燃料電池汽車能量管理系統運用復合模糊邏輯控制的研究

周圣哲，崔強，張懋源，夏國廷，王凱

（1.青島大學自動化與電氣工程學院，山東省 青島市 266071；2.山東省核電有限公司，山東省 海陽市 265100；3.青島市公安局，山東省 青島市 266071）

0 引言

21世紀以來，汽車科技蓬勃發展，汽車保有量迅猛增長，引發了嚴峻的能源、環境問題[1-2]。與此同時，高效、清潔和環保的新能源汽車異軍突起[3-4]。燃料電池汽車(fuel cell vehicles，FCV)作為新能源汽車的一種，不僅能夠高效地為汽車運行提供能量，而且零污染、無噪聲、壽命長、易維護，具有廣闊的研究前景[5-7]，可為未來有效解決能源危機與污染問題提供新思路[8]。

但是，純燃料電池汽車負載變化時燃料電池的響應較慢，其使用壽命會受到瞬時大電流放電的影響[9-10]。因此，需加裝輔助電源，如蓄電池或超級電容器等[11]，與燃料電池系統共同配合為汽車供能[12-13]。

針對燃料電池汽車能量管理系統，文獻[14]提出一種解決FC+B混合能量系統中蓄電池荷電狀態(state of charge，SOC)誤差累積的方法，其實際SOC值可自動搜索出其最近的標準離散值，在獲得最優決策的同時，降低耗氫量相對理論最優耗氫量的誤差。文獻[15]改進了燃料電池汽車中能量管理系統的拓撲，在功率管理控制中分別使用功率平衡策略與過功率恢復策略，保證功率的持續性與平穩性。文獻[16]通過具有特定能量管理策略的雙堆燃料電池系統解決了燃料經濟性，提出了效率優化策略和瞬時優化策略。仿真結果表明，所提出的能量管理策略的雙堆燃料電池系統可以顯著提高燃料電池車輛的燃料經濟性。

本文采用“燃料電池+蓄電池(FC+B)”配置模式的燃料電池汽車，燃料電池為電動汽車運行提供主要能量；蓄電池作為輔助能源裝置，提供運行過程中的峰值電流，并回收減速、制動時的過剩能量。該系統能夠有效緩解燃料電池功率和動態響應的壓力，但對能量管理系統提出更高的要求。在此基礎上，提出一種運用復合模糊邏輯控制的能量優化管理策略。該策略在保證燃料電池汽車動力性及功率平衡控制的基礎上，根據負載需求功率、蓄電池當前荷電狀態SOC以及蓄電池SOC目標區，動態修正燃料電池系統的輸出功率分配系數α，同時控制燃料電池系統工作在高效區間，最后通過MATLAB/Simulink仿真進行驗證。

1 燃料電池汽車動力系統建模

FC+B混合驅動型的燃料電池汽車動力系統如圖1所示，由燃料電池系統、DC/DC變換器、蓄電池、DC/AC變換器、電機及其傳動系統和能量管理系統組成。

圖1 燃料電池汽車動力系統模型Fig. 1 The model of fuel cell vehicle power system

1.1 燃料電池模型

本文中燃料電池采用質子交換膜燃料電池(proton exchange membrane fuel cell，PEMFC)，是一種通過氧化還原反應將化學能轉化成電能的清潔發電裝置，理論上反應產物只有水，非常環保。其反應如公式(1)所示。

本燃料電池系統最大凈輸出功率為85.5 kW，開路電壓為424 V，等效電路如圖2所示，其中，燃料電池單元電壓為VPEMFC。

圖2 燃料電池等效電路模型Fig. 2 The equivalent circuit model of fuel cell

式中：Enernst為能斯特電壓；Uact為電化學反應初期的活化過電壓；Uohm是電池單元內部的歐姆過電壓；Uconc是當燃料電池內部電流密度較高而產生的集中過電壓。

本文中燃料電池系統的功率-效率曲線如圖 3所示，其中，PFCmin指燃料電池系統最小輸出功率，PFCop指燃料電池系統最佳輸出功率，PFCmax指燃料電池系統最大輸出功率。本策略通過控制功率主分配系數α1與輸出功率的修正系數α0，控制燃料電池系統實際輸出功率 PFC在PFCmin與PFCmax之間，并盡可能工作在PFCop附近，從而提高燃料電池系統的效率。

1.2 蓄電池模型

本文中蓄電池的Rint模型是基于圖4所示的等效電路。

圖3 燃料電池的功率-效率曲線Fig. 3 The power-efficiency curve of fuel cell

圖4 蓄電池Rint模型Fig. 4 The Rint model of battery

式中：Uocv為電池組的開路電壓；Rbat為電池組的內阻；Ubus為總線電壓；n為蓄電池串聯數。

電池的SOC表達式為

式中：Q為電量；Cbatt為電池容量。

2 基于復合模糊邏輯控制策略的能量管理系統

本文在能量管理系統中使用復合模糊邏輯控制器，可以確定不同電源之間的功率分配，具有良好的燃料經濟性和系統高效性。常規的模糊控制器根據負載需求功率和蓄電池 SOC制定邏輯規則，本文提出一種新型的復合模糊邏輯控制策略，在常規模糊控制器的基礎上，根據蓄電池荷電狀態 HSOC與其目標荷電狀態 HSOCtag的差值ΔHSOC，對燃料電池系統的輸出功率分配系數進一步修正，其模糊控制規則如表1、表2所示。

主模糊控制器的作用是確定燃料電池的功率主分配系數α1，使能量管理系統能夠滿足負載功率需求，其輸入量分別是負載需求功率Preq和蓄電池當前SOC，輸出量為功率主分配系數α1。其中，需求功率Preq模糊子集是{N，PL，PM，PH}，分別代表負值、正小值、正中值、正大值；蓄電池 SOC模糊子集是{BL，BM，BH}，分別代表較小值、中值、較大值；功率主分配系數α1模糊子集是{VL，L，M，H，VH}，分別代表很小值、小值、中值、大值、很大值。子模糊控制器是對功率主分配系數 α1進行修正，目的是控制 SOC變化趨勢，使其接近目標區，其輸入量ΔHSOCbat是目標SOC與蓄電池實際SOC的差值，其模糊子集是{NH，NL，PL，PH}，其意義是負大值、負小值、正小值、正大值；燃料電池輸出功率的修正系數 α0的模糊子集是{L，M，H，VH}，分別代表小值、中值、大值、很大值。

表1 主模糊控制器的控制規則表Tab. 1 Rules of the primary fuzzy controller

表2 子模糊控制器的控制規則表Tab. 2 Rules of the secondary fuzzy controller

圖5 復合模糊邏輯控制器基本結構圖Fig. 5 Structure diagram of the hybrid fuzzy controller

圖5顯示了功率分配的復合模糊邏輯控制器，用于確定燃料電池的參考輸出功率。控制思想是，在蓄電池SOC較低的情況下，燃料電池系統不僅要盡可能滿足負載需求功率，還以適當的充電功率對蓄電池進行充電；相反，如果蓄電池SOC較高，則將燃料電池系統輸出功率保持在負荷功率要求的低或中水平，從而在滿足實際工況需求功率的基礎上，保證蓄電池SOC的變化在目標范圍內(40%～70%)。

3 仿真結果及分析

為了驗證復合模糊邏輯控制策略的能量控制管理，整車在部分新歐洲行駛(new European driving cycle，NEDC)工況下運行，其車速與時間的關系如圖6所示。

圖6 部分NEDC循環工況中車速與時間關系Fig. 6 The speed and time relationship in a part of NEDC

輸出功率可通過端電壓與輸出電流乘積得到。本仿真中燃料電池系統輸出功率、蓄電池輸出功率和實際負載的功率變化曲線如圖7所示，其中蓄電池初始HSOC=60%。

圖7 初始HSOC=60%，復合模糊邏輯控制下功率曲線Fig. 7 When the initial HSOC is 60%, the power curves under the hybrid fuzzy logic control

燃料電池系統的輸出功率能夠滿足大部分比較平緩的功率需求，但無法跟隨某些瞬時大功率需求，此時蓄電池應快速響應，與燃料電池系統共同配合滿足負載需求功率。當負載需求功率小于燃料電池的最小輸出功率PFCmin時，如0～49 s、61～117 s、143～204 s、524～558 s等時段，此時為避免燃料電池工作在低效率區，燃料電池應以最小輸出功率運行，蓄電池回收剩余能量。在49～61 s、117～143 s、204～289 s、366～524 s等時段，負載需求功率較大，本策略為燃料電池系統分配的功率輸出系數α，可避免燃料電池瞬時大電流放電和長時間大功率工作，同時使燃料電池工作在效率較高的區間，蓄電池補充主力電源，較好地滿足行駛工況的加速要求；在524～558 s，汽車減速，負載功率為負，且在 524～533 s期間，負載功率的絕對值大于蓄電池的最大充電功率，此時對充電功率進行限值，使其不大于蓄電池的最大充電功率。

燃料電池系統中較常規的控制策略為功率追蹤策略，旨在使用最小的電量前提下，使燃料電池的輸出功率盡可能跟隨負載需求功率。當蓄電池初始HSOC=60%時，其功率變化曲線如圖8所示。

圖8 初始HSOC=60%，功率追蹤控制下功率曲線Fig. 8 When the initial HSOC=60%, the power curves under the power track control

為了更好地對能量管理系統進行評估，引入燃料電池氫氣消耗(g)。理論上，氫氣消耗可由公式(5)得到：

式中：N為燃料電池數；F為Faraday常數，單位是A?s/mol；T為運行時間；2HM 為氫氣摩爾質量，本文取2.02g/mol；ifc為燃料電池輸出電流。

在同一運行工況下，對燃料電池汽車運用功率追蹤策略與本文提出的復合模糊邏輯控制策略。蓄電池 SOC與燃料消耗變化曲線如圖 9、圖 10所示。

結束運行后，功率追蹤策略的蓄電池SOC由初始 60%變為 62.68%，燃料消耗 22.85 g，復合模糊邏輯控制策略蓄電池 SOC由初始 60%變為62.68%，燃料消耗 22.31 g。2種策略下的 SOC變化基本相同，但復合模糊邏輯控制策略下氫氣消耗減少0.54 g。也就是說，在同一運行工況下，復合模糊邏輯控制策略不僅能滿足負載功率需求，而且可以通過減少燃料電池的能量轉換來提高系統的效率，提高整車經濟性。

圖9 HSOC=60%，2種策略下SOC變化曲線Fig. 9 When the initial HSOC=60%, the SOC change curves under two strategies

圖10 HSOC=60%，2種策略下燃料消耗變化曲線Fig. 10 When the initial HSOC=60%, the fuel consumption change curves under two strategies

圖11 初始HSOC=80.2%，復合模糊邏輯控制下功率曲線Fig. 11 When the initial HSOC=80.2%, the power curves under the hybrid fuzzy logic control

圖12 HSOC=80.2%，2種策略下SOC變化曲線Fig. 12 When the initial HSOC=80.2%, the SOC change curves under two strategies

圖13 HSOC=80.2%，2種策略下燃料消耗變化曲線Fig. 13 When the initial HSOC=80.2%, the fuel consumption change curves under two strategies

當蓄電池SOC較大時(HSOC=80.2%)，此時蓄電池SOC大于目標值，復合模糊邏輯控制策略傾向于增加蓄電池出力，使蓄電池SOC逐漸接近目標區，同時可以減少燃料消耗。為避免蓄電池“過充”，不再對燃料電池最小輸出功率進行限制。燃料電池的工作區域設定在跟隨負載需求功率，超出燃料電池高效工作區或變化頻率較大的部分，由蓄電池參與供能。其功率曲線如圖11所示。

2種策略中 SOC與燃料消耗變化曲線如圖12、圖13所示。

如圖12和圖13所示，在完成一個運行工況后，功率追蹤策略的 SOC由 80.2%上升至82.77%，燃料消耗22.85 g，復合模糊邏輯控制的SOC由80.2%變化至73.31%，燃料消耗12.78 g。從復合模糊邏輯控制下SOC動態過程可以看出，雖然開始階段SOC值上下波動，但整體呈現逐漸接近SOC目標區趨勢。即當蓄電池初始SOC較大時，本文所提出的復合模糊邏輯控制策略實現了增加蓄電池功率輸出的比重，節省燃料消耗。

當蓄電池SOC較低時(以HSOC=39.8%為例)，復合模糊邏輯控制下功率曲線如圖14所示。

圖14 初始HSOC=39.8%，復合模糊邏輯控制下功率曲線Fig. 14 When the initial HSOC=39.8%, the power curves under the hybrid fuzzy logic control

2種策略中 SOC與燃料消耗變化曲線如圖15、圖16所示。

圖15 HSOC=39.8%，2種策略下SOC變化曲線Fig. 15 When the initial HSOC=39.8%, the SOC change curves under two strategies

圖16 HSOC=39.8%，2種策略下燃料消耗變化曲線Fig. 16 When the initial HSOC=39.8%, the fuel consumption change curves under two strategies

在完成運行后，功率追蹤策略的 SOC由39.8%上升至42.45%，燃料消耗22.85 g，從復合模糊邏輯控制的功率曲線可以看出，相較于圖7、圖11中蓄電池初始SOC適中或較高的情況，圖14燃料電池系統出力比重明顯增加，蓄電池出力有所減少，蓄電池SOC由39.8%變化至44.87%，燃料消耗24.58 g，蓄電池SOC增長幅度明顯高于功率追蹤控制。說明本文提出的復合模糊邏輯控制可以根據蓄電池 SOC靈活調整各能量源出力，且燃料電池能在滿足負載需求功率的前提下，還可以適當的功率為蓄電池充電，使蓄電池SOC逐漸接近目標區。

4 結論

本文提出一種復合模糊邏輯控制的混合能源動力系統能量優化策略，根據負載需求功率，蓄電池當前SOC以及蓄電池SOC目標值，動態修正燃料電池系統的輸出功率分配系數α，并通過MATLAB/Simulink仿真進行驗證。仿真結果證明，當蓄電池SOC適中時(以HSOC=60%為例)，該策略將蓄電池SOC維持在適當范圍內，相較于功率追蹤法，2種策略下蓄電池SOC變化基本相同，而前者氫耗量減少0.54 g；當蓄電池初始SOC較低或較高時(分別以HSOC=39.8%和HSOC=80.2%為例)，相較于功率追蹤策略，本策略使蓄電池SOC逐漸接近目標區。本策略實現了能量動態分配，控制更加靈活，提高系統效率，具有一定的實用價值。