一种混合动力汽车氢耗与负载变化的能源管理方法

摘要

本发明公开了一种混合动力汽车氢耗与负载变化的能源管理方法。本发明通过模型建立、模糊规则引入、能量管理控制器设计、优化等手段，建立了一个遗传算法优化的模糊能量管理控制方法，提高了燃料电池汽车的运行效率。本发明定义了一个隶属度函数及其模糊规则库，专家知识可以用来把握主要的输出规则。本发明的核心在于优化隶属度函数的参数，对输入，输出及其模糊规则库的模糊划分进行优化。由于模糊规则的结构不能直接用数学表达，因此本发明使用遗传算法来解决优化问题。

说明书

技术领域

本发明属于自动化技术领域，涉及一种混合动力汽车氢耗与负载变化的能源管理方法。

背景技术

随着能源危机和环境污染的加剧，燃料电池动力汽车受到了越来越多的关注。然而，由于动态响应缓慢，负载跟随能力有限或在瞬态和波动功率需求下的氢气不足，燃料电池通常与一个或两个蓄电池或超级电容器混合。燃料电池与超级电容器的混合能够满足大的瞬时功率需求，吸收反馈能量并使燃料电池小型化。燃料电池和蓄电池或超级电容器的混合使用就必然存在两电源配比以及能量流向管理和控制，这就需要一个能量管理方案。

针对混合动力汽车中的能量管理，已经提出了很多种控制方案，如模糊逻辑控制器，模糊逻辑控制器加哈尔小波能量管理系统，启发式控制器，分布式电源管理控制器等，这些方法都是比较稳定的，可以实时使用，但是，这些控制策略的设计过程比较复杂，不适用于优化。动态规划，神经网络，遗传算法和粒子群算法都已经被用来优化能量管理系统，但是，这些方法只考虑了减少燃料或能源消耗，而没有考虑如驱动能力，排放等因素，而且大多数优化算法都过于复杂，不能够实时操作。

发明内容

本发明针对现有技术的不足，提供了一种混合动力汽车氢耗与负载变化的能源管理方法。

本发明的技术方案是通过模型建立、模糊规则引入、能量管理控制器设计、优化等手段，建立了一个遗传算法优化的模糊能量管理控制系统，提高了燃料电池汽车的运行效率。

本发明方法的步骤包括：

步骤1.设计燃料电池汽车相关模型。具体是：

1.1建立燃料电池模型

V_out＝N₀E_cell-V_act-V_ohm

V_act＝Bln(CI),V_ohm＝IR_ohm

式中，N₀是串联的燃料电池的数量，B和C是计算被激活电压的常数，R_ohm是燃料电池内阻，V_ohm是燃料电池内部欧姆电压，I是燃料电池电流。P_H2和P_O2分别是氢和氧分压。T是燃料电池堆的温度，R是气体常数。λ_e和τ_e均为恒定的常数。E_cell表示能斯特电池电压，V_act表示激活电压，是每个电池单元的标准参考电位，k_E是一个常系数，E_dcell通过一个一阶传递函数计算。

1.2建立一个具有等效串联电阻和等效电容的功率负载超级电容模型：

式中，SOC表示超级电容器的充电状态，V_max表示超级电容器的最大电压，v表示超级电容器的端电压，i表示超级电容器的端电流，R表示超级电容器的等效串联电阻，P_loss表示等效串联电阻的损耗功率，P表示等效串联电阻的输出功率，η_P表示等效串联电阻的功率效率，n₁表示串联电容器的数量，n₂表示并联超级电容器分支的数量，C₁表示额定电容，R₁表示等效串联电阻。C表示超级电容器的总电容，R_s表示超级电容器的总电阻。

1.3.能量管理控制的目的是最大限度地减少燃料消耗，延长电池的寿命，用数学表达式表示为：

s.t.P_FC+P_SC＝P_dem

0<P_FC≤40

0<I_FC≤150

-5≤ΔP_FC≤5

-30≤P_SC≤30

-150≤I_SC≤150

60≤V_SC≤188

0.5≤SOC≤0.9

式中：ΔI_j(j＝1,2,...,K)表示整个驾驶过程中燃料电池的电流方差，J₁表示电池的寿命，J₂表示燃料消耗，K表示采集的样本个数。P_FC表示为燃料电池分配的功率，P_SC表示为超级电容器分配的功率，I_FC表示燃料电池的电流，ΔP_FC表示燃料电池功率变化大小，V_SC表示燃料电池的电压。P_dem表示燃料电池和超级电容器的功率之和。m_H2表示燃料电池反应中消耗的氢气量。

1.3.引入模糊逻辑控制器，根据以下模糊化方程，P_dem和SOC分别变为模糊域[0,1],[0,1].

式中，In₁表示所需要的功率，P_max表示最大功率，In₂表示超级电容器的充电状态，SOC_min表示燃料电池状态最小值，SOC_max表示燃料电池状态的最大值。

1.4.使用质心去模糊化，模糊逻辑控制器的输出可以表述为：

式中，r₁和r₂分别是模糊域分割的数目，是P_dem的隶属函数的程度，是SOC的隶属函数的程度。

1.5采用低通滤波器来限制燃料电池在启动，突然加速等过程中的功率输出的瞬态峰值，将燃料电池的功率输出修正为：

P_FC(k)＝k₁P_FC(k-1)+(1-k₁)u_fP_dem

式中，k₁是影响输出平滑度的时间常数。

步骤2：采用遗传算法对步骤1中的模糊规则进行优化。

2.1.初始化最大代数G，种群大小N，算子概率P_c，P_m和权重系数ω₁，在搜索空间随机生成染色体。使用十进制编码的第i个染色体来描述步骤一中的模糊逻辑控制系统：

C_i＝[c_1,i,…,c_19,i]

式中，i＝1,2,…,N，N表示种群大小。

2.2.将步骤2.1公式中的元素在[min,max]之间随机初始化：

C_j,i＝min+δ·(max-min)1≤j≤19

式中，δ在(0，1)之间生成。

2.3.计算每一代的性能J，构造N个模糊能量管理控制器。为了延长燃料电池的使用寿命并满足所需的驱动功率，采用加权目标法将步骤1.3中的两个目标变为一个目标。

Min J(C_i)＝J₁+ω₁J₂

式中，ω₁表示影响优化结果的权重系数，通过实验确定。

2.4.将SOC不等式约束和幂等约束作为惩罚因子处理，加入到J惩罚因子，计算如下：

2.5步骤2.3中的等式可以被重写为：

2.6.使用轮盘选择法计算每个C_i被选中的概率：

式中，因此，满足约束条件且输出电流和氢气消耗平稳变化的个体被挑选出来的可能性比较大。

2.7.以概率P_c执行交叉算子，以概率P_m实现变异算子。

C_i'＝αC_i+(1-α)C_i+1

C_i'₊₁＝αC_i+1+(1-α)C_i

式中，交叉位置α是随机生成的，α∈(0,1)

2.8.重复步骤2.2到2.7，直到达到最大的演化代。

本发明的有益效果：本发明将负载变化最小和燃料消耗最小相结合，以延长燃料电池的寿命。本发明提出了燃料电池电流输出的波动指数来描述燃料电池的负载变化。本发明定义了一个隶属度函数及其模糊规则库，专家知识可以用来把握主要的输出规则。本发明的核心在于优化隶属度函数的参数，对输入，输出及其模糊规则库的模糊划分进行优化。由于模糊规则的结构不能直接用数学表达，因此本发明使用遗传算法来解决优化问题。

具体实施方式

以美国环保局公路燃油经济性认证测试，新欧洲驾驶循环和EPA城市测功机驾驶时间为例来测试所提出的算法的效率，燃料电池汽车则选择一辆在美国改装的混合动力汽车的一辆大众捷达。

步骤1.设计燃料电池汽车相关模型。具体方法是：

1.1建立燃料电池模型

V_out＝N₀E_cell-V_act-V_ohm

V_act＝Bln(CI),V_ohm＝IR_ohm

式中，N₀是串联的燃料电池的数量，B和C是计算被激活电压的常数，R_ohm是燃料电池内阻，V_ohm是燃料电池内部欧姆电压，I是燃料电池电流。P_H2和P_O2分别是氢和氧分压。T是燃料电池堆的温度，R是气体常数。λ_e和τ_e均为恒定的常数。E_cell表示能斯特电池电压，V_act表示激活电压，是每个电池单元的标准参考电位，k_E是一个常系数，E_dcell通过一个一阶传递函数计算。

1.2建立一个具有等效串联电阻和等效电容的功率负载超级电容模型：

式中，SOC表示超级电容器的充电状态，V_max表示超级电容器的最大电压，v表示超级电容器的端电压，i表示超级电容器的端电流，R表示超级电容器的等效串联电阻，P_loss表示等效串联电阻的损耗功率，P表示等效串联电阻的输出功率，η_P表示等效串联电阻的功率效率，n₁表示串联电容器的数量，n₂表示并联超级电容器分支的数量，C₁表示额定电容，R₁表示等效串联电阻。C表示超级电容器的总电容，R_s表示超级电容器的总电阻。

1.3.能量管理控制器的目的是最大限度地减少燃料消耗，延长电池的寿命，用数学表达式表示为：

s.t.P_FC+P_SC＝P_dem

0<P_FC≤40

0<I_FC≤150

-5≤ΔP_FC≤5

-30≤P_SC≤30

-150≤I_SC≤150

60≤V_SC≤188

0.5≤SOC≤0.9

式中：ΔI_j(j＝1,2,...,K)表示整个驾驶过程中燃料电池的电流方差，J₁表示电池的寿命，J₂表示燃料消耗，K表示采集的样本个数。P_FC表示为燃料电池分配的功率，P_SC表示为超级电容器分配的功率，I_FC表示燃料电池的电流，ΔP_FC表示燃料电池功率变化大小，V_SC表示燃料电池的电压。P_dem表示燃料电池和超级电容器的功率之和。m_H2表示燃料电池反应中消耗的氢气量。

1.3.引入模糊逻辑控制器，根据以下模糊化方程，P_dem和SOC分别变为模糊域[0,1],[0,1].

式中，In₁表示所需要的功率，P_max表示最大功率，In₂表示超级电容器的充电状态，SOC_min表示燃料电池状态最小值，SOC_max表示燃料电池状态的最大值。

1.4.使用质心去模糊化，模糊逻辑控制器的输出可以表述为：

式中，r₁和r₂分别是模糊域分割的数目，是P_dem的隶属函数的程度，是SOC的隶属函数的程度。

1.5采用低通滤波器来限制燃料电池在启动，突然加速等过程中的功率输出的瞬态峰值，将燃料电池的功率输出修正为：

P_FC(k)＝k₁P_FC(k-1)+(1-k₁)u_fP_dem

式中，k₁是影响输出平滑度的时间常数。

步骤2：采用遗传算法对步骤一中的模糊规则进行优化。

2.1.初始化最大代数G，种群大小N，算子概率P_c，P_m和权重系数ω₁，在搜索空间随机生成染色体。使用十进制编码的第i个染色体来描述步骤一中的模糊逻辑控制系统：

C_i＝[c_1,i,…,c_19,i]

式中，i＝1,2,…,N，N表示种群大小。

2.2.将步骤2.1公式中的元素在[min,max]之间随机初始化：

C_j,i＝min+δ·(max-min)1≤j≤19

式中，δ在(0，1)之间生成。

2.3.计算每一代的性能J，构造N个模糊能量管理控制器。为了延长燃料电池的使用寿命并满足所需的驱动功率，采用加权目标法将步骤1.3中的两个目标变为一个目标。

Min J(C_i)＝J₁+ω₁J₂

式中，ω₁表示影响优化结果的权重系数，通过实验确定。

2.4.将SOC不等式约束和幂等约束作为惩罚因子处理，加入到J惩罚因子，计算如下：

2.5步骤2.3中的等式可以被重写为：

2.6.使用轮盘选择法计算每个C_i被选中的概率：

式中，因此，满足约束条件且输出电流和氢气消耗平稳变化的个体被挑选出来的可能性比较大。

2.7.以概率P_c执行交叉算子，以概率P_m实现变异算子。

C_i'＝αC_i+(1-α)C_i+1

C'_i+1＝αC_i+1+(1-α)C_i

式中，交叉位置α是随机生成的，α∈(0,1)

2.8.重复步骤2.2到2.7，直到达到最大的演化代。