純電動(dòng)汽車(chē)復(fù)合儲(chǔ)能系統(tǒng)能量管理策略

純電動(dòng)汽車(chē)復(fù)合儲(chǔ)能系統(tǒng)能量管理策略摘要：針對(duì)純電動(dòng)汽車(chē)單電池系統(tǒng)功率密度低、大電流充放電能力差等問(wèn)題，設(shè)計(jì)了鋰電池-飛輪電池復(fù)合儲(chǔ)能系統(tǒng)，提出了基于工況識(shí)別的自適應(yīng)小波變換-模糊控制能量管理策略，將需求功率分解成低頻成分和高頻成分，并分別將其分配給鋰電池和飛輪電池。最后，將所提策略與邏輯門(mén)限能量管理策略進(jìn)行比較分析。結(jié)果表明：所提出的自適應(yīng)小波變換-模糊控制能量管理策略可以有效減緩鋰電池受到的峰值電流沖擊，延長(zhǎng)其使用壽命，增強(qiáng)純電動(dòng)汽車(chē)的整體性能。關(guān)鍵詞：純電動(dòng)汽車(chē)；復(fù)合儲(chǔ)能系統(tǒng)；鋰電池；飛輪電池；能量管理策略00前言純電動(dòng)汽車(chē)具有零排放、節(jié)能、低噪聲等優(yōu)點(diǎn)，在解決能源短缺和環(huán)境污染問(wèn)題方面發(fā)揮著不可替代的作用，已成為新能源汽車(chē)的核心部分。目前，純電動(dòng)汽車(chē)常用的單電池系統(tǒng)存在功率密度低、使用壽命短、大電流充放電效率低等問(wèn)題，這直接影響了車(chē)輛的性能和經(jīng)濟(jì)性［1］。針對(duì)這個(gè)問(wèn)題，有效的解決方案是采用復(fù)合儲(chǔ)能系統(tǒng)，輔之高效的能量管理策略。目前，復(fù)合儲(chǔ)能系統(tǒng)的能量管理策略可分為基于規(guī)則的策略和基于優(yōu)化的策略2類。基于規(guī)則的策略是通過(guò)預(yù)先設(shè)定規(guī)則、限制和邏輯來(lái)實(shí)現(xiàn)儲(chǔ)能元件之間能量的分配和控制，相對(duì)于基于優(yōu)化的策略，其具有實(shí)時(shí)性好、可靠性高、穩(wěn)定性強(qiáng)和實(shí)現(xiàn)簡(jiǎn)單等優(yōu)點(diǎn)，能夠快速根據(jù)車(chē)輛運(yùn)行狀態(tài)進(jìn)行響應(yīng)和調(diào)整，更適用于實(shí)際車(chē)輛［2］。RADE等［3］采用邏輯門(mén)限能量管理策略提高了復(fù)合儲(chǔ)能系統(tǒng)效率及電動(dòng)汽車(chē)的經(jīng)濟(jì)性。張錫等［4］采用模糊控制能量管理策略增加了車(chē)輛的續(xù)航里程，提高了車(chē)輛的經(jīng)濟(jì)性。ZHANG等［5］采用小波變換能量管理策略，有效控制了整車(chē)的功率分配，提高了車(chē)輛的性能。上述研究均未綜合考慮能量源的能量狀態(tài)、汽車(chē)行駛工況及整車(chē)需求功率，因此有必要設(shè)計(jì)一種綜合性能優(yōu)越、計(jì)算簡(jiǎn)單的能量管理策略。在工況識(shí)別的基礎(chǔ)上，筆者提出了一種針對(duì)鋰電池-飛輪電池復(fù)合儲(chǔ)能系統(tǒng)的自適應(yīng)小波變換-模糊控制能量管理策略。該策略能夠動(dòng)態(tài)選擇適當(dāng)?shù)男〔ǚ纸鈱訑?shù)，并將飛輪電池能量狀態(tài)（Esoe）維持在合適的范圍內(nèi)，以減少大電流對(duì)鋰電池的影響，延長(zhǎng)其使用壽命。11復(fù)合儲(chǔ)能系統(tǒng)1.1飛輪電池結(jié)構(gòu)及原理飛輪電池主要由飛輪控制電機(jī)、飛輪轉(zhuǎn)子、高速軸承、真空室和電力電子轉(zhuǎn)換裝置組成，如圖1所示。飛輪電池具有充電、儲(chǔ)能和放電3種工作模式：在充電狀態(tài)下，通過(guò)電力電子裝置將外部輸入的電能轉(zhuǎn)換為飛輪轉(zhuǎn)子的機(jī)械能；在儲(chǔ)能狀態(tài)下，飛輪電池儲(chǔ)存機(jī)械能，并保持轉(zhuǎn)速幾乎不變；在放電狀態(tài)下，飛輪控制電機(jī)將儲(chǔ)存的機(jī)械能轉(zhuǎn)換為電能，并將其輸出給負(fù)載。1.2純電動(dòng)汽車(chē)復(fù)合儲(chǔ)能系統(tǒng)模型所研究的復(fù)合儲(chǔ)能系統(tǒng)結(jié)構(gòu)如圖2所示。整車(chē)和復(fù)合儲(chǔ)能系統(tǒng)的主要參數(shù)分別見(jiàn)表1和表2。圖1飛輪電池結(jié)構(gòu)示意圖AC/DC—交流/直流轉(zhuǎn)換器；DC/AC—直流/交流轉(zhuǎn)換器。圖2純電動(dòng)汽車(chē)復(fù)合儲(chǔ)能系統(tǒng)結(jié)構(gòu)圖表1整車(chē)主要參數(shù)參數(shù)參數(shù)值整備質(zhì)量/kg1200滿載質(zhì)量/kg1550迎風(fēng)面積/m空氣阻力系數(shù)滾動(dòng)阻力系數(shù)0.012機(jī)械傳動(dòng)效率表2復(fù)合儲(chǔ)能系統(tǒng)主要參數(shù)參數(shù)參數(shù)值鋰電池額定電壓/V鋰電池單體容量/（A·h）20鋰電池組串聯(lián)個(gè)數(shù)113鋰電池組并聯(lián)支路數(shù)4飛輪電池儲(chǔ)能量/（W·h）350飛輪電池額定功率/kW22基于廣義回歸神經(jīng)網(wǎng)絡(luò)（GRNN）的工況識(shí)別鑒于道路行駛情況的復(fù)雜性和多樣性，挑選了23種典型行駛工況作為研究對(duì)象（見(jiàn)表3從中提取特征參數(shù)，并使用聚類分析方法進(jìn)行分類。2.1特征參數(shù)的選取與工況聚類分析選取6個(gè)特征參數(shù)，將其用于聚類分析和工況識(shí)別［6］分別是平均車(chē)速vavg、平均加速度aavg、平均制動(dòng)加速度davg、最大車(chē)速vmax、最大加速度amax和最大制動(dòng)加速度dmax，以提高工況識(shí)別的實(shí)時(shí)性。采用離差標(biāo)準(zhǔn)化方法對(duì)特征參數(shù)矩陣進(jìn)行線性變換，以去除量綱的影響。將23個(gè)典型行駛工況作為樣本空間Xi={x1，x2，?,x23}，每個(gè)樣本xi包含6個(gè)特征參數(shù)。對(duì)序列x1，x2，?,x23進(jìn)行變換，得出轉(zhuǎn)換函數(shù)yi為：xi-13{xj}yi=1EQ\*jc3\*hps19\o\al(\s\up0(x),2)3{xj}-13{xj}（1）將23個(gè)行駛工況進(jìn)行層次聚類，得到聚類樹(shù)，如圖3所示。通過(guò)聚類分析，將23種典型工況按照聚類距離尺度為3.3分成了3大類，分別為第一類市區(qū)擁2.2GRNN的工況識(shí)別2.2.1工況識(shí)別神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)GRNN是一種基于徑向基函數(shù)的神經(jīng)網(wǎng)絡(luò)模型，基本結(jié)構(gòu)如圖4所示［7］。輸入層的作用是接收輸入數(shù)據(jù)并將其傳遞到模式層，其神經(jīng)元數(shù)量與輸入?yún)?shù)的數(shù)量相同，使GRNN模型的輸入?yún)?shù)。模式層的作用是計(jì)算輸入向量與每個(gè)樣本向量之間的距離，用于判斷與輸入向量最相似的模式，其神經(jīng)元數(shù)量等于學(xué)習(xí)樣本的數(shù)量。求和層的作用是將每個(gè)模式的權(quán)重與其對(duì)應(yīng)的模式向量相乘，并將結(jié)果求和，從而得到一個(gè)加權(quán)的模式向量。輸出層的作用是將求和層的輸出作為輸入，進(jìn)一步對(duì)其進(jìn)行處理，以產(chǎn)生最終的輸出，其神經(jīng)元數(shù)量與設(shè)定的輸出變量個(gè)數(shù)一致。2.2.2工況識(shí)別結(jié)果為了測(cè)試識(shí)別方法的準(zhǔn)確性，創(chuàng)建一個(gè)待識(shí)別組合行駛工況，即“工況11+工況22+工況1+工況17+工況5”，其行駛距離為46.5km，行駛時(shí)間為3627s。該識(shí)別方法是將市區(qū)擁堵工況表示為表3典型行駛工況特征參數(shù)序號(hào)行駛工況平均車(chē)速vavg/平均加速度avg/）平均制動(dòng)加速度davg/）最大車(chē)速vmax/（km·h）最大加速度amax/（m·s）最大制動(dòng)加速度dmax/（m·s）1美國(guó)城市主干道行駛循環(huán)（ARTERIAL）39.710.60-1.7964.37-2.012日本行駛循環(huán)（JPN1015）22.680.57-0.6569.970.79-0.833中國(guó)城市中央商務(wù)區(qū)行駛循環(huán)（CBD14）20.430.81-1.7932.190.98-2.064紐倫堡R36行駛循環(huán)（NurembergR36）14.330.58-0.5553.70-2.115美國(guó)高速公路行駛循環(huán)（US06_HWY）97.910.34-0.41129.233.08-3.086歐洲工業(yè)車(chē)輛行駛循環(huán)（HL07）85.74-0.79128.753.58-2.557歐洲聯(lián)合行駛循環(huán)（ECE_EUDC_LOW）31.110.58-0.8090.00-1.398中國(guó)城市行駛循環(huán)（CHINA_CITY）16.150.48-0.6960.35-1.689洛杉磯92模式行駛循環(huán)（LA92）39.600.67-0.75108.153.08-3.93紐約綜合路況行駛循環(huán)（NYCCOMP）14.100.47-0.5457.944.11-3.88紐約城市行駛循環(huán)（NYCC）11.410.62-0.6144.582.68-2.64加州行駛循環(huán)（SC03）34.510.50-0.6088.192.28-2.73紐約重型商用車(chē)行駛循環(huán)（NYCTRUCK）12.160.55-0.6554.72-1.87中國(guó)都市重型商用車(chē)行駛循環(huán)（CBDTRUCK）14.860.29-0.5632.190.36-0.56歐洲排放行駛循環(huán)（REP05）82.880.44-0.50129.233.79-3.19世界輕型汽車(chē)排放行駛循環(huán)（WLTC）46.500.50-0.51131.30-1.50美國(guó)城市城郊道路行駛循環(huán)（UDDS）31.510.50-0.5891.25-1.48美國(guó)曼哈頓市區(qū)公交行駛循環(huán)（MANHATTAN）10.980.54-0.6740.722.06-2.50美國(guó)通勤行駛循環(huán)（COMMUTER）70.280.28-1.8988.51-2.01洛杉磯市政公交行駛循環(huán)（WVUSUB）25.870.33-0.4272.10-2.16美國(guó)州際高速公路行駛循環(huán)（WVUINTER）54.750.20-0.2197.74-1.86美國(guó)高速公路燃料經(jīng)濟(jì)型行駛循環(huán)（HWFET）77.580.19-0.2296.40-1.48新歐洲行駛循環(huán)（NEDC）33.210.54-0.79120.00-1.39圖323個(gè)典型行駛工況的聚類樹(shù)圖4GRNN結(jié)構(gòu)“1”，城市城郊工況表示為“2”，高速公路工況表示為“3”，如圖5所示。從圖5可以看出，該方法能夠正確識(shí)別出實(shí)際工況類型，驗(yàn)證了其有效性。圖5組合工況識(shí)別結(jié)果33復(fù)合儲(chǔ)能系統(tǒng)能量管理策略設(shè)計(jì)3.1邏輯門(mén)限能量管理策略邏輯門(mén)限能量管理策略的基本思想是利用表4中典型行駛工況下的最大正平均功率Pavr_p和最小負(fù)平均功率Pavr_n來(lái)限制鋰電池的放電和充電，以適應(yīng)不同的工況［8］。濾波函數(shù)F(s)的表達(dá)式為：Preq>0,|Preq<0,1τ1s+11τ2s+12分別為放電和充電時(shí)鋰電池的濾波時(shí)間req為整車(chē)需求功率；s為需求功率頻率。表4典型行駛工況下復(fù)合儲(chǔ)能系統(tǒng)性能需求性能參數(shù)工況11工況17工況22工況23正平均功率/kW13.98負(fù)平均功率/kW?4.28?7.11?9.05?7.893.2自適應(yīng)小波變換-模糊控制能量管理策略小波變換可同時(shí)分析信號(hào)的時(shí)域和頻域特性，能識(shí)別暫態(tài)功率并進(jìn)行功率分配，可避免鋰電池的瞬時(shí)大功率輸出，在能量管理領(lǐng)域得到廣泛應(yīng)用。車(chē)輛的需求功率信號(hào)為實(shí)時(shí)信號(hào)，故采用離散小波變換連續(xù)小波變換表達(dá)式W(λ,μ)為：W)=+x(t)連續(xù)小波變換表達(dá)式W(λ,μ)為：令λ=2j，μ=2j·k，其中j、k∈Z，則離散小波變(2-j·t-k)dt（4）將離散小波變換表達(dá)式進(jìn)行逆變換后，得到原j（5）選擇Haar小波函數(shù)作為母波函數(shù)，與其他常用小波相比，Haar小波濾波長(zhǎng)度最短，且是一種標(biāo)準(zhǔn)正交小波，其小波變換和逆變換相同，因此在實(shí)際系統(tǒng)中更容易得到應(yīng)用。Haar小波函數(shù)表達(dá)式EQ\*jc3\*hps19\o\al(\s\up16(0),5)EQ\*jc3\*hps19\o\al(\s\up16(5),1)使用分解高、低通濾波器函數(shù)H1(z)、H2(z)將原始信號(hào)X(t)分解成高頻和低頻成分，再使用重重構(gòu)信號(hào)Y(t)。將整車(chē)需求功率作為輸入信號(hào)，通過(guò)3階Haar小波變換，將高頻信號(hào)x1(t)+x2(t)+x3(t)分配給所示。圖6Haar小波分解和重構(gòu)模型3.2.2小波分解層數(shù)的選擇純電動(dòng)汽車(chē)的行駛工況復(fù)雜多變，每個(gè)時(shí)刻的需求功率都是隨機(jī)的，固定的分解層數(shù)選擇可能導(dǎo)致能量源以不健康的狀態(tài)工作，從而縮短其循環(huán)壽命，因此設(shè)計(jì)一種能夠根據(jù)車(chē)輛的不同行駛工況自適應(yīng)調(diào)節(jié)小波分解層數(shù)策略是十分有必要的。研究鋰電池與飛輪電池輸出能量比例的關(guān)系時(shí)，定義信噪比為小波分解后的低頻信號(hào)與高頻信號(hào)的能量比值?；诮M合行駛工況，使用Haar小波進(jìn)行離線仿真，得到不同分解層數(shù)與信噪比之間的關(guān)系，見(jiàn)表5。由表5可以看出：隨著小波分解層數(shù)的增加，分配給飛輪電池的能量也增加，從而可以更好地保護(hù)鋰電池［10］。此外，因?yàn)樵趶?fù)合儲(chǔ)能系統(tǒng)中鋰電池是主要能量源，飛輪電池只起到“削峰填谷”的功能，故信噪比必須大于1，即分解層數(shù)的取值范圍為2≤n≤4。表5不同分解層數(shù)對(duì)應(yīng)的信噪比小波分解層數(shù)信噪比2345在不同行駛工況下純電動(dòng)汽車(chē)所需的動(dòng)力輸出不同，隨著車(chē)速的增加，車(chē)輛對(duì)功率的需求也會(huì)增加，從而導(dǎo)致鋰電池受到的電流沖擊強(qiáng)度很大，需要采用較高的小波分解層數(shù)來(lái)保護(hù)鋰電池。因此，將市區(qū)擁堵工況、城市城郊工況和高速公路工3.2.3模糊控制器的設(shè)計(jì)雖然自適應(yīng)小波變換可以解決傳統(tǒng)小波能量管理策略適應(yīng)工況較差的問(wèn)題，但其不能實(shí)時(shí)監(jiān)控能量源的狀態(tài)。為了充分發(fā)揮飛輪電池的高功率密度優(yōu)勢(shì)，采用模糊控制將飛輪電池能量狀態(tài)維持在一定的范圍內(nèi)。模糊控制器的輸入變量為鋰電池參考輸出功率Pbat_req、鋰電池荷電狀態(tài)Esoc和飛輪電池能量狀態(tài)Esoe，輸出變量為鋰電池實(shí)際輸出功率Pbat。輸入變量的模糊論域分別為Pbat_req=［0，1］、Esoc=soe=［0.1，1.0輸出變量模糊論域?yàn)檐?chē)輛制動(dòng)模式下模糊子集為Esoc=｛S，M，RB｝、大。在驅(qū)動(dòng)模式和制動(dòng)模式下隸屬度函數(shù)分別如圖7和圖8所示。圖7驅(qū)動(dòng)模式下的隸屬度函數(shù)圖8制動(dòng)模式下的隸屬度函數(shù)所設(shè)計(jì)的能量管理策略如圖9所示。首先，采用GRNN工況識(shí)別模型對(duì)車(chē)輛運(yùn)行工況進(jìn)行識(shí)別，并根據(jù)識(shí)別結(jié)果選擇合適的小波分解層數(shù)進(jìn)行功率分解，其中，將高、低頻信號(hào)分別分配給飛輪電池和鋰電池；其次，利用模糊控制維持飛輪電池的Esoe在適當(dāng)?shù)姆秶鷥?nèi)波動(dòng)。圖9能量管理策略框架圖44仿真結(jié)果與分析使用Matlab/Simulink建立復(fù)合儲(chǔ)能系統(tǒng)模型，在組合工況下進(jìn)行仿真分析，以驗(yàn)證所提出的能量管理策略的有效性。不同能量管理策略下鋰電池Esoc的變化如圖10所示。由圖10可以看出：采用復(fù)合儲(chǔ)能系統(tǒng)可以有效降低鋰電池的能量消耗，其中在自適應(yīng)小波變換-模糊控制能量管理策略下鋰電池Esoc下降最平緩，且在工況循環(huán)結(jié)束時(shí)Esoc最高；與搭載單電池系統(tǒng)的純電動(dòng)汽車(chē)相比，采用邏輯門(mén)限能量管理策略后能量利用率提高了2.9%，采用自適應(yīng)小波變換-模糊控制能量管理策略后能量利用率提高了5.3%。圖10不同能量管理策略下鋰電池Esoc的變化不同能量管理策略下鋰電池的輸出電流變化如圖11所示。過(guò)高的充放電電流會(huì)對(duì)鋰電池的性能造成嚴(yán)重影響，可能導(dǎo)致電池容量損失和安全性下降等問(wèn)題。由圖11可以看出：將單電池系統(tǒng)作為能量源時(shí)，鋰電池的最大輸出電流為140.1A；采用邏輯門(mén)限能量管理策略時(shí)最大電流為102.5A，較單電池系統(tǒng)減小了26.8%；采用自適應(yīng)小波變換-模糊控制能量管理策略時(shí)最大電流為90.4A，較單電池系統(tǒng)減小了35.5%。由此可見(jiàn)，采用復(fù)合儲(chǔ)能系統(tǒng)后可以有效實(shí)現(xiàn)對(duì)鋰電池輸出電流的峰值控制；自適應(yīng)小波變換-模糊控制能量管理策略對(duì)高頻、高幅值電流的抑制效果更好，降低了其對(duì)鋰電池的不利影響。不同能量管理策略下飛輪電池Esoe的變化如圖11不同能量管理策略下鋰電池輸出電流的變化圖12所示。由圖12可以看出：在邏輯門(mén)限能量管理策略下，飛輪電池的Esoe總體呈下降趨勢(shì)，且波動(dòng)較小，飛輪電池未得到充分利用；而在自適應(yīng)小波變換-模糊控制能量管理策略下，飛輪電池的Esoe波動(dòng)劇烈，尤其在Esoe較高時(shí)反而下降較快，這可以為回收制動(dòng)能量騰出空間。隨后，飛輪電池的Esoe一直在0.7左右波動(dòng)，但在約3500s時(shí)需要連續(xù)回收制動(dòng)能量，為避免鋰電池在行車(chē)過(guò)程中充電，飛輪電池Esoe大幅提升。總體而言，自適應(yīng)小波變換-模糊控制能量管理策略在提高飛輪電池利用率方面表現(xiàn)出色。圖12不同能量管理策略下飛輪電池Esoe的變化高溫環(huán)境會(huì)對(duì)鋰電池的性能和壽命產(chǎn)生不利影響。不同能量管理策略下鋰電池工作溫度的變化如圖13所示。由圖13可以看出：循環(huán)結(jié)束時(shí)，采用單電池系統(tǒng)時(shí)鋰電池溫度上升2.18K；采用邏輯門(mén)限能量管理策略時(shí)鋰電池溫度上升1.71K，較單電池系統(tǒng)降圖13不同能量管理策略下鋰電池溫度的變化低21.6%；采用自適應(yīng)小波變換-模糊控制能量管理策略時(shí)鋰電池溫度上升1.47K，較單電池系統(tǒng)降低32.6%。由此可見(jiàn)，采用復(fù)合儲(chǔ)能系統(tǒng)可以有效降低電池的負(fù)荷及內(nèi)部溫度；自適應(yīng)小波變換-模糊控制能量管理策略對(duì)鋰電池溫升的抑制效果更好，有助于延長(zhǎng)鋰電池的使用壽命。（1）與單電池系統(tǒng)相比，采用自適應(yīng)小波變換-模糊控制能量管理策略時(shí)鋰電池的最大輸出電流5.3%，有效延長(zhǎng)了鋰電池的使用壽命，提升了純電動(dòng)汽車(chē)的續(xù)航里程。（2）與傳統(tǒng)的邏輯門(mén)限策略相比，采用自適應(yīng)小波變換-模糊控制能量管理策略可以有效降低峰值電流和高頻功率對(duì)鋰電池的影響，并能夠?qū)崟r(shí)監(jiān)控能量源的狀態(tài)，充分發(fā)揮飛輪電池的優(yōu)勢(shì)。［1］WANGW,LIY,SHIM,etal.Optimizationandcontrolofbattery-flywheelcompoundvehiclebraking[J].Energy,2021,226(1):［2］林歆悠,王召瑞.應(yīng)用粒子群算法優(yōu)化模糊規(guī)應(yīng)用,2021,38