燃料电池小型车SOC动态调节的功率跟随控制策略

针对风冷型质子交换膜燃料电池与锂电池组成的小型车用混合动力系统,提出一种根据SOC(state of charge)动态调节功率跟随系数的能量管理方法,完成混合动力观光车样车研制.对构成样车的混合动力系统、氢气储存供给系统、信号控制系统3部分进行了详细阐述,并对不同工况下功率跟随算法调节系数对控制效果的影响进行了分析;...     

有轨电车燃料电池混合动力多目标匹配优化

有轨电车燃料电池混合动力系统配置对整车动力性能、系统效率及经济效益具有重要影响，但是目前缺乏有效的优化匹配方法. 基于有轨电车沿线动态工况下的牵引功率计算，提出了面向服役周期成本最低的燃料电池有轨电车混合动力系统匹配优化方法. 以混合动力系统整车服役周期成本最低、体积/重量最小为目标函数，以动力性能、直流母线电压、电源输出功率、功率/能量实时平衡、储能系统充放电倍率及其充放电深度和SOC （state of charge） 为约束条件，建立了多目标多约束配置优化模型. 采用多目标优化方法获取Pareto前沿，同时给出了体积/重量可接受、经济性最优的推荐方案确定方法. 仿真结果表明，多目标匹配优化方法配置的有轨电车燃料电池混合动力系统满足了所有设计指标，混合动力系统全寿命周期成本从7 000万元降为1 500万元.      

基于动态混合度的储能式有轨电车能量管理策略

为了提高混合储能式有轨电车的系统效率和运行经济性,基于动态混合度和系统效率之间的关系,提出了基于动态混合度在线凸规划的混合储能式有轨电车能量管理策略.首先基于混合储能式有轨电车各系统参数,对各部件进行建模;其次采用在线凸规划法求解,得到了系统每一时刻的最优动态混合度;最后以有轨电车的典型工况为例,在RT-LAB实时仿真平台研究动态混合度对系统效率的影响.研究结果表明动态混合度同系统效率之间存在凸函数关系:在相同参数条件下,基于动态混合度的在线凸规划能量管理策略较传统的功率跟随式能量管理策略系统瞬时效率最高提升9.6%;当完成整条线路运行,可节省电量2 886.2 kJ,运行经济性提升3.29%.     

燃料电池混合动力的功率跟随管理策略分析

为了提高燃料电池混合动力系统的经济性,基于燃料电池氢耗量和功率波动率,对功率跟随能量管理策略中参数和荷电状态(SOC)调节方式进行了分析,并定义了燃料电池的功率波动率;基于仿真软件ADVISOR中建立的燃料电池/超级电容混合动力系统模型,计算了不同的超级电容SOC限值和充电功率参数时的燃料氢耗量和波动率;设计了两种SOC调节方法,即Z曲线法和比例积分(PI)调节法,比较了不同SOC调节方法下的氢耗量和波动率.研究结果表明:若SOC的下限增大,致使氢耗量和波动率增加,SOC下限为0.5时的氢耗量比0.25时增加7.10%,波动率增加3.85%;若SOC的上限增大,燃料电池波动率减小,0.95时的波动率比0.75时减小3.51%;充电功率参数在一定范围改变,能够减小燃料电池氢耗量和波动率;SOC调节方式中,当SOC初始值在[0.28,0.52]区间,PI调节法的波动率最优;当SOC初始值在[0.75,0.90],Z曲线法的波动率最优.     

基于状态机的燃料电池混合动力系统控制策略

针对由2套大功率氢燃料电池、超级电容和动力电池所构成的有轨电车用混合动力系统,提出能够满足运行工况需求的状态机控制能量管理策略. 首先,以状态机为基础构架,将有轨电车的运行划分为牵引、惰行、制动和故障4种状态;接着研究了4种运行状态下的能量管理策略,牵引状态采用基于自适应放电系数的均压算法,惰行状态采用改进的最大效率点跟随算法;然后基于4种状态,进行了整车实际运行;最后对比分析了功率跟随策略、状态机控制策略的能耗和电池堆效率. 研究结果表明:基于自适应放电系数的均压算法能够保证2套超级电容在牵引状态中均匀放电,避免了单套超级电容过度使用的情况;改进的最大效率点跟随算法使得燃料电池的平均效率提高了3.91%;此外,状态机控制策略与功率跟随策略的电堆效率分别为61.89%、57.98%,前者比后者节约了3.2%的氢气.      

燃料电池汽车混合度与能量管理策略研究

针对目标车辆,以满足车辆动力性为前提,进行燃料电池动力系统静态匹配,并基于GT-Suite平台建立燃料电池动力系统模型及整车模型。以NEDC循环(新欧洲行驶工况)为研究工况开展在不同混合度下,不同能量管理策略对整车经济性的影响规律及影响机理研究,为确定燃料电池轿车最优能源配置提供依据。结果表明,燃料电池动力系统混合度及能量管理策略差异会导致燃料电池、动力电池功率分配以及运行时间不同,进而影响动力系统效率进而影响整车经济性;功率跟随模式在中混合度情况下整车经济性最优,开关控制模式在低混合度情况下整车经济性最优。     

基于全局优化算法的增程式电动汽车模糊控制策略

针对传统模糊控制中规则库制定单一、动力系统与控制策略参数协调性不高等问题,提出一种基于全局优化算法的增程式电动汽车模糊控制策略.根据增程器最优效率曲线,分析并提取动态规划算法在不同需求及动力部件状态下的多能源分配规则,并结合传统工程经验作为模糊控制规则库制定依据;以燃油经济性为优化目标,利用粒子群算法优化整车动力部件与隶属度参数,获取具有全局优化性的EREV能量分配.最后,在MATLAB/Simulink中建立整车模糊控制策略模型,嵌入到ADVISOR中仿真并进行硬件在环测试.结果表明:所提出的控制策略适用于多种工况,与原车功率跟随控制策略相比,能控制动力电池SOC在合理范围内,同时提高整车燃油经济性.     

燃料电池混合动力有轨电车动力性分析与设计

为解决燃料电池混合动力有轨电车中燃料电池(FC)动态响应慢、输出特性软,且无法回收制动能量的问题,提高整车的动力性能和经济性能,在Matlab平台下,以两动一拖编组型燃料电池混合动力有轨电车为例,分析了在最高运行速度、最大加速度和爬坡度这3种典型工况下分别由燃料电池、蓄电池(B)和超级电容(SC)供电的动力和能量需求特性.在此基础上,根据指定工况要求提出了不同的配置方案,并探究了混合动力方案的可行性.研究结果表明:为满足有轨电车以1 m/s~2的加速度加速到30 km/h并持续加速到70 km/h的动力性能要求,配置两套150 k W的燃料电池系统、800节蓄电池和108个超级电容模块的三混动力系统是一种可行且合理经济的方案,可为同类混合动力有轨电车的设计提供参考.     

燃料电池混合动力有轨电车动力系统设计

基于氢能的燃料电池混合动力有轨电车是现代有轨电车的研究热点.结合有轨电车的总体性能需求,对燃料电池混合动力有轨电车进行了系统设计,给出了燃料电池/超级电容混合动力系统的总体方案与拓扑结构,进行了混合动力系统配置和有轨电车牵引性能计算.结果表明,所配置的混合动力系统的输出功率分配可以很好地满足列车在0~35 km/h速度时加速度为1.2 m/s2、最高车速70 km/h的动力性能要求.研制的混合动力系统样机在有轨电车模拟运行工况进行了试验,在试验过程中可以实现多套系统能量的分配管理.      

新型供电方式有轨电车能量管理策略

为了提高混合动力有轨电车制动过程中制动能量的回收效率,提出一种考虑储能系统始末状态的能量管理策略.在有轨电车从启动到制动的运行过程中,基于极小值原理对混合动力系统进行功率分配,以实现对超级电容荷电状态(state of charge,SOC)安全范围的有效控制,并保证在制动时刻超级电容具有足够的SOC余量来吸收制动功率;同时,将有轨电车启动、运行过程中的牵引控制策略与制动过程的能量回收策略相结合,采用绝缘栅门极晶体管(insulated gate bipolar translator,IGBT)斩波器与制动电阻相结合使用的方式,抑制母线电压的抬升;最后基于实际的有轨电车运行工况,在MATLAB/Simulink平台下进行了仿真测试.结果显示,在有轨电车制动时刻,超级电容SOC均能够按照预期下降到0.4左右,且在制动全过程中,有轨电车母线电压始终处于875 V以下,满足母线电压的控制要求.     

基于动态规划算法的增程式电动汽车能量管理策略优化

提出了一种动态规划改进算法, 根据约束条件确定未来可达状态序列, 通过计算离散状态点间的转移代价, 在保证求解精度的同时, 降低了离线优化计算量; 利用改进动态规划算法设计了增程式电动汽车能量管理策略, 根据能量管理优化问题特点, 建立了动力系统模型和适用于全局优化求解的系统状态方程, 并确定了以动力电池荷电状态为系统状态量和增程器发电功率为系统控制量; 在迭代计算过程中, 将发动机燃油费用和动力电池电能费用之和作为目标函数, 构建了基于北京主干道不同行驶里程仿真工况, 得到了驱动电机需求功率最优分配结果; 提取了增程器启停状态与动力电池荷电状态和驱动电机需求功率二者之间的控制规则, 利用最小二乘法对增程器功率分流比与驱动电机需求功率的分布规律进行拟合, 建立了基于优化规则的能量管理策略。仿真结果表明: 对于行驶里程为100km的仿真工况, 动态规划改进算法计算时间为7 239s, 与经典动态规划算法相比计算效率提高了78.2%;基于优化规则的能量管理策略能够获得类似动态规划改进算法的控制效果, 2种控制策略的动力电池荷电状态误差小于2.5%;相比实车电能消耗-电能维持型控制策略, 基于优化规则的控制策略能够使整车经济性提高5.4%, 使燃油经济性提高7.9%。     

燃料电池混合动力系统参数匹配与多目标优化

在满足机车动力性能需求的条件下,运用参数匹配方法对燃料电池系统的重量、体积指标进行了优化. 首先,搭建了机车动力学模型,针对列车运行的加速启动、匀速爬坡、最大时速运行3种关键工况,分别得到3个需求功率峰值;其次,基于传统方法,以最大需求功率峰值为目标,分析了超级电容-动力电池配比;然后,在传统方法基础上,采用改进粒子群算法（improved particle swarm optimization,IPSO）,进行了基于系统重量和体积的多目标优化参数匹配计算,得到了最优解;最后,对传统方法和多目标优化方法进行了对比分析. 研究结果表明:两种方法均能满足列车动力需求;采用多目标优化方法,为同型燃料电池混合动力有轨电车配置2套150 kW燃料电池,124个超级电容（48 V,165 F）和337个动力电池（3.7 V,9 A?h）. 车辆经32.24 s加速可达时速70 km/h,最大爬坡能力为85.5‰,持续爬坡能力为732.5 m;相比较传统方法,重量和体积优化率分别达到83.075%和86.696%.      

基于ADVISOR二次开发的Plug-in HEV模糊控制研究

针对插电式混合动力电动汽车(PHEV)运行特点,提出了PHEV最优模糊控制策略.模糊控制器将发动机的工作点控制在发动机最小燃油消耗的高效率区间内,使发动机具有较好的燃油经济性.根据路况功率需求和蓄电池SOC,调节发动机给定功率,并对能量回收不足SOC下降的情况进行改进,实现电池SOC平衡控制.将建立的模糊控制模型嵌入A...