復(fù)合電源電動(dòng)汽車雙模糊控制能量管理策略設(shè)計(jì)

楊磊，白志峰，王娟，黃琳

（西安建筑科技大學(xué) 機(jī)電工程學(xué)院，西安 710055）

隨著目前新的儲(chǔ)能技術(shù)如超級(jí)電容、電池管理技術(shù)的快速發(fā)展，復(fù)合電源作為一種新的電動(dòng)汽車儲(chǔ)能解決方案，成為研究熱點(diǎn)，研究領(lǐng)域集中在儲(chǔ)能材料開發(fā)、儲(chǔ)能材料的建模與參數(shù)匹配、電源拓?fù)浣Y(jié)構(gòu)設(shè)計(jì)、電源轉(zhuǎn)換技術(shù)、能量管理技術(shù)等方面[1-4]。能量管理作為復(fù)合電源系統(tǒng)核心，目的在于合理分配鋰電池與超級(jí)電容的輸出功率，防止鋰電池因?yàn)楣β瘦敵鲞^高導(dǎo)致輸出電流過高，同時(shí)在電動(dòng)汽車制動(dòng)能量回收時(shí)，利用超級(jí)電容的功率特性提高能量回收率[5-6]。

目前能量管理策略總體分為兩大類，基于規(guī)則的控制策略與基于最優(yōu)化的控制策略。其中基于規(guī)則的能量管理控制策略控制簡(jiǎn)單、實(shí)時(shí)性高、魯棒性高且易于實(shí)現(xiàn)，包含兩類：基于確定性規(guī)則與基于模糊邏輯規(guī)則的控制策略[7]。但由于汽車運(yùn)行工況的多樣性與復(fù)雜性，導(dǎo)致基于規(guī)則的控制策略對(duì)環(huán)境適應(yīng)性差，動(dòng)態(tài)調(diào)整能力差[8]。基于優(yōu)化的策略分為全局優(yōu)化和局部?jī)?yōu)化控制策略，包含諸如動(dòng)態(tài)規(guī)劃、遺傳算法、模型預(yù)測(cè)控制、強(qiáng)化學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等方法。由于基于優(yōu)化的控制方式最優(yōu)化過程計(jì)算量大，在線運(yùn)行實(shí)時(shí)性低，應(yīng)用局限性較大[9]。為了解決以上兩種控制策略的適應(yīng)性與實(shí)時(shí)性問題，許多研究者選擇將多種控制方式進(jìn)行結(jié)合，如文獻(xiàn)[10]利用DP 算法對(duì)離線工況功率分配進(jìn)行分析優(yōu)化，并與基于規(guī)則控制策略相結(jié)合，文獻(xiàn)[5]利用遺傳算法對(duì)模糊邏輯算法的隸屬度函數(shù)及相關(guān)參數(shù)進(jìn)行優(yōu)化，文獻(xiàn)[11]將馬爾可夫預(yù)測(cè)模型與模糊邏輯控制相結(jié)合，以上控制策略在一定程度上解決了單一控制策略適應(yīng)性差與實(shí)時(shí)性低的問題。

在基于模糊邏輯控制的能量管理策略中，多以功率跟隨作為控制對(duì)象，通過需求功率、超級(jí)電容SOC、鋰電池SOC 狀態(tài)作為模糊控制的輸入獲得超級(jí)電容輸出功率，這樣的控制策略在一定程度上與基于確定規(guī)則的控制策略相比，具有更高的魯棒性和自適應(yīng)性[12-15]。但汽車運(yùn)行過程當(dāng)中需求功率波動(dòng)范圍較大，各功率區(qū)間的變化頻率也不同，超級(jí)電容作為功率型器件，容量較低，不適合長(zhǎng)時(shí)間連續(xù)供電，所以需要合理控制超級(jí)電容在各功率需求區(qū)間放電功率大小與速度。其次，在制定模糊控制策略時(shí)，汽車需求功率的模糊子集會(huì)劃分太多導(dǎo)致模糊控制規(guī)則數(shù)量過大，不便于實(shí)際分析；劃分太少會(huì)導(dǎo)致輸出功率控制不夠精準(zhǔn)，對(duì)于工況適應(yīng)性較差。本文設(shè)計(jì)了復(fù)合電源電動(dòng)汽車整車模型與能量管理控制策略，并利用MATLAB/Simulink 與AVL CRUISE軟件對(duì)所提出的能量管理策略進(jìn)行驗(yàn)證，針對(duì)所設(shè)計(jì)車型，利用功率區(qū)間特征制定雙模糊能量管理控制器，既降低了模糊控制系統(tǒng)的分析與建立復(fù)雜度，同時(shí)也使得超級(jí)電容輸出功率大小和速度更加合理，有效地保護(hù)了鋰電池。

1 復(fù)合電源系統(tǒng)參數(shù)匹配

1.1 復(fù)合電源系統(tǒng)汽車模型結(jié)構(gòu)

AVL CRUISE 軟件作為系統(tǒng)級(jí)仿真軟件，其模塊化的設(shè)計(jì)方式以及與MATLAB/Simulink 良好的接口功能，使其在電動(dòng)汽車的建模和仿真中具有非常大的優(yōu)勢(shì)[16]。通過AVL CRUISE 搭建整車模型，利用MATLAB/Simulink 建立控制策略，對(duì)特定汽車實(shí)現(xiàn)能量管理策略的仿真驗(yàn)證。根據(jù)超級(jí)電容、鋰電池與電機(jī)連接形式以及DC/DC 轉(zhuǎn)換器連接數(shù)量，復(fù)合電源系統(tǒng)目前分為4 種拓?fù)浣Y(jié)構(gòu)：全主動(dòng)式、電容半主動(dòng)式、鋰電池半主動(dòng)式與被動(dòng)結(jié)構(gòu)。由于電容半主動(dòng)式結(jié)構(gòu)在控制性能與系統(tǒng)成本上有較好的平衡[17]，本文采用電容半主動(dòng)式結(jié)構(gòu)，結(jié)構(gòu)如圖1 所示,通過對(duì)DC/DC 模塊的控制，達(dá)到對(duì)超級(jí)電容的能量輸出與能量回收控制目的。整車采用前軸驅(qū)動(dòng)結(jié)構(gòu)，AVL CRUISE 復(fù)合電源系統(tǒng)整車模型如圖2 所示。

圖2 復(fù)合電源電動(dòng)汽車模型Fig.2 The model of Hybrid Storage Electric Vehicle

1.2 汽車動(dòng)力系統(tǒng)模型參數(shù)匹配

本文所設(shè)計(jì)復(fù)合電源電動(dòng)汽車車型整車基本參數(shù)和相關(guān)性能指標(biāo)參數(shù)如表1 與表2 所示。

表1 整車基本參數(shù)Tab.1 Entire vehicle's basic parameters

表2 整車性能指標(biāo)參數(shù)Tab.2 Vehicle performance index parameters

由于永磁同步電機(jī)具有功率密度高、轉(zhuǎn)矩性能好、控制效果佳等優(yōu)勢(shì)[18]，本文驅(qū)動(dòng)電機(jī)采用永磁同步電機(jī)?；趧?dòng)力學(xué)分析[19-21]可知電機(jī)峰值功率需要滿足

式中Pv為汽車在平坦路面上滿足最大車速所需功率，即

Pi為最大爬坡度條件下所需功率，即

Pa為汽車加速過程所需功率，采用經(jīng)驗(yàn)計(jì)算公式[22]，即

式中：um、tm為汽車起步加速過程的最終車速和加速過程所需的時(shí)間。最終電機(jī)參數(shù)如表3 所示。

表3 電機(jī)基本參數(shù)Tab.3 Basic parameters of the motor

1.3 鋰電池與超級(jí)電容參數(shù)匹配

根據(jù)汽車?yán)m(xù)駛里程目標(biāo)，在平坦路況下，汽車所需總能量計(jì)算公式[22]為：

式中：PL為汽車巡航過程所需功率；ua為巡航速度；L為續(xù)駛里程;W為總能量需求。由電機(jī)電壓等級(jí)Um以及電機(jī)峰值功率Pmax可知,電池串聯(lián)數(shù)量為

最低并聯(lián)數(shù)量為:

式中：PBmax為單體電池輸出最大功率； ηm為電機(jī)效率； ηmc為電機(jī)控制器效率；E為單體電池電動(dòng)勢(shì)；Rint為單體電池內(nèi)阻。同時(shí)，為滿足汽車?yán)m(xù)駛里程目標(biāo)有：

式中：WB為電池組總能量；Cb為單體電池容量；ξsoc為單體電池放電深度； ηb為電池放電過程總效率；N3為單體電池?cái)?shù)量。

超級(jí)電容總?cè)萘颗c電壓之間關(guān)系[23-24]為

式中：Ut超級(jí)電容實(shí)時(shí)端電壓；Umin為超級(jí)電容放電截止端電壓；N為超級(jí)電容串并聯(lián)數(shù)量總和。

汽車在加速過程中，所需總能量為

式中：Pj為加速過程所需功率；t為加速時(shí)間。

為滿足加速過程功率需求則有如下關(guān)系

式中 η為系統(tǒng)整體傳遞效率。電源系統(tǒng)參數(shù)匹配結(jié)果如表4 所示。

表4 鋰電池與超級(jí)電容參數(shù)Tab.4 The basic parameters of lithium battery and supercapacitor

2 能量管理策略建立

本文所設(shè)計(jì)能量管理策略結(jié)構(gòu)如圖3 所示。利用需求功率跟隨的雙模糊控制器獲得超級(jí)電容輸出功率占比，再通過駕駛意圖識(shí)別對(duì)超級(jí)電容輸出功率進(jìn)行調(diào)節(jié)，使其更加符合工況特征。

圖3 能量管理策略結(jié)構(gòu)圖Fig.3 The structure of energy management strategy

2.1 駕駛員加速意圖識(shí)別

駕駛員的加速控制踏板作為需求功率與需求轉(zhuǎn)矩的控制變量，加速踏板開度及其變化情況反映了駕駛員車速需求。制定加速意圖識(shí)別策略，輸入為加速踏板開度與變化率，輸出為加速意圖大小，輸入輸出論域分別設(shè)置為[0,1]、[0,0.1] 和[0,1]；模糊子集定義為{SS（很小），S（?。琈（中），B（大），VB（很大）}，輸入輸出隸屬度函數(shù)與控制規(guī)則庫(kù)如圖4 與表5 所示。

表5 加速意圖識(shí)別規(guī)則表Tab.5 Rules table of acceleration intention recognition

圖4 加速意圖識(shí)別輸入輸出隸屬度函數(shù)Fig.4 The input-output membership function of acceleration intention recognition

2.2 雙模糊控制能量管理策略建立

針對(duì)所設(shè)計(jì)車型，將汽車需求功率分為3 個(gè)層級(jí)，汽車需求功率小于電機(jī)額定功率10%區(qū)間劃分為低功率區(qū)間，在電機(jī)額定功率10%～40% 范圍內(nèi)為中等功率區(qū)間，40%以上為高功率區(qū)間。超級(jí)電容在高功率區(qū)間內(nèi)要能有效抑制鋰電池大電流；在低中等功率區(qū)間內(nèi)在削弱鋰電池局部峰值電流的同時(shí)，還能保持較高剩余電量以滿足未來(lái)時(shí)刻的大功率需求。

能量管理策略邏輯框圖如圖5 所示。圖5 中SOCb 為鋰電池剩余電量，SOCsc 為超級(jí)電容剩余電量，P為汽車需求功率，Pb為鋰電池輸入輸出功率，Psc為超級(jí)電容輸入輸出功率。在汽車制動(dòng)能量回收時(shí)，優(yōu)先由超級(jí)電容回收能量。在低功率區(qū)間內(nèi)，汽車由鋰電池供電，同時(shí)若超級(jí)電容剩余電量未達(dá)到規(guī)定容量時(shí)，為滿足未來(lái)時(shí)刻功率需求，鋰電池以一定輸出功率占比K為超級(jí)電容充電。當(dāng)超級(jí)電容大于最低容量要求時(shí)，在中等功率區(qū)間內(nèi)，利用模糊控制器1 獲得超級(jí)電容輸出功率占比K1；在高功率區(qū)間內(nèi)，利用模糊控制器2 獲得超級(jí)電容輸出功率占比K2。分別建立以上中高需求功率區(qū)間內(nèi)的模糊控制器,控制規(guī)則如表6 與表7 所示，表中SS、S、M、B 和VB 分別表示“很小”、“小”、“中”、“大”、“很大”。

表6 K1 控制規(guī)則表Tab.6 K1 control rules

表7 K2 輸出規(guī)則表Tab.7 K2 control rules

圖5 能量管理策略邏輯框圖Fig.5 The logical block diagram of energy management strategy

3 仿真分析

為了驗(yàn)證上述控制策略的有效性，在MATLAB/Simulink 當(dāng)中建立了復(fù)合電源系統(tǒng)能量管理控制策略模型；將 Simulink 控制模型生成DLL 文件并集成到CRUISE 軟件中進(jìn)行仿真驗(yàn)證，其中鋰電池模塊初始SOC 為95%，超級(jí)電容模塊初始SOC 設(shè)置為95%,在NEDC 與FTP75 工況條件下運(yùn)行3 個(gè)循環(huán)。NEDC 與FTP75 循環(huán)工況及控制策略模型如圖6 與圖7 所示控制模型。

圖6 循環(huán)工況Fig.6 Cycle conditions

圖7 復(fù)合電源系統(tǒng)能量管理控制策略 Simulink 模型Fig.7 The Simulink model of energy management strategy for hybrid storage electric system

圖8 為鋰電池與超級(jí)電容在兩種循環(huán)工況條件下電流變化情況，由圖中可知，本文所制定的能量管理控制策略在各功率需求空間，都有效抑制了局部峰值電流與最大峰值電流，其中最大峰值電流具體情況如表8 所示。同時(shí)與基于規(guī)則的控制策略與基于單一模糊控制相比，超級(jí)電容電流變化更為劇烈，有效抑制了鋰電池電流波動(dòng)，使得鋰電池電流更為平穩(wěn)，提高了鋰電池的使用壽命和安全性，同時(shí)，NEDC 循環(huán)工況結(jié)束時(shí)，基于本文提出的控制策略下鋰電池SOC 為87.19%，能量利用率最高，而單電源系統(tǒng)、基于規(guī)則與基于單層模糊控制策略分別為86.80%、87.15%、86.88%。

表8 循環(huán)工況下最大峰值電流Tab.8 Maximum peak current under different cycle conditions A

圖8 鋰電池與超級(jí)電容電流變化圖Fig.8 The current changes of lithium battery and supercapacitor

4 結(jié)論

針對(duì)本文所提出的帶駕駛意圖識(shí)別修正的功率分層模糊控制能量管理策略，通過仿真對(duì)比表明，可得出以下結(jié)論：

1）通過對(duì)功率區(qū)間劃分層次設(shè)計(jì)模糊控制器，降低了分析的復(fù)雜度，也增強(qiáng)了控制策略對(duì)工況的適應(yīng)性。

2）所提出控制策略能很好的實(shí)現(xiàn)對(duì)鋰電池電流波動(dòng)的抑制與峰值電流削弱，同時(shí)能有效降低鋰電池能量消耗效率，增強(qiáng)了對(duì)鋰電池的保護(hù)作用。

3）利用AVL CRUISE 軟件建立了整車模型，為各種控制策略的驗(yàn)證提供了便利性，整車仿真與實(shí)際情況也更加相符；其次所提出控制策略具有較好的實(shí)時(shí)性與魯棒性，在系統(tǒng)級(jí)仿真軟件AVL CRUISE平臺(tái)上能快速穩(wěn)定運(yùn)行，具有一定的實(shí)用價(jià)值。