CN113085666B - 一种分层式燃料电池汽车节能驾驶方法 - Google Patents

Abstract

本发明公开了一种分层式燃料电池汽车节能驾驶方法，在上层计算中，获取全路段的道路信息，如各路段的限速情况、道路坡度、信号灯位置以及信号配时等，构建燃料电池汽车纵向动力学模型以及囊括车辆需求功率和行驶时间的代价函数，再利用优化算法求得全局车速规划下的车辆最优行驶轨迹。在下层计算中，根据燃料电池汽车的动力结构，建立燃料电池系统模型、电机系统模型和动力电池系统模型。对模型进行转凸处理，建立满足凸优化算法标准范式的车辆动力学模型。并将上层计算出的最优车速轨迹作为车辆行驶工况进行输入，求解整车能量管理问题。根据计算结果得出全路段的车速轨迹、动力电池SOC轨迹和燃料电池的输出功率轨迹。

Description

一种分层式燃料电池汽车节能驾驶方法

技术领域

本发明涉及燃料电池汽车的车速规划技术领域和能量管理技术领域，特别涉及一种分层式燃料电池汽车节能驾驶方法。

背景技术

近年来，随着电子信息领域新技术的发展，物联网、云计算、大数据等新技术正在向传统行业渗透。在汽车行业，网联化和自动化汽车逐渐成为研究热点，并且正在引起行业的巨大变革。汽车的网联化可以让车辆更好的感知交通信息，如道路限速、交通信号灯信息等，提高行车的安全性和便捷性。车辆的自动化可以提高车载计算机的计算能力，更好结合交通信息和车辆动力学实现车速的预测、规划和整车的能量管理，降低车辆行驶的能量消耗，提高驾驶经济性。

节能驾驶是通过合理规划驾驶员的驾驶行为和车速轨迹，降低车辆总的功率需求，从而降低燃油效率。根据交通信息的不同，车辆节能驾驶方法可分为两类：一类是不考虑交通信号灯信息的节能驾驶方法，这种方法只需要考虑道路基本信息(限速、坡度等)和车辆自身条件(发动机和电机的扭矩限制和转速限制等)，再结合车辆动力学利用一些优化算法实现车辆的节能驾驶，适用于无交通信号灯的路段；另一类方法是考虑交通信号灯信息，利用车联网技术提前获得红绿灯信号的相位和定时信息，总体考虑车辆在带有信号灯路段上的行驶情况，利用优化算法求得车辆在不同抵达时间内的最优速度轨迹，使车辆的能耗最小。

在现有技术中，基于不同交通信息的传统燃油车、电动车、混合动力汽车的生态驾驶方法均被提出。但是关于燃料电池汽车基于信号灯信息的节能驾驶问题还无人涉及。

发明内容

本发明针对现有技术的缺陷，提供了一种分层式燃料电池汽车节能驾驶方法，解决了现有技术中存在的缺陷。

本发明所定义的技术名称如下：

SoC:蓄电池剩余容量与其完全充电状态的容量的比值，其取值范围为0-1。

全局车速规划：指针对某一车辆从出发点到终点的全过程进行的速度规划。

转凸处理：指通过一些技术手段对已经建立的数学模型进行凸化处理，使模型的中的函数和可行域均满足凸优化算法的基本要求，从而达到利用凸优化算法求解问题的目的。

模型预测控制：在每一个采样瞬间通过求解一个有限时域开环最优控制问题而获得当前控制解，并通过滚动时域优化完成优化的控制思想。

为了实现以上发明目的，本发明采取的技术方案如下：

本发明针对燃料电池汽车通过红绿灯时提出采用分层优化算法来求解最优生态驾驶问题和整车能量管理问题。

在上层中，利用优化算法求解车辆通过交通信号灯时的最优车速规划问题。首先基于车联网等技术手段获取全路段的道路信息，如各路段的限速情况、道路坡度、信号灯位置以及信号配时等。然后结合车辆运动学，构建燃料电池汽车纵向动力学模型以及囊括车辆需求功率和行驶时间的代价函数。最后，利用优化算法求得全局车速规划下的车辆最优行驶轨迹和燃料电池的输出功率轨迹。

在下层中，利用凸优化算法求解整车的能量管理问题。首先根据燃料电池汽车的动力结构，建立燃料电池系统模型、电机系统模型和动力电池系统模型。其次，将燃料电池汽车动力学模型进行转凸处理，建立满足凸优化算法标准范式的车辆动力学模型。然后，将上层计算出的最优车速轨迹做为车辆行驶工况进行输入，求解整车能量管理问题。最后，根据计算结果得出全路段的车速轨迹、动力电池SOC轨迹和燃料电池功率轨迹。

具体步骤如下：

S1、基于车联网等技术手段获取全路段的道路信息，如道路长度、限速度以及信号灯个数、相位、配时等，建立道路模型，具体步骤如下：

当行驶在一段总长度为S_tol公路上有N个交通信号灯时，假设第i个灯距离出发点的位置为S_i，那么S_i∈[0，S_tol]，i＝{1，2，3，4…n}；在道路中，各个信号灯的周期是独立的且始终保持不变的，每个信号灯的周期可以根据需要自行设定；定义第i个红绿灯的周期为Tⁱ∈R⁺，每个周期包括红灯、绿灯、黄灯三个阶段，时长分别为

则

用

表示车辆出发时，第i个红绿灯在自身周期内已经运行的时间；当车辆通过第i个红路灯时的绝对时间为

计算出，车辆通过第i个红绿灯时该红绿灯在自身的周期中的时间

则

S2、结合车辆纵向运动学，构建燃料电池汽车纵向动力学模型以及囊括车辆需求功率和行驶时间的代价函数。

本步骤中的代价函数中的需求功率可是车辆总的需求功率、车辆总的正需求功率、车辆总的负需求功率和车辆各个时刻需求功率的绝对值之和；以总的正需求功率为例：

s.t.v_min(s)≤v(s)≤v_max(s)

a_min(s)≤a(s)≤a_max(s)

t(S_tol)≤t_ref

v(0)＝v(S_tol)＝v_min(s)

其中，λ是惩罚系数，s是行驶距离，v_min是车辆的最小速度，v_max是车辆的最大速度，a_min是车辆的最大减速度，a_max车辆的最大加速度，t_ref为最迟达到时间。

S3、利用优化算法求得全局车速规划下的车辆最优行驶轨迹；

本步骤中的优化算法可以为动态规划、分布估计、极小值原理、遗传算法等。以动态规划为例记车辆行驶距离为S，求解过程中选择车速和行驶时间作为状态变量x＝[v(s)，t(s)]^T，选择加速度作为控制变量u＝a(s)；假设整个过程中车辆只能向前行驶，车速v≥0；状态转移方程为v(s+1)＝v(s)+a(s)，t(s+1)＝t(s)+1/v(s+1)。

S4、上层计算中的速度规划结果可通过以下几种展现方式：一是形成车辆的时间-距离曲线；二是形成车辆的速度-距离曲线；三是结合前两种曲线生成车辆的时间-速度曲线。以上三种结果均可作为底层能量管理的行驶工况进行输入。

S5、结合燃料电池汽车的动力系统结构，建立燃料电池车辆动力学模型，主要包括燃料电池系统模型、电机系统模型和动力电池系统模型，以及三个系统之间的能量传递关系式。

S6、对所建立的燃料电池系统模型、电机系统模型和动力电池系统模型进行转凸处理，建立凸优化算法的标准范式。该过程既要保持模型的精度，又要使模型能够满足凸函数的性质。三个系统模型的转凸处理方法如下：

燃料电池系统模型的转凸处理方法为结合燃料电池系统的工作效率，将燃料电池的燃氢释放功率拟合成关于燃料电池系统输出功率的二次函数；

电机系统的转凸处理方法为结合电机的工作效率及特性曲线，将电机的输出功率拟合成关于电机输入功率和电机转速的二次函数；

动力电池系统的转凸处理方法为将电池简化为一阶等效电路，将电池的输出功率拟合成关于电池化学能有关的二次函数。

S7、利用凸优化算法求解车辆在最优行驶轨迹下的能量管理问题。本步骤中的优化算法可以为交替方向乘子法和内点法等。

S8、根据步骤S5计算的结果得出全路段的车速轨迹、动力电池SOC轨迹和燃料电池功率轨迹。

与现有技术相比，本发明的优点在于：

本发明针对燃料电池汽车的最优生态驾驶问题，系统的提出以整车最小需求功率和车辆抵达时间为优化目标的车速轨迹的优化方法。其次，建立了凸优化算法求解燃料电池能量管理的标准范式，并通过迭代快速求解能量管理问题，为实现模型预测控制奠定基础。

附图说明

图1是本发明燃料电池汽车节能驾驶方法的流程示意图；

图2是实施例交通信号灯的相位和信号配时情况；

图3是实施例燃料电池汽车动力系统功率拓扑图；

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下根据附图并列举实施例，对本发明做进一步详细说明。

如图1所示，一种分层式燃料电池汽车节能驾驶方法，包括以下步骤：

1.建立车辆即将行驶的道路模型

基于车联网等技术手段获取全路段的道路信息，如各路段的限速情况、道路坡度、信号灯位置以及信号配时等，建立道路模型；

(1)获取道路信息

基于车联网等技术手段获取全路段的道路信息，具体地，用于全局车速规划的道路模型包括以下信息：

(a)行驶路段的总长度；

(b)各行驶路段中车辆的限速度；

(c)即将行驶的道路中各路段坡度信息；

(d)即将行驶的道路中各信号灯距离出发点的位置信息；

(e)各信号灯相位和信号配时等。

(2)建立道路模型

当行驶在一段总长度为S_tol公路上有N个交通信号灯时，假设第i个灯距离出发点的位置为S_i，那么：

S_i∈[0，S_tol]，i＝{1，2，3，4…n} (1)

在道路中，各个信号灯的周期是独立的且始终保持不变的，每个信号灯的周期可以根据需要自行设定。定义第i个红绿灯的周期为Tⁱ∈R⁺，每个周期包括红灯、绿灯、黄灯三个阶段，时长分别为

如图2所示，则：

用

表示车辆出发时，第i个红绿灯在自身周期内已经运行的时间。当车辆通过第i个红路灯时的绝对时间为

因此我们可以计算出，车辆通过第i个红绿灯时该红绿灯在自身的周期中的时间

2.全局车速规划

构建燃料电池汽车纵向动力学模型以及囊括车辆需求功率和行驶时间的代价函数。利用优化算法求得全局车速规划下的车辆最优行驶轨迹；

(1)建立车辆纵向动力学模型

根据车辆纵向动力学，车辆的需求功率可表示为：

其中，m为汽车质量，v为车速，ρ_a为空气密度，A为迎风面积，c_d为阻力系数，C_r为滚动阻力系数，g为重力加速度，θ为路面坡度。

(2)建立囊括车辆需求功率和行驶时间的代价函数

求解车速规划问题时，不考虑车辆的动力系统结构，将车辆看作质点，将车辆行驶过程中总的需求功率和达到终点所花费的时间作为优化目标。在车辆行驶过程中，一般需求功率越小则油耗越低，建立如下代价函数：

其中，λ是惩罚系数，S是行驶距离，v_min是车辆的最小速度，v_max是车辆的最大速度，a_min是车辆的最大减速度，a_max车辆的最大加速度，t_ref为最迟达到时间。

(3)用优化方法求解车速规划问题

可选择的优化方法包括动态规划、分布估计、极小值原理、遗传算法等。下面以动态规划为例。

求解过程中选择车速和行驶时间作为状态变量，选择加速度作为控制变量。

假设整个过程中车辆只能向前行驶，车速v≥0。状态转移方程为：

3.建立整车动力系统模型

(1)建立燃料电池汽车动力系统的能量传递关系式

图3为燃料电池汽车的动力系统结构，整车驱动能量由燃料电池和动力电池共同提供。其中，P_drv为整车需求功率，燃料电池系统将氢气和氧气反应产生的化学能P_fcs转化为电能P_fc的形式对外输出。动力电池的化学能P_b通过电能P_c的形式进行传递。P_c与P_fc耦合形成P_d作用于电机，电机再将机械功率P_em传递给输出轴。在此过程中，燃料电池的能量只能输出并传递给动力电池和电机，动力电池和电机的能量可以互相转化。

P_dem(t)＝P_em(t) (8)

P_mot(t)＝P_fc(t)+P_c(t) (9)

P_d＝P_fc+P_c (10)

(2)建立燃料电池系统模型

燃料电池系统通过氢气和氧气电化学反应将化学能P_fcs转化为电能P_fc，再以电能的形式传递给电机和动力电池。考虑到燃料电池系统自身的效率，在能量转化过程中存在如下关系：

P_fc＝P_fcsη_fc (11)

其中，η_fc为燃料电池系统效率。

然后通过氢气的低热值LHV_H2＝120MJ/kg计算出瞬时耗氢量

(3)建立电机系统模型

根据车辆的传动比τ和车轮半径R_wheel计算输出轴转速ω_out和电机转速ω_mot。

ω_out＝v/R_wheel (13)

ω_mot＝τω_out (14)

在车辆行驶过程中，当需求功率P_drv为正时，由燃料电池和动力电池将耦合的能量P_d传递给电机。当需求功率P_drv为负时，电机将制动产生的能量P_em传递给动力电池。

其中，η_mot为电机系统效率。

(4)建立动力电池系统模型

燃料电池汽车通常会匹配一块动力电池，一是弥补燃料电池动态响应较慢的缺点，二是回收车辆制动时产生的能量，保证系统的安全性和可靠性。为了便于研究，可将动力电池系统简化为一阶等效电路，各变量之间的关系如下：

其中，V_oc为动力电池开路电压，V_batt为负载电压，I_batt为电路电流，R为动力电池内阻。根据上式可推出P_b和P_c的关系为：

4.对燃料电池动力系统模型进行凸化处理

凸优化算法的使用对象是可行域为凸集，目标函数为凸函数的数学模型。所以在使用凸算法之前，要将燃料电池能量管理的模型进行转凸处理。在原有模型中主要有三个系统涉及到能量转化，分别为燃料电池系统、电机系统和动力电池系统，以下为三个系统模型的凸化过程。

(1)燃料电池系统凸化

通过燃料电池系统效率图将k时刻燃料电池系统功率P_fcs，k拟合成与输出功率P_fc，k有关的二次函数：

其中α₂，α₁，α₀为常数，不像燃油发动机一样随转速变动。

(2)电机系统凸化

通过电机系统效率图将k时刻燃料电池与动力电池的功率之和P_d，k拟合成与电机功率P_em，k、电机转速ω_em，k有关的二次函数：

因不同转速下电机的效率曲线不同，所以β₂，β₁，β₀是随着电机转速不断变化的。

(3)动力电池系统凸化

通过动力电池开路电压V_oc和电池内阻R，将k时刻动力电池化学能P_b，k拟合成与电能P_c，k有关的函数。为保持函数的凸性，假设动力电池开路电压V_oc和内阻R为常数。

5.求解整车能量管理问题

(1)建立目标函数

根据车辆的动力结构，可将行驶状态为三种情况。

表1车辆的运动状态的3种情况

以上三种情况中，只有P_drv，k≥0时燃料电池才会开启，燃料电池的输出功率可以表示如下：

结合(18)和(21)燃料电池系统功率可表式为：

结合(12)和(21)车辆行驶的总耗氢量即目标函数可表达式如下：

其中，P_b，max和P_b，min分别为动力电池的最大功率和最小功率，P_fcs，max和P_fcs，min为燃料电池系统的最大功率和最小输出功率，P_em，max和P_em，min为电机的最大功率和最小功率。

(2)利用凸优化算法求解问题

可选择的凸优化方法包括交替方向乘子法、内点法等。

交替方向乘子算法可以用于求解分布式凸优化问题。其标准形式如下：

其中f和g为凸函数，x和z是两组变量。

将目标函数(23)写成关于动力电池功率P_b的凸函数：

与(24)式中Ax+Bz＝c对应的约束条件为：

其中，I为单位向量，φ为元素全为1的N维列向量，ψ为N×N的下三角矩阵。动力电池能量E、SOC和电量Q_batt的关系如下：

函数(25)的缩放形式为：

其中ρ₁和ρ₂为惩罚系数，均大于0。

为了避免动力电池功率P_b和SOC在迭代的过程中出现超限的情况，定义如下函数：

利用ADMM算法进行求解时，各个参数的具体迭代过程如下：

E^j+1＝П^k[φE₀+ψζ^j+1+λ^j] (32)

λ^j+1＝λ^j+φE₀+ψζ^j+1-E^j+1 (33)

由动力结构可知，动力电池的输出功率越高，则燃料电池系统的输出功率越小，所以设置迭代初始值为：

原始残差和对偶残差为：

原始残差的阈值ε^primal和对偶残差的阈值ε^dual可根据仿真精度的要求进行调整。

6.获取全路段的车速轨迹、动力电池SOC轨迹和燃料电池功率轨迹。

通过上述方法中第1和2步可以计算出车辆在即将行驶路段上的最优车速轨迹，包括车辆的时间-距离曲线、速度-距离曲线和时间-速度曲线。

通过上述方法中第3、4和5步可以计算出车辆在该路段中以最优速度轨迹行驶时的动力电池SOC-时间曲线、SOC-速度曲线和SOC-距离曲线。此外，还能计算出燃料电池功率-时间曲线、燃料电池功率-速度曲线和燃料电池功率-距离曲线。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的实施方法，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (5)

1.一种分层式燃料电池汽车节能驾驶方法，其特征在于，包括以下步骤：

S1、基于车联网技术手段获取全路段的道路信息，建立道路模型，

S2、结合车辆纵向运动学，构建燃料电池汽车纵向动力学模型以及囊括车辆需求功率和行驶时间的代价函数；

S3、利用优化算法求得全局车速规划下的车辆最优行驶轨迹；

S4、上层计算中的速度规划结果可通过以下几种展现方式：一是形成车辆的时间-距离曲线；二是形成车辆的速度-距离曲线；三是结合前两种曲线生成车辆的时间-速度曲线；以上三种结果均可作为底层能量管理的行驶工况进行输入；

S5、结合燃料电池汽车的动力系统结构，建立燃料电池车辆动力学模型，主要包括燃料电池系统模型、电机系统模型和动力电池系统模型，以及三个系统之间的能量传递关系式；

S6、对所建立的燃料电池系统模型、电机系统模型和动力电池系统模型进行转凸处理，建立凸优化算法的标准范式；

S7、利用凸优化算法求解车辆在最优行驶轨迹下的能量管理问题；

S8、根据步骤S5计算的结果得出全路段的车速轨迹、动力电池SOC轨迹和燃料电池功率轨迹。

2.根据权利要求1所述的一种分层式燃料电池汽车节能驾驶方法，其特征在于，步骤S1具体的步骤如下：

当行驶在一段总长度为S_tol公路上有N个交通信号灯时，假设第i个灯距离出发点的位置为S_i，那么S_i∈[0，S_tol]，i＝{1，2，3，4…n}；在道路中，各个信号灯的周期是独立的且始终保持不变的，每个信号灯的周期可以根据需要自行设定；定义第i个红绿灯的周期为Tⁱ∈R⁺，每个周期包括红灯、绿灯、黄灯三个阶段，时长分别为

则

用

表示车辆出发时，第i个红绿灯在自身周期内已经运行的时间；当车辆通过第i个红路灯时的绝对时间为

计算出，车辆通过第i个红绿灯时该红绿灯在自身的周期中的时间

则

3.根据权利要求2所述的一种分层式燃料电池汽车节能驾驶方法，其特征在于，步骤S3中的优化算法为动态规划、分布估计、极小值原理、遗传算法中一种。

4.根据权利要求2所述的一种分层式燃料电池汽车节能驾驶方法，其特征在于，步骤S3中的优化算法为动态规划，记车辆行驶距离为S，求解过程中选择车速和行驶时间作为状态变量x＝[v(s)，t(s)]^T，选择加速度作为控制变量u＝a(s)；假设整个过程中车辆只能向前行驶，车速v≥0；状态转移方程为v(s+1)＝v(s)+a(s)，t(s+1)＝t(s)+1/v(s+1)。

5.根据权利要求1到4任一项所述的一种分层式燃料电池汽车节能驾驶方法，其特征在于，步骤S6中，三个系统模型的转凸处理方法如下：

燃料电池系统模型的转凸处理方法为结合燃料电池系统的工作效率，将燃料电池的燃氢释放功率拟合成关于燃料电池系统输出功率的二次函数；

电机系统的转凸处理方法为结合电机的工作效率及特性曲线，将电机的输出功率拟合成关于电机输入功率和电机转速的二次函数；

动力电池系统的转凸处理方法为将电池简化为一阶等效电路，将电池的输出功率拟合成关于电池化学能有关的二次函数。

Images