楊磊，白志峰，王娟，黃琳

（西安建筑科技大學(xué) 機電工程學(xué)院，西安 710055）

隨著目前新的儲能技術(shù)如超級電容、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汽車儲能解決方案，成為研究熱點，研究領(lǐng)域集中在儲能材料開發(fā)、儲能材料的建模與參數(shù)匹配、電源拓?fù)浣Y(jié)構(gòu)設(shè)計、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電容的輸出功率，防止鋰電池因為功率輸出過高導(dǎo)致輸出電流過高，同時在電動汽車制動能量回收時，利用超級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單、實時性高、魯棒性高且易于實現(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)則的控制策略對環(huán)境適應(yīng)性差，動態(tài)調(diào)整能力差[8]?；趦?yōu)化的策略分為全局優(yōu)化和局部優(yōu)化控制策略，包含諸如動態(tài)規(guī)劃、遺傳算法、模型預(yù)測控制、強化學(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)化過程計算量大，在線運行實時性低，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)性與實時性問題，許多研究者選擇將多種控制方式進行結(jié)合，如文獻[10]利用DP 算法對離線工況功率分配進行分析優(yōu)化，并與基于規(guī)則控制策略相結(jié)合，文獻[5]利用遺傳算法對模糊邏輯算法的隸屬度函數(shù)及相關(guān)參數(shù)進行優(yōu)化，文獻[11]將馬爾可夫預(yù)測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)性差與實時性低的問題。

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象，通過需求功率、超級電容SOC、鋰電池SOC 狀態(tài)作為模糊控制的輸入獲得超級電容輸出功率，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]。但汽車運行過程當(dāng)中需求功率波動范圍較大，各功率區(qū)間的變化頻率也不同，超級電容作為功率型器件，容量較低，不適合長時間連續(xù)供電，所以需要合理控制超級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，汽車需求功率的模糊子集會劃分太多導(dǎo)致模糊控制規(guī)則數(shù)量過大，不便于實際分析；劃分太少會導(dǎo)致輸出功率控制不夠精準(zhǔn)，對于工況適應(yīng)性較差。本文設(shè)計了復(fù)合電源電動汽車整車模型與能量管理控制策略，并利用MATLAB/Simulink 與AVL CRUISE軟件對所提出的能量管理策略進行驗證，針對所設(shè)計車型，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，同時也使得超級電容輸出功率大小和速度更加合理，有效地保護了鋰電池。

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)級仿真軟件，其模塊化的設(shè)計方式以及與MATLAB/Simulink 良好的接口功能，使其在電動汽車的建模和仿真中具有非常大的優(yōu)勢[16]。通過AVL CRUISE 搭建整車模型，利用MATLAB/Simulink 建立控制策略，對特定汽車實現(xiàn)能量管理策略的仿真驗證。根據(jù)超級電容、鋰電池與電機連接形式以及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)：全主動式、電容半主動式、鋰電池半主動式與被動結(jié)構(gòu)。由于電容半主動式結(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式結(jié)構(gòu)，結(jié)構(gòu)如圖1 所示,通過對DC/DC 模塊的控制，達到對超級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)合電源電動汽車模型Fig.2 The model of Hybrid Storage Electric Vehicle

1.2 汽車動力系統(tǒng)模型參數(shù)匹配

本文所設(shè)計復(fù)合電源電動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

由于永磁同步電機具有功率密度高、轉(zhuǎn)矩性能好、控制效果佳等優(yōu)勢[18]，本文驅(qū)動電機采用永磁同步電機。基于動力學(xué)分析[19-21]可知電機峰值功率需要滿足

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)驗計算公式[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間。最終電機參數(shù)如表3 所示。

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

1.3 鋰電池與超級電容參數(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。由電機電壓等級Um以及電機峰值功率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為電機效率； ηmc為電機控制器效率；E為單體電池電動勢；Rint為單體電池內(nèi)阻。同時，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為單體電池數(shù)量。

超級電容總?cè)萘颗c電壓之間關(guān)系[23-24]為

式中：Ut超級電容實時端電壓；Umin為超級電容放電截止端電壓；N為超級電容串并聯(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電容輸出功率占比，再通過駕駛意圖識別對超級電容輸出功率進行調(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?。?，S（?。琈（中），B（大），VB（很大）}，輸入輸出隸屬度函數(shù)與控制規(guī)則庫如圖4 與表5 所示。

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

圖4 加速意圖識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

針對所設(shè)計車型，將汽車需求功率分為3 個層級，汽車需求功率小于電機額定功率10%區(qū)間劃分為低功率區(qū)間，在電機額定功率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，還能保持較高剩余電量以滿足未來時刻的大功率需求。

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為超級電容輸入輸出功率。在汽車制動能量回收時，優(yōu)先由超級電容回收能量。在低功率區(qū)間內(nèi)，汽車由鋰電池供電，同時若超級電容剩余電量未達到規(guī)定容量時，為滿足未來時刻功率需求，鋰電池以一定輸出功率占比K為超級電容充電。當(dāng)超級電容大于最低容量要求時，在中等功率區(qū)間內(nèi)，利用模糊控制器1 獲得超級電容輸出功率占比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 軟件中進行仿真驗證，其中鋰電池模塊初始SOC 為95%，超級電容模塊初始SOC 設(shè)置為95%,在NEDC 與FTP75 工況條件下運行3 個循環(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。同時與基于規(guī)則的控制策略與基于單一模糊控制相比，超級電容電流變化更為劇烈，有效抑制了鋰電池電流波動，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，NEDC 循環(huán)工況結(jié)束時，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 鋰電池與超級電容電流變化圖Fig.8 The current changes of lithium battery and supercapacitor

4 結(jié)論

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

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

2）所提出控制策略能很好的實現(xiàn)對鋰電池電流波動的抑制與峰值電流削弱，同時能有效降低鋰電池能量消耗效率，增強了對鋰電池的保護作用。

3）利用AVL CRUISE 軟件建立了整車模型，為各種控制策略的驗證提供了便利性，整車仿真與實際情況也更加相符；其次所提出控制策略具有較好的實時性與魯棒性，在系統(tǒng)級仿真軟件AVL CRUISE平臺上能快速穩(wěn)定運行，具有一定的實用價值。