王 騫，李頂根，苗華春

（1.廣東電科院能源技術(shù)有限責(zé)任公司，廣州 510030； 2.華中科技大學(xué)能源與動(dòng)力工程學(xué)院，武漢 430074；3.深圳市曉龍新能源科技有限公司，深圳 518000）

前言

隨著環(huán)境污染和化石燃料消耗的日益加劇，新能源汽車應(yīng)運(yùn)而生。作為傳統(tǒng)車輛的一種替代方式，純電動(dòng)汽車和燃料電池汽車技術(shù)得到了廣泛的關(guān)注［1］。由于目前動(dòng)力電池技術(shù)尚未突破瓶頸，純電動(dòng)汽車的發(fā)展也因續(xù)駛里程不足等因素而受到諸多限制，而燃料電池 動(dòng)力電池混合驅(qū)動(dòng)作為新型車輛則兼?zhèn)淞藗鹘y(tǒng)汽車的續(xù)駛里程長(zhǎng)和新能源汽車?yán)们鍧嵏咝У碾娔茯?qū)動(dòng)、排放無污染等優(yōu)點(diǎn)，被認(rèn)為是理想車型［2］。

由于燃料電池電 電混動(dòng)車型不同于傳統(tǒng)燃油汽車和純電動(dòng)汽車，動(dòng)力電池和燃料電池雙動(dòng)力源的存在使得能量管理控制策略顯得尤為重要。所以，通過制定合理有效的控制策略將整車的需求功率在兩個(gè)動(dòng)力源之間進(jìn)行最佳分配是提高整車動(dòng)力性和燃料經(jīng)濟(jì)性的關(guān)鍵［3］。本文中以ADVISOR傳統(tǒng)的功率跟隨模式控制策略為基礎(chǔ)［4］，通過提出合理有效的能量管理策略控制車上搭載的雙動(dòng)力源，從而保證汽車正常行駛所需提供的能量，提高電 電混動(dòng)汽車的性能。同時(shí)，又以汽車結(jié)束行駛時(shí)系統(tǒng)總的能量利用效率為優(yōu)化目標(biāo)對(duì)其進(jìn)行了優(yōu)化，通過對(duì)動(dòng)力電池SOC和系統(tǒng)滿足工況行駛所需功率Preq兩個(gè)輸入?yún)?shù)的基于微小變量的模糊邏輯控制對(duì)整車的模型進(jìn)行優(yōu)化，提高了燃料電池電 電混動(dòng)汽車總的燃料利用效率和經(jīng)濟(jì)性［5］。

1 能量管理控制策略與設(shè)計(jì)要求

燃料電池 動(dòng)力電池混合驅(qū)動(dòng)汽車的微小變量模糊邏輯能量管理控制策略是指汽車根據(jù)不同的運(yùn)行狀態(tài)和工況，將整車的需求功率合理地分配給兩個(gè)動(dòng)力源，從而達(dá)到滿足整車動(dòng)力性能并提高整車經(jīng)濟(jì)性能的目的［6］，其基本要求有：

（1）在動(dòng)力電池SOC處于中高狀態(tài)階段時(shí)，盡可能依靠動(dòng)力電池提供能量保證汽車正常行駛，當(dāng)電機(jī)負(fù)荷功率較高時(shí)，由燃料電池和動(dòng)力電池共同提供能量；

（2）在動(dòng)力電池SOC處于低狀態(tài)、電機(jī)需求功率較小的階段時(shí)，為保證整車的經(jīng)濟(jì)性由動(dòng)力電池提供小部分功率配合燃料電池提供的大部分功率滿足整車行駛的動(dòng)力性，當(dāng)電機(jī)負(fù)荷功率較高且可以由燃料電池單獨(dú)驅(qū)動(dòng)時(shí)，由燃料電池提供全部能量，并由模糊邏輯控制提供合理的微小變量比例的整車需求功率為動(dòng)力電池充電，使得動(dòng)力電池SOC在整個(gè)行駛過程中緩慢提升并維持在期望值附近；

（3）通過能量管理控制策略控制燃料電池的功率工作點(diǎn)，保證其在高效率工作區(qū)；并維持動(dòng)力電池SOC在合理的荷電狀態(tài)區(qū)間內(nèi)，避免動(dòng)力電池過度放電和充電，保證低荷電狀態(tài)區(qū)動(dòng)力電池能夠吸收燃料電池提供的充電能量。

本文中以ADVISOR中傳統(tǒng)的控制策略為基礎(chǔ)，從提高燃料利用效率來降低汽車使用成本的角度出發(fā)，制定了基于微小變量模糊邏輯控制的燃料電池動(dòng)力電池混動(dòng)能量控制策略。為避免過度放電，整車需求功率大于電池輸出的部分由另一動(dòng)力源輸出功率進(jìn)行補(bǔ)償，從而保證汽車正常行駛的動(dòng)力性和經(jīng)濟(jì)性需求。微小變量模糊邏輯控制燃料電池補(bǔ)償動(dòng)力電池放電的能量管理控制策略中各符號(hào)及意義如表1所示。

表1 控制策略參數(shù)表

此模糊邏輯控制策略中，若動(dòng)力電池SOC處于中高狀態(tài)，則整車以電 電混合模式運(yùn)行，在此模式下由燃料電池和動(dòng)力電池合理分配功率輸出能量，保證汽車行駛的經(jīng)濟(jì)性；若動(dòng)力電池SOC下降至低荷電狀態(tài)區(qū)間，則根據(jù)整車需求能量的大小和工況確定模糊邏輯控制規(guī)則庫，對(duì)燃料電池輸出功率進(jìn)行控制，以適當(dāng)微小比例的整車需求功率對(duì)動(dòng)力電池充電，控制策略流程圖如圖1所示。

圖1 模糊邏輯控制策略流程圖

2 燃料電池系統(tǒng)建模

通過MATLAB建立的燃料電池堆模型的輸出電流與電壓的特性圖可清晰地描述其性能特點(diǎn)，展示燃料電池輸出電壓與電流密度的函數(shù)關(guān)系，同時(shí)燃料電池所輸出的電流與電壓直接反映了其輸出釋放功率。

舉辦大型的文化事件營(yíng)銷活動(dòng)，也是城市發(fā)展的途徑之一。德國(guó)西部魯爾區(qū)的波鴻，通過打造魯爾藝術(shù)節(jié)、魯爾鋼琴節(jié)和波鴻綜合音樂節(jié)等在歐洲擁有較高聲譽(yù)和影響力的藝術(shù)節(jié)慶活動(dòng)，實(shí)現(xiàn)了從工業(yè)基地到文化藝術(shù)中心城市的轉(zhuǎn)型。法國(guó)名城戛納，以每年5月舉行電影節(jié)的方式，走上了城市發(fā)展的快車道。經(jīng)過幾十年的發(fā)展，戛納國(guó)際電影節(jié)已躋身世界最大、最重要的四大電影節(jié)之一，每年吸引著30萬人前來參加，給城市帶來巨大的經(jīng)濟(jì)效益和良好口碑，戛納也因此成為世界名城，吸引著眾多游客。

2.1 燃料電池堆單體模型的建立

燃料電池電壓-電流密度曲線為極化曲線，極化曲線可由下式表示［7-8］：

式中：U為實(shí)際輸出電壓值；ENernst為能斯特輸出電壓值；Uact為由塔菲公式推導(dǎo)的反應(yīng)動(dòng)力學(xué)引起的活化極化損失；Uohmic為由離子和電子傳導(dǎo)引起的歐姆極化損失；i為當(dāng)前仿真電流密度，文中為電流密度建立0-1.4 A／cm2步長(zhǎng)為0.01的Loop循環(huán)仿真；Uconc為由質(zhì)量傳輸引起的濃度極化損失。燃料電池電壓功率模型中各參數(shù)符號(hào)及意義如表2所示。圖2為使用MATLAB仿真的燃料電池單體電壓極化特征曲線。

2.2 燃料電池堆實(shí)驗(yàn)?zāi)Ｐ偷慕?/h3>

本文中實(shí)驗(yàn)所用燃料電池反應(yīng)堆為某進(jìn)口30 kW質(zhì)子交換膜燃料電池，由100個(gè)燃料電池單體堆棧疊加組成，如圖3所示。圖中，①為空氣過濾系統(tǒng)，②為空氣補(bǔ)償系統(tǒng)，③為質(zhì)子交換膜燃料電池反應(yīng)堆，④為氫氣供給管路，⑤為冷卻系統(tǒng)管路。該電堆模組應(yīng)用的質(zhì)子交換膜活化面積為340 cm2，實(shí)驗(yàn)所用氫氣的工作壓力是6 atm。

針對(duì)實(shí)驗(yàn)數(shù)據(jù)建立符合實(shí)際情況的燃料電池反應(yīng)堆模型，仿真結(jié)果如圖4和圖5所示。電流密度較低時(shí)由活化極化引起的快速電壓損失和線性歐姆電壓損失占主導(dǎo)作用，電壓損失較小，隨著電流密度的增大，高電流密度下的濃度變化引起的電壓損失占主導(dǎo)作用且急劇增大，電壓值在高電流密度下急劇減小。燃料電池反應(yīng)堆的功率密度隨電流密度的增加而增加，達(dá)到峰值30 kW，然后在較高電流密度區(qū)的濃度極化損失的影響下急劇下降。

表2 燃料電池電壓模型參數(shù)表

圖2 燃料電池單體極化特征曲線

圖3 實(shí)驗(yàn)所用燃料電池模塊

圖4 燃料電池反應(yīng)堆電壓仿真曲線

圖5 燃料電池反應(yīng)堆功率仿真曲線

電壓和功率仿真特性曲線較好地反映了燃料電池反應(yīng)堆的理論工作特性，基本符合如圖6所示的實(shí)驗(yàn)測(cè)試數(shù)據(jù)曲線，電壓隨電流增大由105減小至75 V左右，功率隨電流增大由0增加至30 kW左右。由圖4～圖6可以得出本文所建立模型誤差與實(shí)際實(shí)驗(yàn)誤差百分比不超過2.5%，說明仿真模型數(shù)據(jù)基本可靠。后續(xù)整車實(shí)驗(yàn)所用兩個(gè)此類型反應(yīng)堆結(jié)合較高效率的工作區(qū)間，使最優(yōu)輸出功率達(dá)到50 kW以上。

圖6 燃料電池反應(yīng)堆實(shí)驗(yàn)特性曲線

3 燃料電池汽車動(dòng)力系統(tǒng)建模

為驗(yàn)證整車性能是否達(dá)到設(shè)計(jì)要求以及本文中所制定的能量管理策略的可行性，選擇合適的仿真軟件進(jìn)行仿真。本章按照設(shè)計(jì)要求對(duì)ADVISOR中各部件模型參數(shù)進(jìn)行修正，并在MATLAB／Simulink中搭建基于微小變量模糊邏輯的燃料電池混合動(dòng)力汽車能量管理控制策略，進(jìn)行了控制策略的二次開發(fā)優(yōu)化。

3.1 整車動(dòng)力學(xué)模型

汽車在行駛方向上受到的驅(qū)動(dòng)力和行駛阻力決定了汽車沿行駛方向的運(yùn)動(dòng)特性，汽車在行駛方向上的受力如圖7所示。汽車行駛的受力方程式［9］為

圖7 整車行駛受力圖

整車動(dòng)力學(xué)模型主要根據(jù)輪胎接地點(diǎn)的受力平衡計(jì)算整車牽引力的大小，利用迭代的方法計(jì)算整車的加速度，進(jìn)而逐步積分計(jì)算整車的速度。需求驅(qū)動(dòng)力與平均速度的乘積就是驅(qū)動(dòng)車輪行駛的需求功率。代入公式［9］：

最高車速對(duì)應(yīng)功率為

最大爬坡度對(duì)應(yīng)功率為

滿足加速性能對(duì)應(yīng)功率為

式中：ηT為傳動(dòng)系機(jī)械效率；ua為汽車行駛速度；G＝mg，m為整車總質(zhì)量；f為滾動(dòng)阻力系數(shù)；α為道路坡度角；CD為汽車空氣阻力系數(shù)；A為迎風(fēng)面積；δ為汽車旋轉(zhuǎn)質(zhì)量換算系數(shù)。電機(jī)峰值功率Pmax為3個(gè)計(jì)算功率的最大值。ADVISOR已將整車動(dòng)力學(xué)模型編寫在頂層模型中的vehicle＜veh＞模塊中，直接修正調(diào)用。本文中依托于國(guó)產(chǎn)某后輪驅(qū)動(dòng)SUV，計(jì)算最大功率為83 kW永磁同步電機(jī)，參數(shù)如表3所示。

表3 車輛主要技術(shù)參數(shù)

3.2 燃料電池汽車建模

通過整車參數(shù)輸入窗口編輯相應(yīng)部件的m文件從而將數(shù)據(jù)修正為本文中所設(shè)計(jì)的燃料電池汽車的基本參數(shù)和匹配結(jié)果。表3所示為本文中所設(shè)計(jì)車輛基本參數(shù)總結(jié)，由于燃料電池系統(tǒng)自身的效率問題，綜合考慮取燃料電池系統(tǒng)最優(yōu)最大輸出功率為50 kW，永磁同步電機(jī)最大功率為83 kW，考慮1.15倍的余量（一般選取1.1～1.2之間），計(jì)算得所需蓄電池的最大輸出功率為46 kW。

3.3 燃料電池模塊模型

從對(duì)整車功率流進(jìn)行分析的角度出發(fā)，本文中采用ADVISOR中基于功率效率的燃料電池模型。該燃料電池系統(tǒng)模型由燃料電池子系統(tǒng)模塊、燃料消耗計(jì)算和排放子系統(tǒng)模塊組成。由整車系統(tǒng)對(duì)燃料電池的功率需求為輸入，燃料消耗量、燃料電池廢氣和熱排放、電堆實(shí)際輸出功率為輸出。

3.4 基于模糊邏輯能量管理策略模型

本文中制定了基于微小變量T-S模糊邏輯控制，T-S模糊模型前件部分均使用模糊化語言進(jìn)行變量描述，后件為輸入變量的線性組合，每條模糊規(guī)則相對(duì)應(yīng)的表達(dá)式的結(jié)構(gòu)也是一致的，因此T-S模糊邏輯控制能更方便地進(jìn)行非線性系統(tǒng)建模和非線性控制系統(tǒng)的設(shè)計(jì)。本文中選取整車運(yùn)行電機(jī)需求功率Preq和動(dòng)力電池當(dāng)前荷電狀態(tài)SOC作為模糊邏輯的輸入變量，燃料電池計(jì)算需求功率與電機(jī)需求功率的比值系數(shù)K作為單一輸出變量。針對(duì)滿足整車行駛功率需求、維持動(dòng)力電池荷電狀態(tài)在期望值附近、充分利用動(dòng)力電池的充放電功能減少氫耗量提高經(jīng)濟(jì)性等設(shè)計(jì)目標(biāo)，根據(jù)實(shí)際操作經(jīng)驗(yàn)和部分文獻(xiàn)［10-12］，本文中針對(duì)CYC-UDDS工況設(shè)計(jì)如表4所示模糊控制規(guī)則庫，不同的行駛工況對(duì)應(yīng)合適的規(guī)則控制庫也不同。

表4 模糊控制規(guī)則庫

電機(jī)需求功率Preq按照從零到最大表述為Z到BB 7個(gè)狀態(tài)，根據(jù)本文中仿真循環(huán)工況，控制模糊邏輯當(dāng)SOC為L(zhǎng)OW，Preq為較大的BM、B、BB狀態(tài)時(shí)，Δ為大于1的微小變量波動(dòng)，滿足整車行駛需求和低荷電狀態(tài)下的動(dòng)力電池微小功率充電。圖8所示為依據(jù)編寫的模糊邏輯規(guī)則庫的隸屬度函數(shù)和輸出變量示意圖。

圖8 模糊邏輯控制示意圖

4 整車性能仿真與模型對(duì)比分析

4.1 仿真參數(shù)的設(shè)置

整車參數(shù)如表3所示，車輛主要行駛在城市和城郊道路，所以選擇CYC-UDDS工況（圖9）對(duì)整車性能進(jìn)行仿真，CYC-UDDS工況的特點(diǎn)統(tǒng)計(jì)如表5所示。

圖9 CYC-UDDS工況速度示意圖

運(yùn)用Simulink搭建的基于微小變量模糊邏輯控制的能量管理控制策略模型如圖10所示，模型內(nèi)Saturation模塊限制燃料電池最低和最高輸出功率，

4.2 整車性能仿真分析

使其工作在較高效率區(qū)，模糊邏輯控制器（fuzzy logic controller）模塊為調(diào)用本文3.4節(jié)所規(guī)定規(guī)則庫的模糊邏輯。對(duì)ADVISOR進(jìn)行二次開發(fā)仿真所用燃料電池混合動(dòng)力汽車頂層模型如圖11所示，嵌入本文中搭建的模糊邏輯控制策略模型。為能充分展現(xiàn)汽車行駛過程中動(dòng)力電池各荷電狀態(tài)下的充放電特性，在初始條件設(shè)置中將動(dòng)力電池初始SOC設(shè)為低狀態(tài)的0.4和中狀態(tài)的0.7。

表5 CYC-UDDS工況特點(diǎn)統(tǒng)計(jì)

圖10 微小變量模糊邏輯控制策略模型

圖11 模糊邏輯控制策略燃料電池混合動(dòng)力汽車仿真頂層模型

ADVISOR燃料電池電 電混動(dòng)模型中采用傳統(tǒng)的功率跟隨控制模式，功率跟隨模式能夠時(shí)刻保持燃料電池輸出均衡功率Pbalan，為使動(dòng)力電池時(shí)刻處于理想的荷電狀態(tài)，氫燃料消耗量相對(duì)較高。本文中所搭建的模糊邏輯控制策略，旨在滿足車輛行駛工況動(dòng)力性條件下維持低SOC微變?cè)黾樱档蜌浜牧?，提高整車效率，進(jìn)而達(dá)到降低經(jīng)濟(jì)成本的目的。

4.2.1 功率跟隨控制策略仿真分析

圖12為功率跟隨控制策略動(dòng)力電池初始SOC為0.4的仿真結(jié)果，圖中由上到下分別為實(shí)際車速與工況要求對(duì)比曲線、動(dòng)力電池SOC歷史變化曲線、燃料電池輸出功率變化曲線。從仿真結(jié)果可看出，該工況和動(dòng)力電池荷電狀態(tài)下實(shí)際車速滿足工況需求，動(dòng)力電池在低SOC狀態(tài)下的0.4時(shí)，SOC在制動(dòng)回收能量和燃料電池輸出平衡功率Pbalan下穩(wěn)步增大，整車動(dòng)力性滿足要求。從整車經(jīng)濟(jì)性角度出發(fā)，該工況下氫燃料消耗率為114.9 L／100 km，整車系統(tǒng)能源利用總效率為0.183，整車運(yùn)行經(jīng)濟(jì)性有待提高。

圖12 功率跟隨控制策略初始SOC為0.4仿真結(jié)果

4.2.2 微小變量模糊邏輯控制策略優(yōu)化仿真分析

圖13 微小變量模糊邏輯控制策略初始SOC為0.4的仿真結(jié)果

圖13 為本文中搭建的微小變量模糊邏輯控制策略動(dòng)力電池初始SOC為0.4的仿真結(jié)果。從仿真結(jié)果可看出，在該工況和動(dòng)力電池狀態(tài)下實(shí)際車速滿足工況需求，動(dòng)力電池在低SOC狀態(tài)下的0.4時(shí)，模糊邏輯策略控制燃料電池輸出微小變量的補(bǔ)償功率，使SOC在微小涓流功率補(bǔ)償中微變?cè)龃?，滿足SOC補(bǔ)償和整車動(dòng)力性需求。從整車經(jīng)濟(jì)性角度出發(fā)，該工況和電池荷電狀態(tài)下氫燃料消耗率為107.5 L／100 km，整車系統(tǒng)能源利用總效率為0.191，整車運(yùn)行成本較功率跟隨控制策略下得以降低。經(jīng)過實(shí)驗(yàn)，由電磁閥控制氣瓶組的開閉進(jìn)而控制氫燃料的供給，燃料電池反應(yīng)堆在電磁閥關(guān)閉后堆內(nèi)余氣作用下可以保持內(nèi)部一定時(shí)間內(nèi)的狀態(tài)穩(wěn)定，電磁閥在實(shí)驗(yàn)工況條件下的下一次打開后電堆得以快速響應(yīng)，因此實(shí)驗(yàn)滿足工況需求。

圖14為微小變量模糊邏輯控制策略動(dòng)力電池初始SOC為0.7的仿真結(jié)果。在該工況和當(dāng)前動(dòng)力電池荷電狀態(tài)下實(shí)際車速滿足工況需求，動(dòng)力電池在中SOC狀態(tài)的0.7時(shí)，由控制策略得動(dòng)力電池輸出較大功率，燃料電池輸出較小功率滿足整車動(dòng)力性能需求，SOC緩慢減小，最后逐漸穩(wěn)定在某一合適值。從整車經(jīng)濟(jì)性角度出發(fā)，該工況和電池荷電狀態(tài)下氫燃料消耗率為86.4 L／100 km，整車系統(tǒng)總效率為0.208。

圖15所示為微小變量模糊邏輯控制策略動(dòng)力系統(tǒng)效率圖，動(dòng)力電池的工作放電效率穩(wěn)定在0.98以上，充電效率在0.9左右，動(dòng)力電池在整個(gè)工況行駛過程中具有較高的充放電效率，能夠充分利用電能輔助燃料電池驅(qū)動(dòng)汽車行駛，有利于發(fā)揮動(dòng)力電池削峰填谷的優(yōu)勢(shì)，燃料電池工作狀態(tài)穩(wěn)定于0.48～0.6之間，維持在當(dāng)前技術(shù)條件下較高的利用效率區(qū)間，工作穩(wěn)定可靠，滿足設(shè)計(jì)要求。

4.2.3 控制策略模型仿真對(duì)比分析

功率跟隨控制策略與本文中搭建的基于微小變量的模糊邏輯控制策略在相同工況和初始SOC狀態(tài)下經(jīng)濟(jì)性測(cè)試仿真結(jié)果對(duì)比如表6所示。從表6對(duì)比分析可以得知，在同樣滿足CYC-UDDS城市和城郊工況整車動(dòng)力行駛性能的條件下，本文中所搭建的基于微小變量的模糊邏輯控制策略在百公里氫耗量和整車總效率兩方面都優(yōu)于ADVISOR采用的傳統(tǒng)的功率跟隨控制策略，在低荷電狀態(tài)下整車運(yùn)行總效率提高4.3%，在中荷電狀態(tài)下整車運(yùn)行總效率提高8.3%。因此本文中所搭建的控制策略模型滿足性能要求，經(jīng)濟(jì)性能得以提升。

圖14 微小變量模糊邏輯控制策略初始SOC為0.7的仿真結(jié)果

表6 整車燃料經(jīng)濟(jì)性測(cè)試仿真結(jié)果對(duì)比

圖15 微小變量模糊邏輯控制策略動(dòng)力系統(tǒng)效率圖

5 結(jié)論

燃料電池電 電混合動(dòng)力汽車兼顧了傳統(tǒng)汽車?yán)m(xù)航里程長(zhǎng)和新能源汽車清潔高效的優(yōu)點(diǎn)，是較為理想的過渡車型。本文中從燃料電池和動(dòng)力蓄電池兩個(gè)角度出發(fā)，闡述了混合動(dòng)力汽車能量管理策略的含義，針對(duì)不同工況搭建了不同規(guī)則庫的基于微小變量波動(dòng)的模糊邏輯控制策略模型，對(duì)ADVISOR頂層模型進(jìn)行二次開發(fā)優(yōu)化，動(dòng)力性能和經(jīng)濟(jì)性能滿足要求。采用控制氣瓶組電磁閥開閉來代替電堆的開閉，燃料電池反應(yīng)堆在電磁閥關(guān)閉后余氣作用下可以保持堆內(nèi)的一定時(shí)間內(nèi)狀態(tài)穩(wěn)定，電磁閥在本文實(shí)驗(yàn)工況和仿真條件下的下一次打開后電堆得以快速響應(yīng)，滿足實(shí)際工況要求。本文中搭建的控制策略對(duì)比傳統(tǒng)的能量跟隨控制策略，氫燃料消耗量降低，整車總效率提高，降低了運(yùn)行成本，為燃料電池混合動(dòng)力汽車整車能量控制方法提供了一定的參考依據(jù)。