燃料电池商用车功率平顺化能量管理方法及系统

本发明涉及新能源汽车整车能量管理控制，具体涉及燃料电池商用车功率平顺化能量管理方法及系统。

背景技术：

1、燃料电池商用车通常由燃料电池系统、动力电池系统、驱动电机系统和整车控制系统组成。其中，燃料电池系统作为主要能量来源，动力电池用于承担瞬态功率补偿、制动能量回收以及高功率需求下的辅助供能。由于商用车具有整车质量大、运行里程长、载荷变化明显、道路坡度和交通工况复杂等特点，车辆行驶过程中整车需求功率变化较为剧烈。若燃料电池系统直接跟随整车需求功率快速变化，容易造成燃料电池输出功率频繁波动，进而影响燃料电池系统的效率、动态响应稳定性和使用寿命。

2、现有技术中，已有针对燃料电池汽车功率分配和功率波动抑制的相关方案。例如，中国专利cn110182071a公开了“一种功率跟随型燃料电池整车能量管理控制方法”，其根据整车功率需求和动力电池实时soc（充电率）控制燃料电池实际输出功率，并通过滤波和斜率限制避免燃料电池输出功率的大幅值频繁波动，以提高燃料电池耐久性。该方法已经关注到燃料电池功率波动问题，但其控制方式主要基于当前soc区间、整车功率需求、滤波和斜率限制实现功率跟随，仍偏向规则控制和实时修正，难以在预测时域内对未来多个时刻的燃料电池功率序列进行整体优化。因此，在商用车复杂工况下，该类方法对功率波动的抑制更多体现为被动平滑，难以同时兼顾未来氢耗、soc保持和燃料电池功率平顺性。

3、又如，中国专利cn112925209a公开了“燃料电池汽车模型-干扰双预测控制能量管理方法及系统”，其通过预测未来车速并结合整车动力学模型计算未来整车功率需求，再建立等效氢气消耗量目标函数，并采用有效集算法求解燃料电池与动力电池的功率分配。该方法体现了模型预测控制对未来工况信息的利用，也指出燃料电池输出功率变化较大时会影响燃料电池寿命。但该方案主要围绕等效氢耗优化展开，未将燃料电池相邻时刻功率变化量作为核心目标进行显式抑制；同时，其求解方式依赖有效集算法，当目标函数进一步包含非线性氢耗模型、soc递推约束、燃料电池功率边界和功率变化率约束时，在线求解复杂度会进一步增加。

4、再如，中国专利 cn114714987a公开了“一种燃料电池混合动力汽车的能量管理优化方法及系统”，该方法利用动态规划计算全局soc变化轨迹，并在未来短时域内求解能量最优控制序列。动态规划能够获得较优的离线或半离线优化结果，但其通常需要对状态变量和控制变量进行离散化处理。当预测时域变长、控制变量维度增大，或者进一步加入燃料电池功率波动惩罚项时，计算量和存储量会明显增加，难以满足燃料电池商用车整车控制器实时在线滚动优化的需求。

5、此外，中国专利cn115230485a公开了“基于短期功率平滑预测的燃料电池公交车能量管理方法”，其重点在于通过短期功率预测和平滑处理改善燃料电池公交车能量管理效果。该方法同样涉及功率平滑思想，但其重点主要放在需求功率预测和平滑处理上，而不是在模型预测控制框架中直接将燃料电池输出功率波动作为优化目标，并通过采样分布迭代更新方式在线搜索最优燃料电池功率序列。

6、综上，现有技术虽然已经从不同角度研究了燃料电池汽车的能量管理、功率跟随、工况预测、模型预测控制和功率平滑问题，但仍存在以下不足：

7、第一，现有功率跟随型方法多采用滤波、斜率限制或经验规则来抑制燃料电池功率波动，缺少对预测时域内燃料电池功率序列的整体优化，难以从未来功率需求变化角度主动降低燃料电池功率波动。

8、第二，现有模型预测控制方法多以等效氢耗或soc保持为主要目标，对燃料电池相邻时刻功率变化量的显式优化不足，难以在复杂商用车工况下充分兼顾氢耗经济性、soc稳定性和燃料电池输出平顺性。

9、第三，现有动态规划、有效集算法等优化求解方式在面对非线性氢耗模型、多约束条件和功率波动惩罚项时，容易出现计算复杂度较高、实时性不足或需要较多模型简化的问题，不利于燃料电池商用车整车控制器在线部署。

10、因此，现有燃料电池商用车能量管理方法仍需要进一步改进，一方面，需要在预测优化过程中将燃料电池功率波动作为重要因素进行考虑，避免燃料电池输出功率频繁大幅变化；另一方面，当氢耗模型、soc递推模型、功率边界约束和功率变化率约束同时存在时，还需要一种更适合在线滚动优化的求解方式，以降低传统优化方法的计算负担。

技术实现思路

1、本发明解决了现有得燃料电池商用车的经济性、运行平顺性较低的问题。

2、本发明所述的燃料电池商用车功率平顺化能量管理方法，包括以下步骤：

3、步骤s1，获取当前控制时刻燃料电池商用车的实时运行状态信息；

4、步骤s2，获取燃料电池商用车预测时域内的未来行驶需求信息；

5、步骤s3，计算燃料电池商用车预测时域内的需求功率；

6、步骤s4，分别建立燃料电池与动力电池功率平衡模型、动力电池soc预测模型和燃料电池氢耗模型；

7、步骤s5，将燃料电池功率波动代价、动力电池soc偏差代价和燃料电池氢耗代价共同纳入综合目标函数；

8、步骤s6，对综合目标函数设置边界约束；

9、步骤s7，燃料电池商用车预测时域内的燃料电池输出功率序列作为优化变量，并初始化交叉熵采样分布；

10、步骤s8，根据交叉熵采样分布生成组候选燃料电池功率序列；

11、步骤s9，分别计算每组候选燃料电池功率序列的总代价：

12、步骤s10，将组候选燃料电池功率序列按照总代价从小到大排序，筛选出精英样本；

13、步骤s11，根据精英样本更新交叉熵采样分布；

14、步骤s12，判断是否满足交叉熵终止条件，若否，则执行步骤s8，若是，则执行步骤s13；

15、步骤s13，选取总代价最低的候选燃料电池功率序列作为最优功率序列；

16、步骤s14，在当前控制时刻内，判断是否满足交叉熵终止条件，若是，则结束操作，若否，则执行步骤s2。

17、进一步，本发明一个实施例中，所述的步骤s2中，所述的燃料电池商用车预测时域内的未来行驶需求信息包括预测车速序列、预测加速度序列、道路坡度信息和预测整车需求功率序列。

18、进一步，本发明一个实施例中，所述的步骤s3中，所述的计算燃料电池商用车预测时域内的需求功率，具体为：

19、若步骤s2获取未来行驶需求信息为预测车速序列，则燃料电池商用车预测时域内的需求功率为：

20、；

21、其中，为燃料电池商用车预测时域内第个预测步长的需求功率，为传动系统效率，为燃料电池商用车预测时域内第个预测步长的需求驱动力，为燃料电池商用车预测时域内第个预测步长的速度，为当前控制时刻燃料电池商用车的速度，为当前控制时刻燃料电池商用车的需求功率，为当前控制时刻燃料电池商用车的需求驱动力。

22、进一步，本发明一个实施例中，所述的步骤s4中，所述的燃料电池与动力电池功率平衡模型，具体为：

23、；

24、其中，为燃料电池商用车预测时域内第个预测步长的需求功率，为当前控制时刻燃料电池商用车的需求功率，为燃料电池商用车预测时域内第个预测步长的输出功率，为燃料电池商用车预测时域内第个预测步长的动力电池功率，为当前控制时刻燃料电池商用车的输出功率，为当前控制时刻燃料电池商用车的动力电池功率；

25、所述的动力电池soc预测模型，具体为：

26、；

27、其中，为燃料电池商用车预测时域内第个预测步长的动力电池荷电状态，为燃料电池商用车预测时域内第个预测步长的动力电池荷电状态，为采样周期，为动力电池总能量，为当前控制时刻燃料电池商用车的动力电池荷电状态；

28、所述的燃料电池氢耗模型，具体为：

29、；

30、其中，为燃料电池商用车预测时域内第个预测步长的燃料电池瞬时氢耗率，为燃料电池系统在对应输出功率下的效率，为氢气低位热值，为当前控制时刻燃料电池商用车的燃料电池瞬时氢耗率。

31、进一步，本发明一个实施例中，所述的步骤s5中，所述的将燃料电池功率波动代价、动力电池soc偏差代价和燃料电池氢耗代价共同纳入综合目标函数，具体为：

32、；

33、其中，为燃料电池商用车预测时域内的综合目标函数值，为燃料电池商用车预测时域内第个预测步长的氢耗代价，为燃料电池商用车预测时域内第个预测步长的soc偏差代价，为燃料电池商用车预测时域内第个预测步长的燃料电池功率波动代价，为氢耗代价权重系数，为动力电池soc偏差代价权重系数，为燃料电池功率波动代价权重系数，为当前控制时刻燃料电池商用车的氢耗代价，为当前控制时刻燃料电池商用车的动力电池soc偏差代价，为当前控制时刻燃料电池商用车的燃料电池功率波动代价，为预测时域步长。

34、进一步，本发明一个实施例中，所述的步骤s9中，所述的分别计算每组候选燃料电池功率序列的总代价，具体为：

35、；

36、其中，为第组候选燃料电池功率序列的总代价，为第组候选序列在第个预测步长的氢耗代价，为第组候选序列在第个预测步长的soc偏差代价，为第组候选序列在第个预测步长的燃料电池功率波动代价，为第组候选序列对应的约束惩罚项，为氢耗代价权重系数，为soc偏差代价权重系数，为燃料电池功率波动代价权重系数，为预测时域步长。

37、进一步，本发明一个实施例中，所述的步骤s12或步骤s14中，所述的交叉熵终止条件，至少包括以下至少一种条件：

38、条件一，当前迭代次数达到预设最大迭代次数；

39、条件二，采样标准差小于预设阈值；

40、条件三，连续两次迭代的最优代价变化量小于预设阈值。

41、进一步，本发明一个实施例中，步骤s13中，所述的选取总代价最低的候选燃料电池功率序列作为最优功率序列，具体为：

42、；

43、其中，为交叉熵迭代完成后得到的最优燃料电池功率序列，为最优序列中当前控制时刻对应的燃料电池输出功率，为最优序列中下一控制时刻对应的燃料电池输出功率，为最优序列中时刻对应的燃料电池输出功率，为预测时域步长。

44、本发明所述的燃料电池商用车功率平顺化能量管理系统，所述的系统是基于上述方法所述的燃料电池商用车功率平顺化能量管理方法实现的，包括以下模块：

45、模块一，获取当前控制时刻燃料电池商用车的实时运行状态信息；

46、模块二，获取燃料电池商用车预测时域内的未来行驶需求信息；

47、模块三，计算燃料电池商用车预测时域内的需求功率；

48、模块四，分别建立燃料电池与动力电池功率平衡模型、动力电池soc预测模型和燃料电池氢耗模型；

49、模块五，将燃料电池功率波动代价、动力电池soc偏差代价和燃料电池氢耗代价共同纳入综合目标函数；

50、模块六，对综合目标函数设置边界约束；

51、模块七，燃料电池商用车预测时域内的燃料电池输出功率序列作为优化变量，并初始化交叉熵采样分布；

52、模块八，根据交叉熵采样分布生成组候选燃料电池功率序列；

53、模块九，分别计算每组候选燃料电池功率序列的总代价：

54、模块十，将组候选燃料电池功率序列按照总代价从小到大排序，筛选出精英样本；

55、模块十一，根据精英样本更新交叉熵采样分布；

56、模块十二，判断是否满足交叉熵终止条件，若否，则执行模块八，若是，则执行模块十三；

57、模块十三，选取总代价最低的候选燃料电池功率序列作为最优功率序列；

58、模块十四，在当前控制时刻内，判断是否满足交叉熵终止条件，若是，则结束操作，若否，则执行模块二。

59、本发明解决了现有得燃料电池商用车的经济性、运行平顺性较低的问题。具体有益效果包括：

60、1、本发明所述的燃料电池商用车功率平顺化能量管理方法，通过将燃料电池功率波动直接作为优化目标引入模型预测控制框架中，并采用交叉熵方法对预测时域内的候选燃料电池功率序列进行采样、评价、筛选和分布更新，从而避免传统规则控制难以利用未来工况、传统mpc或动态规划在线求解复杂的问题。通过该方法，能够在满足整车功率需求的同时，实现降低氢耗、维持动力电池 soc 稳定和抑制燃料电池输出功率频繁波动的协同控制，有利于提高燃料电池商用车的经济性、运行平顺性和燃料电池系统耐久性；

61、本发明所述的燃料电池商用车功率平顺化能量管理方法，主要用于根据车辆未来行驶需求对燃料电池系统输出功率和动力电池功率进行协调分配，并在降低整车氢耗的同时抑制燃料电池功率波动，提高燃料电池商用车的能量利用效率和燃料电池系统运行平顺性。