基于智能网联的燃料电池混合动力汽车能量管理方法技术

一种基于智能网联的燃料电池混合动力汽车能量管理方法，属于新能源汽车电源技术领域。本发明专利技术的目的是通过远程监控中心采集车辆信息和交通信息，并设计了基于径向基神经网络预测器，利用车联网获得的车辆信息和交通信息来预测未来短期驾驶行为的基于智能网联的燃料电池混合动力汽车能量管理方法。本发明专利技术的步骤是设计径向基神经网络车速预测器，建立面向控制的燃料电池汽车动力系统模型，建立能量优化管理方法。本发明专利技术有效结合了智能网联车速预测信息，具备高度融合的行驶环境信息、及高效优化算法的能量管理策更能适应复杂多变的工况环境，提升了实际应用潜力。提升了实际应用潜力。

【技术实现步骤摘要】
基于智能网联的燃料电池混合动力汽车能量管理方法


[0001]本专利技术属于新能源汽车电源


技术介绍

[0002]随着环境不断恶化和能源短缺问题日益严重，开发智能网联新能源汽车是实现节能减排、提升车辆性能和促进汽车产业转型升级的必然趋势，是目前全球汽车厂商和科研机构关注的热点。而以质子交换膜燃料电池为动力源的燃料电池汽车，相比传统的内燃机汽车，具有零排放、工作温度低、效率高、功率密度高和行驶里程长等优点，质子交换膜燃料电池也被认为是新能源汽车最有前途的动力来源。
[0003]车辆运行过程中频繁变化的工况是车用燃料电池寿命衰减的主要原因，由于其瞬态响应缓慢，不能满足快速的功率变化需求，燃料电池混合动力汽车的动力系统往往配备锂离子电池作为辅助能源。一方面燃料电池作为新能源汽车主要的能量来源，可以平稳输出电能，锂离子电池则在需求功率有较大变化时起到削峰填谷的作用，缓解燃料电池在动态工况下的压力。另一方面还能吸收车辆制动过程的能量，提高燃料电池汽车的耐久性与经济性。
[0004]由于燃料电池内部存在着欧姆极化、活化极化和浓差极化现象，会导致较大的电压损失，其工作效率随功率的增加呈现先上升后下降的趋势，所以需要设计能量管理方法分配动力源的输出功率，使燃料电池尽可能工作在高效率区间。而传统的能量管理方法在优化目标的设计上并没有从经济性的角度去设计能量管理方法，往往只考虑了约束锂电池SOC(State of Charge)在合理范围内，没有对燃料电池输出功率进行约束，燃料电池输出效率低，增加不必要的氢气消耗量。所以需要设计合理的能量管理方法，在各动力源之间优化分配所需的能量，提升燃料经济性。随着新一代移动互联网技术的发展，车与人、车以及后台等智能信息实现了交换共享，获取的道路交通信息为解决混合动力汽车能量管理最优控制问题提供了可能，有预见性的对燃料电池汽车进行能量优化管理，能够为车辆的燃料经济性提供更大的提升空间。
[0005]专利CN111002873A公开了一种基于规则的瞬时燃料电池汽车能量管理方法，该专利技术根据当前车辆的行驶需求功率，结合动力电池的电量状态制定了燃料电池和动力电池的功率分配策略。但是，该专利技术只能根据当前的车辆状态对能量分配进行决策，无法让燃料电池和动力电池的工作效率达到最优。
[0006]专利CN113002370A公开了一种燃料电池汽车实时能量管理控制方法，该专利技术基于等效氢耗最小算法实现燃料电池能量实时最优控制，解决了传统控制方法有效性和实时性不佳的问题，但是每一瞬时的最优值并不能保证车辆在整个循环工况下内均保持最优的工作状态，车辆的节能潜力没有得到充分挖掘。
[0007]专利CN113752920A公开了一种基于动态规划的全局优化方法，该专利技术解决了现有技术未考虑燃料电池的最优运行特性导致整车的燃料经济性较差的问题。但是在解决长时间行驶的能源管理问题时，需要巨大的计算强度，且不能在线应用，在面对未知的复杂交通
环境下有较大的应用局限性。
[0008]综上所述，虽然目前公开的专利已经涉及了一些燃料电池混合动力汽车能量管理方法，基于规则的方法在实际应用中面对不同工况适应性差，很难制定出能够适应所有工况的规则，并且不能保证最佳性能的实现。基于优化的方法，例如动态规划算法可以获得最优的燃料经济性，所要用到的算法计算量大，需要提前知道完整的工况信息，且只能离线运算。

技术实现思路

[0009]本专利技术的目的是通过远程监控中心采集车辆信息和交通信息，并设计了基于径向基神经网络预测器，利用车联网获得的车辆信息和交通信息来预测未来短期驾驶行为的基于智能网联的燃料电池混合动力汽车能量管理方法。
[0010]本专利技术的步骤是：S1、设计径向基神经网络车速预测器隐藏层和输出层的激励函数定义如下：其中，a为输入层信号，a
j
是第j个激励函数的中心，σ为扩展宽度，w
j
为连接权向量；将历史车速信息作为输入V
his
＝V
t
‑
k
,V
t
‑
k+1
,...,V
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)输出的未来车速V
fut
＝h(V
his
)＝V
t+1
,V
t+2
,...,V
t+k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)其中，V
his
表示历史速度序列，V
fut
为预测速度序列，h(V
his
)为径向基神经网络内部的函数关系，k为预测长度；S2、建立面向控制的燃料电池汽车动力系统模型行驶过程中的路面需求驱动功率其中，m为汽车的半载质量，f为车轮滚阻系数，θ为行驶路面坡度，A为迎风面积，C
d
为空气阻力系数，ρ为空气密度，α表示道路的倾斜角，v为行驶车速，δ为旋转质量转换系数，g为重力加速度；根据路面需求功率得出需求功率，因此总线上的需求功率表示为其中，η
motor
表示电机的效率，η
DC/AC
表示DC/AC变换器的效率；动力源系统需要输出的功率为P
demand
＝P
fc
+P
b
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)其中，P
fc
为燃料电池输出功率，P
b
为锂电池输出功率；氢气消耗率与输出功率的关系为
其中，η
fc
为燃料电池效率，为氢气的低热值；锂电池SOC动态方程表示为其中，I
b
为电池的电流，P
b
为电池的功率，R
b
为电池的内阻，V
oc
为电池的开路电压，Q为锂电池的容量；S3、建立能量优化管理方法在建立能量优化管理方法时，首先基于极小值原理建立燃料电池能量管理优化问题，目标函数是使整个过程中氢气消耗最小，获得最优经济性，因此在时长为[t0,t
f
]的循环工况下的目标函数J表示为公式(8)锂电池SOC动态方程写成约束燃料电池的最大输出功率和输出功率变化率如下其中，P
fc,min
为燃料电池最小输出功率，P
fc,max
为燃料电池最大输出功率，ΔP
fc
为输出功率变化率，P
b,min
为锂电池最小输出功率，P
b,max
为锂电池最大输出功率；根据径向基神经网络车速预测得到的预测结果，在每个预测长度内状态变量SOC需要满足边界条件其中，SOC
ref
为电池SOC参考值，锂离子电池SOC限制在最小值SOC
min
为0.4和最大值SOC
max
为0.8之本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于智能网联的燃料电池混合动力汽车能量管理方法，其特征在于：其步骤是：S1、设计径向基神经网络车速预测器隐藏层和输出层的激励函数定义如下：其中，a为输入层信号，a
j
是第j个激励函数的中心，σ为扩展宽度，w
j
为连接权向量；将历史车速信息作为输入V
his
＝V
t
‑
k
,V
t
‑
k+1
,...,V
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)输出的未来车速V
fut
＝h(V
his
)＝V
t+1
,V
t+2
,...,V
t+k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)其中，V
his
表示历史速度序列，V
fut
为预测速度序列，h(V
his
)为径向基神经网络内部的函数关系，k为预测长度；S2、建立面向控制的燃料电池汽车动力系统模型行驶过程中的路面需求驱动功率其中，m为汽车的半载质量，f为车轮滚阻系数，θ为行驶路面坡度，A为迎风面积，C
d
为空气阻力系数，ρ为空气密度，α表示道路的倾斜角，v为行驶车速，δ为旋转质量转换系数，g为重力加速度；根据路面需求功率得出需求功率，因此总线上的需求功率表示为其中，η
motor
表示电机的效率，η
DC/AC
表示DC/AC变换器的效率；动力源系统需要输出的功率为P
demand
＝P
fc
+P
b
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)其中，P
fc
为燃料电池输出功率，P
b
为锂电池输出功率；氢气消耗率与输出功率的关系为其中，η
fc
为燃料电池效率，为氢气的低热值；锂电池SOC动态方程表示为其中，I
b
为电池的电...

【专利技术属性】
技术研发人员：隋振，王思雨，马彦，高金武，胡云峰，
申请(专利权)人：吉林大学，
类型：发明
国别省市：