一种燃料电池混合动力汽车多目标优化能量管理方法

本发明涉及新能源汽车能量管理控制，具体涉及一种燃料电池混合动力汽车多目标优化能量管理方法。

背景技术：

1、燃料电池混合动力汽车通常包括质子交换膜燃料电池系统、动力电池、dc/dc 变换器、直流母线、逆变器、驱动电机及整车控制器。燃料电池系统具有能量密度高、续驶里程长和补能时间短等优点，适合作为车辆主要能量来源；动力电池具有动态响应快、可回收制动能量和可进行峰值功率补偿等优点，适合作为燃料电池功率动态缓冲装置。在燃料电池/动力电池混合动力系统中，直流母线需求功率通常由燃料电池输出功率和动力电池输出功率共同满足，进而需要能量管理策略实现更节能、更合理的功率分配。

2、现有燃料电池汽车能量管理策略主要包括基于规则的方法和基于优化的方法。基于规则的方法实现简单，但依赖固定阈值，难以兼顾不同道路工况下的氢耗、soc 维持和燃料电池寿命。基于优化的方法在工程应用中主要有等效消耗最小化方法和模型预测控制方法。其中模型预测控制能够利用短时未来车速和需求功率信息，在滚动时域内综合考虑经济性、soc 约束和燃料电池功率变化约束，但其求解过程仍面临预测精度和实时计算量之间的矛盾。

3、为了提高模型预测控制的求解能力，现有部分方法将动态规划求解器引入 mpc预测时域内，通过对动力电池 soc、燃料电池输出功率或控制输入进行离散化搜索，获得预测时域内的最优控制序列。该类方法能够在有限离散网格上处理多目标代价函数，但其优化精度依赖状态和控制变量的网格分辨率；当状态维度、控制维度或预测时域增加时，计算量会快速增大。同时，对于燃料电池效率 map、电池开路电压/内阻非线性模型、电池电流约束等连续非线性因素，离散动态规划方法通常需要通过查表、插值或网格近似进行处理，容易产生离散化误差，并增加在线计算负担。

4、因此，需要一种能够保留短时车速预测和 soc 参考轨迹优势，同时避免预测时域内大规模状态网格离散的能量管理方法。

技术实现思路

1、针对上述现有技术，本发明要解决的技术问题是：现有燃料电池汽车能量管理方法难以同时兼顾未来功率需求、soc维持、整车氢耗降低及燃料电池功率平滑。针对上述问题，本发明的目的是提出一种燃料电池混合动力汽车多目标优化能量管理方法。

2、所述方法包括如下步骤：

3、s1、采集车辆状态信息，形成当前控制周期的初始状态；

4、s2、基于bp神经网络预测车速，得到未来预测时域内的预测车速序列；

5、s3、基于预测车速序列计算加速度、车辆纵向需求驱动力、车轮需求功率和直流母线需求功率的预测值，形成 mpc 预测时域内的扰动功率序列；

6、s4、根据mpc 预测时域内的扰动功率序列与燃料电池经济工作功率之间的功率差，结合当前动力电池soc和目标soc，生成预测时域内的参考soc轨迹；

7、s5、建立mpc非线性优化模型；

8、s6、采用sqp求解mpc非线性优化模型，得到预测时域内的燃料电池功率增量序列；

9、s7、选取所述燃料电池功率增量序列中的首个燃料电池功率增量，生成燃料电池功率指令和动力电池功率指令。

10、进一步，当前控制周期的初始状态包括：车辆纵向车速、车辆纵向加速度、动力电池荷电状态、动力电池端电压、动力电池电流、燃料电池系统净输出功率、车辆需求功率、驱动电机转速、驱动电机转矩以及道路坡度估计值。

11、进一步，所述基于bp神经网络预测车速，包括：获取预设历史窗口内的车辆纵向车速及车辆纵向加速度，将所述车辆纵向车速及车辆纵向加速度输入预先训练的bp神经网络，得到未来预测时域内的预测车速序列。

12、进一步，步骤s3中，根据所述预测车速序列计算预测加速度，根据所述预测车速和所述预测加速度计算预测车辆纵向需求驱动力，根据所述预测车辆纵向需求驱动力和所述预测车速计算预测车轮需求功率，并根据所述预测车轮需求功率计算预测直流母线需求功率；

13、mpc 预测时域内的扰动功率序列为：

14、

15、其中，为当前时刻确定的当前车辆直流母线需求功率，为控制时刻的预测车辆直流母线需求功率，为控制时刻的预测车辆直流母线需求功率。

16、进一步，步骤s4中，根据mpc 预测时域内的扰动功率序列和燃料电池经济工作功率确定预测时域内的参考电池功率，将所述参考电池功率换算为参考soc变化量，并从当前动力电池soc开始累计参考soc变化量，得到原始参考soc轨迹；根据预测时域末端期望soc对原始参考soc轨迹进行终端修正和限幅，得到预测时域内的参考soc轨迹。

17、进一步，建立mpc非线性优化模型，具体为：以动力电池soc和燃料电池输出功率为状态变量，以燃料电池功率增量为控制输入，并将mpc 预测时域内的扰动功率序列作为扰动输入；

18、基于所述状态变量、控制输入和扰动输入构建非线性状态空间模型；

19、根据燃料电池氢耗率和动力电池等效氢耗率确定整车等效氢耗率，以降低所述整车等效氢耗、跟踪参考soc以及抑制燃料电池功率增量为优化目标，并设置燃料电池输出功率、燃料电池功率增量、动力电池soc、动力电池电流和动力电池功率的约束，建立所述mpc非线性优化模型。

20、进一步，采用sqp求解mpc非线性优化模型，具体为：将预测时域内的状态变量和控制输入构成优化变量，并将mpc非线性优化模型表示为包括目标函数、等式约束和不等式约束的非线性规划问题；

21、在sqp迭代过程中，基于当前迭代点构建二次规划子问题，求解所述二次规划子问题得到搜索方向，根据所述搜索方向和迭代步长更新所述优化变量，直至满足预设终止条件，得到预测时域内的燃料电池功率增量序列。

22、进一步，步骤s7中，从燃料电池功率增量序列中，选取首个燃料电池功率增量，作为当前控制周期的燃料电池功率增量，生成燃料电池功率指令和动力电池功率指令并执行；

23、进入下一控制周期后重新获取车辆状态，并基于重新获取的车辆状态重新执行步骤s2至s6。

24、一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。

25、一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时实现上述方法的步骤。

26、本发明所述方法的有益效果为：

27、（1）本发明基于预测车速获得预测需求功率，并结合燃料电池经济工作功率、当前动力电池soc和目标soc生成参考soc轨迹，同时将预测需求功率作为mpc的扰动输入，使soc调节能够结合未来功率需求进行动态调整，避免采用固定soc参考值难以适应工况变化的问题。

28、（2）本发明在mpc非线性优化模型中统一考虑燃料电池效率map、氢耗map、动力电池开路电压和内阻、电池电流约束以及动力电池等效氢耗，并以燃料电池功率增量作为连续控制输入，在兼顾整车等效氢耗和soc跟踪的同时抑制燃料电池功率突变；采用sqp在连续变量空间内求解燃料电池功率增量序列，有利于获得平滑的燃料电池功率指令。

29、（3）本发明采用sqp对所述mpc非线性优化模型进行在线求解，并将上一控制周期的最优控制序列左移作为下一控制周期的初始控制输入序列，利用相邻控制周期最优解的连续性减少sqp迭代次数，提高非线性mpc在线求解的实时性。