燃料电池混动汽车能量管理策略研究

摘 要：【目的】能量管理策略（EMS）是燃料电池汽车能量控制的核心策略，一个优秀的能量管理策略能大幅度提高燃料电池的经济性与耐久性，有许多基于创新算法的能量管理策略被不断提出。【方法】本研究以燃料电池汽车（FCEV）为研究对象，将能量管理策略分为基于规则和基于优化两大类，分析每个分类下各种能量管理策略的优缺点。【结果】在对每种分类下的能量管理策略的表現分析后发现，当前燃料电池混动汽车使用的基于规则能量管理策略还有较大的改善空间。【结论】未来其将会被以智能优化算法为导向的能量管理策略所替代。

关键词：燃料电池汽车；能量管理策略；动力系统；最优控制

中图分类号：TM911       文献标志码：A        文章编号：1003-5168（2023）10-0026-04

DOI：10.19968/j.cnki.hnkj.1003-5168.2023.010.005

Abstract：[Purposes] Energy management strategy is the core strategy of fuel cell vehicle energy control. An excellent energy management strategy can greatly improve the economy and durability of fuel cells. Many energy management strategies based on innovative algorithms have been proposed continuously. [Methods] This study takes fuel cell vehicles as the main research object， and divides energy management strategies into two categories： rule-based and optimization-based， and analyzes the advantages and disadvantages of various energy management strategies under each category. [Findings]  After analyzing the performance of energy management strategies under each classification， it is found that there is still much room for improvement in the rule-based energy management strategies currently used in fuel cell hybrid vehicles. [Conclusions] In the future， it will be replaced by intelligent optimization algorithm-oriented energy management strategy.

Keywords： fuel cell vehicle; energy management strategy; dynamical system; optimization-based control

0 引言

随着世界各国对碳排放问题的关注度提高，新能源汽车受到世界上越来越多的国家青睐。目前，市场上的新能源汽车主要分为纯电动汽车和氢燃料电池汽车。纯电动汽车的销量与市场规模正在逐步扩大，但随之而来的问题也在困扰着消费者，充电时间长、电池寿命下降快、续航里程短等成为该类型汽车的短板。氢燃料电池汽车的燃料补充时间与普通燃油车相当，同时氢气燃烧后的产物只有水，真正实现无污染、零排放。同时，中国也在大力支持加氢站的建设。未来，氢燃料电池汽车在新能源汽车市场中必定有一席之地［1-2］。

氢燃料电池汽车是以氢燃料电池为主要动力源，但氢燃料电池的响应速度慢，大范围功率波动会降低氢燃料电池的耐久性。所以，氢燃料电池汽车一般配备有锂电池或超级电容来作为辅助动力源，根据需求功率进行去峰填谷［3］。以氢燃料电池汽车中主要动力源燃料电池与辅助动力源锂电池、超级电容的不同组合方式为研究对象，分析对比基于规则与基于优化能量管理策略的优缺点，阐述能量管理策略的研究热点方向。

1 氢燃料电池汽车动力系统

氢燃料电池汽车的辅助动力源有锂电池和超级电容。锂电池的能量密度高，但其安全性相对较低。超级电容具有充电速度快、能量衰减慢等优点，但其工作电压很难独立驱动汽车［4］。所以，目前使用较多的氢燃料电池汽车动力系统有三种，即“燃料电池+蓄电池”组合（FC&B）、“燃料电池+超级电容”组合（FC&S）及“燃料电池+蓄电池+超级电容”组合（FC&B&S）［5］。

这三种动力系统各具优缺点，FC&B&S组合虽能提供最佳的动力性能，但其能量源多、成本高、控制性能差。FC&S组合虽能辅助燃料电池进行功率输出，但其电压较低，在实际应用中较少出现。FC&B组合既能满足动力性要求，对制动能量进行回收，也具有较高的操作性和稳定性，因此被大多数燃料电池汽车厂商认为是最佳的动力系统方案。这三种动力系统的优缺点及选配车型见表1。

2 能量管理策略研究

能量管理策略是将需求功率合理地分配给各种动力源，从而提高燃料电池汽车的燃料经济性及燃料电池的耐久性。本研究将能量管理策略分为两大类，即基于规则的能量管理策略和基于优化的能量管理策略。对这两类能量管理策略的相关研究进行系统性总结，阐述每种能量管理策略的具体内容。

2.1 基于规则的能量管理策略

基于规则的能量管理策略是指根据专业知识或已有经验来制定控制策略，这些规则可分为确定性规则和模糊性规则，根据规则确定多种动力源之间的能量分配方案。基于规则的能量管理策略可靠性高、易于实现、对算力要求比较低。目前，大多数氢燃料电池汽车采用的是基于规则的能量管理策略。

2.1.1 基于确定性规则的能量管理策略。通过预先设定好的规则，将需求功率、动力系统状态代入到规则中，从而实现多动力源的能量分配。比较典型的确定性规则控制策略有恒温器策略、功率跟随策略、状态机控制策略等。恒温器控制策略是根据蓄电池的荷电状态（State of Charge，SOC）进行能量管理。当SOC值低于设定的下限值时，蓄电池将不再输出功率，燃料电池工作在最高效率区间，高于整车需求功率的部分用于给蓄电池充电。当SOC值高于设定区间时，燃料电池关闭，由蓄电池单独为整车提供动力。恒温器控制策略的控制逻辑如图1所示。Davis等［6］对15 kW低功率燃料电池与蓄电池的组合，基于恒温器控制策略进行试验研究，证实该策略能有效提高燃料电池和蓄电池的使用寿命。功率跟随控制策略是以燃料电池为主要动力源，燃料电池的输出功率紧跟需求功率，无法满足需求功率的部分可通过蓄电池进行补充。Zhang等［7］通过仿真试验验证了功率需求策略的有效性，研究结果表明，该策略能有效减少蓄电池大功率输出，避免蓄电池因反复充放电而导致性能损耗。状态机控制策略是利用决策树或流程图，根据需求功率来设计工作模式，不同工作模式之间可相互切换，适应不同工况。Wang等［8］设计出一种状态机控制策略，来协调燃料电池、蓄电池和超级电容间的功率分配关系，仿真结果表明，该策略能有效提高燃油的经济性。

2.1.2 基于模糊性规则的能量管理策略。模糊性规则控制策略是将燃料电池系统状态变量中不确定概念转化为模糊规则，实现混合动力系统的功率分配。模糊规则对时变非线性控制具有很好的鲁棒性，是被应用较多的实车能量管理策略。Chen等［9］设计了基于FC+B动力系统瞬时状态的模糊控制策略，可适应于不同工况，只基于状态变量来选取控制模式。王哲等［10］使用ADVISOR对燃料电池系统进行建模，在中国典型的城市工况中运行基于模糊控制的能量管理策略，研究结果显示，其经济性与耐久性均优于功率跟随策略。Erdinc等［11］提出一种基于小波模糊逻辑的能量管理策略，需求功率高频部分由蓄电池提供，燃料电池负责功率波动较小的部分，可避免燃料电池输出功率出现大幅度波动的情况。

2.2 基于优化的能量管理策略

根据策略运行时长可将基于优化的能量管理策略分为全局优化能量管理策略和瞬时优化能量管理策略。近年来，随着神经网络的发展，不少学者将神经网络融入能量管理策略中，训练出可根据瞬时状态变量来确定燃料电池输出功率的网络。

2.2.1 基于全局优化的能量管理策略。由于全局优化的前提是行驶工况已知，这样才能解出全局最优解，因此在实车上应用较少。目前，大多数研究将其当作基准来衡量其他能量管理策略的经济性。全局优化能量管理策略求取最优解的方法有两种，分别是基于动态规划（Dynamic Programming，DP）的能量管理策略和基于庞特里亚金极小值原理（Pontryagin's minimum principle，PMP）的能量管理策略，两者都是通过求性能函数的极值来获得局部最优解，从而求得全局最优解。动态规划是将非线性问题离散化，根据终末条件限制，递归求解出每个时刻的最优解，最终得到整个工况的全局最优解。Fares等［12］使用加权改进的动态规划算法离线优化预驾驶，使用PID控制器在线优化。与基于规则算法相比，使用加权改进的动态规划策略可降低成本和氢气的消耗量。庞特里亚金极小值是将全局优化问题转换为求取哈密顿函数的最优解，相比于动态规划，极小值原理能大幅缩减运算时间，但想要求得全局最优，还要输入整体工况，否则只是调整协态变量来找到近似最优。李锡云［13］提出一种基于极小值原理和速度预测的能量管理策略，可不断更新协态变量，使动力系统始终工作在适宜的状态。Hanane［14］将基于庞特里亚金最小原理（PMP）與Markov链方法的实时最优控制策略应用于燃料电池/超级电容器电动汽车中，添加马尔可夫链模型作为单独模块，用来预测所需功率。

2.2.2 基于瞬时优化的能量管理策略。与全局优化不同的是，瞬时优化是将某一时刻燃料电池汽车状态变量作为输入，来求当前时刻最优解的策略，或通过某些算法使燃料电池的输出功率更接近全局最优策略求出的解。瞬时优化的能量管理策略可分为两种，一是通过等效燃油消耗最小策略（ECMS）实时优化等效因子来求取近似最优解，二是通过算法挖掘出状态变量与当前最佳燃油电池输出功率之间的隐藏关系，使其接近动态规划算法来求出的全局最优解。ECMS策略是PMP策略的变形，将PMP策略中的协态变量转换为ECMS中的等效因子，等效因子为某一时刻蓄电池功率输出与燃油消耗之间的等价关系。李跃娟等［15］构建DP与ECMS并联能量管理策略，对等效因子的离散全局优化，获得基于工况的最佳时变等效因子。程云江等［16］设计了基于增益功率燃油系数的能量管理策略，该策略是基于瞬时优化的能量管理策略，并给出电机充电和放电模式下等效燃油系数的计算方法。

近年来，随着机器学习的兴起，许多学者将机器学习算法与能量管理策略结合在一起，如强化学习、神经网络等。李卫［17］设计了三种基于强化学习的能量管理策略，分别是基于Q学习、基于深度Q学习、基于深度确定性策略梯度，以基于动态规划算法的能量管理策略为基准进行对比。Garcia-Trivi?o等［18］使用粒子群优化算法，将三个目标函数制定的多目标优化问题转换为一个单目标函数，能有效降低所应用的混合再生能源系统的运行成本，系统的效率和设备性能都得到提升。

3 结语

本研究将燃料电池汽车的能量管理策略问题划分为若干类，每个类中都有学者提出想法与策略，同时有许多新型算法与能量管理策略的结合不断被提出，不少算法已经在仿真层面验证了其有效性。结合燃料电池汽车能量管理策略的发展状况，未来研究此方向的学者可从以下三个方面进行深入研究。

①构建针对燃料电池能量管理策略的台架试验，不仅是在仿真软件上分析各种能量管理策略的优劣，还要真正地将策略部署到台架上，这样才能发现每种能量策略在实际运行时存在的问题。

②在考虑燃料电池汽车燃油经济性的同时，还要综合考虑到燃料电池耐久性的衰减，有的能量管理策略虽然有着很高的经济性，但燃料电池功率波动过大，严重影响燃料电池的耐久性。综合考虑经济性和耐久性，可进行更深层次的能量管理策略设计。

③随着燃料电池汽车逐渐普及，能采集到更多运行时的车辆数据，可从数据层面对燃料电池能量管理策略进行分析，构建数据驱动能量管理策略，并与传统基于车辆状态变量构建的策略进行比较。

参考文献：

［1］殷卓成，王贺，段文益，等.氢燃料电池汽车关键技术研究现状与前景分析［J］.现代化工，2022（10）：18-23.

［2］孔垂颖，门峰.国内燃料电池汽车发展实践及路径研究［J］.汽车工业研究，2022（3）：32-37.

［3］孙桂芝，SAM P，林忠玲.燃料电池/蓄电池混合动力汽车建模与仿真（英文）［J］.系统仿真学报，2018（12）：4816-4824.

［4］祝怀男.燃料电池汽车建模与驾驶性仿真方法研究［D］.长春：吉林大学，2021.

［5］康健健，崔迎涛.燃料电池汽车混合动力系统设计研究［J］.汽车与新动力，2022（2）：25-27.

［6］DAVIS K，HAYES J G.Fuel cell vehicle energy management strategy based on the cost of ownership［J］.IET Electrical Systems in Transportation，2019（4）：226-236.

［7］ZHANG J，WANG S B.Fuel Cell Electric Vehicle Energy Management Strategy Simulation Study［J］.Advanced Materials Research，2012（535-537）：1597-1600.

［8］WANG Y，SUN Z，CHEN Z.Energy management strategy for battery/supercapacitor/fuel cell hybrid source vehicles based on finite state machine［J］.Applied Energy， 2019， 254：113707.

［9］CHEN J，XU C F，WU C S，et al.Adaptive Fuzzy Logic Control of Fuel-Cell-Battery Hybrid Systems for Electric Vehicles［J］.IEEE Transactions on Industrial Informatics，2018（1）：292-300.

［10］王哲，谢怡，孙维，等.燃料电池客车动力系统建模与能量管理策略研究［J］.同济大学学报（自然科学版），2019（1）：97-103，123.

［11］ERDINC O，VURAL B，UZUNOGLU M. A wavelet-fuzzy logic based energy management strategy for a fuel cell/battery/ultra-capacitor hybrid vehicular power system［J］.Journal of Power Sources，2009（1）：369-380.

［12］FARES D，CHEDID R，PANIK F，et al. Dynamic programming technique for optimizing fuel cell hybrid vehicles［J］.International Journal of Hydrogen Energy，2015（24）：7777-7790.

［13］李锡云.基于极小值原理的燃料电池混合动力汽车能量管理方法研究［D］.合肥：中国科学技术大学，2020.

［14］HEMI H，GHOUILI J，CHERITI A.Combination of Markov chain and optimal control solved by Pontryagin's Minimum Principle for a fuel cell/supercapacitorvehicle［J］.Energy Conversion and Management，2015，91：387–393.

［15］李躍娟，齐巍，王成，等.并联混合动力汽车ECMS的时变等效因子提取算法的研究［J］.汽车工程，2021（2）：181-188.

［16］程云江，徐向阳，董鹏，等.基于增益功率燃油系数的HEV能量管理策略［J］.中国公路学报，2022（4）：343-352.

［17］李卫.基于深度强化学习的燃料电池混合动力汽车能量管理策略［D］.深圳：中国科学院大学（中国科学院深圳先进技术研究院），2021.

［18］GARCIA-TRIVIO P，FERN?NDEZ-RAM?REZ L M，GIL-MENA A J，et al.Optimized operation combining costs，efficiency and lifetime of a hybrid renewable energy system with energy storage by battery and hydrogen in grid-connected applications［J］. International Journal of Hydrogen Energy，2016（48）：23132-23144.

收稿日期：2022-11-24

作者简介：王天祥（1999—），男，硕士生，研究方向：燃料电池汽车能量管理策略。