CN113428049A - 一种考虑电池老化抑制的燃料电池混动汽车能量管理方法 - Google Patents

一种考虑电池老化抑制的燃料电池混动汽车能量管理方法 Download PDF

Info

Publication number
CN113428049A
CN113428049A CN202110985027.0A CN202110985027A CN113428049A CN 113428049 A CN113428049 A CN 113428049A CN 202110985027 A CN202110985027 A CN 202110985027A CN 113428049 A CN113428049 A CN 113428049A
Authority
CN
China
Prior art keywords
battery
power
vehicle
model
fuel cell
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110985027.0A
Other languages
English (en)
Other versions
CN113428049B (zh
Inventor
李建威
罗磊
何洪文
李高鹏
王薛超
汪伟
杨青青
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202110985027.0A priority Critical patent/CN113428049B/zh
Publication of CN113428049A publication Critical patent/CN113428049A/zh
Application granted granted Critical
Publication of CN113428049B publication Critical patent/CN113428049B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/16—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to battery ageing, e.g. to the number of charging cycles or the state of health [SoH]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/40—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for controlling a combination of batteries and fuel cells
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明提供了一种考虑电池老化抑制的燃料电池混动汽车能量管理方法：（1）生成预测模型；（2）获取参考轨迹；（3）滚动优化实时控制；（4）反馈校正。该方法利用动态规划算法的先进性，采用模型预测控制能量管理框架，提供了一种考虑电池老化抑制的改进的模型预测控制能量管理方法，在燃料电池混动汽车的能量管理实际应用中,有效地保护了电池的同时，显著地提升了整车总体经济性。

Description

一种考虑电池老化抑制的燃料电池混动汽车能量管理方法
技术领域
本发明涉及燃料电池混动汽车的能量管理领域，具体地，涉及一种考虑电池老化抑制的燃料电池混动汽车能量管理方法。
背景技术
燃料电池混动汽车相较于其他类型的电动汽车，由于其主要依靠车载燃料电池装置产生的电力作为动力源驱动整车行驶，排放物仅仅是水，无任何有毒有害气体，因此，具有卓越的节能环保性，符合当前“碳达峰、碳中和”政策的发展主流；此外，燃料电池由其固有特性决定的其“只能放电，不能充电”的特点，为了利用制动回收的能量，燃料电池混动汽车上通常会采用动力电池作为储能元件。然而，在行驶过程中，动力电池需要频繁地充放电来满足车辆瞬时功率的需求，这将加剧电池的老化，基于当前三分之一的电动汽车成本都来自于电池这一客观事实，使得燃料电池混动汽车在电池成本方面面临巨大挑战，尤其是在当前电池循环寿命和价格未取得突破的前提下，电池的老化成本将极大地提升整车的行驶成本。因此，如何开发先进的能量管理方法，在进行功率优化分配控制的同时抑制电池的老化成为了燃料电池混动汽车发展的重点。
燃料电池混动汽车能量管理方法具备十分重要的应用价值，近年来，越来越多的学者关注并专研这个领域。K.Ettihir等（ETTIHIR K, BOULON L, AGBOSSOU K, et al.Design of an energy management strategy for PEM Fuel Cell Vehicles;proceedings of the 2012 IEEE International Symposium on IndustrialElectronics, F, 2012 [C]. IEEE.）提出了一种基于规则的能量管理策略，他们将能量管理方法分为最大效率、最大功率和停止等三种模式，仅通过电池荷电状态SOC的阈值来使车辆在三种工作模式之间进行切换；虽然基于确定规则的能量管理方法简单，应用效果较好，在实际工业中应用广泛，但是，针对不用的应用场景，规则需要做相应的调整来获取较好的控制效果，规则的迁移性较差，节能效果较差。Liangfei XU等（XU L, OUYANG M, LI J, etal. Dynamic programming algorithm for minimizing operating cost of a PEM fuelcell vehicle; proceedings of the 2012 IEEE International Symposium onIndustrial Electronics, F, 2012 [C]. IEEE.）提出了一种基于动态规划算法的能量管理方法，他们以最小化燃料电池和电池运行成本为目标函数，讨论了SOC惩罚因子、初始SOC对动态规划算法的影响；虽然考虑电池老化抑制的动态规划算法虽然能够实现经济性最优，但它是一种离线求解算法，无法在线控制。
发明内容
针对当前基于规则的能量管理策略迁移性较差、节能效果差、无法在线控制等缺点，本发明提出了一种考虑电池老化抑制的改进的模型预测控制能量管理方法，应用于燃料电池混动汽车的能量管理中。
具体的技术方案为：
一种考虑电池老化抑制的燃料电池混动汽车能量管理方法，包括以下步骤：
（1）生成预测模型：基于马尔科夫链（Markov Chain, MC）蒙特卡洛法（Monte Carlo, MC）进行车辆运行状态的预测，得到车辆每个时刻在未来一段预测时域内的速度
Figure 36724DEST_PATH_IMAGE001
、加速度
Figure 750602DEST_PATH_IMAGE002
预测结果；
（2）获取参考轨迹：集成降维-电池寿命模型，基于动态规划算法求解出一条使得整车***的总消耗成本最小的电池荷电状态SOC（State of Charge）轨迹；
（3）滚动优化，实时控制：基于预测模型，求得车辆在未来一段预测时域内的运行工况信息，形成了一个短期全局工况；基于降维-电池寿命模型，采用动态规划算法求解的能量管理方法，在状态变量和控制变量可行域约束下求得在短期全局工况下的最优控制序列；将最优控制序列的第一个控制量作为控制器的输出施加给被控***，使用电池寿命衰退量化模型对电池的健康状态SOH（State of Health）进行实时更新；
（4）反馈校正：将SOH反馈给滚动优化的降维-电池寿命模型，对降维-电池寿命模型在下一步的计算开始反馈校正过程，从而调整功率分配控制结果。
具体地，包括以下步骤：
生成预测模型：建立一个时间和状态均离散的***，定义***状态离散空间为
Figure 671285DEST_PATH_IMAGE003
，定义***时间离散空间为
Figure 597653DEST_PATH_IMAGE004
，针对随机变量
Figure 818550DEST_PATH_IMAGE005
，在任意的时间和状态空间内，***符合马尔科夫决策过程需要 满足以下数学关系：
Figure 172171DEST_PATH_IMAGE007
（1）
基于蒙特卡洛法生成测试工况的速度、加速度概率分布，使用多步马尔科夫模型完成车辆车速及加速度的预测，车速预测模型表示如下：
Figure 344264DEST_PATH_IMAGE008
（2）
Figure 74322DEST_PATH_IMAGE009
（3）
Figure 149726DEST_PATH_IMAGE010
（4）
其中，
Figure 674248DEST_PATH_IMAGE011
和
Figure 694156DEST_PATH_IMAGE012
分别表示
Figure 837693DEST_PATH_IMAGE013
时刻车辆的速度和加速度，
Figure 626657DEST_PATH_IMAGE014
表示预测时域 的长度，
Figure 463026DEST_PATH_IMAGE015
表示马尔科夫模型的步数。
引入降维-电池寿命模型，获取最优参考轨迹：
Figure 235810DEST_PATH_IMAGE016
（5）
式中，
Figure 776513DEST_PATH_IMAGE017
表示电池寿命衰退量；
Figure 325044DEST_PATH_IMAGE018
是修正系数；
Figure 191369DEST_PATH_IMAGE019
是时间步长；
Figure 326815DEST_PATH_IMAGE020
是电池 SOC和充/放电速率对电池寿命衰退的影响；
Figure 671209DEST_PATH_IMAGE021
是电池SOH为
Figure 575711DEST_PATH_IMAGE022
时的 寿命循环数，n的取值范围介于0.8至1.0。
结合经验公式（WANG Y, JIAO X, SUN Z, et al. Energy management strategy in consideration of battery health for PHEV via stochastic control and particle swarm optimization algorithm [J]. Energies, 2017, 10(11): 1894），
Figure 612937DEST_PATH_IMAGE023
能够被确定为：
Figure 94734DEST_PATH_IMAGE025
（6）
Figure 383764DEST_PATH_IMAGE027
（7）
Figure 267406DEST_PATH_IMAGE028
（8）
式中，
Figure 849435DEST_PATH_IMAGE029
分别为SOC、Crate对电池循环寿命的修正系数，a,b,c,d为常系数， 其数值分别为8.0401、-4.28741、-1.3087、1.7263；
Figure 818528DEST_PATH_IMAGE030
是SOC和Crate对电 池循环寿命的综合影响。
集成降维-电池寿命模型，基于动态规划算法求解出一条使得***的总消耗成本最小的SOC轨迹。
引入电池寿命衰退量化模型：
基于半经验模型（WANG J, LIU P, HICKS-GARNER J, et al. Cycle-life modelfor graphite-LiFePO4 cells [J]. Journal of power sources, 2011, 196(8): 3942-8.）：
Figure 504724DEST_PATH_IMAGE031
（9）
式中，
Figure 383819DEST_PATH_IMAGE032
表示归一化的电池容量损失；
Figure 28427DEST_PATH_IMAGE033
是前系数因子；
Figure 360182DEST_PATH_IMAGE034
是电池绝对温 度（K）；
Figure 850069DEST_PATH_IMAGE035
是补偿因子；R是气体常数（J/（mol·K））；
Figure 318091DEST_PATH_IMAGE036
代表电池激活能量（J）；
Figure 133600DEST_PATH_IMAGE037
表示 电池放电倍率；
Figure 811706DEST_PATH_IMAGE038
代表电池安时吞吐量；z是指数因子。
针对动态过程任一时间段[t, t+1]，
Figure 744765DEST_PATH_IMAGE039
恒定，则（9）式可写成：
Figure 457506DEST_PATH_IMAGE040
（10）
基于
Figure 788124DEST_PATH_IMAGE041
对
Figure 219105DEST_PATH_IMAGE042
的微分（SONG Z, LI J, HAN X, et al. Multi-objective optimization of a semi-active battery/supercapacitor energy storage system for electric vehicles [J]. Applied Energy, 2014, 135(212-24.）：
Figure 191741DEST_PATH_IMAGE043
（11）
将（10）式代入（11）式中：
Figure 758988DEST_PATH_IMAGE044
（12）
式中，
Figure 650721DEST_PATH_IMAGE045
代表从
Figure 444364DEST_PATH_IMAGE046
到
Figure 345324DEST_PATH_IMAGE047
的安时吞吐量，定义为：
Figure 875400DEST_PATH_IMAGE048
（13）
式中，
Figure 203614DEST_PATH_IMAGE049
表示电池电流。
则，电池健康状态SOH可由下式计算：
Figure 218974DEST_PATH_IMAGE050
（14）
式中，
Figure 658046DEST_PATH_IMAGE051
代表电池在初始新状态时额定容量；
Figure 199886DEST_PATH_IMAGE052
代表电池在时 刻t时的实际容量。
滚动优化求解，实时控制：
选取***的状态变量为电池SOC，另选取驱动电机转矩
Figure 839945DEST_PATH_IMAGE053
、驱动电机功率
Figure 201657DEST_PATH_IMAGE054
、燃 料电池功率
Figure 319785DEST_PATH_IMAGE055
、制动***功率
Figure 450552DEST_PATH_IMAGE056
、电池功率
Figure 854989DEST_PATH_IMAGE057
为***的控制变量。
***状态变量初值：
Figure 343477DEST_PATH_IMAGE058
（15）
设置考虑等效氢耗和电池老化损耗的***性能泛函为：
Figure 124351DEST_PATH_IMAGE059
（16）
Figure 250570DEST_PATH_IMAGE060
（17）
Figure 825908DEST_PATH_IMAGE061
（18）
Figure 427790DEST_PATH_IMAGE062
（19）
式中，
Figure 622143DEST_PATH_IMAGE063
是考虑等效氢耗和电池老化损耗的***总成本；
Figure 993081DEST_PATH_IMAGE064
车辆运行过程中燃料电池和电池的等效氢耗成本；
Figure 880266DEST_PATH_IMAGE065
是电池运行过程中的老化成本；
Figure 438286DEST_PATH_IMAGE066
是动力电池组的单价（￥/ kWh）；
Figure 560963DEST_PATH_IMAGE067
是电池的额定能量（kWh）。
确定***状态变量和各个控制变量的可行域为模型求解提供控制约束：
Figure 160309DEST_PATH_IMAGE068
（20）
式中，
Figure 77449DEST_PATH_IMAGE069
和
Figure 388345DEST_PATH_IMAGE070
分别是电池运行时SOC的最小值和最大值：
Figure 190079DEST_PATH_IMAGE071
和
Figure 270030DEST_PATH_IMAGE072
分别是驱动电机运行时转速的最小值和最大值；
Figure 623651DEST_PATH_IMAGE073
和
Figure 31630DEST_PATH_IMAGE074
分别是驱动 电机运行时转矩的最小值和最大值；
Figure 761689DEST_PATH_IMAGE075
分别是燃料电池混动汽车运行时 的需求功率、电机功率和制动***功率；
Figure 837092DEST_PATH_IMAGE076
分别是燃料电池、动力电池的功 率；
Figure 361614DEST_PATH_IMAGE077
和
Figure 21004DEST_PATH_IMAGE078
分别是燃料电池功率的最小值和最大值；
Figure 289174DEST_PATH_IMAGE079
和
Figure 219084DEST_PATH_IMAGE080
分别是电池功率的最小值和最大值。
针对每一个时刻车辆的速度和加速度，基于预测模型，求得车辆在未来一段预测时域内的运行工况信息，形成了一个短期全局工况，基于动态规划算法能够在状态变量和控制变量可行域约束下求得在短期全局工况下的最优控制序列。将第一个控制序列作为控制器的输出施加给被控***，***运行后，采样电池寿命衰退特征参数，基于电池寿命衰退量化模型，完成电池寿命衰退的量化，更新电池SOH。
反馈校正：将更新后的SOH反馈给滚动优化的降维-电池寿命模型，对降维-电池寿命模型在下一步的计算开始反馈校正过程，从而调整功率分配控制结果。
本发明技术方案带来的有益效果：
1、在车辆运行过程中，考虑了电池制动回收能量对电池寿命的影响，从而电池频繁充放电程度降低，因此对电池保护起到了很大的积极作用；
2、能够很好地跟随最优SOC引导轨迹；
3、在以包含等效氢耗和电池寿命损耗的经济性指标分析中，相比于基于规则的经典策略，该方法的总体经济性显著提升。
附图说明
图1为本发明流程框架图；
图2a为实施例的测试工况的车速概率分布；
图2b为实施例的测试工况的加速度概率分布；
图3为实施例的测试工况加速度与车速映射图；
图4a为实施例的第1步马尔科夫加速度概率转移矩阵图谱；
图4b为实施例的第2步马尔科夫加速度概率转移矩阵图谱；
图4c为实施例的第3步马尔科夫加速度概率转移矩阵图谱；
图4d为实施例的第4步马尔科夫加速度概率转移矩阵图谱；
图4e为实施例的第5步马尔科夫加速度概率转移矩阵图谱；
图4f为实施例的第6步马尔科夫加速度概率转移矩阵图谱；
图4g为实施例的第7步马尔科夫加速度概率转移矩阵图谱；
图4h为实施例的第8步马尔科夫加速度概率转移矩阵图谱；
图4i为实施例的第9步马尔科夫加速度概率转移矩阵图谱；
图4j为实施例的第10步马尔科夫加速度概率转移矩阵图谱；
图5为实施例的车速预测结果；
图6为实施例的最优SOC引导轨迹；
图7为实施例的动态规划算法求解示意图；
图8为实施例的实际SOC vs 参考SOC；
图9实施例的为改进的模型预测控制能量管理方法整车运行总成本。
具体实施方式
结合附图和具体实施例说明本发明的具体技术方案。
本发明的步骤如图1所示：
首先，基于蒙特卡洛法生成测试工况的速度、加速度概率分布，并建立二者之间的映射关系，如图2a、图2b、图3所示。
选用10步马尔科夫预测模型，基于中国典型城市公交工况CTUDC，将车速按照5km/ h的间隔进行片段划分，共存在13个速度片段，针对每一个速度片段，统计加速度概率转移 矩阵。对加速度按照
Figure 914507DEST_PATH_IMAGE081
的间隔进行片段划分，一共划分出42个加速度片段，因 此，在每一个速度片段下，都会存在一个42×42的加速度转移矩阵。针对每一个速度片段， 能够统计出10个加速度概率转移矩阵。速度片段标签为5（速度区间为20-25）时，10步加速 度转移矩阵概率图如图4a到图4j所示。
基于蒙特卡洛马尔科夫模型，预测时域取为10s，得到车速预测结果如图5所示。
集成降维-电池寿命模型，基于动态规划算法求解出一条使得整车***的总消耗成本最小的SOC轨迹如图6所示。
针对每一个时刻车辆的速度和加速度，基于预测模型，求得车辆在未来一段预测时域内的运行工况信息，形成了一个短期全局工况，基于动态规划算法能够在状态变量和控制变量可行域约束下求得在短期全局工况下的最优控制序列，求解示意图如图7所示。获得最优控制序列后，将序列的第一个控制量作为控制器的输出施加给被控***，更新被控***的状态。
基于马尔科夫蒙特卡洛法车速预测模型，预测每一个离散时间步在未来一段时间域内的车速和加速度信息。基于车辆实际运行结果和期望参考轨迹，确定滚动优化过程SOC的运行可行域约束。
针对每一个时间步在未来一段时间域内的优化结果，得到相应的控制序列
Figure 421712DEST_PATH_IMAGE082
，将第一个控制结果作为控制器的输出施加给被控***，***运 行后，采样电池寿命衰退特征参数，基于电池寿命衰退模型，完成电池寿命衰退的量化，更 新电池SOH，并将更新后的SOH反馈给滚动优化模块中的降维-电池寿命模型，对***后续的 优化求解过程进行校正。
基于本发明所提出的改进的模型预测控制能量管理方法得到的电池SOC仿真结果如图8所示。从图中可以看出，在车辆运行过程中，SOC能够很好地跟随最优参考轨迹。
在以包含等效氢耗和电池寿命损耗的经济性指标分析中，基于本发明方法所得的总经济性指标如图9所示。

Claims (4)

1.一种考虑电池老化抑制的燃料电池混动汽车能量管理方法，其特征在于，包括以下步骤：
（1）生成预测模型：基于马尔科夫链-蒙特卡洛法进行车辆运行状态的预测，得到车辆 每个时刻在未来一段预测时域内的速度
Figure 160153DEST_PATH_IMAGE001
、加速度
Figure 811714DEST_PATH_IMAGE002
预测结果；
（2）获取参考轨迹：集成降维-电池寿命模型，基于动态规划算法求解出一条使得整车***的总消耗成本最小的电池荷电状态SOC轨迹；
（3）滚动优化，实时控制：基于预测模型，求得车辆在未来一段预测时域内的运行工况信息，形成了一个短期全局工况；基于降维-电池寿命模型，采用动态规划算法求解的能量管理方法，在状态变量和控制变量可行域约束下求得在短期全局工况下的最优控制序列；将最优控制序列的第一个控制量作为控制器的输出施加给被控***，使用电池寿命衰退量化模型对电池的健康状态SOH进行实时更新；
（4）反馈校正：将SOH反馈给滚动优化的降维-电池寿命模型，对降维-电池寿命模型在下一步的计算开始反馈校正过程，从而调整功率分配控制结果。
2.根据权利要求1所述的一种考虑电池老化抑制的燃料电池混动汽车能量管理方法，其特征在于，所述的降维-电池寿命模型：
Figure 60293DEST_PATH_IMAGE003
（1）
式中，
Figure 924343DEST_PATH_IMAGE004
表示电池寿命衰退量；
Figure 709022DEST_PATH_IMAGE005
是修正系数；
Figure 326DEST_PATH_IMAGE006
是时间步长；
Figure 1780DEST_PATH_IMAGE007
是电池SOC和 充/放电速率对电池寿命衰退的影响；
Figure 669522DEST_PATH_IMAGE008
是电池SOH为
Figure 807242DEST_PATH_IMAGE009
时的寿命 循环数，n的取值范围介于0.8至1.0；
结合经验公式，
Figure 269447DEST_PATH_IMAGE007
能够被确定为：
Figure 492618DEST_PATH_IMAGE010
（2）
Figure 698472DEST_PATH_IMAGE011
（3）
Figure 189234DEST_PATH_IMAGE012
（4）
式中，
Figure 353499DEST_PATH_IMAGE013
分别为SOC、Crate对电池循环寿命的修正系数，a,b,c,d为常系数；
Figure 63966DEST_PATH_IMAGE014
是SOC和Crate对电池循环寿命的综合影响。
3.根据权利要求1所述的一种考虑电池老化抑制的燃料电池混动汽车能量管理方法，其特征在于，所述的电池寿命衰退量化模型：
Figure 807931DEST_PATH_IMAGE015
（5）
式中，
Figure 920243DEST_PATH_IMAGE016
表示归一化的电池容量损失；
Figure 458672DEST_PATH_IMAGE017
是前系数因子；
Figure 656435DEST_PATH_IMAGE018
是电池绝对温度， K；
Figure 204091DEST_PATH_IMAGE019
是补偿因子；R是气体常数，J/（mol·K）；
Figure 660656DEST_PATH_IMAGE020
代表电池激活能量，J；
Figure 901145DEST_PATH_IMAGE021
表示电池放 电倍率；
Figure 586204DEST_PATH_IMAGE022
代表电池安时吞吐量；z是指数因子；
针对动态过程任一时间段[t, t+1]，
Figure 937551DEST_PATH_IMAGE023
恒定，此时，在该时间段内电池容量衰退量 表示为：
Figure 758877DEST_PATH_IMAGE024
（6）
式中，
Figure 170266DEST_PATH_IMAGE025
代表从
Figure 342622DEST_PATH_IMAGE026
到
Figure 232080DEST_PATH_IMAGE027
的安时吞吐量，定义为：
Figure 173491DEST_PATH_IMAGE028
（7）
式中，
Figure 254318DEST_PATH_IMAGE029
表示电池电流；
则，电池健康状态SOH由下式计算：
Figure 913969DEST_PATH_IMAGE030
（8）
式中，
Figure 607119DEST_PATH_IMAGE031
代表电池在初始新状态时额定容量；
Figure 403036DEST_PATH_IMAGE032
代表电池在时刻t时 的实际容量。
4.根据权利要求1所述的一种考虑电池老化抑制的燃料电池混动汽车能量管理方法，其特征在于，所述的滚动优化实时控制：
选取***的状态变量为电池SOC，另选取驱动电机转矩
Figure 156229DEST_PATH_IMAGE033
、驱动电机功率
Figure 37597DEST_PATH_IMAGE034
、燃料电 池功率
Figure 534437DEST_PATH_IMAGE035
、制动***功率
Figure 450441DEST_PATH_IMAGE036
、电池功率
Figure 108955DEST_PATH_IMAGE037
为***的控制变量；
***状态变量初值：
Figure 477620DEST_PATH_IMAGE038
（9）
设置考虑等效氢耗和电池老化损耗的***性能泛函为：
Figure 279616DEST_PATH_IMAGE039
（10）
Figure 50126DEST_PATH_IMAGE040
（11）
Figure 879542DEST_PATH_IMAGE041
（12）
Figure 735502DEST_PATH_IMAGE042
（13）
式中，
Figure 574145DEST_PATH_IMAGE043
是考虑等效氢耗和电池老化损耗的***总成本；
Figure 933582DEST_PATH_IMAGE044
车辆运行过程中燃料电池和电池的等效氢耗成本；
Figure 199479DEST_PATH_IMAGE045
是电池运行过程中的老化成本；
Figure 277156DEST_PATH_IMAGE046
是动力电池组的单价，￥/kWh；
Figure 418025DEST_PATH_IMAGE047
是电池的额定能量，kWh；
确定***状态变量和各个控制变量的可行域为模型求解提供控制约束：
Figure 163127DEST_PATH_IMAGE048
（14）
式中，
Figure 599925DEST_PATH_IMAGE049
和
Figure 430477DEST_PATH_IMAGE050
分别是电池运行时SOC的最小值和最大值：
Figure 610923DEST_PATH_IMAGE051
和
Figure 944952DEST_PATH_IMAGE052
分别是驱动电机运行时转速的最小值和最大值；
Figure 818231DEST_PATH_IMAGE053
和
Figure 870500DEST_PATH_IMAGE054
分别是驱动电 机运行时转矩的最小值和最大值；
Figure 589057DEST_PATH_IMAGE055
分别是燃料电池混动汽车运行时的 需求功率、电机功率和制动***功率；
Figure 43173DEST_PATH_IMAGE056
分别是燃料电池、动力电池的功率；
Figure 323238DEST_PATH_IMAGE057
和
Figure 128383DEST_PATH_IMAGE058
分别是燃料电池功率的最小值和最大值；
Figure 650631DEST_PATH_IMAGE059
和
Figure 959252DEST_PATH_IMAGE060
分别 是电池功率的最小值和最大值；
***运行后，采样电池寿命衰退特征参数，基于电池寿命衰退量化模型，完成电池寿命衰退的量化，更新电池SOH。
CN202110985027.0A 2021-08-26 2021-08-26 一种考虑电池老化抑制的燃料电池混动汽车能量管理方法 Active CN113428049B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110985027.0A CN113428049B (zh) 2021-08-26 2021-08-26 一种考虑电池老化抑制的燃料电池混动汽车能量管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110985027.0A CN113428049B (zh) 2021-08-26 2021-08-26 一种考虑电池老化抑制的燃料电池混动汽车能量管理方法

Publications (2)

Publication Number Publication Date
CN113428049A true CN113428049A (zh) 2021-09-24
CN113428049B CN113428049B (zh) 2021-11-09

Family

ID=77797941

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110985027.0A Active CN113428049B (zh) 2021-08-26 2021-08-26 一种考虑电池老化抑制的燃料电池混动汽车能量管理方法

Country Status (1)

Country Link
CN (1) CN113428049B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114122466A (zh) * 2021-11-11 2022-03-01 广东汉合汽车有限公司 燃料电池车电池优化管理方法、***、设备及介质
CN115782700A (zh) * 2022-12-07 2023-03-14 北京理工大学 考虑电池热健康约束的燃料电池混动汽车能量管理方法
CN116729208A (zh) * 2023-08-15 2023-09-12 北京理工大学 一种燃料电池混动汽车能量管理方法、***及电子设备
CN117863969A (zh) * 2024-03-13 2024-04-12 国网北京市电力公司 一种考虑电池损耗的电动汽车充放电控制方法及***
CN118136898A (zh) * 2024-05-07 2024-06-04 西北工业大学宁波研究院 一种混合动力水下航行器能量管理方法及其***

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170246963A1 (en) * 2016-02-26 2017-08-31 Ford Global Technologies, Llc Systems and methods for battery state-of-health monitoring
CN109808518A (zh) * 2018-12-29 2019-05-28 清华大学 基于地理位置信息的燃料电池汽车能量管理方法与***
CN109960255A (zh) * 2017-12-26 2019-07-02 郑州宇通客车股份有限公司 一种最优目标车速预测、燃料电池***的控制方法及装置
CN110341690A (zh) * 2019-07-22 2019-10-18 北京理工大学 一种基于确定性策略梯度学习的phev能量管理方法
CN110852482A (zh) * 2019-10-15 2020-02-28 江苏大学 一种燃料电池公交车实时全局优化智能控制***及方法
CN111619545A (zh) * 2020-05-08 2020-09-04 北京航空航天大学 基于交通信息的混合动力汽车能量管理方法
CN112180280A (zh) * 2020-09-27 2021-01-05 吉林大学 一种考虑电池健康状态的混合动力汽车电池寿命优化方法
CN112926211A (zh) * 2021-03-09 2021-06-08 吉林大学 一种基于工况预测的燃料电池汽车能量管理优化方法
CN113022380A (zh) * 2021-03-09 2021-06-25 吉林大学 一种考虑衰减的燃料电池汽车动力电池优化设计方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170246963A1 (en) * 2016-02-26 2017-08-31 Ford Global Technologies, Llc Systems and methods for battery state-of-health monitoring
CN109960255A (zh) * 2017-12-26 2019-07-02 郑州宇通客车股份有限公司 一种最优目标车速预测、燃料电池***的控制方法及装置
CN109808518A (zh) * 2018-12-29 2019-05-28 清华大学 基于地理位置信息的燃料电池汽车能量管理方法与***
CN110341690A (zh) * 2019-07-22 2019-10-18 北京理工大学 一种基于确定性策略梯度学习的phev能量管理方法
CN110852482A (zh) * 2019-10-15 2020-02-28 江苏大学 一种燃料电池公交车实时全局优化智能控制***及方法
CN111619545A (zh) * 2020-05-08 2020-09-04 北京航空航天大学 基于交通信息的混合动力汽车能量管理方法
CN112180280A (zh) * 2020-09-27 2021-01-05 吉林大学 一种考虑电池健康状态的混合动力汽车电池寿命优化方法
CN112926211A (zh) * 2021-03-09 2021-06-08 吉林大学 一种基于工况预测的燃料电池汽车能量管理优化方法
CN113022380A (zh) * 2021-03-09 2021-06-25 吉林大学 一种考虑衰减的燃料电池汽车动力电池优化设计方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114122466A (zh) * 2021-11-11 2022-03-01 广东汉合汽车有限公司 燃料电池车电池优化管理方法、***、设备及介质
CN114122466B (zh) * 2021-11-11 2024-05-31 广东汉合汽车有限公司 燃料电池车电池优化管理方法、***、设备及介质
CN115782700A (zh) * 2022-12-07 2023-03-14 北京理工大学 考虑电池热健康约束的燃料电池混动汽车能量管理方法
CN116729208A (zh) * 2023-08-15 2023-09-12 北京理工大学 一种燃料电池混动汽车能量管理方法、***及电子设备
CN117863969A (zh) * 2024-03-13 2024-04-12 国网北京市电力公司 一种考虑电池损耗的电动汽车充放电控制方法及***
CN117863969B (zh) * 2024-03-13 2024-05-17 国网北京市电力公司 一种考虑电池损耗的电动汽车充放电控制方法及***
CN118136898A (zh) * 2024-05-07 2024-06-04 西北工业大学宁波研究院 一种混合动力水下航行器能量管理方法及其***

Also Published As

Publication number Publication date
CN113428049B (zh) 2021-11-09

Similar Documents

Publication Publication Date Title
CN113428049B (zh) 一种考虑电池老化抑制的燃料电池混动汽车能量管理方法
Zhang et al. Adaptively coordinated optimization of battery aging and energy management in plug-in hybrid electric buses
Hu et al. A study on energy distribution strategy of electric vehicle hybrid energy storage system considering driving style based on real urban driving data
Feng et al. Optimal energy management with balanced fuel economy and battery life for large hybrid electric mining truck
Bai et al. Battery anti-aging control for a plug-in hybrid electric vehicle with a hierarchical optimization energy management strategy
US6653817B2 (en) State-of-charge detection device for a battery
CN112810504B (zh) 基于非线性预测模型控制的燃料电池汽车能量管理方法
CN108394401A (zh) 汽车动力装置的控制方法、***、装置及存储介质
CN112677956B (zh) 一种考虑电池寿命的行星混联式混动车实时优化控制方法
CN110435429A (zh) 一种融合能耗预测的双电机电动汽车续航里程估计方法
CN112319462B (zh) 一种插电式混合动力汽车能量管理方法
CN113815437B (zh) 燃料电池混合动力汽车的预测性能量管理方法
CN114771293A (zh) 一种基于等效消耗最小策略的燃料电池汽车能量管理方法
CN115027290A (zh) 一种基于多目标优化的混合动力汽车跟车能量管理方法
Lin et al. Charge depleting range dynamic strategy with power feedback considering fuel-cell degradation
CN115230485A (zh) 基于短期功率平滑预测的燃料电池公交车能量管理方法
Zhang et al. Optimal state-of-charge value for charge-sustaining mode of plug-in hybrid electric vehicles
Hu et al. Adaptive rule control strategy for composite energy storage fuel cell vehicle based on vehicle operating state recognition
Yu et al. Integrated energy and thermal management strategy for extended range electric vehicle based on battery temperature and state-of-charge global planning
Ye et al. Reinforcement learning-based energy management system enhancement using digital twin for electric vehicles
Zhang et al. HESS and its application in series hybrid electric vehicles
CN117013145B (zh) 电池包自加热方法、电池包、用电装置及车辆
CN117755163A (zh) 一种氢燃料电池温度动态变化的能量管理***及方法
CN117034666A (zh) 燃料电池汽车能量管理方法、***、介质、设备及终端
Liang et al. PHEV hybrid vehicle system efficiency and battery aging optimization using A-ECMS based algorithms

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant