【技术实现步骤摘要】
智能网联燃料电池汽车实时能量优化管理系统
本专利技术属于燃料电池汽车优化控制领域。
技术介绍
随着我国汽车保有量的不断增加,能源消耗问题和环境污染问题日益严重,节约能源和保护环境已经成为我国关注的核心问题。燃料电池汽车是一种对环境十分友好的新型清洁能源汽车。相比于传统的内燃机汽车,燃料电池的工作过程不受卡诺循环限制,能量转化效率高,并且终端排放产物是水,可以实现零排放和零污染。实现氢能及燃料电池汽车的大规模应用,燃料电池汽车保有量达到100万辆左右;同时完全掌握燃料电池核心关键技术,建立完备的燃料电池材料、部件、系统的制备与生产产业链。燃料电池汽车由燃料电池和动力电池两个动力源共同为汽车提供动力。燃料电池是燃料电池混合动力系统的核心能源,它具有较高的功率密度,在保证车辆正常运行的过程中起主要作用,但其动态响应速度较慢,较难适应负载的频繁变化;动力电池是燃料电池混合动力系统的辅助能源,它的功率密度较低,但具有较快的动态响应速度,能够较好的应对负载变化较大的情况,在汽车运行时提供燃料电池无法提供的部分能量。同时,当汽车处于刹车制动状态时,汽车的电机工作模式会由电动机模式变成发电机模式,动力电池可回收汽车刹车制动时产生的再生制动能量,为自身充电,一定程度上可以避免能源的浪费。两种动力源协同工作,弥补了燃料电池响应速度慢和动力电池功率密度小的缺点。燃料电池汽车的能量流动方向复杂,且其工作效率随功率的增加呈现先上升后下降的趋势,并不是简单的线性关系,在燃料电池汽车系统中需要有能量管理策略合理地分配各动力源的功率 ...
【技术保护点】
1.一种智能网联燃料电池汽车实时能量优化管理系统,/n步骤一:设计宏观长时域的平均交通流速轨迹预测模块;/n其特征在于:/n步骤二:设计微观短时域的车速预测模块/n神经网络包含三层结构,即输入层、隐含层和输出层。输入向量定义为m(k),输出向量定义为
【技术特征摘要】 【专利技术属性】
1.一种智能网联燃料电池汽车实时能量优化管理系统,
步骤一:设计宏观长时域的平均交通流速轨迹预测模块;
其特征在于:
步骤二:设计微观短时域的车速预测模块
神经网络包含三层结构,即输入层、隐含层和输出层。输入向量定义为m(k),输出向量定义为BPNN的结构可以由带权重和阈值的离散模型表示
其中,w1是输入层和隐含层之间的权重,w2是隐含层和输出层之间的权重,b1是隐含层神经元的阈值,b2是输出层神经元的阈值,m(k)代表输入的历史车速序列,代表输出的预测车速序列,g(h)是隐含层到输出层的激活函数,其传递函数
步骤三:建立面向能量优化控制的燃料电池汽车动力系统模型
3.1建立汽车纵向行驶动力学模型
燃料电池汽车参数:电机传动效率ηt_veh(%)、旋转元件的质量系数σveh(-)、重力加速度g(m/s2)、空气阻力系数CD_veh(-)、空气密度ρair(kg/m3)、汽车质量mveh(kg)、迎风面积Aveh(m2)、滑动阻力系数f(-)、路面坡度θroad(-);
车辆的需求功率
其中Pveh_req是车辆的需求功率,f是滑动阻力系数,ηt_veh是电机传动效率,σveh是旋转元件的质量系数,mveh是汽车质量,g是重力加速度,θroad是路面坡度,Aveh是汽车的迎风面积,ρair是空气密度,CD_veh是空气阻力系数,是车辆的速度Vveh对于时间t的微分;
3.2建立燃料电池电堆效率模型
燃料电池的耗氢量
其中,Pfc_req是燃料电池的输出功率,ηfc_st是燃料电池的工作效率,是氢气的低热值;
3.3建立动力电池SOC模型
Pbatt_req=Pveh_req-Pfc_req(5)
其中,Pbatt_req是动力电池的输出功率;
动力电池的SOC动态方程为
其中,Voc_batt是动力电池的开路电压,Rint_batt是动力电池的内阻,Qbatt是动力电池的总电量,是动力电池荷电状态SOC的导数;
步骤四:建立能量优化管理问题
4.1燃料电池的输出功率Pfc_req状态方程为:
上式可以通过公式表示;
最小化预测时域[t0,tf]内的系统耗氢量:
其中,J是满足系统终端约束的条件下预测时域内的总耗氢量,t0是预测时域的起始时间,tf是预测时域的终止时间,u是控制输入变量,U是控制输入变量的取值集合,代表系统在t时刻的耗氢量是与t时刻的控制输入u(t)变量有关的函数,控制输入变量取u=Pfc_req,状态变量取x=SOC,φ(x(tf))是状态变量的终端约束;
4.2满足的约束条件如下:
(1)需要满足燃料电池的输出功率约束:
Pfc_low≤Pfc_req(t)≤Pfc_up(10)
其中,Pfc_low是燃料电池的最小输出功率,Pfc_up是燃料电池的最大输出功率,Pfc_req(t)是燃料电池在t时刻的输出功率;
(2)需要满足动力电池SOC的动态方程及状态约束:
其中,SOCbegin是动力电池在初始时刻的SOC值,SOClow是动力电池的SOC最小值,SOCup是动力电池SOC的最大值,SOC(t)代表t时刻动力电池SOC的值,SOC(t0)代表初始时刻动力电池SOC的值,SOC(tf)代表终端时刻动力电池SOC的值;
(3)需要满足动力电池的功率约束
Pbatt_low≤Pbatt_req(t)≤Pbatt_up(12)
其中,Pbatt_low是动力电池最大充电功率,Pbatt_up是动力电池最大放电功率,Pbatt_req(t)是t时刻动力电池的输出功率;
(4)需要满足汽车运行时的需求功率
Pveh_req(t)=Pbatt_req(t)+Pfc_req(t)(13)
其中,Pveh_req(t)是t时刻汽车的需求功率,Pbatt_req(t)是动力电池在t时刻的输出功率;
步骤五:利用长时域预瞄信息,设计上层SOC轨迹滚动优化控制器
5.1上层SOC轨迹滚动优化控制器优化问题
将该时间尺度下的预测时域[t0,m,tf,m]离散成Nm等份,其中,t0,m为该预测时域的起始时间,tf,m为该预测时域的终止时间,离散时间记为k∈{1,2,...,Nm+1},得到优化目标:
其中,J是满足终端约束条件下系统所有采样时刻的总耗氢量,φ(x(Nm+1))是状态变量的终端约束,代表耗氢量是与k时刻的控制输入u(k)有关的函数,Δt是相邻两车速信息间的采样时间间隔,控制变量u(k)是燃料电池在k时刻的输出功率Pfc_req_m(k);
满足的具体约束条件是:
(1)满足燃料电池的输出功率约束:
Pfc_low≤Pfc_req_m(k)≤Pfc_up(15)
(2)满足该时域下动力电池SOC的动态方程及状态约束:
其中,SOCm(k+1)是在k时刻动力电池SOCm(k)经控制输入作用后得到的该时域下一时刻动力电池SOC的值,即动力电池在k+1时刻SOC的值,Voc_batt_m(k)是该时域下k时刻动力电池的开路电压,Rint_batt_m(k)是该时域下k时刻动力电池的内阻,Pveh_req_m(k)是汽车在k时刻的需求功率,Pfc_req_m(k)是该时域下k时刻燃料电池的输出功率,SOCm(k)是该时域下k时刻动力电池的荷电状态值,SOCm(1)是该时域下动力电池SOC初始时刻的值,SOCm(Nm+1)是该时域下动力电池SOC终端时刻的值;
(3)满足动力电池的输出功率约束:
Pbatt_low≤Pbatt_req_m(k)≤Pbatt_up(17)
其中,Pbatt_req_m(k)是该时域下动力电池在k时刻的输出功率;
技术研发人员:杨惠策,胡云峰,宫洵,林佳眉,高金武,汪介瑜,于彤,陈虹,
申请(专利权)人:吉林大学,
类型:发明
国别省市:吉林;22
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。