基于全局优化策略的某燃料电池车动力经济性验证

辛伟伟 ,韦尚军 ,郑伟光, ,张 平

(1.桂林电子科技大学 机电工程学院,广西 桂林 541004;2.东风柳州汽车有限公司 商用车技术中心,广西 柳州 541005)

随着传统化石能源燃烧造成的环境污染和能源安全问题日益引起人们的重视,世界各国相继出台新能源政策,采取各种举措以缓解上述问题。作为石化能源消耗的大户,交通运输业正处于产业升级的十字路口,新能源汽车及其相关技术的研究逐渐成为促进交通运输产业链良性有序发展的必要选项。在当前主要的新能源汽车构型中,氢燃料电池汽车因零污染、燃料可再生、系统效率高及续航里程远等特点成为最具竞争力的候选方案之一[1-4]。

由于燃料电池的自身放电特性偏软且动态响应较慢,单一的燃料电池能量源并不能满足复杂多变的行车环境[5-7]。考虑到车辆的动力要求及动力源寿命等问题,燃料电池汽车一般会匹配1个辅助能量源与燃料电池共同驱动车辆。通常情况下,该辅助能量源由单一的电池包或单一的超级电容构成[8],也有一些学者[9-10]在研究中会匹配由动力电池和超级电容构成的复合辅助能量源。在氢燃料电池汽车中,复合能量源的功率分流主要依赖于整车的能量管理系统。目前,常见的能量管理策略包括规则型控制策略(包括基于确定规则的能量管理策略[11-12]和基于模糊逻辑规则的能量管理策略[13])和优化型控制策略(包括瞬时优化策略[14-15]以及全局优化策略[16-17]),其中全局优化策略基于动态规划(dynamic programming,简称DP)或庞特里亚金最小值原理(pontryagin's minimum principle,简称PMP),在确定的工况信息条件下,能够获取全局最优的控制规则,进而获得符合当前行程的最优氢耗。

以采用复合动力源(氢燃料电池匹配蓄电池包)的氢燃料混合动力电池的汽车为研究对象,以东风柳州汽车有限公司某款燃料电池商用车为原型,采用基于动态规划算法的全局优化能量管理策略,对车辆的动力经济性进行验证。

1 车辆模型构建

氢燃料电池混合动力汽车动力系统车辆构型图,如图1所示。

图1 车辆构型

系统主要包含质子交换膜燃料电池、DC-DC变换器、蓄电池包、电机及其控制器、传动系统及其他电气附件。燃料电池作为车辆的主能量源,只向车辆输出能量,故与燃料电池堆匹配的DC-DC变换器也是单向的。蓄电池除用于输出电能外,还负责接收燃料电池的多余电能以及回收制动状态的能量。此外,蓄电池包还搭配1个高压转低压的DC-DC变换器,为车辆低压附件提供电能,车辆参数如表1所示。

表1 车辆参数

1.1 车辆的纵向动力学建模

车辆在平直路面行驶时,车身纵向力对车辆的燃油经济性起决定性作用,故模型搭建主要考虑车辆的纵向动力学特性,而忽略横向动力学对车身稳定性的影响。

车辆在道路上正常行驶时,其行驶阻力包含轮胎滚动阻力Ff、空气阻力Fw、坡度阻力Fi及加速阻力Fa,车辆驱动力满足

其中:m为车辆总质量;g为重力加速度;f为滚动阻力系数;α为路面倾角;ρ为空气密度;Cd为空气阻力系数;Af为车辆迎风面积;v为车速。

设定车辆驱动力在牵引状态下为正,在制动状态下为负。基于给定的车辆参数,电机需求扭矩Tm、需求转速wm及需求功率Pm的函数分别为:

其中:rw为车轮转动半径;ηfd、rfd分别为主减速器的效率和传动比;ηm 为电机效率,可通过查找电机MAP图获得。

1.2 燃料电池的建模

常见的燃料电池仿真模型包含机理模型、电化学模型、神经网络模型及效率模型。考虑到仿真时长因素的影响,建模选用最为简单的效率模型。

燃料电池的效率曲线可通过实验获得,燃料电池的功率-效率曲线如图2所示。

图2 燃料电池功率-效率曲线

燃料电池氢气消耗速率

图3 燃料电池氢耗曲线

1.3 蓄电池包的建模

蓄电池包模型采用广泛使用的等效电路模型,其机理[18]如图4所示。

图4 蓄电池等效电路

在该模型中,电池被等效为1个理想电压源Voc和1个电阻Rint,则蓄电池包输出功率Pb可描述为电流Ib的函数,

蓄电池包荷电状态(state of charge,简称SOC)的变化速率满足

1.4 电机的建模

仿真中采用的电机参数如表2所示。

表2 电机参数

在燃料电池汽车中,电机作为电能与驱动系统动能能量转换的唯一装置,当车辆处于驱动状态时,电机充当电动机的角色,将燃料电池和蓄电池包提供的电能转化为机械能,驱动车辆前进;当车辆处于制动状态时,电机充当发电机的角色,将制动机械能转化为电能,回收制动能量,为蓄电池包充电。电机的效率(MAP)可描述为转矩和转速的函数,其MAP图如图5所示。

图5 电机MAP

2 燃料电池汽车能量管理策略

2.1 动态规划算法

燃料电池汽车的能量管理优化可视作一个多阶段决策问题。动态规划算法作为解决多阶段决策过程最优化的一种数学方法,可协助完成车辆能量管理的全局优化问题[19-23]。

假设存在一个多阶段决策问题,其可用状态转移方程描述,

其中:s(k)为第k阶段时的状态变量,一般选择不可控因素作为系统的状态变量:u(k)为第k阶段的决策变量。

当某个阶段的状态变量确定后,系统根据不同的决策变量演化到下一个阶段,进而系统从初始状态演化到最终状态并形成若干策略集合。同时,借助设定的指标函数(式(9))获得所有子决策过程对应的消耗成本,最终获得最优值(最大或最小)的指标函数,其对应的决策就是全局最优的决策。

其中:sj和uj分别为j时刻系统的状态变量和决策变量;vj(sj,uj)为j时刻系统在sj状态下采用决策uj所对应的成本指标;Vk-n为系统由当前时刻k至终端时刻n所对应的总成本指标。

2.2 基于动态规划的能量管理策略

在燃料电池汽车的能量管理策略中,选定蓄电池包的SOC为系统的状态变量、蓄电池包输出功率Pb及燃料电池输出功率PFC为决策变量,其状态转移方程为

定义指标函数为整个工况的燃料消耗

其中:(xk,uk,vk)为第k阶段的燃油消耗;Δt为每个阶段的时间长度,仿真中定义为1 s。此外,考虑到各动力部件的物理约束,对燃料电池汽车动力系统参数施加限制:

3 仿真结果分析

应用MATLAB编程中的动态规划算法进行仿真,采用欧洲标准工况EUDC_LOW 对控制策略进行验证,EUDC_LOW 工况速度-时间曲线如图6所示。

图6 EUDC_LOW 工况

分别在空载、半载、满载情况下对车辆的动力性能进行仿真测试。3种情况下蓄电池包SOC变化曲线如图7所示。车辆分别处于空载、半载、满载时,由于燃料电池型号较小且负载较大,导致终端SOC小于初始SOC,且载重越大,终端SOC偏离初始值越远。在后续的车辆开发中,需要适配功率更大的燃料电池,以满足车辆的动力需求。

图7 蓄电池包SOC变化曲线

3种载重模式下电机需求功率、燃料电池、蓄电池包输出功率与时间的关系如图8所示。

图8 3种载重模式下功率与时间的关系

在不同载重模式下,车辆适配的复合能量源均能满足电机功率需求,车辆满足给定工况下正常行驶需求。在空载、半载、满载3种状态下,燃料电池整体输出功率变化不大,较长时间处于大功率输出工作状态,同时这也是燃料电池工作效率较高的区间。

在单一载重情况下(如图8(a)),蓄电池包输出的部分功率用于满足电机需求,比较图8(a)、(b)和(c),由于电机的需求功率随载重变化较大,燃料电池功率范围较小,导致蓄电池包输出功率变化范围较大。

3种载重模式下,车辆经济性仿真结果如表3所示,将起始与终端SOC差值等效转化为氢耗。随着载重质量的增大,蓄电池包SOC 逐渐偏离初始SOC,整车等效氢耗量也逐渐增加。

表3 经济性仿真结果

4 结束语

以某款燃料电池商用车为原型,采用基于动态规划的全局最优能量管理方法对车辆的动力经济性进行验证。仿真结果表明,车辆适配的复合能量源满足给定工况车辆在空载、半载、满载3种模式下正常行驶需求,但随着车辆载重的增大,车辆的SOC下降较快。考虑到重型商用车长期工作于大载重、长航时工况,较低的SOC不利于保持车辆处于最佳动力性,严重时,甚至会导致车辆无法正常运行。在之后的研究及车辆开发中,将为车辆适配峰值功率更大的燃料电池,以提高车辆的动力经济性。