采用AFSA算法的燃料电池车混合度的能量优化

汤世炎 陈丽

摘要：随着能源危机的日趋严重，氢能源燃料电池车凭借着清洁、高效、无污染等优点得到了社会的高度关注。但是由于我国加氢站的体系并不完善，存在着基础建设的不足，相关流程的不健全，无法规模化地制造氢能源等问题，导致氢能源的成本远远高于石油。为了解决这一问题，文章使用人工鱼群算法对建立的目标函数进行优化，并根据各性能指标的权重关系选择最佳混合度，并在仿真平台ADVISOR2002上进行验证。

关键词：燃料电池;人工鱼群算法;混合度

中图分类号：TM911        文献标识码：A

文章编号：1009-3044（2022）11-0088-04

1 引言

近年来，随着现代化和工业化的到来，能源危机、空气污染日趋严重，全球各国正大力发展新能源技术[1]。燃料电池凭借着零排放、高效率、清洁等优点正逐渐成为未来交通运输业能源替代的理想解决方案[2]。但是在实际工程中，燃料电池在汽车的开发利用下仍然存在不足，首先燃料电池无法单独作为能源，因为其动态响应能力较差，无法面对各种突发情况[3]。其次燃料电池汽车性能方面，单一的指标是无法评价汽车的性能优劣，而汽车的经济性和动力性之间的关系是呈负相关的[4]，研究者们提高整车的经济性势必会造成分动力性能的下降，反之亦然。因此，为了提升整车的性能，研究动力性与经济性之间的权重关系是十分必要的[5]。

2 算法设计

2.1 人工鱼群算法

在自然世界里，鱼类可以通过自身行为找到水域中食物浓度高的地方，所以大量聚集鱼的区域往往食物最多，人工鱼群算法就是通过观察这一现象，模拟鱼群的觅食、聚群和追尾等行为，从而达到最优。以下是鱼的几种典型行为：

觅食行为：通常鱼会在水域中随机活动，但是当它发现食物时，就会快速朝着食物浓度高的地方移动。通过模拟这一行为，算法在初始阶段会随机选择一个位置，随后对两个位置进行比较，移动到较优的位置，然后继续执行该操作，直到达到尝试次数。

聚群行为：鱼在水域中生活时为了确保生存通常会聚集成群，分析这一行为，算法首先会判断附近人工鱼的数量，然后通过对位置中心状态评估来决定是否移动。

追尾行为：在水域生活中，鱼会尾随附近已经找到食物的伙伴从而快速到达食物处。通过模拟这一行为，算法对两处的状态进行比较，然后选择较优的状态位置进行移动。

2.2 基于自适应思想的人工鱼群算法

人工鱼群算法作为一种新的算法，具有简单、快速等良好的特性，所以很受科研人员的关注。但是在收敛速度方面依然存在不足。

本文针对存在的问题，提出设置探索系数，来满足过程中步长和视野的需求变化。在搜索前期，较大的步长和视野可以开拓出更加广泛的空间，而在后期，较小的步长和视野可以更快地逼近最优解，从而收敛速度得到提升。具体公式如下：

[visualt=δvisualt-1k/k+1] （1）

[k=1-η10t/11T] （2）

[stept=0.5visualt] （3）

公式中，η、δ分别为视野收缩系数、视野扩大系数。k为控制视野缩小的参数。visualt为第 t次迭代的视野范围。stept为第t次迭代的步长。为了验证自适应思想对改进AFSA的收敛能力影响，利用已搭建的模型进行试验。从图1，图2中可以看出改进后的收敛速度要强于改进前。

2.3 优化目标的确定

因为考虑到汽车的各项性能都有自己适合的混合度，同时汽车的经济性与动力性的关系又呈负相关，所以设定燃料混合度（DOH） 的区间为[0.08，0.80]。本文将最高车速（mv） ，燃油消耗（fe），加速时间（at1，at2），等多个指标联合建立了单目标函数。

定义目标价值函数为：

[Gobjective_g=tK（i）] （1）

[K（i）=][Hi·max_Gi-Gimax_Gi-minGi][Hi·Gi-max_Gimax_Gi-min_Gi] （2）

式中：Hi為目标参数的权重系数，G为目标参数在对应DOH下的值，而max_Gi、min_Gi则表示目标参数的最值。

运用人工鱼群优化算法[6]，通过减小价值函数可以计算出优化的DOH。然而，每个目标参数都有其各自对应最优的混合度。仅凭一个性能指标的优劣是无法衡量整车性能的。这就需要考虑不同目标参数的权重对性能的影响。为了研究不同目标参数的权重组合对混合度的影响，把所有目标参数两两针对性地组合并视为变量输入，且权重系数设定在[0，1]。结果如下图所示。

图3是最高车速与氢耗经济性关于DOH的对比关系图。图中显示了相对于Kfe，Kmv在优化混合度上占主导影响，组合中优化的混合度在0.5左右，这恰好是最高车速相对应的混合度。

图4是0～25km/h加速时间和氢耗经济性关于DOH的对比关系图。在优化混合度中Kfe占主导作用。组合中优化的混合度都收敛于0.5左右。

图5是0～50km/h加速时间和氢耗经济性关于DOH的对比关系图。和图4相比，优化效果更好，因为各个指标更多地趋近于各自的最优DOH。

图6是氢耗经济性与加速时间，最高车速，最大加速度的对比关系图。通过以上图可知各个指标的优化混合度大多在0.5左右。所以，选取混合度为0.55，并在下一环节进行验证。

3 燃料电池汽车仿真模型的建立

3.1 ADVISOR概述

ADVISOR2002是一种基于Simulink环境下，二次开发的高级车辆仿真器，可以应用在多种车型上进行仿真分析[7]。它可以根据使用者的需求进行搭建模型，部分参数可以直接输入到整车界面，另一部分则通过编写相对应模块的m文件进行更改，与目前市面上其他的仿真软件相比，它十分便利，易上手。

3.2 整车模型

3.2.1 车辆模型

车辆系统以整车动力学为基础进行模型建立。通过对研究车辆的速度，受力等相关因素对模型进行搭建，模型如图7所示。

车辆的参数如表1所示：

3.2.2 车轮模型

车轮模型通过主减速器来计算转速、转矩、轮胎的牵引力和速度来模拟车轮的运动状态。本课题的车轮参数如表2，车轮模型如图8。

3.2.3 动力电池模型

目前被广泛采用的是Rint模型，该模型是通过建立铅酸电池模型发展起来的，锂离子电池与燃料电池结构如图9、图10所示。

3.2.4 主减速器模型

主减速器连接在变速器之后，主要起到降低转速增加转矩的作用。其结构如图11所示。

3.2.5 变速器模型

变速器可以通过传递不同的转速来达到给增距降低速度的目的。其结构如图12所示。

4 基于仿真软件的实验验证

4.1 车辆仿真

本文首先根据模型所需选定参数，然后考虑实际行驶情况的复杂多元性，选择NEDC工况进行模拟实验。相关参数如表3，保存好的整车输入界面如图13所示：

在设定的参数和选择的路況下进行试验，此时的性能指标如图14，表4。

4.2 实验验证

在NEDC工况下，对所选取的混合度进行试验。汽车参数设置完毕以后，点击右下角 Continue，进入下一步仿真参数设置。如图15、图16进行测试。

读取图14、图16可得数据如表5，根据图表数据可知优化后的混合度达到了试验的要求，该方案可行。

5 总结

本文针对汽车的动力性与经济性呈负相关的问题，建立目标函数，并用人工鱼群算法对其进行优化，最后对不同权重比下的优化混合度进行分析，得出一个最优混合度。

随后利用ADVISOR2002仿真软件，构建整车模型，将得出的混合度代入进行验证，试验结果表明优化后的汽车，各项性能有所提高，证明了混合度优化的有效性。

参考文献：

[1] 闫强，陈毓川，王安建，等.我国新能源发展障碍与应对：全球现状评述[J].地球学报，2010，31（5）：759-767.

[2] AnL，Zhao T S，Yan X H，etal.The dual role of hydrogen peroxide in fuel cells[J].Science Bulletin，2015，60（1）：55-64.

[3] 全睿.车用燃料电池系统故障诊断与维护若干关键问题研究[D].武汉：武汉理工大学，2011.

[4] Thomas C E，James B D，Lomax F DJr，etal.Fuel options for the fuel cell vehicle：hydrogen，methanol or gasoline？[J].International Journal of Hydrogen Energy，2000，25（6）：551-567.

[5] 张京明，温新.汽车动力性与燃料经济性评价指标的研究[J].山东理工大学学报（自然科学版），1997，11（2）：38-41.

[6] 张玉春，程春英.关于人工鱼群算法的探讨[J].内蒙古民族大学学报（自然科学版），2016，31（3）：203-205.

[7] 曾小华，王庆年，李骏，等.基于ADVISOR2002混合动力汽车控制策略模块开发[J].汽车工程，2004，26（4）：394-396，416.

收稿日期：2021-12-15

作者简介：汤世炎（1994—） ，男，辽宁鞍山人，沈阳工业大学在读硕士，研究方向为混合动力车能量优化;陈丽（1969—） ，女，辽宁沈阳人，沈阳工业大学副教授，博士，研究领域为磁悬浮技术及应用、混合动力车能量优化、太阳能系统能量优化。