考虑电池热健康约束的燃料电池混动汽车能量管理方法技术

本发明专利技术提供了一种考虑电池热健康约束的燃料电池混动汽车能量管理方法，其首先通过在线马尔科夫预测器较为精确地确定出未来短期时域内的整车需求功率，再基于所设计的能量管理策略得到最优控制变量，此过程中充分保证了车辆动态工况的细节，并且实现了控制效果与多种使用成本的兼顾，在车辆使用中能有效控制动力电池温度及延长其使用寿命，从而可最大程度地发挥燃料电池混合动力汽车的经济潜力。地发挥燃料电池混合动力汽车的经济潜力。地发挥燃料电池混合动力汽车的经济潜力。

【技术实现步骤摘要】
考虑电池热健康约束的燃料电池混动汽车能量管理方法


[0001]本专利技术属于燃料电池混动汽车能量管理
，尤其涉及一种考虑电池热健康约束的燃料电池混动汽车能量管理方法。

技术介绍

[0002]燃料电池混合动力汽车由于其系统构型的复杂性，导致了其使用与维护成本偏高、寿命偏短等缺点，在此类车辆的运行过程中除了氢燃料的正常消耗外，燃料电池和电池系统的不当使用均容易增加额外的车辆维护成本，并且一些意外过热情况还会使电池不一致性加剧，发生热失控风险的可能性随之显著提高。因此，如何针对燃料电池混合动力汽车的特点提供更为高效的能量管理方法，使车辆性能、成本及安全性得以兼顾，是本领域中迫切需要解决的技术问题。

技术实现思路

[0003]有鉴于此，本专利技术提供了一种考虑电池热健康约束的燃料电池混动汽车能量管理方法，具体包括以下步骤：
[0004]步骤一、实时获取车辆包括车速、加速度、驱动电机转速与转矩的车辆状态信息，包括动力电池电压、电流及SOC的动力电池状态信息，以及包括燃料电池的输出功率、电堆效率和功率变化率的燃料电池状态信息；
[0005]步骤二、将车辆各历史时刻对应的上述各状态信息输入在线马尔科夫预测器，对未来短期时域内的车速信息进行在线预测；根据预测得到的车速确定相应的未来短期时域内的需求功率；
[0006]步骤三、分别建立车辆的动力学模型、整车氢耗模型、动力电池电热耦合模型、动力电池寿命衰退模型、燃料电池老化模型以及驱动电机模型；
[0007]步骤四、基于所建立的车辆各模型与各状态信息，分别确定相应的氢气消耗质量成本、燃料电池衰退成本、动力电池衰退成本、动力电池的SOC和温度过热对应的惩罚项，以这些数据的加和最小为目标函数建立车辆的能量管理策略；
[0008]步骤五、基于步骤二所确定的需求功率，利用动态规划算法求解使所述目标函数最小的最优控制序列，并将所述最优控制序列中第一个最优控制变量应用于车辆控制系统；当车辆各状态信息更新后返回步骤一重复执行上述步骤，对所述最优控制变量进行更新。
[0009]进一步地，步骤二中通过在线马尔科夫预测器预测车速具体过程如下：
[0010]利用区间编码方式将加速度划分为若干个独立的区间a
i
，i∈(1,
…
,M)，每个区间关联一个马尔可夫链状态a
i
→
x
i
，将系统的状态空间定义为S＝{x
i
,i＝1,
…
,M},用转移频率代替转移概率得到以下转移概率的递归表达式：
[0011][0012]其中，P
ij
为从状态i转移到状态j的概率,F
ij
为从状态i到状态j的平均转移概率，f
ij
为t时刻从状态i转移到状态j的发生状态，F
i
为从状态i转移的平均转移次数，f
i
为t时刻从状态i开始转移的发生状态，λ＝1/t；
[0013]将上式改写为矩阵形式来得到状态概率转移矩阵表达式：
[0014]P(t)＝[diag(F
o
(t))]‑1F(t)
[0015]其中，P为状态概率转移矩阵，F
o
为由F
i
组成的向量，F为由F
ij
组成的矩阵；根据当前时刻的状态概率转移矩阵即可预测得到未来短期时域的车速。
[0016]进一步地，步骤三中所建立的车辆动力学模型具体为以下形式的纵向动力学模型：
[0017]F
t
＝mgC
r
+ma+0.5ρ
a
AC
d
v2[0018]其中，F
t
为牵引力，m为整车质量，g为重力加速度，C
r
为滚动阻力系数，a为加速度，ρ
a
为空气密度，A为迎风面积，C
d
为空气阻力系数，v为车速。
[0019]进一步地，步骤三中所建立的整车氢耗模型具体采用以下形式：
[0020][0021]其中，m
H2
为氢气消耗质量，P
Fc
为燃料电池的输出功率，η
Fc
为燃料电池的效率，C
H2
为氢气的化学能密度，t为时间变量。
[0022]进一步地，步骤三中所建立的动力电池电热耦合模型具体采用以下形式：
[0023][0024]其中，V
D1
和V
D2
为二阶RC电路的极化电压，i为负载电流，R
D1
和R
D2
为等效内阻，C
D1
和C
D2
为等效电容，V为电池的输出电压，V
OCV
为电池的开路电压，R为负载电阻，上标
·
表示相应参数的一阶导数；
[0025][0026]其中，T
c
为动力电池芯温度，T
s
为动力电池表面温度，T
f
为环境温度，T
a
为动力电池内部平均温度，R
c
为热阻，R
u
对流内阻，C
c
电池芯热容，C
s
为动力电池壳热容，Q为动力电池工作时产生的热量。
[0027]进一步地，步骤三中所建立的动力电池寿命衰退模型具体采用以下形式：
[0028][0029][0030]其中，α为指数前因子，c为动力电池充放电倍率，R
i
为理想气体常数，A为动力电池电流吞吐量，z为幂系数，E
a
为活化能，N
EOL
为电池总循环次数，Q
cell
为动力电池容量，ΔQ
cell
为动力电池容量的变化，SOH为动力电池健康状态，上标
·
表示相应参数的一阶导数。
[0031]进一步地，步骤三中所建立的燃料电池老化模型具体采用以下形式：
[0032]V
loss
＝N
cycle
v1+T1v2++ΔP
T
v3+T2v4[0033]其中，V
loss
为燃料电池衰退电压，N
cycle
为燃料电池每小时的平均启停次数，v1为一次启停循环下燃料电池的电压衰减率，T1为燃料电池在低功率负载下单位小时内的运行时间，T2为燃料电池在高功率负载下单位小时内的运行时间，ΔP
T
为单位小时内的燃料电池总功率变化量，v2为燃料电池在低功率负载下工作的电压衰减率，v3为燃料电池在高功率负载下工作的电压衰减率，v4为燃料电池进行变载时的电压衰减率。
[0034]进一步地，步骤三中所建立的驱动电机模型具体采用以下形式：
[0035][0036]其中，P
motor
为驱动电机功率本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.考虑电池热健康约束的燃料电池混动汽车能量管理方法，具体包括以下步骤：步骤一、实时获取车辆包括车速、加速度、驱动电机转速与转矩的车辆状态信息，包括动力电池电压、电流及SOC的动力电池状态信息，以及包括燃料电池的输出功率、电堆效率和功率变化率的燃料电池状态信息；步骤二、将车辆各历史时刻对应的上述各状态信息输入在线马尔科夫预测器，对未来短期时域内的车速信息进行在线预测；根据预测得到的车速确定相应的未来短期时域内的需求功率；步骤三、分别建立车辆的动力学模型、整车氢耗模型、动力电池电热耦合模型、动力电池寿命衰退模型、燃料电池老化模型以及驱动电机模型；步骤四、基于所建立的车辆各模型与各状态信息，分别确定相应的氢气消耗质量成本、燃料电池衰退成本、动力电池衰退成本、动力电池的SOC和温度过热对应的惩罚项，以这些数据的加和最小为目标函数建立车辆的能量管理策略；步骤五、基于步骤二所确定的需求功率，利用动态规划算法求解使所述目标函数最小的最优控制序列，并将所述最优控制序列中第一个最优控制变量应用于车辆控制系统；当车辆各状态信息更新后返回步骤一重复执行上述步骤，对所述最优控制变量进行更新。2.如权利要求1所述的方法，其特征在于：步骤二中通过马尔科夫预测器预测车速具体过程如下：利用区间编码方式将加速度划分为若干个独立的区间a
i
，i∈(1,
…
,M)，每个区间关联一个马尔可夫链状态a
i
→
x
i
，将系统的状态空间定义为S＝{x
i
,i＝1,
…
,M},用转移频率代替转移概率得到以下转移概率的递归表达式：其中，P
ij
为从状态i转移到状态j的概率,F
ij
为从状态i到状态j的平均转移概率，f
ij
为t时刻从状态i转移到状态j的发生状态，F
i
为从状态i转移的平均转移次数，f
i
为t时刻从状态i开始转移的发生状态，λ＝1/t；将上式改写为矩阵形式来得到状态概率转移矩阵表达式：P(t)＝[diag(F
o
(t))]
‑1F(t)其中，P为状态概率转移矩阵，F
o
为由F
i
组成的向量，F为由F
ij
组成的矩阵；根据当前时刻的状态概率转移矩阵即可预测得到未来短期时域的车速。3.如权利要求2所述的方法，其特征在于：步骤三中所建立的车辆动力学模型具体为以下形式的纵向动力学模型：F
t
＝mgC
r
+ma+0.5ρ
a
AC
d
v2其中，F
t
为牵引力，m为整车质量，g为重力加速度，C
r
为滚动阻力系数，a为加速度，ρ
a
为空气密度，A为迎风面积，C
d
为空气阻力系数，v为车速。4.如权利要求3所述的方法，其特征在于：步骤三中所建立的整车氢耗模型具体采用以下形式：
其中，为氢气消耗质量，P
Fc
为燃料电池的输出功率，η
Fc
为燃料电池的效率，为氢气的化学能密度，t为时间变量。5.如权利要求4所述的方法，其特征在于：步骤三中所建立的动力电池电热耦合模型具体采用以下形式：其中，V
D1
和V
D2
为二阶RC电路的极化电压，i为负载电流，R
D1
和R
D2
为等效内阻，C
D1
和C
D2
为等效电容，V为电池的输出电压，V
OCV
为电池...

【专利技术属性】
技术研发人员：何洪文，贾淳淳，李建威，周稼铭，李昆昂，石曼，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：