CN115848217A - 一种基于多能源模组的能源管理方法 - Google Patents

Abstract

本发明提供一种基于多能源模组的能源管理方法，该方法主要通过建立动力电池和增程器的续航、纯电动汽车的动力性能分配以及健康状态指标的单目标代价函数，并通过约束条件搭建基于权重系数的多目标约束模型，并根据各类运行工况查表不同单目标代价函数的权重系数，实现各单目标函数关系式系数分配，最后通过在线优化控制策略算法进行多约束能量调度求解，实现多能源模组的能源管理策略。

Description

一种基于多能源模组的能源管理方法

技术领域

本发明涉及电动运载的能源管理分配领域，更具体地，涉及一种基于多能源模组的能源管理方法。

背景技术

能源管理策略(energy management strategy,EMS)的主要任务是根据电动运载(电动汽车、全电飞机、电动舰船等)的动力需求、动力系统的运行状态以及不同动力源在工作效率、瞬态响应特性、负载能力等方面的差异协调不同动力源之间的功率分配。目的是实现续航里程、驾驶机动性以及动力源使用寿命等在内的多目标优化。随着电驱技术的发展，增程式发电机、高功率密度锂电池、燃料电池和光伏电池等能源模组的广泛应用，运载系统的供电型式愈发多样化，使得电力系统的拓扑结构更加复杂，极大增加了综合能源管理和调度难度。因此开发高效且自适应的EMS是一项挑战性极高的任务。

现有的传统电动运载电力系统多为集中供电，基本由发电机和单电池模组组成，拓扑相对简单，能量调度相对容易，主要通过几类经典工况的功率需求对电源模组输出进行通断。但是随着系统拓扑的复杂，对车辆的容错性能要求的提升，共直流母线的多能源模组的分布式布置逐渐替代了传统集中布置拓扑，因此多能源模组的能源管理技术逐渐成为EMS研究的热门技术。

虽然目前的EMS获得了一定的发展，但仍存在一定的不足：(1)目前现有的能源管理策略主要集中于单能源模组或简单的分布式供电(能源模组≤2)，缺少给多能源模组(能源模组≥3)提供高效的调度策略；(2)现有的分布式调度供电仅存在于电源模组与功率负载之间，来实现能量的转化，在多通道能源模组结构下无法提供满意的多能源协调策略。

发明内容

本发明针对现有技术中存在的技术问题，提供一种基于多能源模组的能源管理方法，包括：

获取电动运载系统中每一个动力电池的荷电状态，基于每一个动力电池的荷电状态与第一函数关系式系数，计算动力电池续航时间指标；

获取增程器中的发动机油耗，基于所述发动机油耗与第二函数关系式系数，计算增程器的续航时间指标；

获取车辆运行过程的垂直载荷，基于所述车辆运行过程的垂直载荷与第三函数关系式系数，计算动力性能指标；

获取每一个动力电池的充放电深度和充放电倍率，基于每一个动力电池的充放电深度、充放电倍率和第四函数关系式系数，计算动力电池健康状态指标；

基于所述动力电池续航时间指标、增程器的续航时间指标、动力性能指标和所述动力电池健康状态指标，建立基于权重系数的多目标优化函数；

建立所述多目标优化函数的约束条件，通过调整所述第一函数关系式系数、第二函数关系式系数、第三函数关系式系数和第四函数关系式系数，迭代更新多目标优化函数，获取使得所述多目标优化函数值最大的第一函数关系式系数、第二函数关系式系数、第三函数关系式系数和第四函数关系式系数，得到能源分配策略。

本发明提供的一种基于多能源模组的能源管理方法，主要通过建立动力电池和增程器的续航、纯电动汽车的动力性能分配以及健康状态指标的单目标代价函数，并通过约束条件搭建基于权重系数的多目标约束模型，并根据各类行驶工况查表不同单目标代价函数的权重系数，实现代价函数权重系数分配，最后通过在线优化控制策略算法进行多约束能量调度求解，实现多能源模组的能源管理策略。

附图说明

图1为本发明提供的一种基于多能源模组的能源管理方法流程图；

图2为纯电动汽车的供电系统的结构示意图；

图3为供电系统的功率拓扑图；

图4为查表确定多目标代价函数的权重系数；

图5为能源调度拓扑图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。另外，本发明提供的各个实施例或单个实施例中的技术特征可以相互任意结合，以形成可行的技术方案，这种结合不受步骤先后次序和/或结构组成模式的约束，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时，应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

图1为本发明提供的一种多能源模组的能源管理方法流程图，如图1所示，方法包括：

S1，获取电动运载系统中每一个动力电池的荷电状态，基于每一个动力电池的荷电状态与第一函数关系式系数，计算动力电池续航时间指标。

其中，图2为纯电动汽车的供电系统的结构示意图，纯电动汽车的动力来源包括3个动力电池和1个增程器。其中1个动力电池是任务负载供电，其余2个动力电池是驱动负载供电，对应前后2个轮毂驱动车桥，整个供电系统采用半主动式结构，即任务负载模块的动力电池直接并联在功率总线上，桥机动模组的动力电池与双向DC/DC串联，再并联到功率总线上，其功率拓扑图如3所示，其中，1、2、3为电池组模块，5为增程器，6为功率总线，7、8、9、10为驱动负载。下面对该电动汽车一个动力电池组存在故障下进行多能源模组调度。

在多能源模组策略中，针对多能源模组多目标优化问题，通过代价函数转化为续航时间、动力性能、动力电池健康状态单目标优化问题。实现构建系统目标函数。

首先是纯电动汽车的续航时间，在动力来源总输出功率一定的情况下，电动汽车的续航时间主要受两个动力电池和增程器输出效率和系统输出损失效率影响。

对于动力电池的续航时间，动力电池工作状态分为两类：放电状态和充电状态。放电状态指该动力电池给驱动电机或者功率总线上其它动力电池供电；充电状态是指该动力电池接受功率总线上其它动力电池或者增程器供电。电池的状态主要通过电池荷电状态和电池极化回路电压表示，即x_i＝[SOC_i V_s,i]，SOC_i为第i个动力电池的荷电状态，V_s,i为第i个动力电池的极化回路电压。因此获得电池的续航时间需要实时获取动力电池的SOC状态，即f_c＝a·f(SOC_n,P_B)，表示动力电池的时间续航能力与电池的荷电状态之间的函数关系式，此处称为第一函数关系式，其中，a为第一函数关系式系数。如下式为2个健康动力电池运行SOC状态变化过程：

式中，SOC_i,t为第i个动力电池t时刻电池的荷电状态，P_{B_t}为t时刻电池的放电或者充电功率，P_{B_rated}为电池的额定容量；SOC_n表示n个动力电池的荷电状态，在这里表示2个动力电池的荷电状态。

S2，获取增程器中的发动机油耗，基于所述发动机油耗与第二函数关系式系数，计算增程器的续航时间指标。

其次是增程器单元，电动汽车在动力电池电量不足或供给不足情况下会启动增程器供电，增程器主要由发动机、发电机和控制器组成，因此增程器的续航主要受发动机燃油消耗率、输出功率影响，即f_s＝b·Q＝b·f(η_g,T_e,n_e)。如下式为发动机油耗模型：

式中，η_g表示发动机的燃油消耗率、P_e为发动机输出功率、ρ为燃油密度、T_e为发动机转矩和n_e为发动机转速，b为第二函数关系式系数。

S3，获取车辆运行过程的垂直载荷，基于所述车辆运行过程的垂直载荷与第三函数关系式系数，计算动力性能指标。

其次考虑纯电动汽车的动力性能目标。对于分布式驱动电动汽车，轮毂驱动电机合理的转矩分配反映着电动汽车动力性能发挥的水平和能源利用效率。因此需要争对车辆运行状态进行驱动电机转矩分配，考虑电动汽车运行过程的纵向加速度、侧向加速度指标，进行基于垂直载荷分配驱动分布式力矩，即f_t＝c·F_z＝c·f(a_x,a_y)。目标车辆运行过程的四个车辆垂直载荷如下式所示：

式中，F_z为第j轴垂直载荷，F_Zfl、F_zfr、F_Zrl、F_zrr分别表示四个车轮的垂直载荷，l_f,l_r分别表示前后轴到质心的距离、h为质心高度、B_r为轮距，c为第三函数关系式系数，a_x,a_y分别表示纵向加速度和侧向加速度。

S4，获取每一个动力电池的充放电深度和充放电倍率，基于每一个动力电池的充放电深度、充放电倍率和第四函数关系式系数，计算动力电池健康状态指标。

其中，动力电池的SOH指标，SOH主要受充放电深度和充放电倍率等因素影响，这些因素往往相互耦合，共同影响电池寿命。因此需要建立动力电池的健康状态模型，如下式所示：

式中，h_i,e,p_i,e为第i个动力电池的充放电深度和充放电倍率，d为第四函数关系式系数。

S5，基于所述动力电池续航时间指标、增程器的续航时间指标、动力性能指标和所述动力电池健康状态指标，建立基于权重系数的多目标优化函数。

可理解的是，上述步骤分别建立了动力电池续航时间指标、增程器的续航时间指标、动力性能指标和所述动力电池健康状态指标，本步骤根据这些指标，建立基于权重系数的多目标优化函数。

具体的，通过搭建续航时间、动力性能、系统健康状态单目标优化模型，实现多能源模组纯电动汽车多目标的代价函数，如下式：

f₁＝k₁·f_c+k₂·f_s+k₃·f_t+k₄·f_SOH；

其中k₁、k₂、k₃、k₄分别为f_c、f_s、f_t和f_SOH的权重系数，且满足：k₁+k₂+k₃+k₄＝1。

对于权重系数的获取，可以实现查表确定多目标代价函数的权重系数，如图4所示。电动汽车运行的不同行驶状态各个负载有着不同的能量使用情况，因此进行分工况的能量评估可以有效避免为了追求整车动力而降低续航时间和使用寿命的问题。可根据电动运载系统当前运行的工况查表获取权重系数k₁、k₂、k₃和k₄。

最终获取每类任务对应相应的权重表，如下所示：

I_ij＝{k_{1_pl},k_{2_pl},k_{3_pl},k_{4_pl}}

上式：k_{1_pl},k_{2_pl},k_{3_pl}和k_{4_pl}为第pl个任务对应的代价函数权重系数。

S6，建立所述多目标优化函数的约束条件，通过调整所述第一函数关系式系数、第二函数关系式系数、第三函数关系式系数和第四函数关系式系数，迭代更新多目标优化函数，获取使得所述多目标优化函数值最大的第一函数关系式系数、第二函数关系式系数、第三函数关系式系数和第四函数关系式系数，得到能源分配策略。

根据获取的多目标优化函数f₁，带入系统模型可得：

f₁＝k₁·a·f(SOC_n,P_e)+k₂·b·f(η_g,T_e,n_e)+k₃·c·f(a_x,a_y)+k₄·d·f(h_n,e,p_n,e)

系统的优化函数受到多个参数的影响，因此需要明确目标函数涉及的多目标参数约束范围。

首先需要确定直流母线供电系统的功率平衡关系，直流母线的需求功率和动力源输出功率满足如下等式：

上式左侧是正常供电的2个动力电池与发电机输出功率，右侧是4个驱动桥输出功率、任务负载功率和损耗功率。

上式，P_{B_i}为第i个动力电池输出功率、P_F为负载功率、P_L为损耗功率，P_{M_k}为第k个轮毂电机输出功率，U_dc为直流母线电压，I_b为电池电流，U_b和R_in分别为电池的开路电压和内阻。

针对供电系统的电池模组的输出功率范围、发电机转速范围、发动机输出转矩、直流母线电压等可以确定如下系统约束条件：

式中：n_{e_min}、n_{e_max}为发动机最低和最高转速；U_{dc_min}、U_{dc_max}为直流母线电压最小和最大值；P_{G_m_max}为发电机功率最大值；P_{M_max}为轮毂电机功率最大值；SOC_{n_min}和SOC_{n_max}为SOC最小值和最大值；P_{B_n_min}和P_{B_n_max}为电池功率最小值和最大值。

最后进行基于在线优化学习算法求解多目标最优解，以瞬时的动力电池和增程器功率和未来一段时间的功率损耗为优化目标，如模型预测控制(model predictivecontrol,MPC)和等效消耗最小化策略。以MPC算法为例运用在线优化控制策略求解多目标优化问题最优解。基于对驾驶工况的预测信息，MPC将整个行驶工况内的全局优化问题转化为预测时域内的局部优化问题。同时，结合最优化方法与反馈校正的机制实现预测时域内能源管理问题的滚动优化。

通过不断地调整第一函数关系式系数a、第二函数关系式系数b、第三函数关系式系数c和第四函数关系式系数d，直到目标函数f₁最大，即通过动态调整函数关系式，得到最优策略f_1max＝{a,b,c,d}，即满足动力需求、动力电池健康状态同时使得油耗最小的多能源管理系统分配策略。最终求解获取单能源模组失效下电动汽车多能源模组下最优的能源管理系统调度，能源调度拓扑图如图5所示，其中，1、2、3为电池组模块，5为增程器，6为功率总线，7、8、9、10为驱动负载。

本发明实施例提供的一种多能源模组的能源管理方法，与现有技术相比，本发明具有以下优点：

(1)相比于传统的单能源模组或简单的分布式供电能源管理策略，本发明提出了一种针对多能源模组(能源模组≥3)的能源管理调度策略，实现能量更高效的应用；同时在能量动力均值不高或者某一电池组出现故障的情况下，可以根据需求，通过调度策略实现目标驱动的分布式能源供给。

(2)本发明提供了多能源模组之间、电源模组与负载之间的多能源协调调度策略，相比于传统的单一调度方式，系统稳定性更高、自适应性更好。

需要说明的是，在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其它实施例的相关描述。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。

Claims (8)

1.一种基于多能源模组的能源管理方法，其特征在于，包括：

获取电动运载系统中每一个动力电池的荷电状态，基于每一个动力电池的荷电状态与第一函数关系式系数，计算动力电池续航时间指标；

获取增程器中的发动机油耗，基于所述发动机油耗与第二函数关系式系数，计算增程器的续航时间指标；

获取车辆运行过程的垂直载荷，基于所述车辆运行过程的垂直载荷与第三函数关系式系数，计算动力性能指标；

获取每一个动力电池的充放电深度和充放电倍率，基于每一个动力电池的充放电深度、充放电倍率和第四函数关系式系数，计算动力电池健康状态指标；

基于所述动力电池续航时间指标、增程器的续航时间指标、动力性能指标和所述动力电池健康状态指标，建立基于权重系数的多目标优化函数；

建立所述多目标优化函数的约束条件，通过调整所述第一函数关系式系数、第二函数关系式系数、第三函数关系式系数和第四函数关系式系数，迭代更新多目标优化函数，获取使得所述多目标优化函数值最大的第一函数关系式系数、第二函数关系式系数、第三函数关系式系数和第四函数关系式系数，得到能源分配策略。

2.根据权利要求1所述的能源管理方法，其特征在于，所述获取电动运载系统中每一个动力电池的荷电状态，基于每一个动力电池的荷电状态与第一函数关系式系数，计算动力电池续航时间指标，包括：

单个动力电池的荷电状态表示为：

其中，SOC_i,t为第i个动力电池t时刻电池的荷电状态，P_{B_t}为t时刻电池的放电或者充电功率，P_{B_rated}为电池的额定容量；

计算动力电池续航时间指标，包括：

f_c＝a·f(SOC_n,P_{B_t})；

其中，SOC_n表示n个动力电池的荷电状态，a表示第一函数关系式系数。

3.根据权利要求1所述的能源管理方法，其特征在于，所述获取增程器中的发动机油耗，包括：

式中，η_g表示发动机的燃油消耗率、P_e为发动机输出功率、ρ为燃油密度、T_e为发动机转矩和n_e为发动机转速；

基于所述发动机油耗与第二函数关系式系数，计算增程器的续航时间指标，包括：

f_s＝b·Q＝b·f(η_g,T_e,n_e)；

其中，b为第二函数关系式系数。

4.根据权利要求1所述的能源管理方法，其特征在于，所述获取车辆运行过程的垂直载荷，包括：

式中，F_z为第j轴垂直载荷，F_Zil为第j轴左侧垂直载荷，F_Zir为第j轴右侧垂直载荷，l_i为第j个轴等效的轴距，a_x,a_y分别为车辆行驶纵向加速度和侧向加速度；

基于所述车辆运行过程的垂直载荷与第三函数关系式系数，每个车辆的垂直载荷影响着驱动力矩的分配，因此可得计算动力性能指标，包括：

f_t＝c·F_z＝f(a_x,a_y)；

式中，c为第三函数关系式系数。

5.根据权利要求1所述的能源管理方法，其特征在于，所述基于每一个动力电池的充放电深度、充放电倍率和第四函数关系式系数，计算动力电池健康状态指标，包括：

式中，h_i,e为第i个动力电池的充放电深度，p_i,e为第i个动力电池的充放电倍率，d为第四函数关系式系数。

6.根据权利要求1所述的能源管理方法，其特征在于，所述基于所述动力电池续航时间指标、增程器的续航时间指标、动力性能指标和所述动力电池健康状态指标，建立基于权重系数的多目标优化函数，包括：

f₁＝k₁·f_c+k₂·f_s+k₃·f_t+k₄·f_SOH；

f_c＝a·f(SOC_n,P_{B_t})；

f_s＝b·f(η_g,T_e,n_e)；

f_t＝c·f(a_x,a_y)；

其中，k₁、k₂、k₃、k₄为权重系数，且满足：k₁+k₂+k₃+k₄＝1。

7.根据权利要求6所述的能源管理方法，其特征在于，根据电动运载系统当前运行的工况查表获取权重系数k₁、k₂、k₃和k₄。

8.根据权利要求1所述的能源管理方法，其特征在于，所述建立所述多目标优化函数的约束条件，包括：

确定直流母线供电系统的功率平衡关系，直流母线的需求功率和动力源输出功率满足如下等式：

其中，P_{B_i}为第i个动力电池输出功率、P_F为负载功率、P_L为损耗功率，P_{M_k}为第k个轮毂电机输出功率，U_dc为直流母线电压，I_b为电池电流，U_b和R_in分别为电池的开路电压和内阻；

得到功率系统约束条件为：

式中：n_{e_min}、n_{e_max}为发动机最低和最高转速；U_{dc_min}、U_{dc_max}为直流母线电压最小和最大值；P_{G_m_max}为发电机功率最大值；P_{M_max}为轮毂电机功率最大值；SOC_{n_min}和SOC_{n_max}为SOC最小值和最大值；P_{B_n_min}和P_{B_n_max}为电池功率最小值和最大值。

Images