电电混合燃料电池汽车经济性与耐久性优化控制策略研究

蒋欣源

厦门金龙联合汽车工业有限公司，福建厦门，361000

0 引言

随着全球气候变化和环保压力的加大，电动汽车尤其是燃料电池电动汽车（FCEVs）逐渐被视为未来可持续发展的重要选择。然而，为了使其商业化和普及，需要在经济性和耐久性上对FCEVs进行优化。经济性主要涉及燃料电池汽车的运行成本，包括燃料消耗和维护成本；耐久性则关乎燃料电池的寿命和稳定性。由于这两个因素与燃料电池汽车系统的整车能源管理密切相关，本文主要研究电电混合燃料电池汽车的能源管理策略，特别是动态规划（DP）算法的改进，以提高其经济性和耐久性。

1 电电混合燃料电池汽车系统动力方案定义

电电混合燃料电池汽车是一种将燃料电池发电技术与混合动力技术相结合的新型汽车。这种汽车的主要特点是使用电电混合的燃料电池汽车能量管理控制策略，结合整车实际运行工况及动力电池状态，实现整车能量管理的合理分配，在保证整车动力性需求的基础上，避免燃料电池系统频繁变载导致燃料电池系统寿命降低的风险，维持动力电池剩余电量SOC相对稳定，在制动过程中，驱动电机可通过回收制动能量为电池组充电，从而实现更长的续航里程[1]。

2 电电混合燃料电池汽车的模型简述

2.1 燃料电池的模型

燃料电池模型主要关注燃料电池堆的性能和效率。通常采用的燃料电池是质子交换膜燃料电池（PEMFC），其主要特点是工作温度较低（约80℃）、启动速度快，且体积小和重量轻。（1）电化学反应：描述燃料电池中氢气和氧气的反应过程，以及生成的电流、电压和热量。（2）传质过程：包括氢气、氧气在燃料电池内的扩散和输送过程，以及水分的排放。（3）热管理：燃料电池在工作过程中产生的热量需要通过散热系统进行控制，以保持燃料电池在合适的温度范围内工作。

2.2 动力电池模型

动力电池模型主要关注电池组的性能和寿命。常见的动力电池类型有锰系三元锂电池、磷酸铁锂电池等。（1）电池内阻：电池在充放电过程中的内阻会影响其性能和效率，通常使用等效电路模型（如Thevenin模型）来描述。（2）开路电压：电池在不同荷电状态下的开路电压，通常可以用经验公式进行拟合。（3）容量衰减：电池在使用过程中会出现容量衰减现象，影响寿命，可以通过经验公式或基于循环数的模型来描述。

2.3 汽车整体模型

汽车整体模型关注整车的动力性能和能耗特性，可以从以下几个方面进行描述。燃料电池车辆电器系统的架构图如图1所示。

图1 燃料电池车辆电器系统的架构图

（1）驱动力学：驱动电机、传动系统和车轮之间的力学关系，以及电机的控制策略。

（2）制动能量回收：在制动过程中，通过驱动电机将机械能转化为电能进行回收的过程和效率[2]。

（3）车辆动力需求：车辆在不同行驶工况下的动力需求，包括行驶阻力、加速度、爬坡能力等。

（4）能量管理策略：整车能源系统（燃料电池、动力电池等）之间的能量分配和控制，以实现高效、环保的驾驶体验。

3 电电混合燃料电池汽车能量管理路径开发

3.1 常用能量管理路径介绍

在常用的能量管理路径中，电电混合燃料电池汽车的能量管理控制主要考虑如何平衡燃料电池系统和动力电池的能量分配。当汽车处于满足燃料电池系统开堆条件下，首先通过整车控制器根据动力电池的剩余电量、当前的驾驶需求以及附加电器的功率需求，综合计算燃料电池系统当前的需求功率。然后，根据动态比例因子进行权重计算，确定当前允许的最小功率值 。燃料电池系统运行功率被划分为六个定点功率运行点，当运行到设定的功率滤波时间t1时，通过定点插值查询确定燃料电池系统的定点需求功率。当燃料电池系统功率达到需求功率时，设定功率持续运行的滤波时间t2后更新下一个需求功率。

3.2 能耗最优管理理论路径

本方案在能耗最优的管理理论路径中，基于能源效率最优化的原则，对整个燃料电池汽车的能量管理进行了全面优化。方案不仅考虑了动力电池的剩余电量和驾驶需求，还结合了燃料电池系统的实际运行状态和燃料电池的健康状况。这种路径的实现，需先依据动力电池、驾驶需求以及附加电器功率需求计算燃料电池系统的需求功率，接着根据动态比例因子计算权重比和当前许可的最小功率值。定点功率运行点由燃料电池系统功率需求和燃料电池的健康状况决定，满足设定的功率滤波时间后，使用插值查询方式确定燃料电池系统的定点需求功率[3]。在燃料电池系统功率达到需求功率后，通过设定的滤波时间更新下一个需求功率。这种路径在保证燃料电池系统稳定运行的同时，有效减少燃料电池功率的频繁变化，延长了燃料电池系统的寿命。能量管理的实施流程如图2所示。

图2 能量管理的实施流程图

4 燃料电池汽车经济性与耐久性优化控制改进策略

4.1 改进DP优化状态变量设置

在动态规划（DP）算法中，状态变量的设置直接影响着燃料电池汽车的能量管理效率和优化结果。对于燃料电池汽车来说，改进状态变量的设置能更好地平衡车辆的经济性和耐久性。

（1）对燃料电池系统的状态变量进行优化。传统的DP算法中，状态变量通常为动力电池的剩余电量SOC，而在实际情况中，燃料电池系统的功率需求和燃料电池的健康状况也应纳入状态变量中。例如，当整车当前附件高压电器的需求功率为Pac（这里的附件高压电器包括低压DC/DC变换器、电空调、电动打气泵、电动油泵等）时，可将Pac作为状态变量之一，以更好地模拟燃料电池系统的实际工作状态。

（2）调整权重比的计算方法。在传统的DP算法中，权重比通常是由动态比例因子K计算得出的。但在实际应用中，根据燃料电池系统的实际需求和健康状况，我们可能需要调整K值。例如，当整车需求驱动功率为Pd时，可将K设为Pac/Pd，这样就可以根据附件高压电器的需求功率和整车的驾驶需求，动态调整权重比。

4.2 燃料电池自适应启动停止间隔控制

自适应启动停止间隔控制是一种有效的能源管理策略，它能够根据燃料电池系统的工作状态和环境条件，动态地调整燃料电池系统的启动和停止时间，从而优化燃料电池汽车的运行性能。

（1）假设在初始状态下，燃料电池系统启动后，燃料电池系统功率运行在最小定点功率点Pfc_1，比如20kW。启动后的燃料电池系统会逐渐升温，直到达到一个设定阈值T1，假设是60℃。当燃料电池系统温度达到T1时，系统可以根据当前的驾驶需求和动力电池的SOC，动态地调整燃料电池系统的功率输出。

（2）在运行过程中，如果燃料电池系统的温度超过了另一个设定阈值T2（比如80℃），或者动力电池的SOC达到了另一个设定阈值SOC2（比如80%），则燃料电池系统将进入停止状态[4]。这个停止状态将持续一段时间，比如5分钟，以保证燃料电池系统的温度能够降下来，并且动力电池的SOC能够得到合理的利用。

（3）在停止状态结束后，燃料电池系统将再次启动，重新运行在最小定点功率点。这个启动-停止的过程将循环进行，以保证燃料电池系统能够在一个安全和高效的状态下运行。

4.3 经济性与耐久性结合改进

在改进燃料电池汽车的经济性和耐久性方面，需要结合车辆的实际工况和使用环境，建立一个准确的经济性仿真模型。同时，还需要对燃料电池系统的工作状态进行实时监控和智能控制，以优化系统的能源管理策略，提高系统的运行效率和稳定性。

（1）建立等速40km/h的等速工况任务。根据仿真结果，当车辆在等速40km/h的工况下运行时，其氢耗为3.81kg/100km。这个数据为改进提供了基线，在改进时根据这个基线，调整燃料电池系统的能源管理策略，以降低氢耗，提高等速巡航续驶里程。

（2）建立CHTC-C循环工况任务。在这个任务中，假设车辆满载，但不开空调。根据仿真结果，当车辆在这个工况下运行时，其氢耗为6.8kg/100km。这个数据显示，满载和不开空调的工况对燃料电池汽车的经济性有显著的影响。

（3）动态调整燃料电池系统的功率输出：这一步骤的关键在于，如何准确地感知并预测车辆的载荷和环境温度。例如，可以使用高精度的负载传感器和温度传感器，以及先进的机器学习算法，对车辆的载荷和环境温度开展实时监测和预测。据此，当车辆的载荷增加，例如从空载增加到满载，可能需要将燃料电池系统的功率输出从20kW增加到30kW，以满足增加的驾驶需求[5]。同时，如果环境温度升高，可能需要将燃料电池系统的功率输出降低，以避免过热。

（4）自适应启动停止间隔控制：这一步骤的关键在于，如何准确地感知并预测燃料电池系统的工作状态和环境条件。例如，可以使用高精度的燃料电池温度传感器和SOC传感器，以及先进的控制算法，对燃料电池系统的工作状态和环境条件进行实时监测和控制。据此，当燃料电池系统的温度达到80℃或者动力电池的SOC达到80%，可以将燃料电池系统从运行状态切换到停止状态，并保持停止状态5分钟，以保护燃料电池，延长其使用寿命。

（5）为了验证这些技术措施的有效性，还需对燃料电池汽车进行实际测试。这些测试不仅包括在实验室的模拟工况下进行的测试，还包括在实际路况下进行的测试。通过这些测试，可进一步优化技术措施，使燃料电池汽车更好地适应各种工况和使用环境，从而提高其经济性和耐久性。

4.4 革新DP算法结构

改进燃料电池汽车的经济性与耐久性控制策略，首要任务是革新DP算法结构。DP算法在能源管理系统中起着关键作用，它能够确定最优的能量分配，以实现最佳的经济性和耐久性。

（1）状态变量和控制变量的选择：在现有DP算法中，状态变量通常包括燃料电池的电压、电流等，控制变量则包括电力分配、燃料电池启动/停止等。为了提高经济性和耐久性，还需进一步扩展状态变量和控制变量，例如引入附件高压电器的需求功率，这些电器包括低压DC/DC变换器、电空调、电动打气泵、电动油泵等。当整车需求驱动功率P为50kW时，可动态地调整燃料电池系统的功率输出PFC。

（2）优化目标和约束条件：在现有DP算法中，优化目标通常是最小化燃料消耗，约束条件则包括燃料电池的功率限制、电池的SOC限制等。为了提高经济性和耐久性，可将优化目标扩展为最小化总体运行成本，其中包括燃料成本、维护成本、更换燃料电池的成本等。同时，还需引入更多的约束条件，例如燃料电池的温度限制≤80℃、启动/停止的间隔时间限制t间隔≥5分钟等。

（3）改进DP算法：现有的DP算法可能需要很大的计算资源和计算时间，这对于实时的能源管理系统来说影响较大。为了解决这个问题，可以采用近似DP（ADP）算法，例如用函数逼近方法替代传统的表查找方法，用有效策略替代传统的全局优化策略[6]。据此，实现实时的能源管理，同时保证经济性和耐久性。

（4）仿真和实验验证：为了验证新的DP算法，针对氢燃料电池公路车型在CHTC-C循环工况下进行仿真。氢燃料电池公路车型整车参数如表1所示。

表1 整车参数

利用Cruise软件搭建整车仿真模型，如图3所示。

图3 Cruise 仿真模型

建立CHTC-C循环工况任务如图4所示。

图4 CHTC-C 工况路谱

将经济性仿真结果进行汇总，其仿真结果如下：新的DP算法可以将CHTC工况下的氢耗降低到6.8kg/100km。这些结果表明，新的DP算法可以显著提高燃料电池汽车的经济性和耐久性。

5 结语

综上，在优化电电混合燃料电池汽车的能源管理时，需提高其经济性和耐久性。这包括选择合适的状态变量和控制变量，设定实际可行的优化目标和约束条件，以及采用近似DP算法（ADP）以适应实时能源管理的需求，而这些成果不仅为燃料电池汽车的能源管理提供了新的思路和方法，也对推动燃料电池汽车的商业化具有积极的作用。