纯电动汽车低压电源管理优化策略研究

彭忛　罗文广

摘 要：随着汽车技术的不断发展，汽车的电气设备种类越来越多，电器消耗的电能占整车能量比重不断上升，对汽车低压电源管理提出更高要求。为满足用户日益增长的汽车电子设备用电需求，达到减少整车能量消耗、提高电池充电效率的目的，在对纯电动汽车负载进行分类的基础上，利用遗传算法对用于电量安全分级的低压电池荷电状态（state of charge， SOC）进行优化，并提出一种基于SOC的4级恒流低压锂电池充电管理策略；利用AVL-Cruise和MATLAB-Simulink软件联合仿真搭建车辆模型，采用不同工况进行仿真验证和对比分析。结果表明，低压锂电池电源管理策略能够满足纯电动汽车的电量安全性要求，在一定程度上提高了整车经济性；优化后的锂电池充电效率有一定的提高，充电时间也有所减少。

关键词：纯电动汽车；低压电源管理系统；锂电池；遗传算法

中图分类号：TM912.9；U469.72 DOI：10.16375/j.cnki.cn45-1395/t.2024.02.008

0 引言

环境问题和能源危机促进了新能源汽车行业的蓬勃发展，纯电动汽车有巨大的发展潜能。纯电动汽车低压电源管理系统具有低压锂电池状态监控、静态电流管理、低压锂电池充放电管理、整车用电负载管理等功能，对整车行驶起到重要的保障作用[1]。低压电源能量管理对车辆的能耗和动态性能有重要的影响，纯电动汽车低压电源管理系统的能耗问题是整车能量管理设计中不可忽略的部分之一[2-5]。

纯电动汽车能量管理策略包括制动能量回收策略、高低压电源管理策略和整车负载能耗控制策略等[6-9]。纯电动汽车电源管理策略主要有2种方法：一是优化整车能量的使用率，根据汽车行驶状态只保留必要的负载，把整车能量进行合理的分配，最大程度节约电能；二是提高电池使用效率，使其工作在高效能区间[10]。对电动汽车低压电源管理系统进行合理的控制，可以有效降低电耗，提升整车性能。文献[11]基于车辆行驶状态、动力电池荷电状态（state of charge， SOC）和低压电池状态提出了一种低压电源能量管理系统，该低压电源系统可以有效地监测和保护低压电池，提高车辆动态性能；所提出的控制策略可以提高1.72%的纯电行驶里程，并降低4%的电能消耗。文献[12]建立了纯电动汽车低压电气系统效率模型，验证了锂电池低压电气系统在轻载条件下能够使系统效率提升10%。文献[13]对B50EV车型的低压电气系统进行优化，实车验证了系统的安全性和可靠性。文献[14]在对整车低压电气系统进行分析的基础上，设计了乘用车低压电源的分配方案。文献[15]使用神经网络建立了一种基于工况在线识别的整车能量管理策略，实现了负载功率的最优分配。由以上文献可知，使用不同的智能优化算法在一定程度上可提高能量管理系统的工作效率，因此，本文采用遗传算法对低压电源管理系统进行优化，以达到节約电能消耗的目的。

电池是影响电源管理系统和整车性能的一个十分重要的因素。在设计低压电源能量管理策略时，不仅要保证整车的正常行驶，而且应该兼顾电池的充电管理。文献[16]提出了一种4级恒流充电策略，并与等效恒流恒压充电策略和基于充电电压限制的充电策略进行比较，结果表明，基于电池SOC的充电策略充电时间更短。文献[17]采用田口正交法对5级恒流充电策略进行优化，得到电池最优充电模式，再与恒流恒压充电方式进行对比，结果表明该充电策略的充电效率提高了0.5%～0.9%，电池温升降低约2 ℃。文献[18]基于锂离子电池等效电路模型提出了一种多级恒流充电方法，该方法与恒流恒压方法相比，充电时间和充电容量分别降低12%和1.8%，充电效率提高0.54%，同时该多级恒流充电方法具有较低的温升。由此可知，多级恒流充电策略具有结构简单、易于控制和实现的优点，相对于恒流恒压充电策略，该充电策略充电时间更短，充电效率更高。因此，本文对恒流恒压充电策略进行改进，提出基于SOC的4级恒流充电策略，以达到减少低压锂电池充电时间的目的。

纯电动汽车低压电源管理系统结构简单，在为整车提供电能时，工作效率还有待提高，在对低压锂电池进行充电时，充电策略和充电时间还有待改进。为了提高整车能量的使用效率，减少低压电池的充电时间，本文对整车负载进行分类，采用遗传算法对低压电源管理系统进行优化，并提出基于SOC的4级恒流充电策略。与常用的低压电池充电方式相比，本文提出的充电策略效率更高，充电时间更短。

1 系统建模及参数匹配

为进行系统仿真，需对纯电动汽车整车及主要部件进行建模。

1.1 整车动力学模型

纯电动汽车的动力系统主要由动力电池、驱动电机、DC/DC和低压辅助电源等部分组成。其中动力电池为唯一动力源，驱动电机为汽车行驶提供输出动力，DC/DC把高压电转化为低压电对低压电池进行充电，低压电源系统可为整车负载提供电源。

电动汽车动力系统需要依靠车辆纵向动力学模型进行分析。汽车在行驶过程中的主要受力为驱动力和行驶阻力，电动汽车受力分析如图1所示。根据受力情况可以建立受力平衡方程，由式（1）表示，

式中：[Ft]为驱动力；[Fw]为空气阻力；[Ff]为车轮滚动阻力；[Fi]为爬坡阻力；[Fj]为加速阻力。

以某纯电动汽车基本参数为基础，在Cruise软件中搭建整车模型，选取的整车参数如表1所示。

1.2 低压电池模型

目前低压电池应用较多的是铅酸电池和锂电池两类。铅酸电池技术成熟，可大电流使用，但能量密度较低且含有重金属。锂电池能量高，循环寿命长，可深度放电，绿色环保，因此选取锂电池作为低压辅助电池。电池基本参数如表2所示，本文锂电池模型采用Rint模型。

式中：[U]表示电源电压；[E]表示电机电动势；[Ie]表示线圈电流；[Re]表示等效电阻；[ke]表示电机参数；[?L]表示磁通量；[ne]表示电机转速。

2 整车负载分类及电量安全分级优化管理

2.1 整车负载分类

根据汽车运行时各种负载的工作性质，将所有负载分为安全类、行驶类、舒适类和娱乐类4种。安全类负载对整车正常行驶起保证作用，行驶类负载与汽车动力性相关，舒适类负载和娱乐类负载与驾驶员的需求相关。由于部分负载使用频率与季节和外部环境有关，本文引入加权系数来计算在不同季节和不同行驶工况下的整车用电量。冬季雪夜和夏季雨夜2种工况是整车负载用电量的极限情况，因此本文选择冬季雪夜、平常夜间和夏季雨夜3种典型工况，分别计算东风柳汽某款纯电动车型各负载的用电量，如表4所示。

2.2 用于电量安全分级的低压电池SOC优化

将负载类型对应的用电安全等级和12 V锂电池SOC对应的电量安全等级进行匹配，实现不同类型负载的开闭管理，达到维持整车正常行驶安全和保护低压锂电池的目的。负载类型与电量安全等级划分如表5所示。根据车辆行驶状态，结合低压锂电池状态信息对整车负载进行控制。在无特殊工况的情况下，依据当前电池SOC值按照用电安全等级对整车负载进行关断处理，直至切断所有负载。在特殊工况下，必须先满足安全类负载，再根据具体情况对行驶类负载和舒适类负载进行功率分配，具体功率分配原则如表6所示。

为了优化整车能量的使用率，尽可能地减少能量消耗，本文采用遗传算法对用于电量安全分级的低压锂电池SOC进行优化。优化目标为低压锂电池剩余SOC值最大，即整车能量消耗最小，整车需求功率最小。优化变量为12 V锂电池的4个SOC切换阈值。遗传算法优化参数设置如下：种群大小设置为50，最大遗传代数设置为300，交叉概率设置为0.9，变异概率设置为0.001，终止条件为达到最大遗传代数。经过300次迭代，遗传算法结束，得到最优的低压锂电池SOC切换阈值；把优化结果代入整车仿真模型中，与未采用遗传算法的低压电源能量管理策略进行对比分析。遗传算法优化步骤如图3所示。

3 低压锂电池充电管理策略研究

电池管理策略主要包括电池状态监测和电池的充放电管理。为了避免因低压电池亏电引起的无法启动高压系统、导致车辆抛锚的情况，同时为了提高电池使用效率、节约电池充电时间，本文对低压锂电池的充电策略进行研究。目前纯电动汽车低压锂电池的充电方式主要有3种：第一，整车外接电网充电时给低压锂电池充电；第二，在一些特殊的工况下，如减速、制动、下坡时，制动能量给低压锂电池充电；第三，在汽车正常行驶中，动力电池通过 DC/DC 给低压锂电池充电。本文采用的是第三种方式，具体的充电流程如图4所示。

为了在短时间内尽可能地多充电，提高低压锂电池的充电效率，本文采用基于电池SOC的多级恒流充电方式对传统恒流恒压充电方式进行改进，该方法去掉了恒压部分，由几个电流幅值不同的恒流模式组成。充电级数直接影响电池的充电时间和充电效率，当充电级数达到5时，充电时间和充电效率没有明显的改善，并且超过5级会使控制电路更复杂，因此设计充电级数为4级。多级恒流充电方式的核心问题是确定每个阶段的充电电流。为了确定每一级的充电电流，本文采用迭代优化方法来寻找充电电流最优值。为了简化搜索最佳充电电流的过程，第一阶段充电电流被设置为恒流恒压模式的标称充电电流的2倍。在充电过程中，基于当前的电池SOC值来判断充电过程是否进入下一阶段，当SOC值达到100%时，充电过程终止。

4 仿真测试与分析

4.1 低压电源能量管理策略仿真分析

为了验证本文提出的低压电源能量管理策略的有效性，通过仿真测试，分析整车能量消耗。为了使仿真结果更加客观且多元化，采用NEDC、CLTC、WLTC、60 km/h等速巡航等4种工况进行仿真测试，4种工况仿真测试结果如图5所示。

本文采用MATLAB-Simulink与AVL-Cruise软件进行联合仿真，搭建车辆前向仿真平台。1）在Simulink中对低压电源能量管理策略进行建模；2）在Cruise中搭建纯电动汽车的整车模型；3）通过MATLAB编译器将Simulink中的策略进行编译，生成DLL文件；4）在Cruise软件中调用生成的DLL文件进行联合仿真。纯电动汽车仿真模型如图6所示，遗传算法优化结果如表7所示。将遗传算法的优化结果载入搭建的车辆仿真模型，可以得出不同工况下整车电耗仿真结果，仿真结果如表8所示。

从表8可知，采用遗传算法对低压电源管理策略进行优化后，纯电动汽车在NEDC、CLTC、WLTC、60 km/h等速巡航这4种工况下的整车的电耗值都有所减少，其中CLTC工况节约的电耗值最高，60 km/h等速巡航工况节约的电耗值最低。

4.2 锂电池充电策略仿真分析

为了更直观地验证基于SOC的4级恒流充电策略的有效性，在Simulink中建立了电池的充电模型，如图7所示。选取标称电压为12 V、标称容量为22 A[·]h、初始SOC为35%的锂电池进行充电测试，当SOC达到95%时停止充电。4级恒流充电策略和基于SOC的恒流恒壓充电策略中，电池的充电电压、充电电流和电池SOC值变化的结果如图8、图9所示。由图8可知，采用4级恒流充电策略，电池SOC从35%充电到95%需要410 s，而采用恒流恒压充电策略（图9），电池SOC从35%充电到95%则需要490 s。4级恒流充电策略与传统恒流恒压充电策略相比，充电时间从490 s减少到410 s，充电效率提高了16.3%。因此，本文提出的4级恒流充电策略充电时间更短，充电效率更高。

5 结论

本文以纯电动汽车低压电源管理系统作为研究对象，通过Cruise软件建立整车模型。为减少电池电量消耗，节约整车电耗，提出低压电源能量管理策略，并采用遗传算法对其进行优化，结果表明优化后各个工况下的整车电耗均有所降低。采用4级恒流充电策略对低压锂电池充电进行优化，结果表明优化后电池的充电时间明显缩短，提高了电池的充电效率。

参考文献

[1] 李军.电动汽车电源管理策略分析[J].上海汽车，2018（12）：6-10.

[2] 王琦，刘胜永，郑致飞.基于模糊控制的纯电动汽车能量管理策略研究[J].广西科技大学学报，2021，32（2）：83-88，106.

[3] 崔华芳.电动车经济性影响因素分析及能量管理测试研究[J].汽车零部件，2019（8）：56-61.

[4] 王涛.低功耗电源管理系统研究与设计[D].上海：华东师范大学，2022.

[5] ZHAO Y，CAI Y G，SONG Q W.Energy control of plug-in hybrid electric vehicles using model predictive control with route preview[J].IEEE/CAA Journal of Automatica Sinica，2021，8（12）：1948-1955.

[6] 徐金波.纯电动汽车驱动控制策略与能量管理策略分析[D].西安：长安大学，2019.

[7] 周维，张承宁，李军求.增程式电动车BL和CD-CS型最优能量管理策略比较研究[J].汽车工程，2016，38（12）：1407-1414.

[8] 赵国柱，黄相，孙琼琼，等.模糊控制的电动车复合电源能量管理研究[J].传感器与微系统，2017，36（1）：48-51，55.

[9] 刘胜永，曹括，周冀龙，等.基于SOC的V2G充电桩充放电控制策略研究[J].广西科技大学学报，2019，30（1）：59-66.

[10] 董冰，田彦涛，周长久.基于模糊逻辑的纯电动汽车能量管理优化控制[J].吉林大学学报（工学版），2015，45（2）：516-525.

[11] ZHAO Y Q，WANG Y Q，YUAN S H.Energy management of low voltage power supply of plug-in hybrid electric vehicle[J]. IFAC-PapersOnline，2018，51（31）：1-6.

[12] 程夕明，胡薇，翟钧，等.纯电动汽车低压电气系统效率研究[J].汽车工程，2022，44（4）：601-608.

[13] 徐东平，白国军，林菁，等.B50EV低压电气系统改进设计[J].汽车零部件，2019（8）：10-14.

[14] 钟文英.乘用车低压电源分配方案设计[J].机电技术，2021（6）：75-78，108.

[15] 章楠.基于工况在线识别的汽车电能管理系统的研究与实现[D].合肥：合肥工业大学，2018.

[16] LEE C H，CHEN M Y，HSU S H，et al.Implementation of an SOC-based four-stage constant current charger for Li-ion batteries[J].Journal of Energy Storage，2018，18：528-537.

[17] JIANG L，LI Y，HUANG Y D，et al.Optimization of multi-stage constant current charging pattern based on Taguchi method for Li-ion battery[J].Applied Energy，2020，259：114148.

[18] KHAN A B，CHOI W.Optimal charge pattern for the high-performance multistage constant current charge method for the Li-ion batteries[J].IEEE Transactions on Energy Conversion，2018，33（3）：1132-1140.

Study on optimal strategy of low-voltage power supply

management for pure electric vehicles

PENG Fan1， 2， LUO Wenguang*1， 2

（1. School of Automation， Guangxi University of Science and Technology， Liuzhou 545616， China;

2. Guangxi Key Laboratory of Automobile Components and Vehicle Technology （Guangxi University

of Science and Technology）， Liuzhou 545616， China）

Abstract： With the continuous development of automotive technology， there are more and more types of electrical equipment for automobiles， and the proportion of electric energy consumed by electrical appliances in the  vehicle energy continues to rise， posing higher requirements for low-voltage power supply management. In order to meet the increasing demand of users for electricity， reduce the energy consumption of the vehicle and improve the charging efficiency of the battery， based on the classification of pure electric vehicle loads， this paper uses genetic algorithm to optimize the state of charge （SOC） of low-voltage batteries for power safety classification and proposes a four-stage constant current low-voltage lithium battery charging management strategy based on SOC. Then we use AVL-Cruise and MATLAB-Simulink software to jointly simulate and build a vehicle model and use different operating conditions for simulation verification and comparative analysis. The results show that the low-voltage lithium battery power supply management strategy can meet the electric safety requirements of pure electric vehicles， and improve the vehicle economy to a certain extent. After optimization， the charging efficiency of the lithium battery has been improved to a certain extent， and the charging time has also been reduced.

Keywords： pure electric vehicle; low-voltage power supply management system; lithium battery; genetic algorithm

（責任编辑：黎 娅）

收稿日期：2023-03-13；修回日期：2023-03-23

基金项目：国家自然科学基金项目（62263001）；广西自然科学基金重点项目（2020GXNSFDA238011）资助

第一作者：彭忛，硕士研究生

*通信作者：罗文广，工学硕士，教授，研究方向：智能控制及智能自动化，E-mail：wgluo@gxust.edu.cn