《Energies》:Adaptive Energy Management Strategy for Fuel Cell Hybrid Electric Vehicles Based on Dual-Fuzzy Logic and Extremum-Seeking Control
编辑推荐:
燃料电池混合动力电动汽车(FCHEVs)的能量管理策略(EMS)在决定氢经济性以及荷电状态(SOC)调节和防止过充/过放方面起着重要作用。现有的基于模糊逻辑的EMS通常采用具有固定SOC阈值的单一模糊逻辑控制器,难以适应复杂多变的驾驶条件。为解决这一局限,研究
燃料电池混合动力电动汽车(FCHEVs)的能量管理策略(EMS)在决定氢经济性以及荷电状态(SOC)调节和防止过充/过放方面起着重要作用。现有的基于模糊逻辑的EMS通常采用具有固定SOC阈值的单一模糊逻辑控制器,难以适应复杂多变的驾驶条件。为解决这一局限,研究人员提出了一种双模糊逻辑控制策略,包括主模糊逻辑控制器(FLC1)和次模糊逻辑控制器(FLC2),二者协同工作,通过ΔSOC调节(定义为动力电池SOC与其理想SOC(ISOC)之差)实现精细的功率分配。在不同的ISOC系数(0.45、0.50、0.55、0.60和0.65)下进行了一系列系统仿真,并将结果与开关模糊控制策略的结果进行了比较。结果表明,ISOC为0.55时综合性能最优。在此基础上,引入极值搜索控制(ESC)算法对ISOC进行在线自适应优化。构建了一个综合氢消耗、功率损耗和SOC偏差的综合成本函数,以动态调整ISOC。在MATLAB/Simulink R2024b和AVL CRUISE联合仿真平台上,在新欧洲驾驶循环(NEDC)下进行了仿真验证。结果表明,与开关模糊控制相比,在初始SOC分别为35%、75%和85%的条件下,ESC自适应策略实现了10.0%、34.6%和45.7%的氢消耗降低。此外,在初始SOC为75%时,与最优双模糊控制相比,它额外节省了1.21%的氢气。值得注意的是,所提出策略中的ISOC更新不需要预先了解未来的驾驶循环,优化本身也是在线进行的。然而,ESC超参数(扰动幅度、频率、滤波器时间常数、积分器增益)和成本函数权重是基于典型工况离线预校准的,实时成本评估依赖于从车辆模型导出的部件效率信号,这为FCHEV应用中基于模糊逻辑的EMS提供了一条实用且智能的升级路径。
在全球能源结构转型与碳中和目标推动下,新能源汽车成为汽车工业的核心发展方向。以光伏、风电、水电和燃料电池为代表的可再生低碳发电技术受到广泛关注。由于依赖内燃机(ICE)的车辆是空气污染的主要来源之一,发展清洁交通技术与改善发电技术同样重要。在此背景下,燃料电池混合动力电动汽车(FCHEVs)将氢燃料电池的高能量密度、快速加注能力与电驱动系统的高效率、高动态响应特性相结合,成为中重型载运和长距离出行的重要解决方案。然而,FCHEV的性能在很大程度上取决于其能量管理策略(EMS)的有效性。现有EMS方法中,基于规则的策略虽简单鲁棒,但难以适应动态变化的驾驶工况,固有地存在次优性;全局优化方法如动态规划(DP)和庞特里亚金极小值原理(PMP)虽能提供理论性能基准,但非因果且计算量大,难以在线实现;模型预测控制(MPC)则受限于计算开销、模型精度敏感性和参数整定难度。基于模糊逻辑的EMS通常采用单一模糊控制器和固定SOC阈值,面对复杂多变的行驶条件时适应性不足。因此,研究人员提出了一种集成双模糊逻辑与极值搜索控制(ESC)的自适应能量管理策略,旨在克服固定SOC参考值的局限,实现精细化功率分配与在线自适应优化。该研究发表于《Energies》。
研究人员首先设计了由主模糊逻辑控制器(FLC1)和次模糊逻辑控制器(FLC2)构成的双模糊逻辑控制策略,通过ΔSOC(定义为动力电池SOC与其理想SOC(ISOC)之差)调节实现全局SOC调节与局部功率分配的协同控制。然后,在三种初始SOC(35%、75%、85%)下对五个ISOC系数(0.45、0.50、0.55、0.60、0.65)进行了系统仿真,并与开关模糊控制策略对比,确定ISOC=0.55为综合性能最优。在此基础上,引入ESC算法对ISOC进行在线自适应优化,构建了包含氢消耗、功率损耗和SOC偏差的综合成本函数,并在MATLAB/Simulink R2024b与AVL CRUISE联合仿真平台上,基于新欧洲驾驶循环(NEDC)进行了验证。
本研究采用的主要关键技术与方法如下:(1)双模糊逻辑控制架构,由FLC1执行全局SOC调节,FLC2依据ΔSOC进行局部功率分配,实现两级协同的精细能量管理;(2)ESC在线优化算法,通过对ISOC施加小幅度正弦扰动、解调提取梯度并沿负梯度方向迭代,实现无模型在线优化,扰动幅度为0.02,频率为0.3 rad/s;(3)综合成本函数,将氢消耗权重0.5、功率损耗权重0.3和SOC偏差权重0.2加权求和,作为ESC的优化目标;(4)基于MATLAB/Simulink与AVL CRUISE的联合仿真平台,采用前向仿真架构,并在NEDC工况下设置三种初始SOC条件进行测试。所有仿真均基于同一车辆模型。
研究结果如下:
3.1 车辆速度跟踪验证:通过对比NEDC工况下仿真车速与目标车速,验证了所构建的车辆仿真模型和所有控制策略满足基本动力性能要求,车速跟踪高度一致,表明动力系统参数匹配合理。
3.2 双模糊控制ΔSOC优化分析:在三种初始SOC下分别测试五个ISOC值,并与开关模糊控制比较。结果表明,氢消耗随ISOC增大而单调增加(在35%初始SOC下,从0.45到0.65增加约12.3%),功率损耗随ISOC增大而下降但逐渐饱和(从0.55到0.65仅再降5.6%)。综合SOC稳定性、功率损耗和氢消耗三个维度,ISOC=0.55获得最优折中。与开关模糊控制相比,双模糊控制(ISOC=0.55)在初始SOC为35%、75%、85%时氢消耗分别降低10.0%、34.6%和45.7%。
3.3 ESC自适应优化策略性能分析:基于最优ISOC=0.55,引入ESC对ISOC进行在线自适应优化。在75%初始SOC下,ESC策略氢消耗为0.1228 kg,比双模糊控制(0.1243 kg)降低1.21%,最终SOC略低(69.85% vs. 70.07%),表明ESC能更充分利用电池功率同时保持合理SOC;在35%和85%初始SOC下,两者性能接近,但ESC在85%时最终SOC略高(71.54% vs. 71.48%),有利于延缓电池放电深度、延长电池寿命。
3.4 三种控制策略综合对比分析:开关模糊控制氢消耗最高、综合性能最差;双模糊控制和ESC策略在所有工况下氢消耗显著低于开关模糊控制,且SOC更接近中间区间(60–72%),功率损耗在中高SOC区间也较低。ESC策略在75%初始SOC下额外节省1.21%氢气,实现氢经济性、SOC维持与工况适应性的最佳平衡。
讨论部分指出,所提出的ESC策略不需要未来驾驶循环的先验知识,优化在线进行,但ESC超参数(扰动幅度、频率、滤波器时间常数、积分器增益)和成本函数权重需基于典型工况离线预校准,实时成本评估依赖车辆模型导出的部件效率信号,这为现有模糊逻辑EMS提供了一条实用且智能的升级路径。同时,研究也存在局限性:所有评估均为纯仿真,未进行实验验证;仅以NEDC为主要工况,未系统考察WLTC和US06等更激进的循环;未建模部件老化(如燃料电池催化剂衰减和电池容量衰退)。未来工作将引入硬件在环或整车实验,扩展至其他驾驶循环和实际行驶数据,并将退化模型集成至成本函数,以实现健康感知的能量管理。
研究结论部分翻译如下:(1)设计并验证了双模糊逻辑能量管理策略的有效性,在35%、75%、85%三种初始SOC下,相比开关模糊控制氢消耗分别降低10.0%、34.6%和45.7%,充分体现了主从二级模糊协同控制带来的经济优势。(2)ISOC对双模糊控制性能有显著影响。从0.45增加到0.65,氢消耗单调增加(35%初始SOC下约增12.3%),功率损耗下降(约降59.6%),存在综合性能最优的折中区间。综合氢消耗、SOC平衡和功率损耗,ISOC=0.55在五个离散值中表现最佳,但该最优性仅限于所考虑的离散集合,未来将采用连续优化框架寻找更广工况下的全局最优ISOC。(3)ESC自适应优化策略在双模糊控制基础上实现了ISOC的实时在线调整。在75%初始SOC下,ESC比双模糊控制额外降低1.21%氢消耗,且最终SOC略低(69.85% vs. 70.07%),表明ESC更充分利用电池功率并保持合理SOC,能自主适应不同电池初始状态,无需驾驶循环先验知识。(4)三种策略的系统比较表明,开关模糊控制结构简单但氢消耗显著偏高、综合性能最差;双模糊控制通过两级功率分配实现了显著性能提升,是有效的基线策略;ESC自适应策略在双模糊控制基础上进一步实现ISOC在线优化,达到氢经济性、SOC维持和工况适应性的最佳平衡,适合作为现有模糊逻辑EMS的智能升级方案。