一种基于智能网联信息的FCHEV能量管理方法技术

一种基于智能网联信息的FCHEV能量管理方法，包括建立燃料电池混合动力汽车控制模型、利用车联网信息进行速度规划，之后设计自适应等效燃油消耗最小方法和模型预测控制方法的分层能量管理架构对车辆的需求功率进行优化，实现最优分配。本发明专利技术利用交通信号灯及车联网信息合理将负载需求功率分配给燃料电池、锂电池和超级电容，同时达到避免红灯前的频繁停车，延长锂电池使用寿命和降低氢气消耗的目的。的。的。

【技术实现步骤摘要】
一种基于智能网联信息的FCHEV能量管理方法


[0001]本专利技术涉及智能网联信息FCHEV领域，具体的说是一种基于智能网联信息的FCHEV能量管理方法。

技术介绍

[0002]随着智能交通系统和专用短程通信技术的不断发展，对缓解城市交通拥挤、降低能源消耗和减少大气污染等问题提供了很大的帮助。具有零排放、低噪音、绿色无污染等优势的燃料电池混合动力汽车(即FCHEV)逐渐受到越来越多人的青睐。
[0003]在城市道路中，交通信号灯状态对车辆能耗起着至关重要的影响，如果车辆行驶过程中能较好地利用前方交通信号灯的状态及路侧单元等外界车联网信息，则可避免红灯前的频繁启停所造成的额外燃料消耗，这样的环保驾驶可更好地适应城市交通环境。事实上，降低车辆能耗的关键是尽可能减少刹车频率，保证车辆能够匀速行驶，且避免急加速和急减速，提供舒适安全且经济的驾驶环境。燃料电池混合动力汽车由复合电源提供能量，复合电源包括燃料电池、锂电池和超级电容三种能量源，由于三种能量源的同时运行使得整车能量管理控制变得更为复杂，如何合理解决FCHEV在城市交通环境中的速度规划和能量管理方法相协调成为一个有待解决的问题。

技术实现思路

[0004]本专利技术旨在提供一种基于智能网联信息的FCHEV能量管理方法。利用交通信号灯及车联网信息合理将负载需求功率分配给燃料电池、锂电池和超级电容，同时达到避免红灯前的频繁停车，延长锂电池使用寿命和降低氢气消耗的目的。
[0005]为了解决以上技术问题，本专利技术采用的具体方案为：一种基于智能网联信息的FCHEV能量管理方法，包括建立燃料电池混合动力汽车控制模型、利用车联网信息进行速度规划，之后设计自适应等效燃油消耗最小方法和模型预测控制方法的分层能量管理架构对车辆的需求功率进行优化，实现最优分配。
[0006]进一步的，包括以下步骤：
[0007]S1:根据复合电源控制系统建立燃料电池混合动力汽车控制模型，其中复合电源包括：燃料电池、锂电池和超级电容；
[0008]S2:根据复合电源特性不同，将燃料电池作为主能量源为负载提供较为平缓的输出功率，锂电池和超级电容作为辅助能量源为负载提供功率缓冲；
[0009]S3:根据S1中所建立的汽车控制模型利用车联网信息进行速度规划，实时获取车辆的需求功率；
[0010]S4:设计自适应等效燃油消耗最小方法和模型预测控制方法的分层能量管理架构，对S3中需求功率进行离线优化，实现最优分配。
[0011]进一步的，所述S1中复合电源的拓扑结构为：燃料电池通过单向DC/DC变换器连接到直流母线，锂电池和超级电容分别通过相应的双向DC/DC变换器连接到直流母线。
[0012]进一步的，所述S2中锂电池和超级电容的能量都来自于燃料电池。
[0013]进一步的，所述S3中利用车联网信息进行速度规划的过程为：
[0014]S30:基于车联网平台能够实时获取车辆运行状态及交通信号灯信息，通过专用短程通信技术目标车辆能够准确获取下个交通路口信号灯的状态：
[0015]式中，t
d
为行驶时间，t
r
和t
c
分别为红灯时长和信号灯周期；
[0016]S31:通过对信号灯状态的判定，实时优化行车速度，为了在避免红灯停车的基础上减少汽车行驶的时间，汽车目标车速的初始值设定为匀速通过第一个交通信号灯且满足正常交规限制的值，而目标车速上下限的计算原理为：
[0017]式中，t
g
为绿灯时间，v
max
是车辆行驶速度的最大值，C
n
和d
l
分别为信号灯循环次数和目标车辆与信号灯之间的距离，约束限制为t
c
＝t
g
+t
r
，v
h
、v
l
是目标车速的上下限。
[0018]进一步的，所述S3中基于车联网信息获取车辆实时需求功率过程为：
[0019]提取所述S31中车辆当前规划的目标速度信息作为汽车控制模型的输入信号，结合车辆动力学参数求得每一时刻车辆的需求功率为：
[0020]式中，P
req
为车辆的需求功率，v为目标车速，η
motor
为电动机效率，δ为汽车质量换算系数，F
w
、F
r
和F
i
分别为车辆行驶过程中的空气阻力、摩擦阻力和爬坡阻力，m为目标车辆的质量。
[0021]进一步的，所述S4的功率分配过程为：
[0022]S40:上层控制方法设计了一种自适应等效燃油消耗最小方法来进行第一次功率分配，建立基于锂电池和超级电容荷电状态的惩罚函数，设计出SOC一致性变等效因子，并
根据辅助能量源充放电效率，合理规划出等效因子k2的值，保证燃料电池最优功率的输出；k2＝S0·
(1+β+γ)
[0023]式中，S0是辅助能量源充放电效率的等效系数，β和γ分别是锂电池和超级电容SOC的惩罚因子，P
fc
和P
ESS
分别为燃料电池和辅助能量源的输出功率，是氢气低热值，η
fc
、η
DC1
和η
DC2
分别是燃料电池、单向DC/DC和双向DC/DC的效率，k1、J、α分别为燃料电池等效因子、设计求解燃料电池输出功率的目标函数和等效氢气转换系数。
[0024]S41:在步骤S40的基础上，利用模型预测控制方法对辅助能量源的输出功率进行第二次分配，同时为避免锂电池过充或过放，将电池SOC作为模型预测输入的参考值，对其进行最优功率分配。
[0025]进一步的，步骤S41中模型预测控制方法的输入变量为电池和超级电容的SOC，根据功率平衡方程，将超级电容功率消去，辅助能量源功率作为扰动变量，转化为离散的状态空间表达式：
[0026]式中，T为离散采样时间，k、P
bat
、P
AESS
为离散过程的状态步数、锂电池和辅助能量源的输出功率。
[0027]进一步的，步骤S41中功率分配转化成一个典型的状态方程优化求解问题，为了使控制动作较为缓和且便于方程计算有解，对目标函数加上控制变量约束及松弛因子，目标函数设计如下：
[0028]式中，X
k
、R
k
和U
k
分别为状态矩阵、参考矩阵和控制矩阵，W1和W2分别是各项权重系数，ρε2为二次松弛因子。
[0029]进一步的，步骤S41中采用二次规划算法对锂电池最优输出功率进行求解：
[0030][0031]式中，x＝[U
k
，ε]T
,a
j
和b
j
分别为约束变量的系数和边界值，H、j、I分别为对称矩阵、约束变量角标和约束条件集合。
[0032]与现有技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于智能网联信息的FCHEV能量管理方法，其特征在于，包括建立燃料电池混合动力汽车控制模型、利用车联网信息进行速度规划，之后采用自适应等效燃油消耗最小方法和模型预测控制方法的分层能量管理架构对车辆的需求功率进行优化，实现最优分配。2.根据权利要求1所述的一种基于智能网联信息的FCHEV能量管理方法，其特征在于，包括以下步骤：S1:根据复合电源控制系统建立燃料电池混合动力汽车控制模型，其中复合电源包括：燃料电池、锂电池和超级电容；S2:根据复合电源特性不同，将燃料电池作为主能量源为负载提供较为平缓的输出功率，锂电池和超级电容作为辅助能量源为负载提供功率缓冲；S3:根据S1中所建立的汽车控制模型利用车联网信息进行速度规划，实时获取车辆的需求功率；S4:设计自适应等效燃油消耗最小方法和模型预测控制方法的分层能量管理架构，对S3中需求功率进行离线优化，实现最优分配。3.根据权利要求2所述的一种基于智能网联信息的FCHEV能量管理方法，其特征在于，所述S1中复合电源的拓扑结构为：燃料电池通过单向DC/DC变换器连接到直流母线，锂电池和超级电容分别通过相应的双向DC/DC变换器连接到直流母线。4.根据权利要求2所述的一种基于智能网联信息的FCHEV能量管理方法，其特征在于，所述S2中锂电池和超级电容的能量都来自于燃料电池。5.根据权利要求2所述的一种基于智能网联信息的FCHEV能量管理方法，其特征在于，所述S3中利用车联网信息进行速度规划的过程为：S30:基于车联网平台能够实时获取车辆运行状态及交通信号灯信息，通过专用短程通信技术目标车辆能够准确获取下个交通路口信号灯的状态：式中，t
d
为行驶时间，t
r
和t
c
分别为红灯时长和信号灯周期；S31:通过对信号灯状态的判定，实时优化行车速度，为了在避免红灯停车的基础上减少汽车行驶的时间，汽车目标车速的初始值设定为匀速通过第一个交通信号灯且满足正常交规限制的值，而目标车速上下限的计算原理为：式中，t
g
为绿灯时间，v
max
是车辆行驶速度的最大值，C
n
和d
l
分别为信号灯循环次数和目
标车辆与信号灯之间的距离，约束限制为t
c
＝t
g
+t
r
，v
h
、v
l
是目标车速的上下限。6.根据权利要求5所述的一种基于智能网联信息的FCHEV能量管理方法，其特征在于，所述S3中基于车联网信息获取车辆实时需求功率过程为：提取所述S31中车辆当前规划的目标速度信息作为汽车控制模型的输入信号，结合车辆动力学参数求得每一时刻车辆的需求功率为：式中，P
req
为车辆的需求功率，v为目标车速，η
m...

【专利技术属性】
技术研发人员：高爱云，石泽华，付主木，陶发展，张平，高颂，葛泽坤，刘锦鹏，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：