基于非线性预测模型控制的燃料电池汽车能量管理方法技术

本发明专利技术涉及一种基于非线性预测模型控制的燃料电池汽车能量管理方法，包括：1)实时采集汽车行驶的工况信息，判断当前时间内汽车行驶的工况状态；2)将步骤1)中的当前工况状态参数输入到建立的预测模型中，确定未来预测时域内汽车运行状态；3)根据步骤2)中的车辆未来预测时域内运行状态，按照经济性和电源系统耐久性的要求利用动态规划算法优化汽车有限时域内的控制序列；4)将步骤3)求出的有限时域最优控制序列的第一个元素作用给车辆，在下一时刻从步骤1)开始重复。与现有技术相比，本发明专利技术具有性能可靠、经济性和电源系统耐久性综合较优、实用性强等优点。实用性强等优点。实用性强等优点。

【技术实现步骤摘要】
基于非线性预测模型控制的燃料电池汽车能量管理方法


[0001]本专利技术涉及燃料电池汽车能量管理
，尤其是涉及基于非线性预测模型控制的燃料电池汽车能量管理方法。

技术介绍

[0002]现阶段对于纯电动汽车，蓄电池虽然响应快，成本低，但由于其能量密度低、体积大、充电时间长等缺点，使得纯电动汽车的市场化推广受到制约。燃料电池利用氢气与氧气在催化剂的作用下产生电能，只要燃料供给充足，燃料电池就能源源不断地产生电能，具有能量转换效率高、能量密度大、无须充电、零排放等优点，但是价格昂贵、冷起动性能差、动态响应慢，也限制了纯燃料电池汽车的商业化发展。由燃料电池和蓄电池组成的混合动力系统，能够在一定程度上克服以上不足。
[0003]燃料电池与动力蓄电池一起作为整车动力源，可以大幅提高电动汽车的续驶里程。
[0004]作为具有两种能量源的新能源汽车结构形式，燃料电池汽车的能量管理策略与整车的燃料经济性、动力性和电源系统耐久性相关。整车能量管理策略能够根据汽车行驶状态信息，在满足汽车动力性能的前提下，最优分配动力蓄电池和燃料电池的功率输出，以提高汽车的经济性和电源系统耐久性。
[0005]目前，燃料电池汽车的能量管理策略研究主要集中在以下几种：
[0006]1、基于规则的能量管理策略
[0007]基于规则的能量管理策略控制简单，易于实现，是最早应用于燃料电池汽车的一类控制方法。基于规则的能量管理策略是根据部件特性和工程经验选择控制参数，在控制参数的变化范围内使用一组阈值将其划分成不同的区域，在不同的控制参数区域，燃料电池汽车按照不同的状态和能量供给模式工作，从而形成一组控制规则。基于规则的能量管理策略有两种，一种是基于确定的规则，根据车辆不同的条件信息包括车速、转矩、功率和SOC等，制定确定的切换规则。另一种是基于模糊的规则，由于混合动力系统具有多变量、非线性和时变的特点，结合模糊控制的优势，建立状态变量与状态变量变化率的隶属度函数，确定模糊控制的规则进行能量分配。
[0008]2、基于优化的能量管理策略
[0009]基于优化的能量管理策略是根据动力系统的特性，定义目标函数和约束条件，采取合适的算法得到最小或较小控制目标的能量分配。目前基于优化的能量管理策略可分为两类：一类是全局最优能量管理方法，这类方法是基于特定工作状态的静态数据，优化全局控制序列。具有代表性的算法有动态规划、庞特里亚金最小值原理、遗传算法等。另一类是局部最优的能量管理方法，该类方法根据车辆的实时状态在线计算控制序列，通常可以保证局部或瞬时最优，但是和全局最优结果有一定的差距，局部最优的算法主要有基于等效油耗最小的能量管理方法、神经网络、博弈论和模型预测控制等。
[0010]以上能量管理策略方法存在以下缺陷：
[0011]基于规则的能量管理策略易于工程实现，但是，无论是否进行过控制参数的优化，其在性能提升方面还是存在一定的局限性。
[0012]全局优化模型实现了真正意义上的最优化，但实现全局最优的算法往往都比较复杂，计算量也大，需要预先获得所有的道路信息，在实时控制中很难实现。
[0013]基于瞬时优化的策略在实车应用上取得了一些成果，但应用并不广泛。
[0014]综上，上述能量管理策略优化的重点大部分是整车经济性，然而，在车辆运行过程中，电源系统也会存在一定的损耗，在燃料电池工作过程中，运行工况对电池寿命影响很大，负载的变化、启停的变化、怠速时间等都会加速燃料电池的衰减；蓄电池工作过程中频繁的充放电变化、过充或过放也会使蓄电池寿命减少。若是保证经济性最优而忽略工作模式对电源系统寿命的影响，这种优化的单一性则会降低车辆的使用周期。

技术实现思路

[0015]本专利技术的目的就是为了克服上述现有技术存在保证经济性最优而忽略工作模式对电源系统寿命的影响的缺陷而提供一种基于非线性预测模型控制的燃料电池汽车能量管理方法。
[0016]本专利技术的目的可以通过以下技术方案来实现：
[0017]一种基于非线性预测模型控制的燃料电池汽车能量管理方法，包括以下步骤：
[0018]S1：实时采集燃料电池汽车当前k时刻的汽车行驶信息；
[0019]S2：根据步骤S1获取的所述汽车行驶信息，确定燃料电池汽车的工况状态，并记参数m的值为1；
[0020]S3：根据步骤S2获取的k时刻的所述工况状态，结合k
‑
m时刻对应的所述工况状态，更新预先建立的非线性预测模型的m步转移矩阵，所述m步转移矩阵包括在m个时间间隔内从某一工况状态向另一工况状态的转移个数；
[0021]S4：将k时刻的所述工况状态输入步骤S3更新后的所述m步转移矩阵中，获取k时刻的所述工况状态对应的最大转移个数，确定k+m时刻所处的工况状态；
[0022]S5：判断参数m是否大于预设的预测时域，若是，则进行步骤S6，否则，将m的值加1，并返回步骤S3；
[0023]S6：根据步骤S4获取的各个时刻工况状态，得到所述预测时域内的车辆运行状态，确定所述预测时域内的汽车需求功率；
[0024]S7：根据所述预测时域内的汽车需求功率，确定预测时域内的最优控制序列；
[0025]S8：将步骤S7获取的所述预测时域内的最优控制序列的第一个元素作用给燃料电池汽车；
[0026]S9：在k+1时刻，返回步骤S1。
[0027]进一步地，所述m步转移矩阵的表达式为：
[0028][0029]式中，N
m
为m步转移矩阵，为从工况状态i开始，经过m个时间间隔转移到工况状
态j的个数，i＝1,2,...,n，j＝1,2,...,n，n为工况状态的个数。
[0030]进一步地，步骤S3中，所述m步转移矩阵的更新表达式为：
[0031][0032]式中，为k时刻、从状态i出发经过个m时间间隔转移到状态j的个数，为k
‑
m时刻、从状态i出发经过m个时间间隔转移到状态j的个数。
[0033]进一步地，步骤S3中，所述k+m时刻的工况状态的确定过程具体为：
[0034]由蒙特卡洛方法产生一个随机数，根据随机数的取值结合所述转移矩阵，通过状态约束方程，确定k+m时刻所处的状态；
[0035]所述状态约束方程的表达式为：
[0036][0037]式中，r1为随机数，k1为下一预测状态。
[0038]进一步地，所述汽车行驶信息包括车速信息、加速度信息和蓄电池SOC信息。
[0039]进一步地，所述步骤S2具体为，离线设置速度和加速度的离散步长，按照所述离散步长对各个工况状态点标号，相同的工况状态点标号为处于相同的工况状态；根据步骤S1采集的所述车速信息和加速度信息，与离线设置的速度和加速度的离散步长对应，确定对应的工况状态。
[0040]进一步地，步骤S7中，所述预测时域内的最优控制序列的确定具体为：
[0041]在不同的工况状态下，以经济性和电源系统本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于非线性预测模型控制的燃料电池汽车能量管理方法，其特征在于，包括以下步骤：S1：实时采集燃料电池汽车当前k时刻的汽车行驶信息；S2：根据步骤S1获取的所述汽车行驶信息，确定燃料电池汽车的工况状态，并记参数m的值为1；S3：根据步骤S2获取的k时刻的所述工况状态，结合k
‑
m时刻对应的所述工况状态，更新预先建立的非线性预测模型的m步转移矩阵，所述m步转移矩阵包括在m个时间间隔内从某一工况状态向另一工况状态的转移个数；S4：将k时刻的所述工况状态输入步骤S3更新后的所述m步转移矩阵中，获取k时刻的所述工况状态对应的最大转移个数，确定k+m时刻所处的工况状态；S5：判断参数m是否大于预设的预测时域，若是，则进行步骤S6，否则，将m的值加1，并返回步骤S3；S6：根据步骤S4获取的各个时刻工况状态，得到所述预测时域内的车辆运行状态，确定所述预测时域内的汽车需求功率；S7：根据所述预测时域内的汽车需求功率，确定预测时域内的最优控制序列；S8：将步骤S7获取的所述预测时域内的最优控制序列的第一个元素作用给燃料电池汽车；S9：在k+1时刻，返回步骤S1。2.根据权利要求1所述的一种基于非线性预测模型控制的燃料电池汽车能量管理方法，其特征在于，所述m步转移矩阵的表达式为：式中，N
m
为m步转移矩阵，为从工况状态i开始，经过m个时间间隔转移到工况状态j的个数，i＝1,2,...,n，j＝1,2,...,n，n为工况状态的个数。3.根据权利要求1所述的一种基于非线性预测模型控制的燃料电池汽车能量管理方法，其特征在于，步骤S3中，所述m步转移矩阵的更新表达式为：式中，为k时刻、从状态i出发经过个m时间间隔转移到状态j的个数，为k
‑
m时刻、从状态i出发经过m个时间间隔转移到状态j的个数。4.根据权利要求3所述的一种基于非线性预测模型控制的燃料电池汽车能量管理方法，其特征在于，步骤S3中，所述k+m时刻的工况状态的确定过程具体为：由蒙特卡洛方法产生一个随机数，根据随机数的取值结合所述转移矩阵，通过状态约束方程，...

【专利技术属性】
技术研发人员：宋珂，徐宏杰，王一旻，丁钰航，
申请(专利权)人：同济大学，
类型：发明
国别省市：