基于电池老化的混合动力汽车的能量输出管理方法

1.本发明属于汽车控制技术领域，涉及混合动力汽车能量输出管理方法。


背景技术：

2.之前，汽车的动力来源主要依靠化石燃料，然而随着化石燃料的日益开采，这一不可再生能源总有枯竭的时候，并且化石燃料的使用不可避免地会产生环境污染。因此。新能源汽车在现在及未来的交通系统中将是一大趋势，对于燃料电池混合动力汽车而言，为使其达到最佳的运行效果，设计一种实时、高效、自适应的能量输出管理方法，使燃料电池、锂电池和超级电容能够在不同工况条件下协调分配能量尤为关键。
3.目前燃料电池混合动力汽车的能量输出管理方法可以分为两类：基于规则的策略和基于优化的策略。基于规则的策略使用直接规则或模糊规则来管理车辆的正常运行，它结构简单，使用方便，在电动车上得到了广泛的应用，但是这种策略很难达到最优的功率分配。基于优化的策略中采用到等效消耗最小化策略，它作为一种实时优化策略，通过计算当量燃料成本函数来实现能量在各能源之间的瞬时分配，它不依赖于行驶条件的先验知识，可以达到接近最佳的设置点。然而在燃料电池混合动力汽车的生命周期内，电池会随着汽车的使用而发生老化，出现电源退化的现象。燃料电池作为燃料电池混合动力汽车的主要动力源，燃料电池在相应电流下的输出功率会随着老化而降低，其最大工作效率点也发生变化；同时锂电池容量会随着汽车的使用而下降，锂电池电阻会随着老化而增加，从而降低了锂电池的输出电压。因此，燃料电池混合动力汽车的能量输出管理方法中若不对电池老化进行考虑，则无法对燃料电池混合动力汽车进行有效可靠的能量输出管理。


技术实现要素：

4.为了解决背景技术中所述的问题，本发明提出了基于电池老化的混合动力汽车的能量输出管理方法。
5.本发明的技术方案包括以下步骤：
6.步骤一、通过传感器获取混合电动汽车直流母线上的负载电流、超级电容荷电状态值以及汽车车速，通过模糊控制器与超级电容荷电状态值优化模块得到调节频率，将调节频率输入到巴特沃斯滤波器得到底层的需求电流以及顶层的超级电容输出电流；
7.步骤二、建立燃料电池老化模型，使用无迹卡尔曼滤波估计老化参数，计算燃料电池和锂电池的健康状态；
8.步骤三、通过燃料电池和锂电池的健康状态得到锂电池等效因子和燃料电池的最大电流动态变化率；
9.步骤四、将底层的需求电流、锂电池等效因子和燃料电池动态电流变化率输入到构建的自适应等效功耗最小策略中，计算得到燃料电池和锂电池的输出电流。
10.进一步地，所述步骤一中，模糊控制器中，输入变量为超级电容荷电状态值soc
sc
和负载电流i
load
，输出变量为初始调节频率f
s’，0.5《soc
sc
《0.9。超级电容soc优化模块中，与
驱动条件相关的超级电容参考荷电状态值定义如下：
[0011][0012]
其中v
max
是车辆的最大速度，是超级电容最大荷电状态值；v是当前汽车车速。
[0013]
为了保证超级电容荷电状态值soc
sc
接近其超级电容参考荷电状态值并随驱动条件而变化，定义可调频率增量δf用于校正模糊控制器输出，实现了超级电容器随驱动条件的变化，最终修正后的调节频率fs表示如下：
[0014][0015]
其中，k是调节因子,soc
sc
为超级电容荷电状态值,是超级电容参考荷电状态值。
[0016]
将调节频率fs输入到巴特沃斯滤波器中，底层的需求电流以及顶层的超级电容输出电流分别为：
[0017][0018]isc
＝i
load-i
re
[0019]
其中，i
re
(k)当前周期的底层的需求电流，i
re
(k-1)上一周期的底层的需求电流，i
load
(k)当前周期的当前周期的负载电流，t为滤波器采样周期，i
re
为底层的需求电流，i
sc
为顶层的超级电容输出电流。
[0020]
更进一步地，所述步骤二中，燃料电池的健康状态定义如下：
[0021][0022]
其中，α
min
是退化偏差的最小值，α
max
是退化偏差的最大值；α
min
和α
max
由燃料电池出厂参数的内阻极限值和最大电流极限值计算所得。
[0023]
锂电池的健康状态定义如下：
[0024][0025]
其中，为锂电池参数中的电池初始最大电量，是为电池寿命终止的电量阈值；q(t)是测量得到的t时刻电池最大电量。
[0026]
更进一步地，所述步骤三中，
[0027]
锂电池等效因子λ
ba
为：
[0028]
λ
ba
＝λ
ba0
(1 0.195soh
fc
)(1 0.187soh
ba
)，
[0029]
其中，λ
ba0
是锂电池的初始等效因子，soh
fc
为燃料电池的健康状态，soh
ba
为锂电池的健康状态；
[0030]
燃料电池的最大电流动态变化率di
fc
为：
[0031]
di
fc
＝di0*(1-0.5*soh
ba
)，
[0032]
其中，di0表示燃料电池的初始电流动态变化率，soh
ba
为锂电池的健康状态。
[0033]
更进一步地，所述步骤四中，
[0034]
自适应等效功耗最小策略为：
[0035][0036]
其中，i
fc
表示燃料电池的输出电流，i
ba
表示锂电池的输出电流，i
re
表示底层的需求电流，mw表示燃料电池混合动力汽车系统的总氢耗，m
fc
表示燃料电池氢耗，k
ba
是锂电池效率惩罚系数，k
fc
是燃料电池效率惩罚系数，λ
ba
是锂电池的等效因子，u
bus
是直流母线电压；表示燃料电池电流输出的上限与下限，表示锂电池电流输出的上限与下限，i
fc
(t)和i
fc
(t-1)表示t时刻和t-1时刻的燃料电池电流，di
fc
表示燃料电池的最大电流动态变化率。
[0037]
燃料电池效率惩罚系数k
fc
为：
[0038][0039]
其中，η是燃料电池瞬时效率，η
opt
是燃料电池最优效率，η
max
是燃料电池最大效率，η
min
是燃料电池最小效率；
[0040]
锂电池效率惩罚系数k
ba
定义为：
[0041][0042]
其中，u是锂电池瞬时电荷量，b
int
是锂电池初始电荷量，b
max
是锂电池最大电荷量，b
min
是锂电池最小电荷量。
[0043]
本发明的混合动力汽车采用燃料电池与锂电池作为动力电池，超级电容器提供瞬时大功率需求，该混合动力汽车的能量输出管理中，将燃料电池、锂电池及超级电容组成的混合动力汽车系统的电流分配分为两层：顶层部分采用基于模糊控制的自适应低通滤波器将低频电流从负载电流中解耦得到底层的需求电流以及顶层的超级电容输出电流；底层部分依据底层的需求电流和采用考虑各电池老化的自适应等效功耗最小策略，得到了底层的燃料电池和锂电池的输出电流。通过本发明能有效可靠地对混合动力汽车进行能量输出管
理，并且还确保了锂电池的充电支持，提高了燃料电池的利用率，延长了动力电池的使用寿命。
附图说明
[0044]
图1为本发明的能量输出管理方法的流程图。
[0045]
图2为模糊控制器的隶属度函数的设计规则图。
[0046]
图3为混合动力汽车的顶层和底层电流曲线图。
[0047]
图4为混合动力汽车的燃料电池和锂电池的输出电流曲线图。
[0048]
图5为混合动力汽车的超级电容和锂电池的荷电状态值。
具体实施方式
[0049]
下面结合附图详细说明本发明的实施情况，但它们并不构成对本发明的限定，仅做举例而已，同时通过说明，将更加清楚地理解本发明的优点。本领域的普通的技术人员能从本发明公开的内容直接导出或联想到的所有变形，均应认为是本发明的保护范围。实施例中所述的位置关系均与附图所示一致，实施例中其他未详细说明的部分均为现有技术。
[0050]
1、获取底层的需求电流以及顶层的超级电容电流
[0051]
通过传感器获取混合电动汽车直流母线上的负载电流、超级电容荷电状态值以及汽车车速，通过模糊控制器与超级电容荷电状态值优化模块得到调节频率，将调节频率输入到巴特沃斯滤波器得到底层的需求电流以及顶层的超级电容电流。
[0052]
模糊控制器中，输入变量为超级电容荷电状态值soc
sc
和负载电流i
load
，输出变量为初始调节频率f
s’，0.5《soc
sc
《0.9；
[0053]
模糊控制器计算规则基于输入-输出模糊隶属度函数和模糊规则库，选取“三角形 梯形”隶属度函数，模糊控制器输入输出变量soc
sc
、i
load
和f
s’隶属度函数的设计规则如图1所示，模糊规则控制表见表1。
[0054]
表1模糊规则控制表
[0055][0056]
[0057]
备注：nh:负高；nl:负低；ze:零；pl:正低；ph:正高；vl:非常低；l:低；m:中等；h:高；vh:非常高。
[0058]
依据不同驾驶条件对初始调节频率f
s’进行调整，模糊控制器的调整规则如下：
[0059]
(1)在车辆加速或启动时，即i
load
为pl或ph时，若超级电容电荷量较高时，减小f
s’以使超级电容提供大量能量；
[0060]
(2)在车辆减速时，即i
load
为nl或nh时，若超级电容电荷量较低时，增加f
s’以使超级电容回收大部分再生能量；
[0061]
(3)汽车所需功率较低的情况下，即i
load
为pl或ph时，只有燃料电池和锂电池才能很好地满足功率需求，超级电容只需要提供较低水平的能量，以避免对燃料电池和锂电池的小功率波动，f
s’需要维持一个较高值；
[0062]
(4)为了避免超级电容的过放电/充电，当超级电容电荷量增加或减少时，适当调整f
s’。
[0063]
模糊控制器设计的最终目的是计算调节频率准确值，采用重心法的特点是当输入变量有了微小的变化后，输出结果也会有相应的变化，输出值的变化平滑，因此选取重心法作为去模糊化的计算方法，在离散论域情况下，重心法计算公式为：
[0064][0065]
z0＝fs'
[0066]
其中，i为量化级数的个数，为对应的隶属度程度值，zi为对应的量化级数值，z0为模糊控制器解模后的精确值，即初始调节频率f
s’。
[0067]
超级电容soc优化模块中，与驱动条件相关的超级电容参考荷电状态值定义如下：
[0068][0069]
其中v
max
是车辆的最大速度，是超级电容最大荷电状态值；v是当前汽车车速；
[0070]
为了保证超级电容荷电状态值soc
sc
接近其超级电容参考荷电状态值并随驱动条件而变化，定义可调频率增量δf用于校正模糊控制器输出，实现了超级电容器随驱动条件的变化，最终修正后的调节频率fs表示如下：
[0071][0072]
其中，k是调节因子，soc
sc
为超级电容荷电状态值,是超级电容参考荷电状态值。
[0073]
将调节频率fs输入到巴特沃斯滤波器中，底层的需求电流以及顶层的超级电容电
流分别为：
[0074][0075]isc
＝i
load-i
re
[0076]
其中，i
re
(k)当前周期的底层的需求电流，i
re
(k-1)上一周期的底层的需求电流，i
load
(k)当前周期的当前周期的负载电流，t为滤波器采样周期，i
re
为底层的需求电流，i
sc
为顶层的超级电容输出电流。
[0077]
2、计算燃料电池和锂电池的健康状态
[0078]
燃料电池的健康状态估计中，使用质子交换膜燃料电池的静态电压模型用作为燃料电池的老化模型，方程如下：
[0079][0080]
其中，e代表燃料电池组总电压，n
cell
代表燃料电池层数，e
rev
代表热力学可逆电势，e
act
代表活化损失，r代表燃料电池内阻，i
fc
代表燃料电池电流，b代表经验常数，i
max
代表最大允许电流。
[0081]
燃料电池无迹卡尔曼滤波估计模型如下：
[0082][0083]
其中，xk＝[α,β]
t
是无迹卡尔曼滤波状态变量，a＝[1,t；0,1],yk是燃料电池电压，wk和vk是过程和观测噪声，uk是燃料电池输入参考电流，g(xk,uk)为静态电压模型；已知燃料电池输入参考电流uk和传感器测量的实际输出电压yk，作为状态观测器的无迹卡尔曼滤波可估计燃料电池老化模型中的未观测状态参数x
k 1
，以求出t时刻的燃料电池内阻r(t)和最大电流i
max
(t)；
[0084]
燃料电池内阻r和最大电流i
max
随时间的变化描述如下：
[0085][0086]
其中，r(t)表示t时刻燃料电池内阻，i
max
(t)表示t时刻燃料电池最大电流，r0和i
max0
分别表示其初始值，α(t)表示随时间变化的退化偏差。
[0087]
从而通过式(7)即可求得。
[0088]
燃料电池的健康状态定义如下：
[0089][0090]
其中，α(t)可通过式(7)求得，α
min
是退化偏差的最小值，α
max
是退化偏差的最大；α
min
和α
max
由燃料电池出厂参数的内阻极限值和最大电流极限值计算得到。
[0091]
锂电池的健康状态估计中，使用基于电化学的锂离子电池模型作为锂电池老化模型，方程如下：
[0092]
v(t)＝v
u,p-v
u,n-v
s,p-v
s,n-v
e-v
o,n-v
o,p
ꢀꢀꢀ
(9)，
[0093]
其中，v
u,p
，v
u,n
分别是正、负集电体的平衡电压，v
o,p
，v
o,n
分别是正、负集电体的电荷转移电阻引起的表面过电压，v
s,p
，v
s,n
分别是正，负集电体的固相欧姆电阻引起的电压降，ve是电解液欧姆电阻引起的电压降。
[0094]
平衡电压可以用能斯特方程来计算：
[0095][0096]
其中，xi表示摩尔分数，i代表电极(n代表负极，p代表正极)，u0是参考电压，r是普适气体常数，t是电极温度，n是反应中转移的电子数(对于锂离子n＝1)，v
act,i
表示活度修正项，v
act,i
在理想条件下为0。
[0097]
xi表示为：
[0098][0099]
其中，qi为电极i中锂离子的量，q
max
＝q
p
qn，即q
max
为锂离子的最大电量；对于锂电池，其正负极的摩尔分数x
p
xn＝1，充满电时，x
p
＝0.4和xn＝0.6；完全放电时，x
p
＝1和xn＝0。
[0100]
锂电池的电压和内阻的关系式为：
[0101]vo
＝v
s,p
v
s,n
ve＝i
app
r0ꢀꢀ
(12)，
[0102]
锂电池的固相欧姆电阻、电解质欧姆电阻和集电器处的电阻引起的总电压可以视为vo，锂电池内阻可表示为r0，其中i
app
是锂电池输入参考电流。
[0103]
锂电池无迹卡尔曼滤波估计模型如下：
[0104][0105]
其中，xk＝[α,β]
t
是无迹卡尔曼滤波状态变量，a＝[1,t；0,1],yk是锂电池电压，wk和vk是过程和观测噪声，uk是锂电池输入参考电流，h(xk,uk)为锂电池电化学模型；已知锂电池输入参考电流uk和传感器测量的实际输出电压yk，作为状态观测器的无迹卡尔曼滤波可估计锂电池老化模型中的未观测状态参数x
k 1
，以求出t时刻的锂电池最大电量q
max
和内阻r0。
[0106]
锂电池的健康状态定义如下：
[0107][0108]
其中，为锂电池参数中的电池初始最大电量，为电池寿命终止的电量阈值，的值可取的50％；q(t)是测量得到的t时刻电池最大电量。
[0109]
3.获取锂电池等效因子和燃料电池的最大电流动态变化率
[0110]
锂电池等效因子λ
ba
为：
[0111]
λ
ba
＝λ
ba0
(1 0.195soh
fc
)(1 0.187soh
ba
)
ꢀꢀ
(15)；
[0112]
其中，λ
ba0
是锂电池的初始等效因子，soh
fc
为燃料电池的健康状态，soh
ba
为锂电池的健康状态；
[0113]
燃料电池的老化导致燃料电池在整个驱动循环中的电流变化增加，这意味着燃料电池退化率的增加，为了增加燃料电池的寿命，需限制了其动态变化率，燃料电池的最大电流动态变化率di
fc
为：
[0114]
燃料电池的最大电流动态变化率di
fc
为：
[0115]
di
fc
＝di0*(1-0.5*soh
ba
)，
[0116]
其中，di0表示燃料电池的初始电流动态变化率，soh
ba
为锂电池的健康状态。
[0117]
4、获取燃料电池和锂电池的输出电流
[0118]
将底层的需求电流、锂电池等效因子和燃料电池动态电流变化率输入到构建的自适应等效功耗最小策略中，计算得到燃料电池和锂电池的输出电流。
[0119]
自适应等效功耗最小策略为：
[0120][0121]
其中，i
fc
表示燃料电池的输出电流，i
ba
表示锂电池的输出电流，i
re
表示底层的需求电流，mw表示燃料电池混合动力汽车系统的总氢耗，m
fc
表示燃料电池氢耗，k
ba
是锂电池效率惩罚系数，k
fc
是燃料电池效率惩罚系数，λ
ba
是锂电池的等效因子，u
bus
是直流母线电压；表示燃料电池电流输出的上限与下限，表示锂电池电流输出的上限与下限，i
fc
(t)和i
fc
(t-1)表示t时刻和t-1时刻的燃料电池电流，di
fc
表示燃料电池的最大电流动态变化率；
[0122]
燃料电池效率惩罚系数k
fc
为：
[0123][0124]
其中，η是燃料电池瞬时效率，η
opt
是燃料电池最优效率，η
max
是燃料电池最大效率，η
min
是燃料电池最小效率；
[0125]
锂电池效率惩罚系数k
ba
定义为：
[0126][0127]
其中，u是锂电池瞬时电荷量，b
int
是锂电池初始电荷量，b
max
是锂电池最大电荷量，b
min
是锂电池最小电荷量。
[0128]
实施例
[0129]
选择混合4.5kw质子交换膜型燃料电池，48v 40ah的锂电池，165f超级电容三种电源的混合动力汽车为仿真对象，采用城市道路工况作为测试工况，通过上述能量输出管理方法对其进行仿真，得到结果如下所示。
[0130]
图3为混合动力汽车的顶层和底层电流曲线图，其中实线为负载电流，细虚线为底层的需求电流，粗虚线为顶层的超级电容输出电流，可以看到超级电容作为辅助电源可以起到“削峰填谷”的作用，使得底层需求电流处于一个较为平稳的状态。
[0131]
图4为混合动力汽车的燃料电池和锂电池的输出电流曲线图，其中实线为燃料电池输出电流，虚线为锂电池输出电流。已知4.5kw质子交换膜型燃料电池的高效区间在0.5kw到2kw之间，而混动汽车的母线电压为48v，本实施例中，燃料电池输出电流范围在10a到40a之间，通过计算可知燃料电池输出功率维持在高效区间内。
[0132]
图5为混合动力汽车的超级电容和锂电池的荷电状态值，其中实线为超级电容荷电状态值，虚线为锂电池荷电状态值。一个完整工况周期过后，超级电容荷电状态值与锂电池荷电状态值基本保持在期望值的范围，没有出现过充或过放现象。
[0133]
以上结合附图及具体实施例详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，这些简单变型均属于本发明的保护范围。