基于T-S模糊控制的燃料电池客车能量管理策略及仿真分析

李熙，谢勇波，宋超，文健峰（湖南中车时代电动汽车股份有限公司，湖南株洲412007）

基于T-S模糊控制的燃料电池客车能量管理策略及仿真分析

李熙，谢勇波，宋超，文健峰
（湖南中车时代电动汽车股份有限公司，湖南株洲412007）

以燃料电池和动力电池组成动力源的混合动力客车为研究对象，提出能量分配和SOC反馈的模糊化方法，设计一种基于T-S模糊控制的燃料电池客车能量分配模型，并基于Advisor平台进行仿真对比分析。结果表明，所提出的控制策略能满足整车动力性要求，并具有较好的经济性。

燃料电池客车；能量管理策略；T-S模糊控制；仿真分析

燃料电池汽车（Fuel Cell Vehicle）被公认为是最有发展前景的未来汽车动力源[1-3]。全球很多企业和机构都投入了大量的人力物力从事燃料电池汽车方面的研究，有的已经开发出燃料电池车型并已经在公路上运行，大多状况良好[4-5]。目前，燃料电池客车的能量来源主要采用电-电混合（燃料电池和储能电池混合）动力系统方式，燃料电池和储能电池之间的协同分配控制策略的研究，就成了燃料电池混合动力汽车的核心[6-7]。本文以中车时代电动与奇瑞万达、同济大学联合开发的燃料电池客车为研究对象，以电池使用寿命最大化和能耗最小化为优化目标，同时兼顾动力性，结合Takag i-Sugeno（简称T-S）模糊推理模型，提出一种新的燃料电池能量分配控制策略。在Advisor仿真软件平台上对该策略进行仿真分析，并与传统算法进行对比，验证其优越性。

1 基于T-S模糊推理模型的能量分配策略

1.1 动力系统简介

目前，由于纯燃料电池客车的动态性能响应较差，且存在冷启动时效率较低和无法实现制动能量回收等缺点，本文燃料电池客车采用燃料电池+动力电池（FC+B）的混合驱动模式，如图1所示。燃料电池系统将氢气转化为电能，输出的电能通过DC/DC升压后，与动力电池并联后输入到电驱动系统，电机输出扭矩来驱动车辆行驶。

图1 燃料电池-动力电池混合驱动结构

设计整车的最大总质量为16 000 kg，迎风面积为8.49 m2，风阻系数0.65，设计最高车速为70 km/h。采用质子交换膜燃料电池和磷酸铁锂动力电池，其中燃料电池的输出功率为30 kW，在额定工况下效率≥40%；动力电池的容量为168 Ah，额定电压为358.4 V。

由于采用双能源动力系统的结构，增加了系统控制的复杂性，如果使用传统能量控制策略，如bang-bang控制模式或功率跟随控制模式，都存在其弊端。因此，本文基于T-S模糊推理模型，提出一种新的能量控制策略。

1.2 T-S模糊推理模型

T-S模型是一类较为特殊的模糊推理系统，它是一种表达光滑非线性系统的有力工具，其模糊规则不同于一般的模糊规则形式。在T-S模糊模型中，采用如下形式的模糊规则：

式中：Mij（j=1，2，...，n）是模糊集合；x（t）∈Rn是控制输入向量；m为模糊推理规则条数；y1（t），y2（t），…，yn（t）分别作为模糊逻辑的前件变量。

通过模糊化处理后，可得模糊逻辑系统模型如下：

1.3 基于T-S模型的能量分配策略建模

基于T-S模型的燃料电池客车能量分配策略建模如下：

1）输入输出变量设计。根据车辆结构，燃料电池客车的输出能量主要由动力电池和燃料电池提供，而动力电池的能量主要是由SOC决定。因此，本文结合传统能量分配策略，选取驱动电机需求功率pmr和动力电池SOC作为输入变量，选取燃料电池输出功率pfe与电机需求功率pr的比例系数K作为输出变量，建立一个两输入、一输出的T-S模型。其中，由于燃料电池的最大输出为30 kW，而动力电池非主动原件，是被动放电器件，因此将输入变量驱动电机需求功率pmr的论域定为pmr∈[0，30]，输入变量电池SOC的论域定为SOC∈[0，100]。根据车辆的实际运行状况，结合对输入输出数据的分析，并参考相关文献[8-9]，将输出变量燃料电池输出功率pfe与电机需求功率pmr的比例系数K的论域定为K∈[0，3]。

2）输入输出变量的模糊分布。针对上文中选定的模糊控制器的输入输出变量，同时结合车辆在实际运行中的情况，对于输入变量1动力电池SOC，其模糊分布可以描述为{“正很小”，“正小”，“正中”，“正较大”，“正大”}，对应于T-S模糊逻辑控制中的英文描述为{“SS”，“PS”，“PM”，“B”，“PB”}；对于输入变量2驱动电机需求功率pmr，其模糊分布可以描述为{“正很小”，“正小”，“正较大”，“正大”}，对应于T-S模糊逻辑控制中的英文描述为{“SS”，“PS”，“B”，“PB”}，输出变量系数K值为{0，0.1，0.5，1.5，2，3}。同时，为了将模糊控制的灵敏程度提高，本文均采用非均匀分布隶属度函数，通过Matlab中的模糊工具箱构造的输入变量模糊分布如图2和图3所示。

图2 SOC模糊分布图

图3 需求功率模糊分布图

3）模糊逻辑控制规则。结合以往调试经验和车辆在实际运行过程中的具体情况，在保证车辆动力性的同时，以减少动力电池SOC的波动、延长动力电池寿命为目标，本文建立的T-S模型按照如下目标进行设计：

①动力电池和燃料电池的输出功率应该满足汽车在行驶过程中各个阶段的功率需求，包括匀速行驶，急加速以及最高车速等。

②通过对燃料电池输出功率和动力电池输出功率之间比例的调节，使得动力电池的SOC值在整个行驶过程尽量维持在最优值附近，减少波动，延长动力电池寿命。

③优化燃料电池的工作区间，提高燃料电池的效率，提高整车的燃料经济性。

根据以上设计思路，制定20条模型推理规则及相应的模糊规则库。模糊规则库如表1所示。

表1 模糊规则库

4）基于T-S模型的能量分配策略建模。结合上文设计的基于T-S模型的模糊逻辑控制规则，同时考虑到燃料电池存在一定的响应时间，因此，在动力电池输出功率能满足驱动电机需求功率的情况下，优先使用动力电池作为能量输出，燃料电池作为动力电池的能量补充，起到一个预测提前补充能量的作用。在Matlab/Simulink的环境下，建立能量分配控制策略模型，同时，为了保证电池尽量稳定高效区间工作，建立一个基于T-S模型的功率修正系数，当SOC＞75%时，在满足功率需求的前提下降低燃料电池输出功率；当SOC＜65%时，在满足功率需求的前提下增大燃料电池功率，具体模型如图4所示。

图4 模糊策略能量分配模型

2 仿真分析

通过建立的T-S模糊能量分配策略模型，结合实车参数，在Advisor仿真软件平台上建立整车仿真模型。

同时，本文分别采用基于bang-bang策略和功率跟随策略对整车能量分配模块建模进行对比。其中，基于bang-bang策略的整车能量分配模型在SOC≤45%时，燃料电池在最优效率区间以最大功率运行；SOC≥75%时停机。基于功率跟随策略的整车能量分配模型设定SOC的充电上限为70%和充电下限为50%，当电池SOC处于这个区间时，以满足车辆驱动需求功率和保证SOC处于最优区间为优化目标，将燃料电池的输出维持在最优值范围内。建立的模型如图5和图6所示。

图5 bang-bang策略能量分配模型

结合中国城市客车运行的实际路况，既包含城郊混合工况也包含城市拥堵工况，如图7所示。

循环工况具体参数为：循环工况总时间为32 363 s，怠速时间为4 156 s，最大车速为70.75 km/h，平均车速为19.64 km/h，最大加速度为17.88 m/s2，最大减速度为-2.1 m/s2，平均加速度为0.37 m/s2，平均减速度为-0.42 m/s2，停站点共646个。

同时，起始点SOC设为90%，不考虑辅件能耗损失，不考虑机械损失，同时无制动能量回收，通过Advisor仿真后，T-S模糊策略结果如图8所示，功率跟随策略结果如图9所示，bang-bang策略结果如图10所示。具体参数对比如表2所示。

图8 T-S模糊策略仿真结果图

图9 功率跟随策略仿真结果图

图10 bang-bang策略仿真结果图

表2 结果对比

对比结果进行分析，3种能量分配策略均能满足车辆对动力性的要求：

1）基于bang-bang策略的整车能量分配模型，在电池SOC≤45%时，燃料电池在最优效率区间以最大功率运行；在电池SOC≥75%时停机。总体来说，在整个运行过程中，其优点是策略简单容易实现，燃料电池发动机热机后能维持在一个较高效率区间运行；缺点是燃料电池发动机启动时间较多，导致燃料消耗较高，系统整体效率低下。

2）基于功率跟随策略的整车能量分配模型，设定SOC的充电上下限分别为70%和50%，当电池SOC处于这个区间时，以满足车辆驱动需求功率和保证SOC处于最优区间为优化目标，将燃料电池的输出维持在最优值范围内。其优点是燃料电池发动机停机次数少，可以减少因为冷起动带来的能量损失；缺点是燃料电池系统中的氢气流量相对于整车功率需求变化存在一定的滞后性，氢气供应无法完全跟上功率需求，在急加速时容易出现动力不足的情况[10-11]。

3）而T-S模糊策略优先使用动力电池进行能量供给，同时燃料电池系统对电池进行补电，保证整车能耗需求，整个过程中燃料电池都运行在高效区间，同时，整车功率变化也不会对燃料电池发动机效率产生较大影响。因此，基于T-S模糊策略的能量分配方式在保证动力性的前提下，具有较好的经济性。

3 结束语

能量分配策略是燃料电池汽车整车控制的核心，分配策略的优劣直接影响着整车性能。本文针对燃料电池客车燃料电池和动力电池能量分配的问题，提出了一种基于T-S模型的能量分配策略，在Advisor仿真平台上，相对于bang-bang策略、功率跟随策略等传统能量分配方法，在保证整车性能的前提下，可以保证燃料电池工作在高效区间，提高了整车的燃料经济性。

[1]刘佳，李修亮，沈烨烨，等.燃料电池DC-DC变换器的设计与数字化控制[J].上海交通大学学报，2016，50（6）：910-916.

[2]ELLIS MW，VON SPAKPVSKY MR，NELSON D J.Fuelcell systems：efficient，flexible energy conversion for the 21stcentury[J].Proceedings ofthe IEEE，2001，89（12）：1808-1818.

[3]BOCKRIS J.The hydrogen economy：Its history[J].International JournalofHydrogen Energy，2013，38（6）：2579-2588.

[4]毛宗强，甘颖.氢燃料电池汽车新进展[J].太阳能，2012（8）：17-22.

[5]王菊.燃料电池公共汽车示范运行评价分析[J].北京汽车，2013（2）：1-5.

[6]陈全世.先进电动汽车技术[M].北京：化学工业出版社，2013.

[7]荆莹.燃料电池汽车驱动系统构型及参数选择分析比较[J].汽车工业研究，2014（3）：54-56.

[8]汪秋婷，肖铎，戚伟.燃料电池混合动力车整车能量管理研究[J].电源技术，2012，36（10）：1459-1462.

[9]刘树德，贠海涛，王成振，等.基于ADVISOR的燃料电池汽车混合动力系统设计[J].青岛理工大学学报，2016，36（3）：97-102.

[10]侯永平，刘亚楠，蔡强真，等.燃料电池发动机启动过程效率特性分析[J].汽车工程学报，2013，3（2）：88-93.

[11]殷婷婷，黄晨东，程伟，等.燃料电池汽车动力系统运行效率研究[J].上海汽车，2012（8）：2-5.

修改稿日期：2017-04-15

Management Strategy and Simulation Analysis on FuelCellBus Energy Based on T-S Fuzzy Control

LiXi,Xie Yongbo,Song Chao,Wen Jianfeng
（Hunan CRRCTimes Electric Vehicle Co.,Ltd,Zhuzhou 412007,China）

Taking the hybrid bus which the power source consists ofthe fuelcelland power battery as the research object,the authors putforward the fuzzification method ofenergy distribution and SOC feedback,design a distribution modeloffuelcellbus energy based on T-S fuzzy control,and carry outthe comparative analysis based on Advisor platform simulation.The results show that the proposed control strategy meets the requirements of the vehicle powerperformance and has a good economy.

fuelcellbus;energy managementstrategy;T-S fuzzy control;simulation analysis

U473.4

A

1006-3331（2017）04-0005-04

李熙（1988-），男，硕士；软件设计师；主要从事新能源汽车整车控制策略相关研究工作。