CN118082630B - 一种用于氢电动汽车的多堆燃料电池混合系统能量管理策略及系统 - Google Patents
一种用于氢电动汽车的多堆燃料电池混合系统能量管理策略及系统 Download PDFInfo
- Publication number
- CN118082630B CN118082630B CN202410471649.5A CN202410471649A CN118082630B CN 118082630 B CN118082630 B CN 118082630B CN 202410471649 A CN202410471649 A CN 202410471649A CN 118082630 B CN118082630 B CN 118082630B
- Authority
- CN
- China
- Prior art keywords
- fuel cell
- fuzzy control
- degradation
- current
- control strategy
- 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
Links
- 239000000446 fuel Substances 0.000 title claims abstract description 320
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 title claims abstract description 39
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 39
- 239000001257 hydrogen Substances 0.000 title claims abstract description 39
- 238000011217 control strategy Methods 0.000 claims abstract description 104
- 230000015556 catabolic process Effects 0.000 claims abstract description 90
- 238000006731 degradation reaction Methods 0.000 claims abstract description 90
- 238000012549 training Methods 0.000 claims abstract description 9
- 230000008859 change Effects 0.000 claims description 47
- 238000000034 method Methods 0.000 claims description 33
- 238000005457 optimization Methods 0.000 claims description 27
- 238000005265 energy consumption Methods 0.000 claims description 23
- 239000002245 particle Substances 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 19
- 238000011156 evaluation Methods 0.000 claims description 15
- 230000032677 cell aging Effects 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 9
- 230000005611 electricity Effects 0.000 claims description 3
- 239000012528 membrane Substances 0.000 description 7
- 230000001052 transient effect Effects 0.000 description 7
- 230000007423 decrease Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Fuel Cell (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明涉及汽车能量管理技术领域,具体涉及一种用于氢电动汽车的多堆燃料电池混合系统能量管理策略及系统,包括:获取影响燃料电池退化的影响因素;获取每种影响因素对应的退化因子以及燃料电池的退化程度;建立模糊控制策略模型并进行训练;获取优化后的模糊控制策略模型;对燃料电池能量进行管理。本发明在考虑到燃料电池系统的经济性和耐久性方面的同时,更加准确的控制能量分配,使得燃料电池的功率输出更加稳定。
Description
技术领域
本发明涉及汽车能量管理技术领域,具体涉及一种用于氢电动汽车的多堆燃料电池混合系统能量管理策略及系统。
背景技术
潮汐能、太阳能、地热能、风能、氢能这些可再生能源被广泛研究。其中,氢能具有无污染、环境友好等优点,可以用来替代传统的化石能源,氢燃料电池的发展也已经比较成熟,正逐步接近产业化和商业化。与其他燃料相比,氢气燃烧除在水中燃烧外,不会产生对环境有害的化合物,如碳、氧、碳氢化合物。氢能被认为是21世纪最具潜力的清洁能源,燃料电池电动汽车也成为我国汽车行业的研究热点。
对于燃料电池电动汽车( Fuel Cell Electric Vehicle,FCEV )而言,燃料电池具有高能量转化率和高运行品质;由于燃料电池存在响应动态慢、输出功率有限、耐久性差、成本高的问题,单一燃料电池系统不能满足的汽车行驶的功率需求,特别是在突然加速的情况下,燃料电池输出没有快速响应,或者是在低温环境中,燃料电池的动态响应和耐久度都有大幅度的影响。因此,燃料电池电动汽车(FCEV)通常采用多堆式燃料电池系统,配备电池或超级电容来克服燃料电池的缺点;由于多能源具有不同的动态特性,能量管理策略( Energy Management Strategy,EMS )可以控制各电源的能量流动,从而有效提高燃料经济性和燃料电池寿命。
近年来,为了提高燃料电池混合动力系统的使用寿命和动力性能以及燃油经济性,人们开发了各种各样的能量管理策略。现有的EMS在实际中应用到车辆上的主要有功率跟随策略(Power Following Strategy,PFS)、等效能耗最小化策略( EquivalentConsumption Minimization Strategy,ECMS )、模糊控制策略(Fuzzy Control Strategy,FSC)。这些EMS可以有效地进行实时的能量分配,在能够保证列车有足够功率运行的同时,优化了燃料电池和锂电池之间的功率分配,从而提高了动力系统的经济性和耐久性。
然而,现有的能量管理策略有显著进展,但是仍然存在一些缺陷和不足之处,比如难以适应不断变化的驾驶条件和车辆状态,在计算资源有限的情况下尤其困难,一些策略旨在提高燃油经济性,但它们没有充分考虑到燃料电池的寿命和性能衰退,导致燃料电池系统的经济性差和耐久性差的问题。
因此,需要提供一种用于氢电动汽车的多堆燃料电池混合系统能量管理策略及系统以解决上述问题。
发明内容
本发明提供一种用于氢电动汽车的多堆燃料电池混合系统能量管理策略及系统,以解决现有的能量管理策略有显著进展,但是仍然存在难以适应不断变化的驾驶条件和车辆状态,在计算资源有限的情况下尤其困难,一些策略旨在提高燃油经济性,但它们没有充分考虑到燃料电池的寿命和性能衰退,导致燃料电池系统的经济性差和耐久性差的问题。
本发明的一种用于氢电动汽车的多堆燃料电池混合系统能量管理策略采用如下技术方案:包括:
获取燃料电池在工作过程中影响燃料电池退化的影响因素,其中,影响因素包括:启停负载、可变负载、高功率负载和低功率负载;
获取每种影响因素对应的退化因子,根据每种影响因素对应的退化因子获取燃料电池的退化程度;
建立模糊控制策略模型,将燃料电池的输出电流、荷电状态以及需求电流的变化量作为模糊控制策略模型的输入,将燃料电池输出电流的变化量作为模糊控制策略模型的输出,对模糊控制策略模型训练得到训练好的模糊控制策略模型;
基于能源消耗量和燃料电池的退化程度构建能源消耗评估函数;将能源消耗评估函数作为目标函数,利用粒子群优化算法对模糊控制策略模型的隶属度函数以及模糊控制规则进行优化,直到目标函数收敛得到优化后的模糊控制策略模型;
将当前燃料电池的输出电流、荷电状态以及需求电流的变化量输入优化后的模糊控制策略模型,得到当前燃料电池输出电流的变化量,根据当前燃料电池输出电流的变化量对燃料电池能量进行管理。
优选地,在模糊控制策略模型中若燃料电池的输出电流的电流瞬时变化率在预设的电流瞬时变化率范围外时,则燃料电池的输出电流为燃料电池输出电流变化量的绝对值与燃料电池的输出电流的和值。
优选地,燃料电池输出电流的变化量为燃料电池输出电流与需求电流的差值。
优选地,影响因素对应的退化因子的表达式为:
式中,为高功率负载的退化因子;
为低功率负载的退化因子;
为可变负载的退化因子;
为启停负载的退化因子;
是t时刻的燃料电池的输出功率;
表示t-1时刻的燃料电池的输出功率;
表示在t+1时刻的燃料电池的输出功率;
表示高功率负载时燃料电池老化测试得到的系数;
表示低功率负载时燃料电池老化测试得到的系数;
表示启停负载时燃料电池老化测试得到的系数;
表示燃料电池的瞬时输出功率;
表示燃料电池输出功率的最小值;
表示燃料电池输出功率的最大值;
表示高功率范围的下限;
表示低功率范围的上限;
表示燃料电池输出功率的标准差;
t表示燃料电池启停一个周期时长。
优选地,可变负载的退化因子的表达式为:
式中,为可变负载的退化因子;
是t时刻的燃料电池的输出功率;
表示t-1时刻的燃料电池的输出功率;
表示t-2时刻的燃料电池的输出功率;
表示t-3时刻的燃料电池的输出功率;
表示t-4时刻的燃料电池的输出功率;
表示燃料电池在t到t-4时刻内的功率的标准偏差;
是单位标准偏差的电压损失。
优选地,燃料电池的退化程度的表达式为:
式中,表示燃料电池的退化程度;
表示理想的燃料电池输出电压;
表示燃料电池失效时的退化程度;
表示在高功率负载下燃料电池的工作开始时刻;
表示在高功率负载下燃料电池的工作结束时刻;
表示在高功率的下限时刻;
表示在低功率的上限时刻;
表示在低功率负载下的燃料电池的工作开始时刻;
表示在低功率负载下的燃料电池的工作结束时刻;
是t时刻的燃料电池的输出功率;
表示t-1时刻的燃料电池的输出功率;
表示在t+1时刻的燃料电池的输出功率。
优选地,能源消耗评估函数的表达式为:
式中,为氢电动汽车的单位里程运营成本;
为氢气总消耗量;
为电池容量;
为燃料电池输出功率的最大值;
为行驶里程;
表示燃料电池的退化程度;
表示燃料电池的最大退化程度;
为氢气价格;
为电价;
为每千瓦燃料电池系统价格。
优选地,模糊控制策略模型的隶属函数采用三角形隶属函数-梯形隶属函数的组合。
优选地,模糊控制策略模型的模糊控制规则为:采用三角形隶属函数-梯形隶属函数的组合划分燃料电池的输出电流、燃料电池的荷电状态以及需求电流的变化量对应的模糊子集。
一种用于氢电动汽车的多堆燃料电池混合系统能量管理系统,包括:
参数获取模块,用于获取燃料电池在工作过程中影响燃料电池退化的影响因素,其中,影响因素包括:启停负载、可变负载、高功率负载和低功率负载;获取每种影响因素对应的退化因子,根据每种影响因素对应的退化因子获取燃料电池的退化程度;
模糊控制策略模型构建模块,用于建立模糊控制策略模型,将燃料电池的输出电流、荷电状态以及需求电流的变化量作为模糊控制策略模型的输入,将燃料电池输出电流的变化量作为模糊控制策略模型的输出,对模糊控制策略模型训练得到训练好的模糊控制策略模型;
模糊控制策略模型优化模块,用于基于能源消耗量和燃料电池的退化程度构建能源消耗评估函数;将能源消耗评估函数作为目标函数,利用粒子群优化算法对模糊控制策略模型的隶属度函数以及模糊控制规则进行优化,直到目标函数收敛得到优化后的模糊控制策略模型;
以及能量管理模块,用于将当前燃料电池的输出电流、荷电状态以及需求电流的变化量输入优化后的模糊控制策略模型,得到当前燃料电池输出电流的变化量,根据当前燃料电池输出电流的变化量对燃料电池能量进行管理。
本发明的有益效果是:
本发明通过分析影响燃料电池退化的影响因素,然后基于影响燃料电池退化的影响因素定义燃料电池的退化程度;建立功率跟随策略的模糊控制策略模型,以输出燃料电池输出电流的变化量,并结合燃料电池退化程度设计粒子群优化算法的关于单位里程运营成本的目标函数,然后,基于目标函数利用粒子群优化算法对模糊控制策略模型的隶属度函数和模糊控制规则进行优化,从而得到优化后的模糊控制策略模型,利用优化后的模糊控制策略模型即可得到在单位里程运营成本最低时,输出燃料电池输出电流的变化量最小,即当前输出燃料电池的输出功率最小,即本发明的能量管理策略在考虑到燃料电池系统的经济性和耐久性方面的同时,更加准确的控制能量分配,使得燃料电池的功率输出更加稳定,具有更高的优越性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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为本发明的一种用于氢电动汽车的多堆燃料电池混合系统能量管理策略的流程图;
图2为本发明的实施例中巴拉德HD6 V2型150kW 质子交换膜燃料电池的极化曲线;
图3为本发明的实施例中中巴拉德HD6 V2型150kW 质子交换膜燃料电池的开路电压与荷电状态之间的关系;
图4为本发明的模糊控制策略模型的输入量为燃料电池的输出电流的隶属度函数曲线图;
图5为本发明的模糊控制策略模型的输入量为需求电流的变化量的隶属度函数曲线图;
图6为本发明的模糊控制策略模型的输入量为燃料电池的荷电状态的隶属度函数曲线图;
图7为本发明的模糊控制策略模型的输出量的隶属度函数曲线图;
图8为本发明优化后的模糊控制策略模型的输入量为燃料电池的输出电流的隶属度函数曲线图;
图9为本发明优化后的模糊控制策略模型的输入量需求电流的变化量的隶属度函数曲线图;
图10为本发明优化后的模糊控制策略模型的输入量燃料电池的荷电状态的隶属度函数曲线图;
图11为本发明优化后的模糊控制策略模型的输出量的隶属度函数曲线图。
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,显然,所描述的实施例仅仅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。
本发明的一种用于氢电动汽车的多堆燃料电池混合系统能量管理策略及系统的实施例,如图1所示,包括:
S1、获取影响燃料电池退化的影响因素;
获取燃料电池在工作过程中影响燃料电池退化的影响因素,其中,影响因素包括:启停负载、可变负载、高功率负载和低功率负载。
本实施例中的燃料电池组为巴拉德HD6 V2型150kW 质子交换膜燃料电池(ProtonExchange Membrane Fuel Cell,PEMFC),质子交换膜燃料电池的技术参数如表1所示;根据表1中的数据,质子交换膜燃料电池的极化曲线如图2所示,质子交换膜燃料电池的开路电压和荷电状态(State of Charge,SOC)之间的关系如图3所示。
表1
结合表1的这种氢燃料电池的参数,氢燃料电池退化的主要现象是燃料电池电压的显著降低;通过分析导致燃料电池退化的影响因素,即启停负载、可变负载、高功率负载和低功率负载。
S2、获取每种影响因素对应的退化因子以及燃料电池的退化程度;
具体的,根据导致燃料电池退化的主要因素,定义了燃料电池的退化程度。该退化程度可以实时表示燃料电池的当前性能状态以及不同运行条件对燃料电池系统的影响。
步骤21、影响因素对应的退化因子的表达式为:
式中,为高功率负载的退化因子;
为低功率负载的退化因子;
为可变负载的退化因子;
为启停负载的退化因子;
是t时刻的燃料电池的输出功率;
表示t-1时刻的燃料电池的输出功率;
表示在t+1时刻的燃料电池的输出功率;
表示高功率负载时燃料电池老化测试得到的系数;
表示低功率负载时燃料电池老化测试得到的系数;
表示启停负载时燃料电池老化测试得到的系数;
表示燃料电池的瞬时输出功率;
表示燃料电池输出功率的最小值;
表示燃料电池输出功率的最大值;
表示高功率范围的下限;
表示低功率范围的上限;
表示燃料电池输出功率的标准差;
t表示燃料电池启停一个周期时长。
其中,可变负载的退化因子的表达式为:
式中,为可变负载的退化因子;
是t时刻的燃料电池的输出功率;
表示t-1时刻的燃料电池的输出功率;
表示t-2时刻的燃料电池的输出功率;
表示t-3时刻的燃料电池的输出功率;
表示t-4时刻的燃料电池的输出功率;
表示燃料电池在t到t-4时刻内的瞬时输出功率的标准偏差;
是单位标准偏差的电压损失。
步骤22、根据每种影响因素对应的退化因子获取燃料电池的退化程度的步骤为:
其中,燃料电池的退化程度的表达式为:
式中,表示燃料电池的退化程度;
表示理想的燃料电池输出电压;
表示燃料电池失效时的退化程度;
表示在高功率负载下燃料电池的工作开始时刻;
表示在高功率负载下燃料电池的工作结束时刻;
表示在高功率的下限时刻;
表示在低功率的上限时刻;
表示在低功率负载下的燃料电池的工作开始时刻;
表示在低功率负载下的燃料电池的工作结束时刻;
是t时刻的燃料电池的输出功率;
表示t-1时刻的燃料电池的输出功率;
表示在t+1时刻的燃料电池的输出功率。
S3、建立模糊控制策略模型并进行训练;
具体的,建立模糊控制策略模型,将燃料电池的输出电流、荷电状态以及需求电流的变化量作为模糊控制策略模型的输入,将燃料电池输出电流的变化量作为模糊控制策略模型的输出,对模糊控制策略模型训练得到训练好的模糊控制策略模型。
步骤31、选取模糊控制策略模型的隶属函数:
其中,在高功率负载的退化因子、低功率负载的退化因子、可变负载的退化因子和启停负载的退化因子这四个退化因子中,可变负载的退化因子和高功率负载的退化因子是燃料电池退化增长的主要因素;考虑燃料电池系统退化的影响,如果采用简单的切换策略,则燃料电池在整个运行过程中的恒定功率被设置为固定值,例如,燃料电池的最大输出功率或最高效率输出,如果燃料电池以恒定的输出功率工作,则系统的总效率将降低。另一方面,如果燃料电池的输出功率总是在最佳效率点运行,它将受到限制,并且不能对复杂操作条件的变化做出反应;当电动汽车对电力有强烈的需求时,电池放电过高,降低了电池效率,因此,电池SOC将迅速降低,里程将减少,为了解决这些问题,本实施例结合功率跟随策略对能量管理,功率跟随策略是当今实际燃料电池汽车中经常使用的控制策略,控制方法主要基于车辆需求功率和电池的实时SOC来计算燃料电池的输出电流,其优点主要是响应快、动态特性强、稳定性高。然而,功率跟随策略虽然能有效地管理燃料电池及其输出电流,使得燃料电池的输出电流足以满足大部分需求电流,当遇到瞬时高电流需求时,功率跟随策略并没有合理地限制燃料电池电流的突然变化,过大的电流突变对燃料电池的寿命有显著影响,故本实施例建立了与模糊控制策略模型相结合的功率跟随策略(Power FollowingFuzzy Strategy,PFZS),以增强燃料电池系统的整体耐久性。
具体的,为了使得模糊控制策略模型的计算结果更准确,本实施例的模糊控制策略模型的隶属函数采用三角形隶属函数-梯形隶属函数的组合;模糊控制策略模型的模糊控制规则为:采用三角形隶属函数-梯形隶属函数的组合划分燃料电池的输出电流、燃料电池的荷电状态以及需求电流的变化量对应的模糊子集;如图4到图7为三角形隶属函数-梯形隶属函数的组合函数对应的曲线图,如图4、图5和图6分别表示了模糊控制策略模型的三个输入量的曲线图,图7显示了模糊控制策略模型的输出变量的曲线图,故三角形隶属函数-梯形隶属函数的组合形成的隶属度函数划分的模糊子集能够更加真实反映电池的实际状态。
具体的,本实施例中划分模糊子集的结果为电池SOC的模糊子集被设置为五个子集,且电池SOC的模糊子集中五个子集的范围依次为电池SOC为(20%~45%)、(30%~50%)、(35%~65%)、(50%~70%)和(55%~80%);当SOC较低时,燃料电池会增大电流进行弥补;燃料电池的输出电流的模糊子集设为五个子集/>,五个子集的范围依次为对应于(-110~-75)、(-90~-60)、(-80~-40)、(-60~-30)、(-45~-10);将需求电流的变化量的模糊子集设为五个子集/>,需求电流的变化量对应的五个子集的范围依次为(0~20)、(10~30)、(15~45)、(30~50)、(35~65);在输出中,将燃料电池输出电流的变化量的模糊子集设为五个子集,燃料电池输出电流的变化量对应的五个子集的范围依次为:(0~1.5)、(0.75~2.0)、(1.25~2.75)、(2.0~3.25)、(2.75~4.0);当需求电流突然增加/减少(需求电流的变化量增大)时,模糊控制器的输出燃料电池输出电流的变化量也对应的增加/减少,以使得燃料电池的输出效率保持在60%以上。在这种状态下,燃料电池的输出电流为/>;因此,燃料电池的实际输出电流的变化量可以被限制在期望的范围内,并且燃料电池的输出功率也可以在高效率的区域内被限制。
步骤32、对模糊控制策略模型训练:为了实现变负荷限制,本发明提出了与模糊控制相结合的功率跟随策略(PFZS),采用模糊控制可以大大减小汽车需求功率大小和电池实际输出功率大小之间的误差,在整个模糊控制器设计过程中参数变量越多,模糊逻辑公式越复杂,输出越准确;因此,考虑到结果的准确性,所提出的模糊控制策略模型设计了三个输入:燃料电池的输出电流、燃料电池的荷电状态(SOC)以及需求电流的变化量/>,输出是燃料电池输出电流变化量/>,即利用功率跟随策略将燃料电池的输出功率转换为燃料电池的输出电流/>,即利用输入和输出对模糊控制策略模型训练,得到训练好的模糊控制策略模型。
需要说明的是,在模糊控制策略模型中若燃料电池的输出电流的电流瞬时变化率在预设的电流瞬时变化率范围外时,则燃料电池的输出电流为燃料电池输出电流变化量的绝对值与燃料电池的输出电流的和值;即本实施例中模糊控制策略模型需要将燃料电池的输出电流的电流瞬时变化率/>控制在/>≤4/>内,电流瞬时变化率/>即为燃料电池的输出电流/>与输出时长的比值,若燃料电池的输出电流/>的电流瞬时变化率≤4/>外时,则燃料电池的输出电流为燃料电池输出电流的绝对值与燃料电池的输出电流的和值/>,即;即本实施例中控制燃料电池输出电流变化量主要是控制其输出功率,保证实际输出功率在需求功率可接受误差范围以内;当燃料电池的输出电流/>的电流瞬时变化率/>≤4/>时,保持原始电流值输出,即此时燃料电池的输出电流为/>;当检测燃料电池的输出电流/>的电流瞬时变化率/>>4/>时,模糊控制策略模型生效,并根据燃料电池的输出电流/>、燃料电池的荷电状态(SOC)和需求电流的变化量/>实时控制/>;在这种状态下,燃料电池的输出电流为/>;模糊控制策略模型的作用是将电流筛选后燃料电池电流的突然变化合理地限制在4/>以内。
S4、获取优化后的模糊控制策略模型;
由于电动汽车的总线电压恒定,燃料电池组之间的功率分配问题在本实施例被定义为电流分配问题;能量管理策略以燃料电池组的输出电流为策略的控制对象,旨在根据车辆所需的电流在燃料电池和燃料电池之间进行电流的瞬时分配;在实际情况下,电动汽车的加速和减速经常发生;因此,电流瞬时变化率>4/>时,就会影响燃料电池的内部电化学结构,从而降低电池的使用寿命;且功率跟随策略结合模糊控制解决了需求电流分布问题,限制了燃料电池电流的变化范围。然而,模糊控制策略模型的模糊规则和权重系数的设置是基于专业知识的,并且规则的制定是高度主观的。当使用模糊控制策略解决问题时,更容易发现得到的只是局部最优状态,故根据此分析,本实施例将功率跟随策略、模糊控制和粒子群优化算法相结合来对能量进行管理,即本实施例基于能源消耗量和燃料电池的退化程度构建能源消耗评估函数;将能源消耗评估函数作为目标函数,利用粒子群优化算法对模糊控制策略模型的隶属度函数以及模糊控制规则进行优化,直到目标函数收敛得到优化后的模糊控制策略模型。
步骤41、构建粒子群优化算法的目标函数:其中,粒子群优化技术是一种全局优化算法,具有实现简单、收敛快、精度高的优点;本实施例对双能量管理策略为粒子群优化和模糊控制相结合的控制;即本实施例以模糊控制策略模型的隶属函数以及模糊控制规则的权重为优化参数;考虑到能源消耗和燃料电池的耐久性,能源消耗评估函数(即粒子群优化算法的目标函数)的表达式为:
式中,为氢电动汽车的单位里程运营成本;
为氢气总消耗量;/>
为电池容量;
为燃料电池输出功率的最大值;
为行驶里程;
表示燃料电池的退化程度;
表示燃料电池的最大退化程度,本实施例中燃料电池的最大退化程度为燃料电池最大工作效率的20%;
为氢气价格;
为电价;
为每千瓦燃料电池系统价格。
步骤42、基于目标函数优化模糊控制策略模型的隶属函数以及模糊控制规则的权重,在本实施例中,粒子解空间维度设置为20,粒子群大小设置为50,迭代次数设置为100,优化目标是保证目标函数中的单位里程运营成本最低时,同时使得燃料电池的输出功率大小与汽车需求功率大小之间的误差最小,在优化之前,经验粒子位置的初始值是模糊的。
具体优化过程为:首先生成初始粒子群,在此基础上,判断是否满足迭代条件。若满足则进行优化,若不满足则更新粒子群优化算法;对算法进行迭代,直到100代后找到满足条件的最优解,粒子收敛到目标函数的最小值,即单位里程运行成本的最小值,此时,得到优化后的模糊控制策略模型;本实施例优化后的模糊控制策略模型的三个输入量的曲线图如图8、图9和图10所示,优化后的模糊控制策略模型的输出量如图11所示,能够明显看到优化后的模糊控制策略模型的隶属函数以及模糊控制规则的权重发生改变,结合隶属函数的曲线图,能够显著观察到模糊子集的范围划分发生变化,并且隶属函数的形状从优化前的规则简单形状变化为不规则复杂形状,以此更加准确的贴合燃料电池实际情况,并且使得优化后的模糊控制策略模型的计算结果更加精确、稳定。
S5、对燃料电池能量进行管理;
具体的,将当前燃料电池的输出电流、荷电状态以及需求电流的变化量输入优化后的模糊控制策略模型,得到当前燃料电池输出电流的变化量,根据当前燃料电池输出电流的变化量对燃料电池能量进行管理。
需要说明的是,得到当前燃料电池输出电流的变化量,即通过转换后即可得到当前燃料电池输出功率的变化量,由于粒子群优化算法优化后得到的模糊控制策略模型,其输出的燃料电池输出电流的变化量是最小的,故当前燃料电池输出功率的变化量,当前燃料电池输出功率的变化量等于当前燃料电池输出功率与需求功率的功率差值,即功率差值最小,在需求功率确定的同时且功率差值最小,即利用本实施例的方法得到的当前燃料电池输出功率是最小的,利用当前燃料电池输出功率进行燃料电池能量管理时,能保证氢电动汽车的单位里程运营成本最低。
一种用于氢电动汽车的多堆燃料电池混合系统能量管理系统,包括:参数获取模块、模糊控制策略模型构建模块、模糊控制策略模型优化模块以及能量管理模块;参数获取模块用于获取燃料电池在工作过程中影响燃料电池退化的影响因素,其中,影响因素包括:启停负载、可变负载、高功率负载和低功率负载;获取每种影响因素对应的退化因子,根据每种影响因素对应的退化因子获取燃料电池的退化程度;模糊控制策略模型构建模块用于建立模糊控制策略模型,将燃料电池的输出电流、荷电状态以及需求电流的变化量作为模糊控制策略模型的输入,将燃料电池输出电流的变化量作为模糊控制策略模型的输出,对模糊控制策略模型训练得到训练好的模糊控制策略模型;模糊控制策略模型优化模块用于基于能源消耗量和燃料电池的退化程度构建能源消耗评估函数;将能源消耗评估函数作为目标函数,利用粒子群优化算法对模糊控制策略模型的隶属度函数以及模糊控制规则进行优化,直到目标函数收敛得到优化后的模糊控制策略模型;能量管理模块用于将当前燃料电池的输出电流、荷电状态以及需求电流的变化量输入优化后的模糊控制策略模型,得到当前燃料电池输出电流的变化量,根据当前燃料电池输出电流的变化量对燃料电池能量进行管理。
以上所述仅为本发明的较佳实施例而已,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)
1.一种用于氢电动汽车的多堆燃料电池混合系统能量管理策略,其特征在于,包括:
获取燃料电池在工作过程中影响燃料电池退化的影响因素,其中,影响因素包括:启停负载、可变负载、高功率负载和低功率负载;
获取每种影响因素对应的退化因子,根据每种影响因素对应的退化因子获取燃料电池的退化程度;
建立模糊控制策略模型,将燃料电池的输出电流、荷电状态以及需求电流的变化量作为模糊控制策略模型的输入,将燃料电池输出电流的变化量作为模糊控制策略模型的输出,对模糊控制策略模型训练得到训练好的模糊控制策略模型;
基于能源消耗量和燃料电池的退化程度构建能源消耗评估函数;将能源消耗评估函数作为目标函数,利用粒子群优化算法对模糊控制策略模型的隶属度函数以及模糊控制规则进行优化,直到目标函数收敛得到优化后的模糊控制策略模型;
将当前燃料电池的输出电流、荷电状态以及需求电流的变化量输入优化后的模糊控制策略模型,得到当前燃料电池输出电流的变化量,根据当前燃料电池输出电流的变化量对燃料电池能量进行管理。
2.根据权利要求1所述的一种用于氢电动汽车的多堆燃料电池混合系统能量管理策略,其特征在于,在模糊控制策略模型中若燃料电池的输出电流的电流瞬时变化率在预设的电流瞬时变化率范围外时,则燃料电池的输出电流为燃料电池输出电流变化量的绝对值与燃料电池的输出电流的和值。
3.根据权利要求1所述的一种用于氢电动汽车的多堆燃料电池混合系统能量管理策略,其特征在于,燃料电池输出电流的变化量为燃料电池输出电流与需求电流的差值。
4.根据权利要求1所述的一种用于氢电动汽车的多堆燃料电池混合系统能量管理策略,其特征在于,影响因素对应的退化因子的表达式为:
式中,为高功率负载的退化因子;
为低功率负载的退化因子;
为可变负载的退化因子;
为启停负载的退化因子;
是t时刻的燃料电池的输出功率;
表示t-1时刻的燃料电池的输出功率;
表示在t+1时刻的燃料电池的输出功率;
表示高功率负载时燃料电池老化测试得到的系数;
表示低功率负载时燃料电池老化测试得到的系数;
表示启停负载时燃料电池老化测试得到的系数;
表示燃料电池的瞬时输出功率;
表示燃料电池输出功率的最小值;
表示燃料电池输出功率的最大值;
表示高功率范围的下限;
表示低功率范围的上限;
表示燃料电池输出功率的标准差;
t表示燃料电池启停一个周期时长。
5.根据权利要求4所述的一种用于氢电动汽车的多堆燃料电池混合系统能量管理策略,其特征在于,可变负载的退化因子的表达式为:
式中,为可变负载的退化因子;
是t时刻的燃料电池的输出功率;
表示t-1时刻的燃料电池的输出功率;
表示t-2时刻的燃料电池的输出功率;
表示t-3时刻的燃料电池的输出功率;
表示t-4时刻的燃料电池的输出功率;
表示燃料电池在t到t-4时刻内的瞬时输出功率的标准偏差;
是单位标准偏差的电压损失。
6.根据权利要求5所述的一种用于氢电动汽车的多堆燃料电池混合系统能量管理策略,其特征在于,燃料电池的退化程度的表达式为:
式中,表示燃料电池的退化程度;
表示理想的燃料电池输出电压;
表示燃料电池失效时的退化程度;
表示在高功率负载下燃料电池的工作开始时刻;
表示在高功率负载下燃料电池的工作结束时刻;
表示在高功率的下限时刻;
表示在低功率的上限时刻;
表示在低功率负载下的燃料电池的工作开始时刻;
表示在低功率负载下的燃料电池的工作结束时刻;
是t时刻的燃料电池的输出功率;
表示t-1时刻的燃料电池的输出功率;
表示在t+1时刻的燃料电池的输出功率。
7.根据权利要求1所述的一种用于氢电动汽车的多堆燃料电池混合系统能量管理策略,其特征在于,能源消耗评估函数的表达式为:
式中,为氢电动汽车的单位里程运营成本;
为氢气总消耗量;
为电池容量;
为燃料电池输出功率的最大值;
为行驶里程;
表示燃料电池的退化程度;
表示燃料电池的最大退化程度;
为氢气价格;
为电价;
为每千瓦燃料电池系统价格。
8.根据权利要求1所述的一种用于氢电动汽车的多堆燃料电池混合系统能量管理策略,其特征在于,模糊控制策略模型的隶属函数采用三角形隶属函数-梯形隶属函数的组合。
9.根据权利要求8所述的一种用于氢电动汽车的多堆燃料电池混合系统能量管理策略,其特征在于,模糊控制策略模型的模糊控制规则为:采用三角形隶属函数-梯形隶属函数的组合划分燃料电池的输出电流、燃料电池的荷电状态以及需求电流的变化量对应的模糊子集。
10.一种用于氢电动汽车的多堆燃料电池混合系统能量管理系统,其特征在于,包括:
参数获取模块,用于获取燃料电池在工作过程中影响燃料电池退化的影响因素,其中,影响因素包括:启停负载、可变负载、高功率负载和低功率负载;获取每种影响因素对应的退化因子,根据每种影响因素对应的退化因子获取燃料电池的退化程度;
模糊控制策略模型构建模块,用于建立模糊控制策略模型,将燃料电池的输出电流、荷电状态以及需求电流的变化量作为模糊控制策略模型的输入,将燃料电池输出电流的变化量作为模糊控制策略模型的输出,对模糊控制策略模型训练得到训练好的模糊控制策略模型;
模糊控制策略模型优化模块,用于基于能源消耗量和燃料电池的退化程度构建能源消耗评估函数;将能源消耗评估函数作为目标函数,利用粒子群优化算法对模糊控制策略模型的隶属度函数以及模糊控制规则进行优化,直到目标函数收敛得到优化后的模糊控制策略模型;
以及能量管理模块,用于将当前燃料电池的输出电流、荷电状态以及需求电流的变化量输入优化后的模糊控制策略模型,得到当前燃料电池输出电流的变化量,根据当前燃料电池输出电流的变化量对燃料电池能量进行管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410471649.5A CN118082630B (zh) | 2024-04-19 | 2024-04-19 | 一种用于氢电动汽车的多堆燃料电池混合系统能量管理策略及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410471649.5A CN118082630B (zh) | 2024-04-19 | 2024-04-19 | 一种用于氢电动汽车的多堆燃料电池混合系统能量管理策略及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118082630A CN118082630A (zh) | 2024-05-28 |
CN118082630B true CN118082630B (zh) | 2024-06-25 |
Family
ID=91145943
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410471649.5A Active CN118082630B (zh) | 2024-04-19 | 2024-04-19 | 一种用于氢电动汽车的多堆燃料电池混合系统能量管理策略及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118082630B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111261909B (zh) * | 2020-01-15 | 2021-03-23 | 武汉理工大学 | 燃料电池系统最大净功率追踪控制装置及方法 |
CN111459025A (zh) * | 2020-03-26 | 2020-07-28 | 河南科技大学 | 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 |
WO2023216150A1 (zh) * | 2022-05-11 | 2023-11-16 | 中国科学院深圳先进技术研究院 | 一种燃料电池的热管理方法 |
CN115906654B (zh) * | 2022-12-14 | 2023-07-28 | 南京信息工程大学 | 一种用于EVs无线充电的基于模糊粒子群算法的控制方法 |
CN116834613B (zh) * | 2023-08-29 | 2023-11-10 | 北京永氢储能科技有限责任公司 | 一种动力电池辅助的氢燃料电池汽车系统能量管理方法 |
-
2024
- 2024-04-19 CN CN202410471649.5A patent/CN118082630B/zh active Active
Non-Patent Citations (2)
Title |
---|
基于模糊算法的燃料电池汽车储能系统的研究;张松茂;工程科技Ⅱ辑;20171015(第10期);35-122 * |
基于粒子群优化阈值的多堆燃料电池 系统功率分配策略研究;罗辑等;中国舰船研究;20231031;第18卷(第5期);224-233 * |
Also Published As
Publication number | Publication date |
---|---|
CN118082630A (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tao et al. | Frequency decoupling-based energy management strategy for fuel cell/battery/ultracapacitor hybrid vehicle using fuzzy control method | |
CN110126813B (zh) | 一种车载燃料电池混合动力系统的能量管理方法 | |
CN108987770A (zh) | 一种多堆燃料电池发电系统的协调优化控制方法 | |
Zhu et al. | Fuzzy logic based energy management strategy for a fuel cell/battery/ultra-capacitor hybrid ship | |
CN112677956B (zh) | 一种考虑电池寿命的行星混联式混动车实时优化控制方法 | |
CN113085664A (zh) | 氢燃料电池汽车基于等效氢耗最小的能量管理方法 | |
CN111064214A (zh) | 基于电动汽车两阶段滚动式策略的配电网优化调度方法 | |
Deb et al. | Design and Analysis of a Fuel Cell and Batteries in Energy Production for Electric Vehicle | |
CN113352946A (zh) | 一种燃料电池汽车动力系统的能量管理方法 | |
CN118082630B (zh) | 一种用于氢电动汽车的多堆燃料电池混合系统能量管理策略及系统 | |
Zhang et al. | Wavelet transform-based energy management strategy for fuel cell/variable-structure super-capacitor hybrid power system | |
Song et al. | Study on the fuel economy of fuel cell electric vehicle based on rule-based energy management strategies | |
Tang et al. | Degradation adaptive energy management strategy for FCHEV based on the Rule-DDPG method: tailored to the current SOH of the powertrain | |
CN111404374B (zh) | 运用遗传算法优化的双向dc-dc变换器的控制方法 | |
CN114030392A (zh) | 燃料电池-锂电池混源供电系统效率优化能量管理策略 | |
Meng et al. | A fuel cell vehicle power distribution strategy based on PEMFC online identification and ess equivalent consumption calculation | |
Sun et al. | Adaptive Energy Management Strategy of Fuel Cell Electric Vehicle | |
Al-Bayati et al. | Development of a Fuel Cell Energy Controller Design for an Electric Vehicle Engine via a PID-PSO Robust Control Algorithm | |
LU504997B1 (en) | An online real-time energy management method for fuel cell hybrid electric vehicles combining rules and optimization | |
Liu et al. | Energy management optimal strategy of FCHEV based on the Radau Pseudospectral method | |
CN118013640A (zh) | 燃料电池混合动力货车动力系统部件尺寸优化方法 | |
Zhang et al. | An energy management strategy based on dynamic programming to improve working conditions of fuel cells | |
CN117117346B (zh) | 一种钠离子电池管理系统的设计与控制方法 | |
Vonteddu et al. | Dynamic Modeling for Hybrid Electric Vehicles with its Performance Optimization Using Different Control Strategies and Energy Management Systems | |
Huang et al. | Proton exchange membrane fuel cell multi-stack parallel gas supply and load-up experiment |
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 |