼优化算法(Grey Wolf Optimization,GWO)对ECMS等效因子进行调节
参考图4，是灰狼算法优化模糊逻辑控制器的求解流程图：
(1)狼群初始化，三个状态量构成一个个体，根据每个状态量特性设置上下限，搜索上下限里面的状态量构成种群，根据适应度函数计算出初始种群中个体适应度值；
(2)选择最优的三个解函数(等效因子)分别作为α，β，δ狼；
(3)这三个最优解(α，β，δ)指导第二步优化学习，其余狼根据这三个解的位置信来做调整进行狩猎和攻击，根据适应度函数计算出新的此时所有狼的适应度；
(4)再根据上一步的计算，选取出新的三个最优解(α，β，δ)指导下一步优化，自此完成一次迭代，直到达到收敛条件或迭代次数。
基于建立的车辆纵向动力学模型，为了在满足动力性前提下，得到最大的经济性，建立灰狼优化控制器的适应度函数：
Figure GDA0003569236020000072
其中，
Figure GDA0003569236020000073
是整车等效氢耗累积量；c1表示燃料电池和电池功率都处于各自功率范围之内时取1，否则取0；c2表示电池SOC在电荷量上下限之间时取1，否者取0。这种适应度函数的定义在满足SOC约束的前提下保证了复合电源系统的氢气消耗量最小。
所述状态量范围如下:
Figure GDA0003569236020000081
其中，Pbamin和Pbamax分别表示蓄电池功率能达到的最小值和最大值，Pload代表汽车功率需求；Ibacharge_lim和Ibadischarge_lim分别表示蓄电池充放电时电流的下限值和上限值。
所述式(15)中第一个式子是对复合电源系统功率的约束，燃料电池功率加上蓄电池的功率等于总功率需求。
所述式(15)中第二个式子是对蓄电池SOC的约束，SOCmin和SOCmax分别代表SOC稳定区间内的最小值和最大值。
所述式(15)中第三个式子是对蓄电池功率的约束，Pbamin和Pbamax分别表示蓄电池功率能达到的最小值和最大值。
所述式(15)中第四个式子是对蓄电池电流的约束，Ibacharge_lim和Ibadischarge_lim分别表示蓄电池充放电时电流的下限值和上限值。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (6)

1.一种基于灰狼优化的ECMS混动汽车能量管理策略，其特征在于，包括如下步骤：
步骤1：建立燃料电池混合动力汽车的纵向动力学模型；
步骤2：基于FCHEV的特点搭建基于ECMS策略的燃料电池混合动力能量管理模型，具体包括以下步骤：
给定燃料电池的功率上、下限；
给定电池的功率上、下限；
给定电池电荷量上、下限；
将电池消耗的电能与燃料电池氢耗之间建立等效关系，即：
Figure FDA0003569236010000011
其中，
Figure FDA0003569236010000012
为整车瞬时等效氢气消耗量，
Figure FDA0003569236010000013
为燃料电池瞬时氢气消耗量，
Figure FDA0003569236010000014
为电池瞬时等效氢气消耗量，Pb为电池功率，QH2为氢气热值，s为等效因子，Kc为惩罚系数，用于限制电池SOC的变化范围，如果电池SOC超过最大SOC界限，惩罚系数会降低等效因子以促进电池放电；如果电池SOC低于最低SOC界限，惩罚系数会增大等效因子以促进电池充电；
步骤3：基于提升车辆经济性的目标，针对ECMS策略中等效因子优化的问题，采用灰狼优化算法(Grey Wolf Optimization,GWO)对ECMS等效因子进行调节，具体包括以下步骤：
(ⅰ)狼群初始化，三个状态输入量构成一个个体，根据每个状态量设置上下限，搜索上下限里面的状态量构成种群，根据适应度函数计算出初始种群中个体的适应度值；
(ⅱ)选择最优的三个解函数(等效因子)分别作为α，β，δ狼；
(ⅲ)这三个最优解(α，β，δ)指导第二步优化学习，其余狼根据这三个解的位置信来做调整进行狩猎和攻击，根据适应度函数计算出新的此时所有狼的适应度；
(ⅳ)再根据上一步的计算，选取出新的三个最优解(α，β，δ)指导下一步优化，自此完成一次迭代，直到达到收敛条件或迭代次数。
2.根据权利要求1所述的基于灰狼优化的ECMS混动汽车能量管理策略，其特征在于，步骤1中所述纵向动力学模型为：
Figure FDA0003569236010000021
其中，Pt为汽车功率需求，v为汽车当前车速，m为整车质量，μ为滚动阻力系数，ρ为空气质量密度(kg/m3)，A为迎风面积(m2)，Cd为空气阻力系数，a为汽车当前加速度，θ为路面与水平面的夹角。
3.根据权利要求1所述的基于灰狼优化的ECMS混动汽车能量管理策略，其特征在于，Kc的表达式为:
Figure FDA0003569236010000022
其中，μb是平衡系数为0.6，SOCmax和SOCmin分别为锂电池的SOC上限值和下限值。
4.根据权利要求1或3所述的基于灰狼优化的ECMS混动汽车能量管理策略，其特征在于，所述等效因子s和惩罚系数Kc的取值会直接影响到ECMS最后的目标函数，所述ECMS的目标函数为：
Figure FDA0003569236010000023
通过求解即可使得每一瞬时的能量分配达到最优。
5.根据权利要求1所述的基于灰狼优化的ECMS混动汽车能量管理策略，其特征在于，步骤(ⅰ)中所述的适应度函数为：
Figure FDA0003569236010000024
其中，
Figure FDA0003569236010000025
是整车等效氢耗累积量；c1表示燃料电池和电池功率都处于各自功率范围之内时取1，否则取0；c2表示电池SOC在电荷量上下限之间时取1，否则取0，这种适应度函数的定义在满足SOC约束的前提下保证了复合电源系统的氢气消耗量最小。
6.根据权利要求1所述的基于灰狼优化的ECMS混动汽车能量管理策略，其特征在于，步骤(ⅰ)中所述状态量范围如下:
Figure FDA0003569236010000031
其中，Pba(t)表示蓄电池功率，Pfc(t)表示燃料电池功率，SOCmin和SOCmax分别代表SOC稳定区间内的最小值和最大值，SOC(t)表示蓄电池SOC，Pbamin和Pbamax分别表示蓄电池功率能达到的最小值和最大值，Pload代表汽车功率需求；Ibacharge_lim和Ibadischarge_lim分别表示蓄电池充放电时电流的下限值和上限值，Iba(t)表示蓄电池电流。
CN202110023023.4A 2021-01-08 2021-01-08 一种基于灰狼优化的ecms混动汽车能量管理策略 Active CN112706753B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110023023.4A CN112706753B (zh) 2021-01-08 2021-01-08 一种基于灰狼优化的ecms混动汽车能量管理策略

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110023023.4A CN112706753B (zh) 2021-01-08 2021-01-08 一种基于灰狼优化的ecms混动汽车能量管理策略

Publications (2)

Publication Number Publication Date
CN112706753A CN112706753A (zh) 2021-04-27
CN112706753B true CN112706753B (zh) 2022-06-10

Family

ID=75548568

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110023023.4A Active CN112706753B (zh) 2021-01-08 2021-01-08 一种基于灰狼优化的ecms混动汽车能量管理策略

Country Status (1)

Country Link
CN (1) CN112706753B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113085664A (zh) * 2021-04-30 2021-07-09 奇瑞汽车股份有限公司 氢燃料电池汽车基于等效氢耗最小的能量管理方法
CN113183777A (zh) * 2021-06-10 2021-07-30 三一重机有限公司 混合动力系统能量管理的方法、装置及电子设备
CN113910925B (zh) * 2021-10-25 2023-03-31 浙江大学杭州国际科创中心 基于ecms的超级电容-锂电池混合动力rtg能量优化管理策略
CN115828437B (zh) * 2023-02-17 2023-05-12 中汽研汽车检验中心（天津）有限公司 汽车性能指标综合优化方法、计算设备

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
US20200198495A1 (en) * 2017-05-12 2020-06-25 Ohio State Innovation Foundation Real-time energy management strategy for hybrid electric vehicles with reduced battery aging
CN108510074A (zh) * 2018-05-30 2018-09-07 江苏理工学院 一种改进gwo算法的实现方法
CN110929920A (zh) * 2019-11-05 2020-03-27 中车戚墅堰机车有限公司 一种基于工况识别的混合动力列车能量管理方法
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
CN111959490B (zh) * 2020-08-25 2022-11-18 吉林大学 插电式混合动力汽车模型参考自适应最优能量管理方法

Also Published As

Publication number Publication date
CN112706753A (zh) 2021-04-27

Similar Documents

Publication Publication Date Title
CN112706753B (zh) 一种基于灰狼优化的ecms混动汽车能量管理策略
CN109693578B (zh) 一种燃料电池车整车功率分配控制方法和系统
CN112046486B (zh) 一种燃料电池汽车输出功率修正方法、系统及存储介质
Li et al. Optimal fuzzy power control and management of fuel cell/battery hybrid vehicles
CN102951039B (zh) 一种基于模糊控制的增程式电动车能量管理方法
CN113928187B (zh) 一种燃料电池汽车的能量管理控制方法
CN112036603A (zh) 一种基于双堆燃料电池的混合储能系统能量管理策略
CN113022385B (zh) 燃料电池锂电池混合动力系统参数匹配方法
CN111459025A (zh) 一种运用粒子算法优化的复合电源电动汽车功率分配策略
Liu et al. Multi-objective optimization of energy management strategy on hybrid energy storage system based on radau pseudospectral method
CN109849694B (zh) 一种基于在线凸规划的混合储能式有轨电车能量管理方法
CN113103921A (zh) 一种基于开关网络的切换式能量管理方法
CN112455291B (zh) 一种燃料电池汽车复合电源瞬时最优能量管理方法
CN112498332B (zh) 一种并联式混合动力汽车模糊自适应能量管理控制方法
CN112109594B (zh) 用于混合动力车的能量管理控制方法和系统
CN112572168A (zh) 一种基于充电管理的增程式电动汽车能量管理控制方法
CN115848217B (zh) 一种基于多能源模组的能源管理方法
Zhou et al. Genetic Algorithm-Based Parameter Optimization of Energy Management Strategy and Its Analysis for Fuel Cell Hybrid Electric Vehicles
Liu et al. Real time power management strategy for fuel cell hybrid electric bus based on Lyapunov stability theorem
Song et al. Study on the fuel economy of fuel cell electric vehicle based on rule-based energy management strategies
CN112140911A (zh) 用于北方地区的燃料电池发动机系统的动力电池控制方法
CN115549159A (zh) 一种考虑调峰成本的大规模电动汽车分群调度策略
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
CN113104021B (zh) 一种基于智能优化的增程式电动汽车能量管理控制方法
Xiao et al. An optimized energy management strategy for fuel cell hybrid vehicles

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