燃料電池混動汽車能量管理策略研究

摘 要：【目的】能量管理策略（EMS）是燃料電池汽車能量控制的核心策略，一個優秀的能量管理策略能大幅度提高燃料電池的經濟性與耐久性，有許多基于創新算法的能量管理策略被不斷提出?！痉椒ā勘狙芯恳匀剂想姵仄嚕‵CEV）為研究對象，將能量管理策略分為基于規則和基于優化兩大類，分析每個分類下各種能量管理策略的優缺點?！窘Y果】在對每種分類下的能量管理策略的表現分析后發現，當前燃料電池混動汽車使用的基于規則能量管理策略還有較大的改善空間?！窘Y論】未來其將會被以智能優化算法為導向的能量管理策略所替代。

關鍵詞：燃料電池汽車；能量管理策略；動力系統；最優控制

中圖分類號：TM911? ? ? ?文獻標志碼：A? ? ? ? 文章編號：1003-5168（2023）10-0026-04

DOI：10.19968/j.cnki.hnkj.1003-5168.2023.010.005

Abstract：[Purposes] Energy management strategy is the core strategy of fuel cell vehicle energy control. An excellent energy management strategy can greatly improve the economy and durability of fuel cells. Many energy management strategies based on innovative algorithms have been proposed continuously. [Methods] This study takes fuel cell vehicles as the main research object， and divides energy management strategies into two categories： rule-based and optimization-based， and analyzes the advantages and disadvantages of various energy management strategies under each category. [Findings]? After analyzing the performance of energy management strategies under each classification， it is found that there is still much room for improvement in the rule-based energy management strategies currently used in fuel cell hybrid vehicles. [Conclusions] In the future， it will be replaced by intelligent optimization algorithm-oriented energy management strategy.

Keywords： fuel cell vehicle; energy management strategy; dynamical system; optimization-based control

0 引言

隨著世界各國對碳排放問題的關注度提高，新能源汽車受到世界上越來越多的國家青睞。目前，市場上的新能源汽車主要分為純電動汽車和氫燃料電池汽車。純電動汽車的銷量與市場規模正在逐步擴大，但隨之而來的問題也在困擾著消費者，充電時間長、電池壽命下降快、續航里程短等成為該類型汽車的短板。氫燃料電池汽車的燃料補充時間與普通燃油車相當，同時氫氣燃燒后的產物只有水，真正實現無污染、零排放。同時，中國也在大力支持加氫站的建設。未來，氫燃料電池汽車在新能源汽車市場中必定有一席之地［1-2］。

氫燃料電池汽車是以氫燃料電池為主要動力源，但氫燃料電池的響應速度慢，大范圍功率波動會降低氫燃料電池的耐久性。所以，氫燃料電池汽車一般配備有鋰電池或超級電容來作為輔助動力源，根據需求功率進行去峰填谷［3］。以氫燃料電池汽車中主要動力源燃料電池與輔助動力源鋰電池、超級電容的不同組合方式為研究對象，分析對比基于規則與基于優化能量管理策略的優缺點，闡述能量管理策略的研究熱點方向。

1 氫燃料電池汽車動力系統

氫燃料電池汽車的輔助動力源有鋰電池和超級電容。鋰電池的能量密度高，但其安全性相對較低。超級電容具有充電速度快、能量衰減慢等優點，但其工作電壓很難獨立驅動汽車［4］。所以，目前使用較多的氫燃料電池汽車動力系統有三種，即“燃料電池+蓄電池”組合（FC&B）、“燃料電池+超級電容”組合（FC&S）及“燃料電池+蓄電池+超級電容”組合（FC&B&S）［5］。

這三種動力系統各具優缺點，FC&B&S組合雖能提供最佳的動力性能，但其能量源多、成本高、控制性能差。FC&S組合雖能輔助燃料電池進行功率輸出，但其電壓較低，在實際應用中較少出現。FC&B組合既能滿足動力性要求，對制動能量進行回收，也具有較高的操作性和穩定性，因此被大多數燃料電池汽車廠商認為是最佳的動力系統方案。這三種動力系統的優缺點及選配車型見表1。

2 能量管理策略研究

能量管理策略是將需求功率合理地分配給各種動力源，從而提高燃料電池汽車的燃料經濟性及燃料電池的耐久性。本研究將能量管理策略分為兩大類，即基于規則的能量管理策略和基于優化的能量管理策略。對這兩類能量管理策略的相關研究進行系統性總結，闡述每種能量管理策略的具體內容。

2.1 基于規則的能量管理策略

基于規則的能量管理策略是指根據專業知識或已有經驗來制定控制策略，這些規則可分為確定性規則和模糊性規則，根據規則確定多種動力源之間的能量分配方案?；谝巹t的能量管理策略可靠性高、易于實現、對算力要求比較低。目前，大多數氫燃料電池汽車采用的是基于規則的能量管理策略。

2.1.1 基于確定性規則的能量管理策略。通過預先設定好的規則，將需求功率、動力系統狀態代入到規則中，從而實現多動力源的能量分配。比較典型的確定性規則控制策略有恒溫器策略、功率跟隨策略、狀態機控制策略等。恒溫器控制策略是根據蓄電池的荷電狀態（State of Charge，SOC）進行能量管理。當SOC值低于設定的下限值時，蓄電池將不再輸出功率，燃料電池工作在最高效率區間，高于整車需求功率的部分用于給蓄電池充電。當SOC值高于設定區間時，燃料電池關閉，由蓄電池單獨為整車提供動力。恒溫器控制策略的控制邏輯如圖1所示。Davis等［6］對15 kW低功率燃料電池與蓄電池的組合，基于恒溫器控制策略進行試驗研究，證實該策略能有效提高燃料電池和蓄電池的使用壽命。功率跟隨控制策略是以燃料電池為主要動力源，燃料電池的輸出功率緊跟需求功率，無法滿足需求功率的部分可通過蓄電池進行補充。Zhang等［7］通過仿真試驗驗證了功率需求策略的有效性，研究結果表明，該策略能有效減少蓄電池大功率輸出，避免蓄電池因反復充放電而導致性能損耗。狀態機控制策略是利用決策樹或流程圖，根據需求功率來設計工作模式，不同工作模式之間可相互切換，適應不同工況。Wang等［8］設計出一種狀態機控制策略，來協調燃料電池、蓄電池和超級電容間的功率分配關系，仿真結果表明，該策略能有效提高燃油的經濟性。

2.1.2 基于模糊性規則的能量管理策略。模糊性規則控制策略是將燃料電池系統狀態變量中不確定概念轉化為模糊規則，實現混合動力系統的功率分配。模糊規則對時變非線性控制具有很好的魯棒性，是被應用較多的實車能量管理策略。Chen等［9］設計了基于FC+B動力系統瞬時狀態的模糊控制策略，可適應于不同工況，只基于狀態變量來選取控制模式。王哲等［10］使用ADVISOR對燃料電池系統進行建模，在中國典型的城市工況中運行基于模糊控制的能量管理策略，研究結果顯示，其經濟性與耐久性均優于功率跟隨策略。Erdinc等［11］提出一種基于小波模糊邏輯的能量管理策略，需求功率高頻部分由蓄電池提供，燃料電池負責功率波動較小的部分，可避免燃料電池輸出功率出現大幅度波動的情況。

2.2 基于優化的能量管理策略

根據策略運行時長可將基于優化的能量管理策略分為全局優化能量管理策略和瞬時優化能量管理策略。近年來，隨著神經網絡的發展，不少學者將神經網絡融入能量管理策略中，訓練出可根據瞬時狀態變量來確定燃料電池輸出功率的網絡。

2.2.1 基于全局優化的能量管理策略。由于全局優化的前提是行駛工況已知，這樣才能解出全局最優解，因此在實車上應用較少。目前，大多數研究將其當作基準來衡量其他能量管理策略的經濟性。全局優化能量管理策略求取最優解的方法有兩種，分別是基于動態規劃（Dynamic Programming，DP）的能量管理策略和基于龐特里亞金極小值原理（Pontryagin's minimum principle，PMP）的能量管理策略，兩者都是通過求性能函數的極值來獲得局部最優解，從而求得全局最優解。動態規劃是將非線性問題離散化，根據終末條件限制，遞歸求解出每個時刻的最優解，最終得到整個工況的全局最優解。Fares等［12］使用加權改進的動態規劃算法離線優化預駕駛，使用PID控制器在線優化。與基于規則算法相比，使用加權改進的動態規劃策略可降低成本和氫氣的消耗量。龐特里亞金極小值是將全局優化問題轉換為求取哈密頓函數的最優解，相比于動態規劃，極小值原理能大幅縮減運算時間，但想要求得全局最優，還要輸入整體工況，否則只是調整協態變量來找到近似最優。李錫云［13］提出一種基于極小值原理和速度預測的能量管理策略，可不斷更新協態變量，使動力系統始終工作在適宜的狀態。Hanane［14］將基于龐特里亞金最小原理（PMP）與Markov鏈方法的實時最優控制策略應用于燃料電池/超級電容器電動汽車中，添加馬爾可夫鏈模型作為單獨模塊，用來預測所需功率。

2.2.2 基于瞬時優化的能量管理策略。與全局優化不同的是，瞬時優化是將某一時刻燃料電池汽車狀態變量作為輸入，來求當前時刻最優解的策略，或通過某些算法使燃料電池的輸出功率更接近全局最優策略求出的解。瞬時優化的能量管理策略可分為兩種，一是通過等效燃油消耗最小策略（ECMS）實時優化等效因子來求取近似最優解，二是通過算法挖掘出狀態變量與當前最佳燃油電池輸出功率之間的隱藏關系，使其接近動態規劃算法來求出的全局最優解。ECMS策略是PMP策略的變形，將PMP策略中的協態變量轉換為ECMS中的等效因子，等效因子為某一時刻蓄電池功率輸出與燃油消耗之間的等價關系。李躍娟等［15］構建DP與ECMS并聯能量管理策略，對等效因子的離散全局優化，獲得基于工況的最佳時變等效因子。程云江等［16］設計了基于增益功率燃油系數的能量管理策略，該策略是基于瞬時優化的能量管理策略，并給出電機充電和放電模式下等效燃油系數的計算方法。

近年來，隨著機器學習的興起，許多學者將機器學習算法與能量管理策略結合在一起，如強化學習、神經網絡等。李衛［17］設計了三種基于強化學習的能量管理策略，分別是基于Q學習、基于深度Q學習、基于深度確定性策略梯度，以基于動態規劃算法的能量管理策略為基準進行對比。Garcia-Trivi?o等［18］使用粒子群優化算法，將三個目標函數制定的多目標優化問題轉換為一個單目標函數，能有效降低所應用的混合再生能源系統的運行成本，系統的效率和設備性能都得到提升。

3 結語

本研究將燃料電池汽車的能量管理策略問題劃分為若干類，每個類中都有學者提出想法與策略，同時有許多新型算法與能量管理策略的結合不斷被提出，不少算法已經在仿真層面驗證了其有效性。結合燃料電池汽車能量管理策略的發展狀況，未來研究此方向的學者可從以下三個方面進行深入研究。

①構建針對燃料電池能量管理策略的臺架試驗，不僅是在仿真軟件上分析各種能量管理策略的優劣，還要真正地將策略部署到臺架上，這樣才能發現每種能量策略在實際運行時存在的問題。

②在考慮燃料電池汽車燃油經濟性的同時，還要綜合考慮到燃料電池耐久性的衰減，有的能量管理策略雖然有著很高的經濟性，但燃料電池功率波動過大，嚴重影響燃料電池的耐久性。綜合考慮經濟性和耐久性，可進行更深層次的能量管理策略設計。

③隨著燃料電池汽車逐漸普及，能采集到更多運行時的車輛數據，可從數據層面對燃料電池能量管理策略進行分析，構建數據驅動能量管理策略，并與傳統基于車輛狀態變量構建的策略進行比較。

參考文獻：

［1］殷卓成，王賀，段文益，等.氫燃料電池汽車關鍵技術研究現狀與前景分析［J］.現代化工，2022（10）：18-23.

［2］孔垂穎，門峰.國內燃料電池汽車發展實踐及路徑研究［J］.汽車工業研究，2022（3）：32-37.

［3］孫桂芝，SAM P，林忠玲.燃料電池/蓄電池混合動力汽車建模與仿真（英文）［J］.系統仿真學報，2018（12）：4816-4824.

［4］祝懷男.燃料電池汽車建模與駕駛性仿真方法研究［D］.長春：吉林大學，2021.

［5］康健健，崔迎濤.燃料電池汽車混合動力系統設計研究［J］.汽車與新動力，2022（2）：25-27.

［6］DAVIS K，HAYES J G.Fuel cell vehicle energy management strategy based on the cost of ownership［J］.IET Electrical Systems in Transportation，2019（4）：226-236.

［7］ZHANG J，WANG S B.Fuel Cell Electric Vehicle Energy Management Strategy Simulation Study［J］.Advanced Materials Research，2012（535-537）：1597-1600.

［8］WANG Y，SUN Z，CHEN Z.Energy management strategy for battery/supercapacitor/fuel cell hybrid source vehicles based on finite state machine［J］.Applied Energy， 2019， 254：113707.

［9］CHEN J，XU C F，WU C S，et al.Adaptive Fuzzy Logic Control of Fuel-Cell-Battery Hybrid Systems for Electric Vehicles［J］.IEEE Transactions on Industrial Informatics，2018（1）：292-300.

［10］王哲，謝怡，孫維，等.燃料電池客車動力系統建模與能量管理策略研究［J］.同濟大學學報（自然科學版），2019（1）：97-103，123.

［11］ERDINC O，VURAL B，UZUNOGLU M. A wavelet-fuzzy logic based energy management strategy for a fuel cell/battery/ultra-capacitor hybrid vehicular power system［J］.Journal of Power Sources，2009（1）：369-380.

［12］FARES D，CHEDID R，PANIK F，et al. Dynamic programming technique for optimizing fuel cell hybrid vehicles［J］.International Journal of Hydrogen Energy，2015（24）：7777-7790.

［13］李錫云.基于極小值原理的燃料電池混合動力汽車能量管理方法研究［D］.合肥：中國科學技術大學，2020.

［14］HEMI H，GHOUILI J，CHERITI A.Combination of Markov chain and optimal control solved by Pontryagin's Minimum Principle for a fuel cell/supercapacitorvehicle［J］.Energy Conversion and Management，2015，91：387–393.

［15］李躍娟，齊巍，王成，等.并聯混合動力汽車ECMS的時變等效因子提取算法的研究［J］.汽車工程，2021（2）：181-188.

［16］程云江，徐向陽，董鵬，等.基于增益功率燃油系數的HEV能量管理策略［J］.中國公路學報，2022（4）：343-352.

［17］李衛.基于深度強化學習的燃料電池混合動力汽車能量管理策略［D］.深圳：中國科學院大學（中國科學院深圳先進技術研究院），2021.

［18］GARCIA-TRIVIO P，FERN?NDEZ-RAM?REZ L M，GIL-MENA A J，et al.Optimized operation combining costs，efficiency and lifetime of a hybrid renewable energy system with energy storage by battery and hydrogen in grid-connected applications［J］. International Journal of Hydrogen Energy，2016（48）：23132-23144.

收稿日期：2022-11-24

作者簡介：王天祥（1999—），男，碩士生，研究方向：燃料電池汽車能量管理策略。