智能系统：燃料电池混合动力汽车驱动系统的优化控制

第4卷第4期 智能系统学报 Vol.46.4 2009年8月 CAAI Transactions on Intelligent Systems Ag.2009 doi:10.3969/j.issn.16734785.2009.04.014 燃料电池混合动力汽车驱动系统的优化控制 王爱华12，陈耀斌2 (1.南京工业职业技术学院电气系，江苏南京210046：2.Transportation Active Safety School Purdue,Institute of Engi neering and Technology,Indianapolis 46202,USA) 摘要：为了既提高整车系统效率，又维持燃料电池和蓄电池工作在各自的高效区，提出了一种全局优化与局部协 调相结合的燃料电池混合车的能量控制策略的设计思想.首先形成一个非线性、具有限制的、以整车系统效率最大 为目标的优化问题，然后选用序列二次规划法算法求解.为保证各子系统工作在最优的范围内，利用燃料电池动态 特性慢的特点，采用蓄电池第一优先使用的策略.仿真结果表明，所提议的优化控制策略提高了整车系统的效率，维 持了蓄电池的荷电状态在合理的区间，同时使燃料电池也工作在高效区， 关键词：燃料电池混合动力汽车；能量控制策略；序列二次规划算法 中图分类号：1P18文献标识码：A文章编号：16734785(2009)04-0363-06 Optimizing the energy management system of a parallel fuel cell hybrid electric vehicle WANG Ai-hua'.2,CHEN Yao-bin2 (1.Department of Electrical and Automation Engineering,Nanjing Institute of Industry Technology,Nanjing,210046,China; 2.Transportation Active Safety School Purdue,Institute of Engineering and Technology,Indianapolis 46202,USA) Abstract:This paper presents a design philosophy for optimizing energy management strategies for fuel cell hybrid electric vehicles,combining global optimization and local coordination.First,a nonlinear optimization problem subject to a set of constraints was formulated and then solved using a sequential quadratic programming algorithm. In order to ensure optimal operating states of subsystems,the battery was always prioritized because fuel cell dy- namic behavior is slower.Computer simulation results demonstrated that the proposed method raised the efficiency of the whole system.In addition,it showed that the battery works within its high-efficiency range. Keywords:fuel cell hybrid electric vehicle;energy control strategy;sequential quadratic programming 燃料电池混合动力汽车，其燃料电池作为电化 燃料电池提供.由于2套动力系统分别有自己的高 学装置，可直接转换气体燃料（如氢气）的化学能成 效工作区，不可能同时达到高效.基于规则策略只提 为电能，比传统的内燃发动机的效率更高，并能实现 高蓄电池的效率，没有对燃料电池产生的电能转化 零排放，从而成为当今国内外开发研究的热点.但是 为机械能的效率进行优化，也无法保证整车系统达 由燃料电池与其他储能元件（蓄电池、超级电容等） 到最大效率.二是模糊控制策略，利用模糊规则灵活 组合，构成混合动力系统结构以及燃料电池发动机 地分配总的需求功率给燃料电池和蓄电池，协调2 本身的新颖和复杂性，给能量控制系统的开发带来 个能量源尽量工作在各自的高效区.不过，该策略只 了巨大的挑战。 能做到局部优化，很难改进整车系统的效率.第3 目前关于能量控制策略的研究主要有3种.一 种方法通常以提高燃料经济为目标而进行全局优 是基于规则的能量控制策略，功率分配以维持蓄电 化，不足之处是只能全局优化，不能保证局部（燃料 池的荷电状态(SOC)在最有效区间为第一优先原 电池和蓄电池)子系统工作在自己的最优区.本文 则，以此确定蓄电池需提供的功率，剩余的功率由 提出一种实时的燃料电池混合动力系统的能量优化 和分配算法.该算法以系统效率最大为设计目标，在 收稿日期：200903-12. 优化整个系统效率时，采用蓄电池第一优先使用的 通信作者：王爱华.E-mail:annehuai@yahoo.com.cn. 策略，即在蓄电池达到最小值极限之前一般是不充

·364 智能系统学报 第4卷 电的.在这种情况下，总是用蓄电池提供车所需功 表1镍氢电池规格表 率，燃料电池作为后备，燃料电池常工作在低功率 Table 1 Battery specifications 区，反而具有高的效率 电池参数 参数值 标称电压 1.2V 1驱动系统及其控制模式 比功率 200W·/kg 比能量 65-70W·h/kg 1.1驱动系统 能量密度 150W·h/kg 燃料电池混合动力车驱动系统结构和控制系统 内阻 40-802 如图1所示.该系统主要由氢质子膜燃料电池发动 安培小时效率 90% 机、直流/直流变换器、镍氢蓄电池组、驱动电机、传 1.2控制模式 动装置等组成.该车以燃料电池发动机为主要动力， 驱动系统中各部件都具有独立的部件控制器 以蓄电池为辅助动力.由于燃料电池和蓄电池2套 (如图1所示)，负责对各子部件的工作和调节控 独立驱动系统以并联方式连接，在不同的行驶工况 制，属于底层控制.整车控制器则对整个系统进行能 下，可具有多种工作模式：在汽车加速或爬坡等高功 量管理、功率分配及各部件的协调控制，属于上层控 率需求时，燃料电池和蓄电池同时提供功率；当车辆 制.在整车控制器与驱动系统之间还连接有一个能 量流控制器，属于协调控制层.能量流控制器的任务 下坡或减速时，蓄电池利用回收制动时的能量充电； 是综合来自上层控制器的总的功率需求命令和底层 在汽车以巡航速度行驶时，由燃料电池供电，多余电 控制器反馈的各部件信息，制定合理有效的功率分 量给蓄电池充电 配方案，送给部件控制器执行3. 燃料电池产生的电能是通过功率变换器驱动电 动机而转变为扭矩来得到的.通常将燃料处理与供 控制器 控制器 控制器 给单元、燃料电池组及其运行支持系统与附属设备、 燃料电池 DC-DC 驱动电机 功率控制器、变频调速器、电动机与减速器及相应的 发动机 变换器 轮 控制系统进行机电一体化集成，构成了质子交换膜 蓄电池 燃料电池发动机概念2].本文选用福特P2000车用 整车控制器 能量流 能量挖制策略 制器 信号流 75kW质子膜燃料电池发动机.蓄电池系统是选自 本田(Insight)车用6.5A·h、288V镍氢电池组.该 图1动力驱动及控制系统示意图 电池组由24个模块串接而成.表1是单体电池的具 Fig.1 Block diagram of the fuel cell HEV 体参数 0.0064☐ Rolling_Resisl Rolling_Resisl 9.8 Accel_Gravity Aceel Ggravily 1514 Vehicle_Mass Ychicle Mass Inel_Angle Lnrl Angle molor_mode molor_mode 2.18」 Aero_Drag_Coeff gen_mode gen_mode Acmn_Drag_Cooff Air_Densily Motor AC DC Pte re .2 Wheel_Inertia Inverter Air_Density 3264☐ sys efl Aheel lnedtia WheelRadins Controlgr .282 Wheel_Radius Vehicie_Speed Stark ef 日sgn+ 。urren urhan_speed_signal 图Signal月 合Signal 1 日Signal 1 Fnel Co City/Highway an_speed_signal2 Highway_Speed_Signal FCEngine 图2燃料电池混合车仿真模型 Fig.2 The fuel cell HEV simulation model

第4期 王爱华，等：燃料电池混合动力汽车驱动系统的优化控制 ·365· 燃料电池混合动力车仿真模型如图2所示.在 基于上述考虑，定义能量控制规则如下： 整车建模的基础上，一个能量流控制器也同时建立. 如果车所需的功率是负值，使用回收刹车能量 它有2个输入和2个输出.给出车辆总需求的功率 充电给蓄电池，直到达到最大荷电状态(SOC); (Pd)和蓄电池的荷电状态(S0C),这个控制器将得 如果车所需功率是正值和零，那么初始的功率 到所需的燃料电池功率(P℃)和蓄电池(P%)的功 分布如下： 率.能量流控制器如图3所示 1)如果S0C≥S0C,使用蓄电池提供功率， Pd- Pb 由燃料电池提供剩余功率； 能量控制器 SOC- 【能量控制策略 Pc 2)否则使用燃料电池提供所需功率，多余功率 充电蓄电池.所需功率与充电方式如表3. 图3 能量流控制器框图 表3所需功率与充电方式 Fig.3 Energy controller model Table 3 Required power and charge mode 2 能量控制策略的建立 所需功率Pd/kW 充电方式 0-8 快速充电 能量流控制器的能量分配实际上是通过能量控 8-35 慢速充电 制策略实现的.一个优化的能量流控制策略应实现 35-75 在总的系统效率和燃料经济性最佳的前提下，协调 不充电 各个子系统也工作在自己的高效区[] 2.2 模糊控制策略 本文共建立了3种控制策略：基于规则策略、模 模糊推理系统的输入有2个变量，分别是蓄电池 糊控制策略和数学优化策略.不同的控制策略有各 的SOC和总需求的功率(P:).输出是所需的蓄电池功 自的控制目标，其控制效果也不同（如表2所示）. 率(P).为了简化，所需的燃料电池功率(P)没有加 入模糊系统它可通过下式得到：P。=Pa-P。 表23种控制策略优化目标及效果 输人变量P:和S0C各定义了3个隶属度函数： Table 2 Design goals for three control strategies 大、中、小和高、中、低.输出P。定义了5个隶属度 控制策略 优化目标 优化效果 函数：正大、正小、零、负小、负大.因此，模糊规则库 基于规则 蓄电池 局部 有9个规则，如表4所示.注意：当S0C是低(L)时， 模糊控制 蓄电池、燃料电池 局部 定义域小于30%，蓄电池必须充电.当S0C是中 数学优化蓄电池、燃料电池、整车系统局部、全局 (M)和高(H)时，定义S0C在30%~90%，对应总 2.1基于规则的能量控制策略 需求功率等于或大于零.需要指出的是，蓄电池功率 对蓄电池而言，当蓄电池SOC最小极限值 (P弘)大于0（正大、正小）为放电，小于0（负小、负 (S0Cma)的定义域小于或等于30%，蓄电池必须无 大)为充电s. 条件充电；S0C在50%~70%时，视车辆总的需求 表4模糊规则 功率情况，可以充电也可以放电；当S0C大于90% Table 4 Fuzzy rules 时不充电 条 件 结论 本文使用燃料电池效率图（图4）作为燃料电池 如果Pd是大，且S0C是高 那么P%是正大 工作模型.燃料电池功率范围从0~8kW时是低功率 如果Pd是中，且S0C是高 那么Pb是正小 区，在8~13kW时燃料电池的效率最高.当燃料电池 如果Pd是小，且S0C是高 那么Ph是零 运行在中等需求功率时(8~35kW),任何超出多余功 如果Pd是大，且S0C是中 那么P%是正小 率的都能用来给蓄电池充电.在需求功率较高时 (35~75kW),不使用燃料电池充电给蓄电池： 如果Pd是中，且SOC是中 那么Pb零 0.8 如果Pd是小，且S0C是中 那么P%是负小 0.6 0.4 如果Pd是大，且SOC是低 那么P%是零 0.2 如果P是中，且S0C是低 那么P%是负小 1020304050607080 如果Pd是小，且SOC是低 那么Pb是负大 功率kW 2.3数学优化控制策略 图4燃料电池发动机效率图 数学优化控制策略首先形成一个以整车系统效 Fig.4 Efficiency map for fuel cell engine 率最高为目标的优化问题，然后应用序列二次规划

·366 智能系统学报 第4卷 法求解5].考虑到燃料电池动态反映慢的特点，优 2)回收制动模式 化系统效率时，在蓄电池达到最小值极限之前一般 在回收刹车模式中，蓄电池功率为负值，燃料电 是不充电的 池单独提供能量.在这种情况下，优化问题能写成： 2.3.1整车系统效率计算 P 整车系统效率定义为 max nfe nPinpt subject to: 式中：Pupm为驱动车辆总的需求功率，Ppm为提供 Psc_reTwont+Pbatt rompt=Proqpucnt 总需求功率的总功率消耗. 0≤Pew装≤Pm限r, 计算系统效率时，2种操作模式：推进模式和减 Phatt mat≤Pbet _ropcm≤0. 速制动模式，是分别计算的.推进模式包括加速、巡 and 航和停止3种模式6].换句话说，当车需求的功率 S0Cmta≤S0C≤SOCi. 是正值时，车工作在推进模式.反之，当所需功率是 S0C为车开始发动时的蓄电池的电荷水平， 负值时，车工作在回收制动能量模式.当所需功率是 从限制条件中可见，车辆运行中若给蓄电池充电，只 正值，功率方程是： 要达到初始S0Cm值（本文S0C=65%)即可，没 Poutpnt=Ptotal Paccemoie 有必要充到S0C的最大值.这是为了让蓄电池留有 Picpt=Pe+far… 空间在后继的运行中通过回收刹车功率充电. 燃料电池的效率和蓄电池效率分别如下： 2.3.3用序列二次规划法求解 Pferequest 上面描述的非线性的有限制的优化问题，因为 ne= 实时执行的需要，应用序列二次规划法来求解8] mbatt= Pbatt reucnt 下面简单的算法是用于得到这个解。 Pbatt fP≥0 式中：P。ma为所需的燃料电池的功率，Pam为 fSOC>SOCa,优化应用于推进模式 所需的蓄电池功率，P。由燃料电池提供的功率， Else P由蓄电池提供的功率.那么整个系统的效率表 优化应用于推进模式和蓄电池充电模式， 示为 直到S0C达到SOCt Protd Pc P End Pie Pbastt Pp十 End nfe 2.3.2非线性优化问题的形成 3 仿真结果及分析 1)推进模式. 为了验证能量管理策略的控制效果，3个能量 在推进模式中，当所需功率是正值时，燃料电池 控制策略：数学优化法、基于规则法和模糊控制法分 和蓄电池是并联使用提供功率，因此，优化问题可写 别进行了城市、高速和城市一高速混合工况下的仿 成： 真.图5所示城市工况和所需的功率. P 60r max- feromu时十 40 7 mbatt 24 6,a8101214×10 t/s subject to: (a)城市功况 PorPlan m=Preee 40 0≤Pepa≤Per, 30 20 0≤Pha≤Prog, 10 S0Cmia≤S0C≤SOC, -10 and -20 24 6.8101214×101 Phetromin(S0C)≤Pam≤Pogom=(S0C). (b)所需功案 式中：Phbait ma表示最大蓄电池功率，SOC、SOC和 SOC分别为最大、最小和当前蓄电池能量极限 图5城市驾驶循环工况和所需功率 值. Fig.5 City drive cycles and required power

第4期 王爱华，等：燃料电池混合动力汽车驱动系统的优化控制 ·367 图6是3个控制策略在城市工况下的仿真.该 图6底部的一组图是模糊控制策略的仿真结 图中有9个子图，从上到下平分成3组，每组由S0C 果.与数学优化法比较，可看出蓄电池功率用的更节 的水平、蓄电池功率P。以及燃料电池功率P。3部分 省，SOC减少的更慢.电池充电也更慢，就有更多机 组成，都记录为时间的函数.从各组图中可见，电池 会回收制动能量. 组S0C的初始值是65%，最低极限是30%.燃料电 总的来说，基于规则法和模糊法没有数学优化 池功率水平范围为0~30kW。 法在功率分配和蓄电池充电方面好.原因是蓄电池 8器 的峰值功率在基于规则和模糊控制法中是低于在数 0.3 24680410 学优化法中.基于规则和模糊控制法的最大蓄电池 功率小于20kW.而数学优化法曾几次达到20kW, 2 6h8101214×10 而且放电时间短而充电时间长.这说明数学优化使 都 用较少的燃料电池功率给蓄电池充电，保证燃料电 24×10 池工作在相对低的功率区而得到较高的效率， a激学优化策略 图7给出了3种循环工况下的系统效率和燃料 经济的统计数据图表.数学优化的系统性能优于模 0.3 6h810124×10 糊逻辑系统，而模糊逻辑系统又优于基于规则系统 20 从燃料经济看，高速的燃料经济比城市的高，因为车 -20 在城市运行时速度慢而且经常停.从系统效率看，城 2 4 68101214×10 市运行好于高速，因为城市运行所需功率较低，通常 亂山 只需蓄电池单独提供车所需功率即可. 1 17 80 山规则策略 60 60 4 四基于规划 03 40 题模糊控制 68101214x10 20 口数学优化 0 城市 高速 城市/高速 wmrmomunm -20 12i4×10 (a)系统效率 810 是部红钟古片 1 96 89 46 80 (c模街控策珞 88 a基于规则 0 ■模糊控制 口数学优化 图63个控制策略在城市工况下的仿真 20 Fig.6 Simulation results for three energy control strategies 城市 高速 城市高速 6燃料经济 图6顶部的一组图是数学优化法.该策略优先 使用蓄电池功率，燃料电池作为后备.从仿真开始到 图7系统效率和燃料经济 第450s期间，蓄电池的S0C从65%一直在减少到 Fig.7 System efficiency and fuel economy 最小允许值，这段期间完全或几乎完全使用蓄电池 结束语 提供车所需功率.与此同时，燃料电池运行在很低功 率或完全停止工作，只在大约2008时出现了几个 本文分析了并联燃料电池混合动力汽车的控制 尖头图案，对应蓄电池功率此时正好是供不应求.因 策略，对燃料电池混合动力车的整车模型进行了不 为蓄电池的S0C已减到最小可允许值，在450~1 同工况、不同控制策略的仿真.从仿真结果可以看出 000s的期间，燃料电池开始成为主要功率提供者. 所提议的数学优化的控制策略是有效的，不仅满足 此时蓄电池功率变为负值（例如回收制动能量用于 了改进燃料经济的目标而且提高了整个驱动系统的 再充电). 效率.通过对3种控制策略的比较，不难发现所提议 图6中间一组图是基于规则策略在城市工况下 的数学优化策略在不同的工况下有更优越的性能， 的仿真.与数学优化策略相比，其蓄电池放电更慢， 尤其在城市中行驶的效果更为明显，因为此时汽车 充电更快.在燃料电池工作期间，燃料电池功率范围 总的需求功率较低，而燃料电池工作在低功率区时 是0~30kW,平均值大约为15kW.相比之下，数学 的效率是最高的， 优化策略中燃料电池功率用的较少，很难超过15 kW,通常只有8kW

·368 智能系统学报 第4卷 参考文献： of an energy management strategy for hybrid vehicles[J]. Int J Alternative Propulsion,2006,1(1):47-62. [1]WANG A.Novel design of energy control strategy for paral- [8]朱元，吴志红，田光宇.基于马尔可夫决策理论的燃料 lel hybrid electric vehicle[J].Transactions of Nanjing Uni- 电池混合动力汽车能量管理策略[J].汽车工程，2006， versity of Aeronautics Astronautics,2009,26(2):107- 28(9):798-802. 113. ZHU Yuan.WU Zhihong,TIAN Guangyu.An energy man- [2]KIM M J,PENG H,LIN CC,et al.Testing,modeling, agement strategy for fuel cell hybrid electric vehicle based and control of fuel cell hybrid vehicle[C]//Proc ACC. on Markov decision process[J].Automotive Engineering, Portland,USA,2005:3859-3864. 2006,28(9):798-802 [3]ZHANG R,CHEN Y.Control of hybrid dynamic systems 作者简介： for electric vehicles C]//Proc ACC,Arlington,VA:[s. 王爱华，女，1954年生，副数授（访 n.],2001:103-108. 问学者).主要研究方向为建模与仿真 [4]WANG A,YANG W.Design of energy management strate- 人工智能、控制算法、智能系统工程 gy in hybrid vehicles by evolutionary fuzzy system [C]//In- telligent Control and Automation,Dalian,2006,2:8324- 8328. [5]WANG A.An intelligent energy management and control system for hybrid electric vehicles [D].West Lafayette: 陈耀斌，男，1960年生，教授.主要 Purdue University,2001. 研究方向为人工智能、生物系统建模与 [6]CHO H Y.A new power control strategy for fuel cell hybrid 仿真. vehicles [D].Starkville:Mississippi State University, 2004. [7]ZHU Y,CHEN Y,WU Z,WANG A.Optimization design 2010图像分析与信号处理国际会议 2010 International Conference on Image Analysis and Signal Processing IASP 2010 aims to provide a high-level international forum for scientists,researchers and engineers to present the state-of- the-art advancements in the studies of Image Analysis and Signal Processing.It will be held in Huaqiao University,Xia- men,Fujian,China on April9~11,2010.It aims to strengthen relations between industry research laboratories,and u- niversities and to create a primary symposium for Chinese scientists and their overseas counterparts to exchange ideas,re- search results and practical experiences. This conference is technical sponsored by IEEE-Hangzhou Chapter and universities from home and abroad.Accepted Aca- demic papers will be published by IEEE Press with the cooperation of American Scholars Press.The proceedings will be indexed by EI and ISTP database. The conference encourages submissions on practical experiences.The topics of interest include,but are not limited to: A.Image Analysis B.Signal Processing C.Computer Related Fields D.Applications The conference will accepted papers for review before,during and after the conference before the deadline.Authors are in- vited to submit their papers electronically (as.doc or.pdf attachments)following the instruction on the conference web pages Aug 01,2009.The website of IASP2010 will be opened on Aug 01,2009.Formatting information is available from the website at http://iasp2010.hqu.edu.cn. Important Dates: Paper submission starting:Aug 01,2009. Paper submission deadline:Dec 01,2009. Notification of paper acceptance:Dec 31,2009. Final version of paper submission deadline:Jan 20,2009. Registration deadline:Jan 20,2009. Contact Information: Address:College of Computer Sci.Tec.,Huaqiao University,Xiamen,Fujian,China. E-mail IASP2010@hqu.edu.cn. Tel:（+86)595-22692621