文摘

能量管理策略(EMS)是一个关键问题的混合储能系统(HESS)电动车。通过创新引入当前的速度信息,车辆速度优化的模糊能量管理策略(VSO-FEMS)赫斯提出。首先,修剪模糊规则制定的SOC改变电池和超级电容器preallocate所需车辆的力量。实时车速是用于优化预先分配结果基于车辆动力学的原理,从而实现最优分配所需的力量。验证拟议的赫斯VSO-FEMS策略、模拟并与其他ems在中国典型城市循环(CYC-CHINA)。结果表明,电池和超级电容器的最后SOC在不同程度上进行了优化,和VSO-FEMS策略下的能源消费总量2.43%不到规则的策略和1.28%小于模糊控制策略,验证VSO-FEMS策略的有效性。

1。介绍

汽车技术的发展有助于改善人们的生活,但与此同时创造了环境污染和能源短缺等不利影响。电动汽车正在成为汽车发展的重点(1]。与传统的内燃机相比(ICC)汽车,电动汽车的优势低污染、效率高、和丰富的能源2]。目前,最常见的电源用于电动汽车的电池(3]。尽管电池具有较高的能量储存密度,它有缺点,如小功率系数,弱电流充放电能力,和短寿命4]。这些缺点限制电动车辆的实际应用。因此,有必要探索一个辅助能源,可以弥补电池限制(5]。超电容器(SCs)高功率密度的特点,使用寿命长,可弥补电池电力短缺(6]。因此,超级电容器和介绍了DC / DC变换器形成了赫斯,可以利用这些优势来延长电池寿命和增加电动汽车的行驶距离7]。

赫斯控制的关键问题、能源管理策略(EMS)对电池寿命有至关重要的影响,经济,和权力的电动汽车的性能。电池的物理特性和工作模式和超级电容器也完全不同。因此,它是至关重要的对他们(实现有效的能源管理8]。以前,一些研究人员认为使用赫斯代替纯电池电动车和提出了一些ems。在[9),一个算法的电池state-of-power预测提出了基于参数识别,它提供了一个新的想法混合储能系统的能源管理。在[10,11),动态规划(DP)方法用于处理集成优化问题推导最佳配置和能源赫斯的分割策略。然而,DP算法过于复杂,其实际适应性不高。在[12,13],Pontryagin最低原则(PMP)是全球应用于找到最优功率分配结果延长电池寿命和提高车辆经济;优化的效果是显而易见的,但很难实现在实际车辆。在[14),一个深神经网络用于学习实际驾驶经验和发现最优的能源管理策略来减少能源成本。然而,神经网络模型需要大量的原始数据为样本,计算和数据太大。在[15],pseudospectral方法被用来优化赫斯达到一个最优的功率分配分配效应,降低电池的能量损失。在[16),提出了一种灰太狼优化器(拥有)燃料电池的高效电源管理/超级电容器赫斯和提高燃料电池寿命,减轻有害电流瞬变。在[17),粒子群优化(PSO)被用来确定最优功率分配和在驾驶过程中减少能源损失。然而,这些优化算法容易陷入局部最优解和不能得到最优分配结果。此外,一些文献使用模型预测能源管理策略18),基于规则的能源管理策略19),filtration-based能源管理策略20.),和模糊能量管理策略21管理赫斯的能量)。在[22),比较几个ems完成,仿真结果表明,基于规则的能量管理策略和模糊能量管理策略有最好的表现。与基于规则的能量管理策略相比,模糊能量管理策略不需要精确的数学模型,具有较强的鲁棒性和更好的控制效果。

然而,预先设计模糊控制规则,不能根据实时调整行驶循环的变化。因此,车辆速度优化的模糊能量管理策略(VSO-FEMS)赫斯提出。VSO-FEMS分析电动汽车的驾驶状态,监控电池和超级电容器SOC的变化在驾驶过程中,并制定相应的模糊控制规则。所需的权力是预先分配的模糊控制器。然后,基于车辆动力学的原理,超级电容器SOC的参考价值计算根据实时车辆速度,以及超级电容器SOC的参考价值之间的误差与实际SOC。最终分配结果优化的错误值达到一个合理的功率分配。我们所知,这是第一次直接车速信息引入到EMS设计研究文献。

摘要车辆模型是建立在顾问(高级汽车模拟器),和VSO-FEMS策略与其他ems相比。仿真结果表明,在同样的驾驶循环,纯电池的能源消费总量是最小的,但提供的车辆需要功率电池,对电池造成重大损害。与基于规则的策略和模糊策略相比,VSO-FEMS策略更好的性能在延长电池寿命,覆盖了汽车驾驶距离,提高能源经济。

本文的组织结构如下:在部分2介绍了系统模型;VSO-FEMS策略提出了部分的设计3;节4在顾问,VSO-FEMS策略模拟,模拟结果相比纯电池,基于规则的策略,和模糊策略;最后,给出了结论5。

2。系统模型

2.1。赫斯的结构

目前,赫斯的传统结构可以分为三种类型:被动,半活性,充分活跃23]。被动赫斯有一个简单的结构和低成本,但它不能充分发挥超级电容器的工作特点。此外,控制效果并不有效,大大降低了赫斯的优点。半活性赫斯控制的一个电池和超级电容器,它是容易控制和能量传递效率高。充分活跃赫斯需要单独控制电池和超级电容器,高成本和更复杂的控制策略的设计。因此,考虑到成本和效率,半活性赫斯(见图1选择)。超级电容器连接在系列直流/直流转换器,然后连接到负载与电池。电池是利用作为主要的能量来源,输出功率是直接应用于负荷保持负荷侧电压稳定。使用超级电容器作为辅助能源和连接到负载通过直流/直流转换器提供峰值功率负载和恢复制动能量。这种拓扑可以使超级电容器在更广泛的工作电压范围,防止损坏电池的电压波动和峰值电流,从而保护电池。

2.2。电池/ SC的典范

本文的重点是混合储能系统的能量管理策略,在电池模型是可选的,电池模型如图2(一个)是利用。这种模式主要由一个开路电压源E_蝙蝠和一个等效串联电阻R_蝙蝠。这个模型可以模拟电池的充电和放电的过程,广泛用于混合储能系统。这个模型的主要优势是其结构简单和令人满意的精度。超级电容器的模型图所示2 (b),这是理想的电容器组成C和一个等效串联电阻R_sc。

相应的状态空间方程所示方程(1)和(2): 在哪里我_蝙蝠电池电流,我_sc是超级电容器的电流,V_蝙蝠和V_sc分别代表电池和超级电容器的端电压。电荷状态(SOC)被定义为剩余电荷之间的比例的总电荷电池或超级电容器,可以计算从方程(3)和(4): 在哪里问_保持代表保持电荷,问_总代表总电荷,代表了充电或放电的充电电池,V_sc,马克斯超级电容器的最大操作电压,V_{sc、最小值}是超级电容器的最小操作电压,V_sc是超级电容器的实时电压。图3显示电池的充电和放电效率的变化在不同的电流。充电效率η_ch和放电效率η_disch可以通过方程计算(5)和(6)[24]:

从图3可以看出,SOC的变化几乎没有影响电池的充放电效率,而当前对效率有更大的影响。电池的充放电效率与电流的增加将减少。

2.3。模型的直流/直流转换器

赫斯的重要组成部分,直流/直流转换器不仅可以有效地控制超级电容器的充放电电流,而且确保赫斯的效率高。摘要直流/直流转换器的效率主要是考虑,和DC / DC的瞬态过程将被忽略。直流/直流转换器的效率被定义为输出功率与输入功率之比,可以通过方程计算(7)。因此,直流/直流转换器的效率模型建立了二维表插值。直流/直流转换器的效率插值表如表所示1。 在哪里η_{直流/直流}代表了DC / DC变换器的效率,我_出代表输出电流,U_出代表输出电压,我_在代表输入电流,U_在表示输入电压。

2.4。所需的工具

汽车被认为是一个离散时间动态系统,和所需的力量在驾驶的车辆可以被简化为25] 在哪里η代表了传动系统的效率,代表车辆的速度,F_我代表了惯性力,F_一个代表了空气动力阻力F_r代表了滚动阻力,他们可以计算如下: 在哪里δ代表转化率车辆轧制质量,米代表了控制体重,C_一个代表了空气阻力系数,一个代表的区域,代表的重力加速度,f代表滚动阻力系数,θ代表道路的斜率。

3所示。的设计提出VSO-FEMS策略

赫斯的能量管理策略设计的目标是充分利用高功率密度和长周期的特点的超级电容器,减少大电流的损害电池,延长电池寿命,提高汽车驾驶距离,提高能源经济。的总体方案提出VSO-FEMS策略如图4,它由两个阶段组成:预先配置和最终的分配。

输入综合考虑三个因素包括需要功率、电池SOC和超级电容器SOC获得更好的合理的分配结果。预先配置使用模糊控制preallocate VSO-FEMS策略所需的力量。与传统的能源管理策略相比,模糊控制采用模糊逻辑的概念和隶属函数和有良好的适应性和鲁棒性的优点。最后分配考虑到超级电容器需要频繁地提供所需的峰值功率和制动能量恢复,电压变化迅速,而且会有实际SOC和参考SOC之间的错误,因此,介绍了速度优化模块优化预分配结果和得到优化配置的结果。最后,输出分配功率电池和超级电容器。

提出的基于模糊控制的力量预先配置部分3.1最后根据车辆速度提出了功率分配部分3.2。

3.1。阶段1:基于模糊控制的力量预先配置

在赫斯的操作过程中,参数不是恒定的,可能是不同的。此外,赫斯是一个非线性系统在复杂的驾驶循环,这是很难用一个精确的数学模型描述。与传统的控制策略相比,模糊控制不需要精确的数学模型系统和使用自然语言来描述系统的有效控制的性能。会看到赫斯的模糊控制在EMS的应用是非常有效的。

考虑到电动汽车驱动和制动条件下,相应的赫斯有两个工作模式放电和充电。不同的工作模式需要不同的控制规则。因此,两个模糊控制器,fuzzy-discharge fuzzy-charge,设计对应于赫斯的放电和充电模式。

在超级电容器放电模式,主要用于提供高瞬时功率,确保电池放电的顺利。设计实现了通过检测电池的SOC和超级电容器。当需要功率小,电池SOC很大,权力分配给电池应该大利用电池的高能量密度的特点。当需要功率大,超级电容器SOC也大,权力分配给电池应该小。使用超级电容器的高功率密度的特点,大电流放电的电池是预防。在超级电容器充电模式,用于接收瞬时功率高,完全恢复制动能量,由于大电流保护电池不受损害。

根据上述规则,所需的力量P_{要求的事情},负责SOC的状态_蝙蝠电池,充电SOC的状态_sc超级电容器的选择作为模糊控制器的输入。电池功率分配系数K_蝙蝠作为模糊控制器的输出。的力量P_蝙蝠电池的表达如下: 在哪里P_{要求的事情}所需的权力下车辆的行驶循环。在权力交接过程中被忽视。的力量P_sc超级电容器可以获得的能量守恒定律:

当电池SOC和超级电容器SOC太低或太高,充电和放电效率会受到影响,所以的SOC应该控制在一个适当的范围内。通过分析赫斯的工作模式下车辆的驾驶循环,域可变模糊集的模糊控制器表所示2。实际的领域P_{要求的事情}[0,P_马克斯),定量的因素K_p= 1 /P_马克斯是需要改变它从实际域模糊域,在哪里P_马克斯最多需要功率下驾驶循环。

由于控制精度和运行速度,模糊控制策略将受到许多模糊语言值的影响。在分析模糊变量,模糊语言值的变量如表所示3:TS太小,很小,M是媒介,B是大,结核病是太大了。模糊变量的隶属函数如图5。根据赫斯的工作模式,分工Mamdani结构有两个输入,一个输出,和三个输入,一个输出选择对应的充电和放电模式。模糊控制器的规则如表所示4和5,模糊控制器的输入和输出关系图所示6。

3.2。阶段2:最后根据车辆速度优化功率分配

在城市驾驶循环下,超级电容器需要频繁地提供所需的峰值功率和制动能量恢复,导致超级电容器SOC的快速变化。因此,介绍了速度优化模块。车辆动力学模型的基础上,参考价值的超级电容器SOC计算根据实时车辆速度,以及超级电容器SOC的参考价值之间的误差与实际SOC。和输出变量K_蝙蝠模糊控制器优化的错误值。下面描述的具体设计。

根据车辆动力学的理论,有一个功能的超级电容器和最大速度之间的关系如下:

同样,对于其他的速度,也有以下关系:

从方程(12)和(13),超级电容器电压和车速的关系可以得到如下: 在哪里C超级电容器的容量,N是超级电容器的数量,最大速度行驶循环下,车辆的实时速度。当超级电容器SOC是0,其实际电压为额定电压的一半,可表示如下:

然后,超级电容器SOC的参考价值可以从方程(计算4):

根据方程(14)和(16),超级电容器SOC的功能之间的关系的参考价值发现和实时车辆速度如下:

通过比较的参考价值与其实际SOC,超级电容器SOC∆SOC错误值_sc得到:

由∆SOC_sc,输出变量K_蝙蝠预先分配的模糊控制器模块进行了优化。在放电模式,当∆SOC_sc是正的,这表明超级电容器SOC的实际价值大于参考价值。然后K_蝙蝠适当增加减少权力分配给超级电容器,以避免电池过度放电。当∆SOC_sc是负的,这表明超级电容器SOC小于实际值的参考价值。在这种情况下,K_蝙蝠增加相应减少权力给超级电容器,赫斯的力量可以分配最合理。在收费模式下,当∆SOC_sc是正的,这表明超级电容器SOC的实际价值大于参考价值。在这里,K_蝙蝠增加适当的增加电池的力量恢复和避免过度充电的超级电容器。相反,消极的∆SOC_sc表明,超级电容器SOC小于实际值的参考价值。然后,K_蝙蝠应适当减少增加超级电容器的力量恢复,最大限度地回收制动能量。

因此,在放电模式下功率分配的最终结果如下:如果∆SOC_sc> 0, 如果∆SOC_sc< 0,

负责最终的权力分配模式,结果是:如果∆SOC_sc> 0, 如果∆SOC_sc< 0, 在那里,K₁,K₂,K₃,K₄比例系数,使用预先配置的优化分配结果,使功率分配更有效。

考虑电池和超级电容器的最佳运行状态与下面的约束范围的参数: 的值K₁,K₂,K₃,K₄本文通过试验和错误选择方法,最后确定如表6。

VSO-FEMS的总体流程图如图7,它由两个阶段组成:阶段1:通过分析赫斯的运行状态,确定输入和输出变量,制定模糊控制规则和隶属度函数。功率分配系数K_蝙蝠获得和预先配置阶段就完成了。阶段2:车辆动力学模型的基础上,参考价值的超级电容器SOC计算根据实时车辆速度、∆SOC和错误_sc超级电容器SOC的参考价值与实际之间SOC。在第一阶段进行了优化分配结果∆SOC_sc完成最终的分配。

4所示。结果和分析

车辆模型与VSO-FEMS策略是建立在顾问。车辆模型的参数如表所示7。VSO-FEMS策略在此基础上,提出了模拟和验证使用中国典型城市循环(CYC-CHINA),提供在图8(一个)。驾驶循环包括频繁的加速和减速,这是一个强烈表示测试赫斯和EMS。为了简化问题的研究,道路坡度设置为零。所需的力量(见图8 (b))CYC-CHINA可以通过方程计算(8)。

4.1。仿真结果

赫斯的功率分配行驶循环图所示9(一个),电池和超级电容器的电流图所示9 (b)。可以看出VSO-FEMS策略可以有效地分配权力电池和超级电容器。时所需的功率太大,VSO-FEMS策略可以减少电池的电力,瞬时峰值功率分配给超级电容器,优化电池电流,防止大电流放电,保护电池。

4.2。性能比较

在道路驾驶的电动车,操作状态改变时的电池和超级电容器(操作电压、SOC最大电流,等等)和总能源消耗的能量管理策略的性能的重要指标。此外,许多压力因素,如高电池SOC的波动,需要高水平的能力,在低和高的温度显示和操作是有效的在电池老化。因此,电池电流均方根(BCRMS)已经被用来作为老化的指标参数,并用于评估电池寿命,这是定义如下(26,27]: 在哪里T_f开车时间。

为了演示VSO-FEMS策略的有效性,它是与纯电池相比,基于规则的策略,在CYC-CHINA模糊策略。性能结果的比较提出了表8的比较,电池电流的变化曲线绘制在图10 ()的比较,电池电压的变化曲线绘制在图10 (b),电池SOC的对比变化曲线的绘制在图10 (c),超级电容器SOC的对比变化曲线的绘制在图10 (d),BCRMS绘制在图的不同策略11。

从数据10和11和表8可以看出,尽管纯电池的能源消费总量是最低的,电池SOC的下降最快,纯电池的BCRMS是最大的,对电池造成重大损害,减少了电池的使用寿命。与基于规则的策略相比,在VSO-FEMS策略,电池的最大电流明显下降,电池的电压变化更稳定,电池的SOC是增长了1.98%,超级电容器的SOC是增长了11.76%,BCRMS降低49.48%,总能耗降低2.43%;这表明VSO-FEMS策略的性能优于基于规则的策略。与模糊策略相比,在VSO-FEMS策略,尽管电池的最大电流和BCRMS略高,电池的SOC是降低3.11%,超级电容器的SOC是增长了15.57%,能源消费总量减少1.28%,和电池仍在一个合适的工作状态,这表明VSO-FEMS策略的性能优于模糊策略。此外,VSO-FEMS策略的时间成本是高于纯电池和基于规则的策略,但低于模糊策略。

通过比较仿真结果,VSO-FEMS策略提出了可以合理地分配所需的权力和实现设计目标的优化电池电流,延长电池寿命,增加电动汽车驾驶距离和提高能源经济。VSO-FEMS策略的有效性。

5。结论

本文分析了赫斯的结构,和车辆速度优化的模糊能量管理策略(VSO-FEMS)提出了分配所需的动力电池和超级电容器之间。具体工作如下:(1)两个模糊控制器设计控制的充电和放电模式赫斯,和模糊控制规则的设计实现预先配置所需的力量。(2)基于模糊控制和车辆动力学,首次介绍了速度优化模块计算参考价值的超级电容器SOC根据实时车辆速度。预先配置结果优化的SOC错误值来实现合理的功率分配结果。(3)车辆模型是建立在顾问,VSO-FEMS策略是相对于其他能源管理策略。仿真结果表明,在同样的驾驶循环,VSO-FEMS策略具有更好的性能在延长电池寿命,覆盖了汽车驾驶距离,提高能源经济。VSO-FEMS策略的有效性。

数据可用性

没有数据被用来支持本研究。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作得到了国家自然科学基金(61673164),湖南省自然科学基金(2020 jj6024),湖南省教育部门的科学研究基金(a048 17和19 k025)。