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