《Energies》:A Feedforward Power Coordination Control Strategy for Hydrogen Fuel Cell Hybrid Trains Considering Dynamic Response Delay
编辑推荐:
氢燃料电池混合动力列车通常按燃料电池承担平均或基础功率需求、牵引电池承担短时功率瞬变与再生制动能量进行容量配置。然而,即使所采用的稳态功率额定值满足规定运行工况,燃料电池有限的爬坡速率(ramp rate)与指令-功率响应时延(command-to-power
氢燃料电池混合动力列车通常按燃料电池承担平均或基础功率需求、牵引电池承担短时功率瞬变与再生制动能量进行容量配置。然而,即使所采用的稳态功率额定值满足规定运行工况,燃料电池有限的爬坡速率(ramp rate)与指令-功率响应时延(command-to-power delay)仍可能在 abrupt 运行模式切换期间造成短暂功率失配。本文提出一种基于线路信息(route-informed)、预测辅助(prediction-assisted)的前馈功率协调策略。Transformer 预测器利用线路信息与仿真运行状态数据估计 10 s 牵引功率需求,并将预测序列作为预览信息(preview information)提供给带约束的模型预测控制(model predictive control, MPC)控制器。采用降阶一阶燃料电池响应模型表征主导的指令-功率滞后,并在列车能量管理层面上确定提前指令(advance-command)时序,而单元级爬坡速率限制则作为实现约束予以保留。进一步通过离线归一化 Pareto 扫描确定 MPC 加权系数,分别针对氢气消耗、燃料电池功率波动和荷电状态(state of charge, SOC)偏差进行权衡。本文仿真定量评估了所提出的带约束 MPC 框架内的牵引功率预测与考虑时延的提前指令机制。在所研究的平直轨道运行循环中,预测器在相同运行分布中的留出样本上取得均方根误差(root mean square error, RMSE)414.93 kW、平均绝对误差(mean absolute error, MAE)140.65 kW 以及决定系数(coefficient of determination, R2)0.9883。在 231 组可行的监督层候选权重组合中,保留 134 组非支配解,膝点准则(knee-point criterion)给出相应最优权重组合。在向再生制动切换的代表性过程中,提前指令将饱和前电池充电功率请求从 3.7 MW 降至 3.0 MW。相对于所采用的聚合变换器侧充电限值,相应峰值残余制动功率从 1.3 MW 降至 0.6 MW。本文贡献在于显式协调线路信息、短时功率预测、燃料电池响应时延与带约束功率分配。当前结果基于仿真;非线性辅助系统(balance-of-plant)动力学、电池退化、跨线路泛化以及列车控制与管理系统(train control and management system, TCMS)硬件在环时序仍有待验证。
论文解读
一、研究背景与问题
氢燃料电池混合动力列车是非电气化及部分电气化铁路线路脱碳的重要技术路径。其车载动力系统通常由高比能量、稳态运行高效的燃料电池与提供瞬变功率并吸收再生制动能量的牵引电池组成。实际工程部署不仅取决于部件容量配置,更依赖于协调氢气消耗、电池荷电状态(SOC)、部件耐久性与功率平衡的能量管理策略(EMS)。
然而,一个关键问题长期未被充分量化:即便系统稳态功率额定值满足连续牵引、稳态再生制动及辅助负载需求,燃料电池系统因气体供应、电化学及辅助系统动力学而无法瞬时跟踪指令,而牵引功率在加速、坡度变化及再生制动切换过程中可在数秒内发生剧烈变化。由此产生的监督层功率失配——即燃料电池动态响应滞后造成的短暂功率缺口——在从巡航向全再生制动切换的过渡过程中尤为突出。该失配表现为饱和前电池功率请求超出变换器侧限值,进而加重再生功率削减、制动电阻或混合机械制动的负担。
现有EMS可分为基于规则、基于优化与基于学习三类。基于规则方法计算负担低但依赖标定与运行循环;动态规划、庞特里亚金控制、等效消耗方法及MPC已被应用于氢气经济性、SOC调节与耐久性导向的功率分配。铁路运行还提供了高度结构化的预览信息——轨道位置、坡度、限速、车站位置与时刻表可转换为极低在线计算成本的基于线路的牵引功率图。但固定线路图无法表征临时限速、驾驶指令变更、传感器偏差等扰动;纯数据驱动预测器在训练分布外可能不可靠。因此,实用架构应以线路信息为确定性先验、以数据驱动预测为在线修正。本文正是针对这一缺口,将确定性线路预览、数据驱动残差预测、响应滞后感知的指令调度与带约束MPC功率分配相结合。
二、研究内容与结论
研究人员提出一种包含三个独立要素的架构:提供确定性预览信息的基于线路的牵引计算模型、利用实测数据修正标称短时功率轨迹的Transformer预测器,以及协调监督层燃料电池与电池功率请求的MPC控制器。变换器饱和与制动安全仍由独立的下层保护系统负责。
针对所研究的平直轨道运行循环,Transformer预测器在留出样本上取得RMSE 414.93 kW、MAE 140.65 kW、R2 0.9883。在231组可行监督层候选权重组合中,134组构成非支配Pareto前沿,膝点准则确定最优权重。在代表性再生制动切换中,提前时间Δt = τ + 1 s将饱和前电池充电功率请求从3.7 MW降至3.0 MW,降幅18.9%;相对2.4 MW聚合变换器侧充电限值,峰值残余制动功率从1.3 MW降至0.6 MW,降幅53.8%。进一步消融实验表明,Transformer修正将共同闭环子集上的预测RMSE和MAE分别降低68.06%和76.35%,但全循环功率分配指标的改善有限——峰值饱和前充电请求仅降低0.15%、峰值残余制动功率降低0.29%、燃料电池功率波动指数降低0.36%。这表明在所研究循环下,确定性线路图已提供有效的时序信息,Transformer的主要增量贡献在于当实际运行偏离标称线路轮廓时更精确地修正预览。
三、关键技术与方法
研究人员采用以下主要技术方法:其一,基于列车牵引动力学理论的牵引计算模型,综合考虑基本阻力、坡道阻力与曲线阻力,由线路信息(坡度、曲线半径、限速等)计算全程牵引功率需求并生成功率-距离(P-x)轮廓;其二,降阶一阶惯性模型表征燃料电池主导的指令-功率响应滞后,时间常数τ = 2 s作为标称时序参数用于提前指令调度;其三,Transformer多-head自注意力模型,输入特征包括历史牵引功率、速度、加速度、轨道位置、坡度、限速、距下一制动或车站点距离、列车质量、电池SOC及燃料电池输出,预测10 s牵引功率序列;其四,带约束MPC控制器,状态向量包含电池SOC与当前燃料电池功率,目标函数包含归一化的氢气消耗、燃料电池功率波动与SOC偏差三项;其五,离线归一化Pareto扫描确定MPC加权系数,以0.05间隔采样231组候选权重组合,经约束筛选后保留134组非支配解,以锚点平面准则识别膝点。研究数据来源于列车级仿真模型与牵引计算程序生成的平直轨道运行循环数据。
四、研究结果
Transformer牵引功率预测性能。 预测器在留出仿真样本上复现主要正功率峰值的能力优于若干负功率谷值,误差集中于再生制动切换点,与RMSE显著大于MAE的特征一致。该局限性恰是提前调度最需要的区间,未来需补充再生制动样本与实测车载数据。
Pareto权重选择。 231组候选权重组合全部产生可行优化解,其中134组构成非支配Pareto前沿。膝点对应的权重组合中SOC偏差权重为零,表明在所研究循环中SOC可行性由硬约束维持而非SOC偏差项,主导权衡发生在氢气消耗与燃料电池功率波动之间。监督模型计算的SOC保持在0.4000–0.5997范围内,满足0.4–0.8的监督界限。
前馈时延补偿性能。 采用Δt = τ + 1 s时,饱和前电池充电功率请求从3.7 MW降至3.0 MW,峰值残余制动功率从1.3 MW降至0.6 MW。增加提前时间至Δt = τ + 2 s可进一步降低制动切换请求,但会将部分功率缺口转移到制动前区间,因此Δt需受电池放电功率、SOC、τ不确定性及预测切换时间精度的约束。
预测辅助MPC消融分析。 在相同MPC公式、权重、预测时域、燃料电池动态模型、爬坡限值、电池约束、初始SOC与闭环执行采样条件下,仅改变预览来源。Transformer修正将预测RMSE从482.23 kW降至154.02 kW、MAE从339.71 kW降至80.34 kW,峰值绝对预测误差降低29.25%。但全循环峰值功率指标改善有限,表明硬约束限制了预览精度提升向峰值功率降低的转化。
实时性基准。 在仿真工作站上对完整在线预测-控制链进行1000次连续1 s监督更新的基准测试:Transformer推理平均3.23 ms/次,预测预处理0.30 ms/次,带约束MPC优化87.58 ms/次,完整在线计算平均91.14 ms/次,95百分位108.25 ms,最大179.63 ms,对应平均、95百分位及最大计算利用率分别为9.11%、10.82%和17.96%,均在1 s监督间隔内完成。
五、讨论与结论
讨论部分指出,一阶燃料电池模型仅用于捕捉列车级主导指令-功率滞后,不构成对单元级爬坡限值、压缩机非线性流动、歧管压力、氧气过量比、膜水合或堆温度的同步验证;超过电池变换器侧限值的量均为饱和前监督请求而非实际施加的电池功率。预测与控制性能仅在可用的代表性平直轨道运行条件下得到验证,单一运行条件不足以建立跨线路泛化。电池健康仅通过功率平滑与SOC界限间接管理,未嵌入雨流计数、电化学老化或循环寿命模型。权重选择程序可复现但所选权衡依赖线路。工作站级时序与生产控制器时序必须区分,TCMS硬件在环实时性能仍有待验证。
研究结论为:本文解决的是燃料电池/电池混合动力列车中一个短时监督功率协调问题——稳态功率额定值满足规定牵引与再生制动工况,但燃料电池指令-功率响应慢于急剧的牵引与再生制动切换,在监督层产生可预测的瞬态电池功率请求。线路信息牵引功率预测器修正标称位置功率图,接受的短时序列提供给带约束MPC控制器,燃料电池响应时间显式纳入提前指令调度。Transformer作为预测器,MPC作为监督约束处理层,变换器饱和与制动安全由下层独立处理。在所评估的平直轨道数据分布中,预测器取得RMSE 414.93 kW、MAE 140.65 kW、R2 0.9883;离线权重选择评估231组可行候选组合,134组构成Pareto前沿;代表性应力测试切换中,Δt = τ + 1 s将饱和前电池充电功率请求从3.7 MW降至3.0 MW,降幅18.9%,残余制动功率需求相应从1.3 MW降至0.6 MW。消融实验进一步隔离Transformer修正的作用:相对仅线路图MPC,Transformer辅助MPC在共同闭环子集上将RMSE和MAE分别降低68.06%和76.35%,但峰值请求、峰值残余制动功率及燃料电池功率波动指数的降幅仅为0.15%、0.29%和0.36%。本文新颖性在于协调确定性线路预览、数据驱动短时修正、燃料电池响应时延与安全约束前馈功率分配。当前证据仍基于仿真,限于降阶主导滞后燃料电池模型、理想化监督层应力测试轮廓及可用线路分布,未来工作将聚焦电池化学特定电流限值、低温/高海拔/快速瞬变条件下非线性辅助系统燃料电池动力学、显式变换器与混合制动仿真、基于迁移学习或在线微调的跨线路验证、堆级SOH感知建模、验证的氢气消耗评估及TCMS平台硬件在环测试。