童盛穩(wěn),陳 韜,謝 輝
(內(nèi)燃機燃燒學國家重點實驗室,天津大學,天津 30007,中國)
插電式混合動力汽車(plug-in hybrid electric vehicle, PHEV)可通過外部電網(wǎng)和發(fā)動機做功2種方式獲取電能[1],實現(xiàn)較長的純電里程;采用混合動力的方式工作,降低了燃油消耗,避免了里程焦慮[2]。因此,在插電式混合動力系統(tǒng)工作過程中,必然存在能量之間的轉(zhuǎn)換和能量源自身效率變化導致的能量損失。與純電動汽車和傳統(tǒng)混合動力汽車不同,在運行中,PHEV車輛電池中儲存的能量來源是變化的,電池儲電的等效效率會隨著時間改變,并造成實際運行中系統(tǒng)綜合效率的動態(tài)變化[3]。
插電式混合動力車輛處于發(fā)動機充電模式時,電池儲電的等效效率受該時刻發(fā)動機工作效率影響,因此導致整個系統(tǒng)的綜合效率具有動態(tài)性和耦合性的特點。PHEV綜合能效的變化最終會影響能量管理策略的運行效果。能量管理策略是混合動力系統(tǒng)能量管理的基礎和核心?;旌蟿恿Φ哪芰抗芾聿呗阅苄гu價方法主要有以下3類:
第1類,以等效系統(tǒng)油耗作為綜合能效評價指標。等效油耗最低策略(equivalent consumption minimization strategies,ECMS)是應用最為廣泛的能量管理策略。該方法通過等效因子將電能消耗轉(zhuǎn)換成等效油耗,并將實際燃油消耗和等效油耗之和作為能效評價指標[4-5];但等效因子沒有確切的物理意義,因此,用等效因子的方法來實現(xiàn)電能的轉(zhuǎn)化,在PHEV中用無法解決能效的耦合性及動態(tài)性的問題。
第2類,以等效功率作為綜合能效評價指標。Jinglai WU[6]以最小化系統(tǒng)等效功率為優(yōu)化能效指標,進行混合動力系統(tǒng)能效優(yōu)化,考慮了實際轉(zhuǎn)化過程的效率對電能進行轉(zhuǎn)換,有效提升了系統(tǒng)能效。但該方法未考慮電池儲電效率的變動,無法很好應對系統(tǒng)綜合能效的耦合性問題。
第3類,以系統(tǒng)綜合效率作為評價指標。許多研究[7-9]表明:以系統(tǒng)效率作為能效評價指標,對插電式混合動力系統(tǒng)能效提升,有顯著效果;現(xiàn)有的研究還未見系統(tǒng)的針對能效的耦合性及動態(tài)性進行效率的修正。Xin YE[7]針對并聯(lián)式HEV,采用效率模型,結(jié)合模糊控制的方法,驗證了HEV在最佳系統(tǒng)效率下能量分配的有效性,提高了燃油經(jīng)濟性。Wei WANG[8]等人針對功率分流式HEV建立系統(tǒng)效率模型,并以系統(tǒng)效率為優(yōu)化目標,提高了系統(tǒng)能效,但未能考慮電池效率的時變特性。連靜[9]等人針對并聯(lián)式混合動力系統(tǒng),構建了不同運行模式下的系統(tǒng)效率評估方程,并基于最高系統(tǒng)效率進行扭矩分配,在一定程度上降低了整車油耗;但并未考慮電池電量來源效率不同引起的效率動態(tài)變化。Goekce K[10]等人針對串聯(lián)式混合動力系統(tǒng),建立了系統(tǒng)效率成本函數(shù),結(jié)合發(fā)動機及電機效率等高圖,構建瞬時優(yōu)化算法進行扭矩尋優(yōu),能在一定程度上提高系統(tǒng)能效。林歆悠[11]等基于并聯(lián)PHEV,建立系統(tǒng)效率模型;并采用遺傳算法,進行電量保持模式下的能量分配迭代尋優(yōu),使整車性能有所提升,但未考慮PHEV電池中充電能量的轉(zhuǎn)化來源引起的效率變化。以上研究雖然采用了多種手段對PHEV系統(tǒng)的能效進行了優(yōu)化;但是沒有很好地解決PHEV系統(tǒng)存在的時變和耦合問題;因而解決該問題面臨的主要困難為如何準確估計系統(tǒng)效率。
針對PHEV系統(tǒng)能效的耦合性和時變性,需要對電池儲電效率的動態(tài)變化進行評估,并根據(jù)其變化對系統(tǒng)綜合效率進行優(yōu)化,實現(xiàn)最大程度地真實節(jié)能;因而,為了使系統(tǒng)在運行過程中實現(xiàn)能效的動態(tài)最優(yōu),有必要通過相應的優(yōu)化算法進行運行模式的選擇及動力的優(yōu)化分配。
本文通過建立發(fā)動機、電機、電池效率等關鍵耗能裝置模型。在此基礎上,根據(jù)功率分流式PHEV不同運行模式下的特點,分別建立不同運行模式下的綜合系統(tǒng)效率評價模型;采用基于預設規(guī)則和動態(tài)優(yōu)化相結(jié)合的復合能量管理策略,以系統(tǒng)綜合效率動態(tài)最優(yōu)為目標,在不同模式下對PHEV系統(tǒng)能量的優(yōu)化分配,以期提高插電式混合動力車輛道路運行能效。
本文的研究對象是國內(nèi)某自主品牌的插電式混合動力車輛。該車輛的動力構型為功率分流式插電式混合動力系統(tǒng),電機1、2為交流永磁電機,其他基本參數(shù)如表1所示。
基于GT-SUITE平臺搭建功率分流式混合動力整車及動力系統(tǒng)模型,包括:電機模型、行星輪傳動模型、電池模型、車輛模型。動力構型如圖1所示。整車模型如圖2所示,其中未注符號為軟件模塊名稱。
表1 HEV基本參數(shù)
圖1 PHEV動力構型圖
圖2 混合動力系統(tǒng)對象模型
為了為簡化計算和縮短計算時間同時有效保證模型精度,假設發(fā)動機處于良好的預熱狀態(tài),建立基于真實實驗數(shù)據(jù)和機理結(jié)合的穩(wěn)態(tài)發(fā)動機及電機模型。
根據(jù)發(fā)動機轉(zhuǎn)速(neng)及輸出扭矩(Teng),通過查表可得發(fā)動機模型實際油耗為
若令Qf為燃油總熱量消耗,則發(fā)動機效率為
同理,電機模型也選用了基于效率等高圖的建模方式。查表可得電機1 (e1)及電機2 (e2)效率為:
發(fā)動機、電機1、電機2效率等高圖如圖3所示。
圖3 發(fā)動機、電機的效率等高圖
本動力系統(tǒng)為單行星排平行軸構型,行星輪系統(tǒng)由齒圈(ring)、太陽輪(s)、行星齒輪(r)組成。
行星輪系統(tǒng)各部分的轉(zhuǎn)速(n)滿足:
電機2通過中間齒輪與齒圈耦合, 3個動力源之間的轉(zhuǎn)速關系為
式中:ρ為行星輪齒數(shù)比;Ns為太陽輪齒數(shù);Nr為齒圈齒數(shù);i1為齒圈減速比。
行星輪系的扭矩傳遞關系:
式中:角標eng、e1、e2分別表示發(fā)動機、電機1、電機2;角標c、s、r分別表示行星齒輪、太陽輪、齒圈;角標wheel、brake分別表示驅(qū)動、制動;R為輪胎滾動半徑;c0、c1、c2為道路阻力因數(shù);m為整車質(zhì)量;v為車速;g為重力加速度;λ為道路坡度。
將電池看作一個理想電壓源和一個內(nèi)阻串聯(lián)的等效電路,令t0表示初始時刻,則t時刻的充電狀態(tài)(state of charge, SOC)為
其中:I表示瞬時電流,C為電池容量。
電池的充電效率、放電效率為:,
式中:Ebat為電池電動勢,R為電池內(nèi)阻,Pbat為電池輸入或輸出功率。
建模中,基于電池中能量的組成對電池儲電效率進行修正。并考慮生產(chǎn)運輸過程能量損耗代價,對系統(tǒng)不同運行模式下的能效進行優(yōu)化。
通過電網(wǎng)向電池充電時,電網(wǎng)電能轉(zhuǎn)換損失的能量較?。坏钱斖ㄟ^發(fā)動機向電池中充電時,由于發(fā)動機工作效率(η)較低,實際轉(zhuǎn)換過程中所產(chǎn)生的能量損失會相對較大。電機總消耗能量為:
考慮到能量生產(chǎn)運輸?shù)膿p失,需要對燃油和電能在生產(chǎn)運輸中的效率進行考量,假設煉油和運輸汽油的效率ηgas為86%[3],電能的損失取決于所采用發(fā)電技術,由文獻[10]可知2019年中國發(fā)電量構成情況,考慮到這些發(fā)電技術在實際應用中的占比,可以通過以下公式獲得平均效率:
式中:ηge為電能平均生產(chǎn)運輸效率,ai為每種發(fā)電技術的占比,ηi為每種發(fā)電技術的發(fā)電效率[12]。
隨著實際和充電能量變化的電池修正效率為
式中:Preq為需求功率,Peng為發(fā)動機輸出功率,為通過制動能量回收的能量。分子表示t時刻的電池能量,分母為在t時刻電池所消耗或者補充的總能量,E0為初始電池能量,E1為通過發(fā)動機補充電量所消耗的能量。
以驅(qū)動方式劃分,本系統(tǒng)包括:單電機驅(qū)動、雙電機驅(qū)動、混合驅(qū)動、制動能量回收等4種運行模式[13]。在不同的運行模式下,系統(tǒng)效率的評價模型不同。
1) 單電機驅(qū)動模式。電動機單獨驅(qū)動車輛行駛,發(fā)電機空轉(zhuǎn)。系統(tǒng)所消耗的總能量Ecost及系統(tǒng)綜合效率ηtot為:
式中:Ereq為驅(qū)動車輛所需的能量。
2) 雙電機驅(qū)動模式。當需求扭矩超出驅(qū)動電機額定扭矩且電池電量充足時,混合動力系統(tǒng)以雙電機模式驅(qū)動,發(fā)電機輸出扭矩,驅(qū)動車輛。該模式下,2個電機特性不同,效率也不同,有必要建立相應模式下的系統(tǒng)效率模型,優(yōu)化能量分配,實現(xiàn)系統(tǒng)效率最優(yōu)。消耗的能量及系統(tǒng)綜合效率為:
此時2個電機均作為電動機向外輸出功率。
3) 混合驅(qū)動模式。2個電機既可以作為發(fā)電機也可以作為電動機,發(fā)動機不僅工作驅(qū)動車輛,也可以通過多余的能量向電池充電。系統(tǒng)消耗的能量及綜合系統(tǒng)效率為:
在給定車速、SOC、需求功率的情況下,尋找最優(yōu)的發(fā)動機和2個電機的功率分配關系,使得系統(tǒng)效率最高。
4) 制動能量回收模式。當車輛需要減速制動且電池SOC低于上限值時,可以通過電動機制動回收多余的能量,從而實現(xiàn)車輛的減速。電機制動也存在能量轉(zhuǎn)換的損失。該模式下系統(tǒng)需求功率為負,電動機發(fā)電向電池充電。系統(tǒng)獲得的能量及綜合效率為:
針對插電式混合動力系統(tǒng)能效的耦合性和時變性,本研究提出基于預設規(guī)則和動態(tài)優(yōu)化相結(jié)合的復合式能管理策略,通過預設規(guī)則快速確定車輛運行模式,根據(jù)動態(tài)優(yōu)化算法以系統(tǒng)綜合效率評價函數(shù)最優(yōu)為目標對能量協(xié)調(diào)分配進行優(yōu)化,并將系統(tǒng)效率作為混合動力系統(tǒng)模式切換的依據(jù)。實現(xiàn)系統(tǒng)的動態(tài)能效優(yōu)化。集成后的能量管理控制策略結(jié)構如圖4所示。
圖4 PSOSCALF算法與規(guī)則集成的策略框圖
圖4中系統(tǒng)效率模型用于計算當前車輛狀態(tài)下各個動力源的實時效率,并通過計算發(fā)動機累積充電量對電池效率動態(tài)變化進行修正。圖4中S表示車輛狀態(tài)信息。集成后的能量管理策略在原有規(guī)則的策略基礎上,對不同運行模式,分別以不同的系統(tǒng)效率評價函數(shù)為最優(yōu)目標進行能量分配尋優(yōu),并在每一次優(yōu)化過程中對電機驅(qū)動和混合驅(qū)動下系統(tǒng)的綜合效率進行比較。當目標需求功率下當前模式功率分配效率較低時,控制策略會發(fā)出模式切換命令指導規(guī)則進行模式的切換,使混合動力系統(tǒng)始終處于最優(yōu)驅(qū)動模式下。
能量管理策略是決定整車運行的能耗經(jīng)濟性和動力性的關鍵環(huán)節(jié),基本思想是根據(jù)各個動力部件的工作特性,對動力傳動系統(tǒng)控制,實現(xiàn)發(fā)動機和電機之間合理的能量分配[14]。
基于分層架構構建的能量管理策略規(guī)則,將所有運行和控制模式分為駕駛模式層和能量管理層。根據(jù)車輛實際工作狀態(tài),運行模式分別有:停機模式、停車充電模式、單電機驅(qū)動模式、雙電機驅(qū)動模式、混動模式1(電機為主能量源)、混動模式2(發(fā)動機主能量源)、混動模式3(電機和發(fā)動機共同驅(qū)動)、制動能量回收模式、機械制動模式。
為了實現(xiàn)系統(tǒng)效率的優(yōu)化,需要在預設規(guī)則的基礎上,對不同運行方式下系統(tǒng)可能存在的狀態(tài)進行對比尋優(yōu),因此,需要一種高效準確的尋優(yōu)算法。
粒子群算法(particle swarm optimization, PSO)是一種基于社會搜索和群體智能的算法,其特點是速度快,參數(shù)數(shù)量少易于實現(xiàn)。然而,粒子群算法易陷入局部最優(yōu),全局搜索能力弱的缺點。本文以PSO算法為基礎,加入正余弦算法(sine cosine algorithm,SCA)中的位置更新方程式和Levy Flight算法,提高算法的性能。在SCA算法中,解決方案更新的數(shù)學公式是基于正弦和余弦函數(shù)方程,保證了算法的開發(fā)和利用能力[15]。Levy Flight是一種隨機分布,可以在空間中進行更有效的搜索[16],可以在尋優(yōu)過程中避免陷入局部最優(yōu)。本文采用的優(yōu)化算法為“基于正余弦算法和飛行算法改進的粒子群優(yōu)化算法(PSO based on sine cosine algorithm and levy flight, PSOSCALF)”。
結(jié)合SCA算法和Levy Flight分布后的PSOSCALF算法的粒子速度和位置更新方程為:
式中:Vi(t+1)和Xi(t+1)分別是粒子i在迭代t+1處的速度和位置矢量;c1和c2分別是個體學習因子和社會學習因子;w為慣性因子;levywalk[Xi(t)]為加入Levy Flight的粒子位置矢量;r1、r2、r3、r4為隨機數(shù);XgBest是迭代t次后的全局最優(yōu)點;r4為正余弦之間的切換因子;r1指定解決方案的下一個位置方向;r2定義了朝向或背離終點的距離遠近;r3為終點引入隨機權重。為了平衡探索和利用,正余弦的取值范圍應該自適應調(diào)整,r1隨著優(yōu)化迭代逐漸減小。
PSOSCALF優(yōu)化的流程如圖5所示。
圖5 PSOSCALF優(yōu)化流程圖
在不同的運行模式下,算法的優(yōu)化變量不同。如在系統(tǒng)處于雙電機驅(qū)動模式時,選取的優(yōu)化變量為驅(qū)動電機的功率,優(yōu)化模型可以表示在約束條件下確定需求功率、確定車速及修正電池效率下的效率尋優(yōu)問題:
當混合動力系統(tǒng)處于混合驅(qū)動模式下時:選取的優(yōu)化變量為發(fā)動機功率,為了保證最大化提高發(fā)動機效率,將發(fā)動機的操作工況固定在最高效率線上,通過調(diào)節(jié)電機1扭矩穩(wěn)定發(fā)動機目標轉(zhuǎn)速。此時優(yōu)化模型及約束條件可以表示為:
本研究通過Simulink-GT聯(lián)合仿真平臺上對控制策略進行了效果驗證。其中邊界條件來源于2個連用的全球統(tǒng)一輕型汽車測試循環(huán)(worldwide harmonized light vehicles test cycle, WLTC),其輸出實際車速與參考車速如圖6所示。仿真車速與參考車速基本吻合,說明整車控制策略能滿足車輛運行過程中的動力需求。
圖6 實際速度與參考速度
在連用的WLTC工況下,針對功率分流式混合動力系統(tǒng),分別對基于規(guī)則及基于預設規(guī)則和動態(tài)優(yōu)化相結(jié)合的能量管理策略,進行仿真對比分析。發(fā)動機工況分布密度對比及工況點在萬有特性中的分布如圖7所示,其中白色圓圈為發(fā)動機工作點。
從圖7中可以看出,基于系統(tǒng)綜合效率優(yōu)化的策略仿真結(jié)果中發(fā)動機工況點更多的集中于發(fā)動機高效率區(qū)。同時,通過計算均方根誤差(RSME)對發(fā)動機工況分布集中度進行評價。RSME反映了數(shù)據(jù)偏離目標值的程度。通過計算,在基于規(guī)則策略的控制下,發(fā)動機工況分布的RSME值為19.2;而基于動態(tài)優(yōu)化策略的控制,RSME值為14.8??梢娫诨趧討B(tài)優(yōu)化策略下的工況點相對于基于規(guī)則的策略更加集中分布在最優(yōu)工作線附近。
圖8給出了仿真運行的電機1和電機2的工況分布對比。通過計算最終的平均效率得到電機1的平均效率優(yōu)化前為0.64,優(yōu)化后為0.647,電機2的平均效率優(yōu)化前為0.759,優(yōu)化后為0.764。
圖7 發(fā)動機工況點分布
圖8 電機1及電機2工況點分布對比
插電式混合動力系統(tǒng)的綜合能耗對比如圖9所示。其中:E為系統(tǒng)能耗,黑色實線為考慮生產(chǎn)運輸效率后系統(tǒng)基于規(guī)則控制下的循環(huán)能耗;紅色點線為基于預設規(guī)則和動態(tài)優(yōu)化相結(jié)合的復合能量管理策略優(yōu)化后的系統(tǒng)循環(huán)能耗。相對于優(yōu)化前的結(jié)果,系統(tǒng)能耗降低了10.6%。
為驗證此能量管理策略的適應性及插電式混合動力系統(tǒng)效率的動態(tài)性和時變性。分別對兩個連用的全球統(tǒng)一輕型汽車測試循環(huán)(New European Drive Cycle,WLTC)和2個連用的新歐洲駕駛循環(huán)(NEDC),分別在初始電量為60%和80%的初始條件下進行仿真對比,能耗仿真結(jié)果如表2所示。
不同初始條件及工況下優(yōu)化前后的能耗對比曲線如圖10所示,其中:E60為初始電量60%時的能耗,E80為初始電量80。
由仿真結(jié)果可知:在初始電量為60%時,在2個WLTC循環(huán)及2個NEDC循環(huán)下,優(yōu)化后能耗分別降低了10.6%和12.5%。在初始電量條件為80%時,在2個WLTC循環(huán)及2個NEDC循環(huán)下,優(yōu)化后能耗分別降低了7.8%和9.8%。在電量較高的情況下,同樣的循環(huán)系統(tǒng)能耗會相對較少,這是由于系統(tǒng)會優(yōu)先消耗效率較高的電能??梢娀诰C合效率最優(yōu)的優(yōu)化方法在不同的工況及初始條件下均可有效提升系統(tǒng)綜合能效。
圖9 優(yōu)化前后系統(tǒng)綜合能耗對比
表2 不同初始條件及循環(huán)下能耗對比
圖10 不同初始電量條件及循環(huán)下能耗對比
本文針對插電式混合動力系統(tǒng)綜合效率存在時變性和耦合性所造成的能量優(yōu)化管理難題?;赟imulink-GT-Suite聯(lián)合仿真平臺,開展功率分流插電式混合動力車輛(PHEV)綜合能效管理優(yōu)化研究,通過建立電池能效評價模型及提出不同模式下的系統(tǒng)效率評價函數(shù),并以系統(tǒng)效率最優(yōu)為目標設計了復合能量管理策略。通過仿真得到主要結(jié)論如下:
當車輛在經(jīng)過連續(xù)2個“全球統(tǒng)一輕型汽車測試循環(huán)(WLTC)”仿真后,采用基于預設規(guī)則及動態(tài)優(yōu)化相結(jié)合的復合能量管理策略,使發(fā)動機及電機在實際運行中的工作點更加集中在高效率區(qū);相對于未考慮系統(tǒng)綜合效率的策略,系統(tǒng)總能耗降低了10.6%。在不同初始電量條件下,該能量管理策略在WLTC及NEDC循環(huán)下均可有效降低系統(tǒng)能耗。相對于基于規(guī)則的策略,優(yōu)化后的電機工作點總體效率也得到提升,工況點分布更為集中。