石澤華，付主木,b，陶發(fā)展,b，司鵬舉,b，朱龍龍,b

(河南科技大學(xué) a.信息工程學(xué)院；b.河南省機器人與智能系統(tǒng)重點實驗室，河南 洛陽 471023)

0 引言

近年來，隨著汽車保有量的不斷增加，城市交通擁擠、環(huán)境污染和能源消耗等問題日益凸顯[1-3]，燃料電池混合動力汽車(fuel cell hybrid electric vehicle，F(xiàn)CHEV)以其效率高、零排放等優(yōu)點逐漸成為綠色交通系統(tǒng)的重要組成部分[4-5]。路況信息和信號燈狀態(tài)對車輛的能耗影響較大，隨著車與車(vehicle to vehicle,V2V)通信以及車與交通設(shè)施(vehicle to infrastructure,V2I)通信技術(shù)的發(fā)展，使得車輛行駛過程中獲取前方信息成為可能。如果車輛能夠合理利用車聯(lián)網(wǎng)技術(shù)(V2V和V2I)，則可避免紅燈前頻繁停車，降低能源消耗，保證車輛穩(wěn)定行駛，提供經(jīng)濟(jì)安全的駕駛環(huán)境[6-8]。

文獻(xiàn)[9]針對城市道路條件下的網(wǎng)聯(lián)汽車，提出了一種分層控制結(jié)構(gòu)，利用V2V通信獲取鄰近車輛的狀態(tài)信息，為其提供最優(yōu)的目標(biāo)車速，并采用自適應(yīng)等效消耗最小策略進(jìn)行速度跟蹤，但該策略獲取的目標(biāo)車速是勻速狀態(tài)，不能反映實際道路交通情況。為了進(jìn)一步優(yōu)化城市交通環(huán)境下的目標(biāo)車速問題，文獻(xiàn)[10]提出了一種在車聯(lián)網(wǎng)環(huán)境下利用鏈?zhǔn)缴窠?jīng)網(wǎng)絡(luò)進(jìn)行速度預(yù)測的方法，并設(shè)計了一種新的等效因子適應(yīng)規(guī)律，有效提高了目標(biāo)車輛的燃油經(jīng)濟(jì)性。文獻(xiàn)[11]提出一種雙向長短期記憶序列模式的速度預(yù)測算法，并將均方根誤差應(yīng)用到模型預(yù)測控制中作為評價標(biāo)準(zhǔn)，驗證了速度預(yù)測的準(zhǔn)確性，但該算法設(shè)計忽略了車輛在交通路口處的延誤，延長了通行時間。為了提高目標(biāo)車輛快速通行交叉口的時間，文獻(xiàn)[12]提出一種利用信號燈狀態(tài)的經(jīng)濟(jì)駕駛系統(tǒng)，通過采用基于拉格朗日函數(shù)的模型預(yù)測控制(model predictive control, MPC)方法，有效減少了交叉口不必要的停車次數(shù)。文獻(xiàn)[13]在實際交通信息構(gòu)建的研究場景中，提出了一種利用粒子群優(yōu)化算法求解非線性約束問題的速度優(yōu)化策略，可有效縮短停車等待時間。為了進(jìn)一步提高城市交通路口運行效率，文獻(xiàn)[14]借助車聯(lián)網(wǎng)技術(shù)建立了車輛通行的引導(dǎo)模型，利用多目標(biāo)粒子群優(yōu)化算法降低車輛交叉口通行時間。文獻(xiàn)[15]提出了一種車速優(yōu)化與交通信號控制的協(xié)同方法，同時優(yōu)化車速軌跡和交通信號配時，最大幅度地提高了車輛的運輸效率和燃油經(jīng)濟(jì)性。

以上優(yōu)化策略多以降低燃油消耗為目的，應(yīng)用于傳統(tǒng)燃油汽車，未充分考慮綠色交通系統(tǒng)的發(fā)展，而且車輛運行過程中沒有對全路段進(jìn)行車速規(guī)劃，導(dǎo)致通行交叉口時不能同時兼顧能源使用壽命和燃料經(jīng)濟(jì)性，造成信號燈處額外的停車等待時間?；诖?，本文以燃料電池混合動力汽車為研究對象[16]，通過利用車聯(lián)網(wǎng)信息實時獲取信號燈狀態(tài)，結(jié)合目標(biāo)車速設(shè)計一種分層能量管理策略，實現(xiàn)對FCHEV的實時優(yōu)化，提高車輛燃料經(jīng)濟(jì)性和續(xù)航里程。基于MATLAB/Simulink-Advisor聯(lián)合仿真環(huán)境和實驗平臺，對本文所提的分層能量管理策略進(jìn)行仿真分析和實驗驗證。

1 基于交通信息的FCHEV能量分配原理

本文的研究對象是燃料電池混合動力汽車，其拓?fù)浣Y(jié)構(gòu)如圖1所示。燃料電池作為主能量源對負(fù)載提供平滑的功率輸出，并通過單向直流/直流(direct current/direct current, DC/DC)變換器連接到功率總線；而電池和超級電容作為輔助能量源，通過雙向DC/DC變換器與功率總線相連，對負(fù)載提供功率緩沖的作用。FCHEV整車結(jié)構(gòu)模型在MATLAB/Simulink-Advisor聯(lián)合仿真環(huán)境下搭建，并選擇合適的能量源參數(shù)以滿足負(fù)載需求，具體如仿真部分介紹。

圖1 FCHEV整車拓?fù)浣Y(jié)構(gòu)圖

本文設(shè)計一種基于智能交通信息的分層能量管理策略，其原理如圖2所示。上層控制策略中，利用V2V、V2I技術(shù)，建立交通信號燈正時模型，獲取目標(biāo)車輛的路況信息，采用模型預(yù)測控制算法得到車輛的最優(yōu)目標(biāo)車速，并將速度信息反饋給駕駛員。下層控制策略中，根據(jù)上層信號燈模型求解得到車速，進(jìn)而可以實時獲取汽車的需求功率，通過優(yōu)化方法將其合理分配給3種能量源，避免紅燈前的頻繁停車，實現(xiàn)降低燃料消耗、提高能源經(jīng)濟(jì)性的目的。

圖2 分層能量管理策略原理圖

2 分層能量管理策略設(shè)計

2.1 考慮交通信息的車速規(guī)劃

為了便于分析實際交通路況信息，本文選取信號燈為紅和綠兩種狀態(tài)，通過模擬真實道路情況，建立交通信號燈正時模型(即交通路口配備無線藍(lán)牙傳感器定位技術(shù)，能夠同時采集到信號燈信號、相位、定時及探測器數(shù)據(jù)來量化交通路口的行程時間)，合理規(guī)劃出最優(yōu)的目標(biāo)車速。其目標(biāo)車速的計算原理如下：

(Ⅰ)當(dāng)下一個路口是綠燈時，駕駛員可根據(jù)車聯(lián)網(wǎng)信息進(jìn)行加速行駛，用以保證在綠燈變紅之前順利通過；或者通過降低車速，在不停車的情況下經(jīng)過多次信號燈周期的循環(huán)，信號燈剛好由紅轉(zhuǎn)綠時順利到達(dá)交通路口。

(Ⅱ)當(dāng)下一個路口是紅燈時，駕駛員可根據(jù)車聯(lián)網(wǎng)信息進(jìn)行合理選擇加減速，用以保證達(dá)到交通路口時信號燈剛好由紅變綠；或者經(jīng)過多次信號燈周期循環(huán)之后，在綠燈結(jié)束之前順利通過交通路口。

信號燈狀態(tài)的判定如下[17]：

(1)

為了便于分析和更好地還原城市道路交通情況，目標(biāo)車速的上下限為：

(2)

約束條件設(shè)置為：

(3)

其中：td為行駛時間,s；tr和tg分別為紅綠燈時長,s；tc為信號燈周期,s；Cn為信號燈循環(huán)次數(shù)；dl為目標(biāo)車輛與信號燈之間的距離,m；vobj為最優(yōu)目標(biāo)車速,m/s。

從實際角度出發(fā)，車輛滿足正常交規(guī)行駛，且在城市道路中所允許的車速范圍之內(nèi)。通過模型預(yù)測控制算法實時優(yōu)化每一時刻的車速，并不斷反饋給駕駛員，使得車輛逐漸接近最優(yōu)目標(biāo)車速。目標(biāo)函數(shù)設(shè)計如下：

(4)

式(4)化為狀態(tài)空間表達(dá)式，利用MATLAB仿真軟件中fmincon函數(shù)中序列二次規(guī)劃求解器，對目標(biāo)函數(shù)非線性規(guī)劃問題進(jìn)行求解，使得目標(biāo)車輛行駛過程中盡可能跟蹤目標(biāo)車速，以避免紅燈前頻繁停車。

(5)

輸入變量為車速和加速度所組成的矩陣，約束條件設(shè)置為：

(6)

式(4)～式(6)中：k為目標(biāo)車輛的當(dāng)前時刻；Np為模型預(yù)測控制算法的預(yù)測時域；u(t)為車輛加速度(即控制變量)；vmin和vmax分別為交通道路條件下所限制的最小速度和最大速度；amin和amax分別為車輛最小加速度和最大加速度。

目標(biāo)函數(shù)為了更好跟蹤目標(biāo)車速，選取2個權(quán)重因子[18]，Q1優(yōu)化的是行車過程中最優(yōu)車速與基于信號燈狀態(tài)獲取的目標(biāo)車速的差值，保證優(yōu)化后的車速盡量跟蹤到理想車速，從而減少車輛在城市交通行駛過程中紅燈前停車等待；Q2優(yōu)化的是車輛加速度，使得車速變化盡量緩慢，減少急加速和急減速，從而提高行車安全性和駕駛舒適性。

2.2 基于目標(biāo)車速的能量管理策略

本文設(shè)計一種基于智能交通信息的分層能量管理策略，上層策略中通過利用車聯(lián)網(wǎng)信息并結(jié)合模型預(yù)測控制算法實時優(yōu)化目標(biāo)車速；下層策略中通過將三能量源的能量管理問題轉(zhuǎn)化為2個層面，采用自適應(yīng)等效消耗最小策略和模型預(yù)測控制算法對每一部分進(jìn)行分層管理，從而提高控制策略的效率。

首先，將車輛當(dāng)前規(guī)劃的目標(biāo)速度信息作為整車模型的輸入信號，結(jié)合車輛動力學(xué)參數(shù)求得每一時刻車輛的需求功率[19]：

(7)

其中：Preq為車輛的需求功率；m和v(t)分別為目標(biāo)車輛的質(zhì)量和速度；ηmotor為電動機效率；ρ和A分別為空氣密度和迎風(fēng)面積；CD和μ分別為空氣阻力因數(shù)和滾動阻力因數(shù)；θ為道路坡度。

其次，在車輛行駛過程中，根據(jù)鋰電池和超級電容的所有能量均來自于燃料電池，綜合考慮提升燃料經(jīng)濟(jì)性和降低功率波動對鋰電池使用壽命的影響，采用自適應(yīng)等效消耗最小策略，建立基于鋰電池和超級電容荷電狀態(tài)(state of charge, SOC)值的懲罰函數(shù)，自適應(yīng)優(yōu)化其放電過程，實現(xiàn)對燃料電池功率的補償。

(8)

同時，根據(jù)S0(輔助能量源的充放電效率)設(shè)計等效因子k1=S0(1+β+γ)的值，目標(biāo)函數(shù)設(shè)計如下[20]：

(9)

其中：LHVH2為氫氣的低熱值；ηfc為燃料電池效率；α為單位時間內(nèi)平均等效氫消耗與功率的比值，記為燃料電池等效氫耗轉(zhuǎn)換系數(shù)。并將式(9)轉(zhuǎn)化為一個線性規(guī)劃問題，利用優(yōu)化理論中約束最小化函數(shù)求出燃料電池最優(yōu)輸出功率。

然后，采用模型預(yù)測控制方法對鋰電池和超級電容功率進(jìn)行合理分配，以達(dá)到延長鋰電池使用壽命的目的[21]。狀態(tài)空間表達(dá)式設(shè)計如下：

x(k+1)=A·x(k)+Bu·T·u(k)+Bw·T·w(k)，

(10)

其中：T為采樣時間；A、Bu和Bw分別為狀態(tài)矩陣、輸入矩陣和擾動矩陣；w(k)為擾動矢量，指的是超級電容每一時刻輸出的序列所組成的列向量。

鋰電池和超級電容的SOC為輸入變量，其離散狀態(tài)空間表達(dá)式如下：

(11)

其中：Ebat和Esc分別為鋰電池和超級電容的最大儲存能量；Pess=Pbat+Psc為輔助能量源的輸出功率。

最后，通過在可設(shè)定的預(yù)測時域Np內(nèi)求解下一步的狀態(tài)，使得狀態(tài)變量的真實值以最快的速度接近參考值，并不斷優(yōu)化與真實值之間的偏差。

(12)

為了保證控制動作緩和，擴大尋優(yōu)求解的范圍，在目標(biāo)函數(shù)中引入控制變量約束及松弛因子。

(13)

其中：Xk和W1分別為鋰電池SOC的狀態(tài)變量和權(quán)重矩陣；W2和W3分別為控制變量及松弛因子的權(quán)重系數(shù)。

約束條件為：

(14)

針對式(13)和式(14)中的目標(biāo)函數(shù)及約束條件，利用二次規(guī)劃算法進(jìn)行求解，以維持鋰電池SOC的穩(wěn)定，從而更好地適應(yīng)需求功率的變化，延長鋰電池的使用壽命，提高續(xù)航里程。

3 仿真、試驗及對比分析

3.1 仿真結(jié)果

本文控制策略在MATLAB/Simulink-Advisor聯(lián)合仿真環(huán)境下設(shè)計，車輛仿真參數(shù)的設(shè)定：模擬城市道路通勤情況，由衛(wèi)星地圖可得某城區(qū)一段公交路線上信號燈個數(shù)及道路條件，假設(shè)目標(biāo)車輛以20 km/h的初始速度順利通過第1個交通路口，且滿足城市道路交通規(guī)則，最高車速和最低車速分別為60 km/h和20 km/h，目標(biāo)行駛距離為4 km；交通信號燈設(shè)置為8個，綠燈、紅燈的持續(xù)時間分別為20 s和30 s，仿真迭代步長設(shè)置為0.1 s；鋰電池和超級電容初始SOC均為0.7。FCHEV主要仿真參數(shù)見表1。

表1 FCHEV主要仿真參數(shù)

圖3為城市交通路況下目標(biāo)車輛模擬仿真分析結(jié)果，藍(lán)色曲線為汽車的行駛軌跡。由圖3可知：該曲線的斜率任意時間均不為0，表明車輛在每個紅綠燈路口沒有停車等待。因此，目標(biāo)車輛能夠通過車聯(lián)網(wǎng)信息實時獲取信號燈狀態(tài)，避開紅燈前的頻繁停車，降低怠速次數(shù)。

圖3 目標(biāo)車輛的車速軌跡曲線

圖4為城市交通路況下目標(biāo)車輛車速預(yù)測及速度跟蹤結(jié)果，車輛行駛速度隨著與交通路口之間的距離及信號燈相位實時變化，跟蹤誤差在每一時間段內(nèi)合理變化，實際行駛車速跟蹤效果理想，從而達(dá)到避免紅燈前停車、降低能源消耗的目的。

圖4 目標(biāo)車輛速度規(guī)劃曲線 圖5 三能量源功率分配曲線

圖5是3種能量源在城市交通路況下的功率分配情況，本文設(shè)計的分層能量管理策略最大化利用每個能量源的優(yōu)勢，以提高汽車的動力性能。由圖5可以看出：燃料電池的輸出功率較為平緩，承擔(dān)絕大部分的負(fù)載功率需求；在加速和減速階段，超級電容優(yōu)先承擔(dān)峰值功率和吸收回饋制動能量，鋰電池為超級電容提供功率補償，保證燃料電池工作在高效區(qū)域，提高了燃料經(jīng)濟(jì)性，并延長了能源使用壽命。

3.2 試驗驗證

為了進(jìn)一步驗證所提策略的有效性，通過搭載燃料電池混合動力汽車測試平臺進(jìn)行實車試驗，平臺結(jié)構(gòu)如圖6所示。該平臺主要包括由燃料電池、鋰電池和超級電容組成的能量源系統(tǒng)，并基于傳統(tǒng)汽車車身，配置車載動力系統(tǒng)、整車控制器、充電/逆變器以及DC/DC變換器系統(tǒng)，具體參數(shù)見表2。能量源系統(tǒng)通過控制器局域網(wǎng)絡(luò)(controller area network, CAN)總線與控制平臺建立通信連接，駕駛員通過模擬實車駕駛環(huán)境，在控制平臺上利用油門和剎車踏板開合度進(jìn)行信息傳輸(包括電壓、電流、SOC、車速和需求功率等)，用來調(diào)節(jié)DC/DC變換器的占空比，結(jié)合所設(shè)計的控制策略對3種能量源進(jìn)行最優(yōu)功率分配。

圖6 FCHEV試驗平臺

表2 試驗平臺主要參數(shù) kW

為了便于分析問題，更加真實還原實際道路情況，人工模擬5次加減速駕駛通過交通路口(600 s)的情況，試驗車輛的速度及負(fù)載需求功率如圖7所示。根據(jù)參考目標(biāo)車速，通過試驗臺架和制動踏板來模擬駕駛員的加減速操作，圖7中負(fù)載需求功率出現(xiàn)“尖峰”現(xiàn)象，這是由DC/DC變換器的響應(yīng)延遲所造成的，而速度曲線的噪聲是手動操作所產(chǎn)生的誤差。

圖7 速度功率曲線 圖8 三能量源輸出功率分配曲線

圖8是試驗過程中3種能量源的輸出功率分配情況。由圖8可以看出：在加速和減速階段，超級電容承擔(dān)較大的功率波動，而鋰電池和燃料電池提供平緩的功率輸出，并且兩者輸出功率均維持在10 kW內(nèi)。然而，由于車輛在試驗過程中受到指令下達(dá)延遲、信號采集和開發(fā)環(huán)境等因素的限制，導(dǎo)致能量源輸出存在遲滯，鋰電池功率波動相比于仿真結(jié)果更加劇烈，但是整體控制效果也達(dá)到了預(yù)期的設(shè)計要求。

3.3 對比分析

由試驗結(jié)果可以看出，在控制策略的作用下，燃料電池、鋰電池和超級電容的功率分配情況沒有仿真結(jié)果“平滑”，試驗中能量源輸出功率出現(xiàn)“尖峰”現(xiàn)象，是由DC/DC變換器的超調(diào)和響應(yīng)延遲所造成的。而且仿真結(jié)果是在離線狀態(tài)下進(jìn)行的，能量源轉(zhuǎn)換效率按照理想狀態(tài)進(jìn)行，忽略了能量傳遞損失，導(dǎo)致等效氫耗的轉(zhuǎn)換系數(shù)明顯增大，出現(xiàn)鋰電池波動劇烈的問題。然而，3種能量源的功率分配情況正如仿真結(jié)果所示那樣，車輛加減速行駛過程中，超級電容首先響應(yīng)負(fù)載需求，鋰電池對其進(jìn)行功率補償，燃料電池功率緩慢上升至穩(wěn)態(tài)，有效減緩了高頻功率對能量源的沖擊并保護(hù)其充電過程。雖然試驗結(jié)果不如仿真結(jié)果理想，但整體上滿足設(shè)計的預(yù)期要求，驗證了所提出的控制策略對降低能源消耗和提高續(xù)航里程的有效性。

本文設(shè)計的基于智能交通信息的分層能量管理策略，通過利用車聯(lián)網(wǎng)技術(shù)可以實時獲取信號燈狀態(tài)及車輛運行條件等信息，在城市交通環(huán)境下，通過指導(dǎo)經(jīng)濟(jì)車速規(guī)劃促進(jìn)車輛節(jié)能及環(huán)保駕駛，從而達(dá)到避免紅燈前的頻繁停車、延長能源使用壽命的目的。通過在城市工況下對目標(biāo)車輛進(jìn)行速度規(guī)劃，相比于車輛自由駕駛狀態(tài)能更好地適應(yīng)城市交通環(huán)境，仿真策略對比如表3所示。由表3可知：所設(shè)計的分層能量管理策略對燃料經(jīng)濟(jì)性和續(xù)航里程分別提高了9.83%和5.13%。

表3 仿真策略對比

4 結(jié)束語

本文設(shè)計了一種基于智能交通信息的FCHEV分層能量管理策略，上層模擬城市交通路況環(huán)境，基于車聯(lián)網(wǎng)信息獲取信號燈狀態(tài)，對目標(biāo)車輛進(jìn)行速度規(guī)劃，并利用模型預(yù)測控制方法對經(jīng)濟(jì)車速跟蹤，以達(dá)到避免紅燈前頻繁停車的目的。下層利用規(guī)劃的目標(biāo)車速獲取負(fù)載需求功率，采用自適應(yīng)等效消耗最小策略和模型預(yù)測控制算法，對3種能量源輸出功率進(jìn)行最優(yōu)分配，使得燃料經(jīng)濟(jì)性和續(xù)航里程分別提高了9.83%和5.13%，實現(xiàn)了FCHEV優(yōu)良經(jīng)濟(jì)性能。

然而，設(shè)計上層目標(biāo)車速時僅考慮到單一車輛的運行并且忽略了前后車安全跟車距離的情況，因此，復(fù)雜多變的交通環(huán)境下的能量管理策略將是下一步研究的重點。