基于模糊邏輯控制的燃料電池汽車能量管理控制策略研究*

王 騫，李頂根，苗華春

（1.廣東電科院能源技術有限責任公司，廣州 510030； 2.華中科技大學能源與動力工程學院，武漢 430074；3.深圳市曉龍新能源科技有限公司，深圳 518000）

前言

隨著環境污染和化石燃料消耗的日益加劇，新能源汽車應運而生。作為傳統車輛的一種替代方式，純電動汽車和燃料電池汽車技術得到了廣泛的關注［1］。由于目前動力電池技術尚未突破瓶頸，純電動汽車的發展也因續駛里程不足等因素而受到諸多限制，而燃料電池 動力電池混合驅動作為新型車輛則兼備了傳統汽車的續駛里程長和新能源汽車利用清潔高效的電能驅動、排放無污染等優點，被認為是理想車型［2］。

由于燃料電池電 電混動車型不同于傳統燃油汽車和純電動汽車，動力電池和燃料電池雙動力源的存在使得能量管理控制策略顯得尤為重要。所以，通過制定合理有效的控制策略將整車的需求功率在兩個動力源之間進行最佳分配是提高整車動力性和燃料經濟性的關鍵［3］。本文中以ADVISOR傳統的功率跟隨模式控制策略為基礎［4］，通過提出合理有效的能量管理策略控制車上搭載的雙動力源，從而保證汽車正常行駛所需提供的能量，提高電 電混動汽車的性能。同時，又以汽車結束行駛時系統總的能量利用效率為優化目標對其進行了優化，通過對動力電池SOC和系統滿足工況行駛所需功率Preq兩個輸入參數的基于微小變量的模糊邏輯控制對整車的模型進行優化，提高了燃料電池電 電混動汽車總的燃料利用效率和經濟性［5］。

1 能量管理控制策略與設計要求

燃料電池 動力電池混合驅動汽車的微小變量模糊邏輯能量管理控制策略是指汽車根據不同的運行狀態和工況，將整車的需求功率合理地分配給兩個動力源，從而達到滿足整車動力性能并提高整車經濟性能的目的［6］，其基本要求有：

（1）在動力電池SOC處于中高狀態階段時，盡可能依靠動力電池提供能量保證汽車正常行駛，當電機負荷功率較高時，由燃料電池和動力電池共同提供能量；

（2）在動力電池SOC處于低狀態、電機需求功率較小的階段時，為保證整車的經濟性由動力電池提供小部分功率配合燃料電池提供的大部分功率滿足整車行駛的動力性，當電機負荷功率較高且可以由燃料電池單獨驅動時，由燃料電池提供全部能量，并由模糊邏輯控制提供合理的微小變量比例的整車需求功率為動力電池充電，使得動力電池SOC在整個行駛過程中緩慢提升并維持在期望值附近；

（3）通過能量管理控制策略控制燃料電池的功率工作點，保證其在高效率工作區；并維持動力電池SOC在合理的荷電狀態區間內，避免動力電池過度放電和充電，保證低荷電狀態區動力電池能夠吸收燃料電池提供的充電能量。

本文中以ADVISOR中傳統的控制策略為基礎，從提高燃料利用效率來降低汽車使用成本的角度出發，制定了基于微小變量模糊邏輯控制的燃料電池動力電池混動能量控制策略。為避免過度放電，整車需求功率大于電池輸出的部分由另一動力源輸出功率進行補償，從而保證汽車正常行駛的動力性和經濟性需求。微小變量模糊邏輯控制燃料電池補償動力電池放電的能量管理控制策略中各符號及意義如表1所示。

表1 控制策略參數表

此模糊邏輯控制策略中，若動力電池SOC處于中高狀態，則整車以電 電混合模式運行，在此模式下由燃料電池和動力電池合理分配功率輸出能量，保證汽車行駛的經濟性；若動力電池SOC下降至低荷電狀態區間，則根據整車需求能量的大小和工況確定模糊邏輯控制規則庫，對燃料電池輸出功率進行控制，以適當微小比例的整車需求功率對動力電池充電，控制策略流程圖如圖1所示。

圖1 模糊邏輯控制策略流程圖

2 燃料電池系統建模

通過MATLAB建立的燃料電池堆模型的輸出電流與電壓的特性圖可清晰地描述其性能特點，展示燃料電池輸出電壓與電流密度的函數關系，同時燃料電池所輸出的電流與電壓直接反映了其輸出釋放功率。

舉辦大型的文化事件營銷活動，也是城市發展的途徑之一。德國西部魯爾區的波鴻，通過打造魯爾藝術節、魯爾鋼琴節和波鴻綜合音樂節等在歐洲擁有較高聲譽和影響力的藝術節慶活動，實現了從工業基地到文化藝術中心城市的轉型。法國名城戛納，以每年5月舉行電影節的方式，走上了城市發展的快車道。經過幾十年的發展，戛納國際電影節已躋身世界最大、最重要的四大電影節之一，每年吸引著30萬人前來參加，給城市帶來巨大的經濟效益和良好口碑，戛納也因此成為世界名城，吸引著眾多游客。

2.1 燃料電池堆單體模型的建立

燃料電池電壓-電流密度曲線為極化曲線，極化曲線可由下式表示［7-8］：

式中：U為實際輸出電壓值；ENernst為能斯特輸出電壓值；Uact為由塔菲公式推導的反應動力學引起的活化極化損失；Uohmic為由離子和電子傳導引起的歐姆極化損失；i為當前仿真電流密度，文中為電流密度建立0-1.4 A／cm2步長為0.01的Loop循環仿真；Uconc為由質量傳輸引起的濃度極化損失。燃料電池電壓功率模型中各參數符號及意義如表2所示。圖2為使用MATLAB仿真的燃料電池單體電壓極化特征曲線。

2.2 燃料電池堆實驗模型的建立

本文中實驗所用燃料電池反應堆為某進口30 kW質子交換膜燃料電池，由100個燃料電池單體堆棧疊加組成，如圖3所示。圖中，①為空氣過濾系統，②為空氣補償系統，③為質子交換膜燃料電池反應堆，④為氫氣供給管路，⑤為冷卻系統管路。該電堆模組應用的質子交換膜活化面積為340 cm2，實驗所用氫氣的工作壓力是6 atm。

針對實驗數據建立符合實際情況的燃料電池反應堆模型，仿真結果如圖4和圖5所示。電流密度較低時由活化極化引起的快速電壓損失和線性歐姆電壓損失占主導作用，電壓損失較小，隨著電流密度的增大，高電流密度下的濃度變化引起的電壓損失占主導作用且急劇增大，電壓值在高電流密度下急劇減小。燃料電池反應堆的功率密度隨電流密度的增加而增加，達到峰值30 kW，然后在較高電流密度區的濃度極化損失的影響下急劇下降。

表2 燃料電池電壓模型參數表

圖2 燃料電池單體極化特征曲線

圖3 實驗所用燃料電池模塊

圖4 燃料電池反應堆電壓仿真曲線

圖5 燃料電池反應堆功率仿真曲線

電壓和功率仿真特性曲線較好地反映了燃料電池反應堆的理論工作特性，基本符合如圖6所示的實驗測試數據曲線，電壓隨電流增大由105減小至75 V左右，功率隨電流增大由0增加至30 kW左右。由圖4～圖6可以得出本文所建立模型誤差與實際實驗誤差百分比不超過2.5%，說明仿真模型數據基本可靠。后續整車實驗所用兩個此類型反應堆結合較高效率的工作區間，使最優輸出功率達到50 kW以上。

圖6 燃料電池反應堆實驗特性曲線

3 燃料電池汽車動力系統建模

為驗證整車性能是否達到設計要求以及本文中所制定的能量管理策略的可行性，選擇合適的仿真軟件進行仿真。本章按照設計要求對ADVISOR中各部件模型參數進行修正，并在MATLAB／Simulink中搭建基于微小變量模糊邏輯的燃料電池混合動力汽車能量管理控制策略，進行了控制策略的二次開發優化。

3.1 整車動力學模型

汽車在行駛方向上受到的驅動力和行駛阻力決定了汽車沿行駛方向的運動特性，汽車在行駛方向上的受力如圖7所示。汽車行駛的受力方程式［9］為

圖7 整車行駛受力圖

整車動力學模型主要根據輪胎接地點的受力平衡計算整車牽引力的大小，利用迭代的方法計算整車的加速度，進而逐步積分計算整車的速度。需求驅動力與平均速度的乘積就是驅動車輪行駛的需求功率。代入公式［9］：

最高車速對應功率為

最大爬坡度對應功率為

滿足加速性能對應功率為

式中：ηT為傳動系機械效率；ua為汽車行駛速度；G＝mg，m為整車總質量；f為滾動阻力系數；α為道路坡度角；CD為汽車空氣阻力系數；A為迎風面積；δ為汽車旋轉質量換算系數。電機峰值功率Pmax為3個計算功率的最大值。ADVISOR已將整車動力學模型編寫在頂層模型中的vehicle＜veh＞模塊中，直接修正調用。本文中依托于國產某后輪驅動SUV，計算最大功率為83 kW永磁同步電機，參數如表3所示。

表3 車輛主要技術參數

3.2 燃料電池汽車建模

通過整車參數輸入窗口編輯相應部件的m文件從而將數據修正為本文中所設計的燃料電池汽車的基本參數和匹配結果。表3所示為本文中所設計車輛基本參數總結，由于燃料電池系統自身的效率問題，綜合考慮取燃料電池系統最優最大輸出功率為50 kW，永磁同步電機最大功率為83 kW，考慮1.15倍的余量（一般選取1.1～1.2之間），計算得所需蓄電池的最大輸出功率為46 kW。

3.3 燃料電池模塊模型

從對整車功率流進行分析的角度出發，本文中采用ADVISOR中基于功率效率的燃料電池模型。該燃料電池系統模型由燃料電池子系統模塊、燃料消耗計算和排放子系統模塊組成。由整車系統對燃料電池的功率需求為輸入，燃料消耗量、燃料電池廢氣和熱排放、電堆實際輸出功率為輸出。

3.4 基于模糊邏輯能量管理策略模型

本文中制定了基于微小變量T-S模糊邏輯控制，T-S模糊模型前件部分均使用模糊化語言進行變量描述，后件為輸入變量的線性組合，每條模糊規則相對應的表達式的結構也是一致的，因此T-S模糊邏輯控制能更方便地進行非線性系統建模和非線性控制系統的設計。本文中選取整車運行電機需求功率Preq和動力電池當前荷電狀態SOC作為模糊邏輯的輸入變量，燃料電池計算需求功率與電機需求功率的比值系數K作為單一輸出變量。針對滿足整車行駛功率需求、維持動力電池荷電狀態在期望值附近、充分利用動力電池的充放電功能減少氫耗量提高經濟性等設計目標，根據實際操作經驗和部分文獻［10-12］，本文中針對CYC-UDDS工況設計如表4所示模糊控制規則庫，不同的行駛工況對應合適的規則控制庫也不同。

表4 模糊控制規則庫

電機需求功率Preq按照從零到最大表述為Z到BB 7個狀態，根據本文中仿真循環工況，控制模糊邏輯當SOC為LOW，Preq為較大的BM、B、BB狀態時，Δ為大于1的微小變量波動，滿足整車行駛需求和低荷電狀態下的動力電池微小功率充電。圖8所示為依據編寫的模糊邏輯規則庫的隸屬度函數和輸出變量示意圖。

圖8 模糊邏輯控制示意圖

4 整車性能仿真與模型對比分析

4.1 仿真參數的設置

整車參數如表3所示，車輛主要行駛在城市和城郊道路，所以選擇CYC-UDDS工況（圖9）對整車性能進行仿真，CYC-UDDS工況的特點統計如表5所示。

圖9 CYC-UDDS工況速度示意圖

運用Simulink搭建的基于微小變量模糊邏輯控制的能量管理控制策略模型如圖10所示，模型內Saturation模塊限制燃料電池最低和最高輸出功率，

4.2 整車性能仿真分析

使其工作在較高效率區，模糊邏輯控制器（fuzzy logic controller）模塊為調用本文3.4節所規定規則庫的模糊邏輯。對ADVISOR進行二次開發仿真所用燃料電池混合動力汽車頂層模型如圖11所示，嵌入本文中搭建的模糊邏輯控制策略模型。為能充分展現汽車行駛過程中動力電池各荷電狀態下的充放電特性，在初始條件設置中將動力電池初始SOC設為低狀態的0.4和中狀態的0.7。

表5 CYC-UDDS工況特點統計

圖10 微小變量模糊邏輯控制策略模型

圖11 模糊邏輯控制策略燃料電池混合動力汽車仿真頂層模型

ADVISOR燃料電池電 電混動模型中采用傳統的功率跟隨控制模式，功率跟隨模式能夠時刻保持燃料電池輸出均衡功率Pbalan，為使動力電池時刻處于理想的荷電狀態，氫燃料消耗量相對較高。本文中所搭建的模糊邏輯控制策略，旨在滿足車輛行駛工況動力性條件下維持低SOC微變增加，降低氫耗量，提高整車效率，進而達到降低經濟成本的目的。

4.2.1 功率跟隨控制策略仿真分析

圖12為功率跟隨控制策略動力電池初始SOC為0.4的仿真結果，圖中由上到下分別為實際車速與工況要求對比曲線、動力電池SOC歷史變化曲線、燃料電池輸出功率變化曲線。從仿真結果可看出，該工況和動力電池荷電狀態下實際車速滿足工況需求，動力電池在低SOC狀態下的0.4時，SOC在制動回收能量和燃料電池輸出平衡功率Pbalan下穩步增大，整車動力性滿足要求。從整車經濟性角度出發，該工況下氫燃料消耗率為114.9 L／100 km，整車系統能源利用總效率為0.183，整車運行經濟性有待提高。

圖12 功率跟隨控制策略初始SOC為0.4仿真結果

4.2.2 微小變量模糊邏輯控制策略優化仿真分析

圖13 微小變量模糊邏輯控制策略初始SOC為0.4的仿真結果

圖13 為本文中搭建的微小變量模糊邏輯控制策略動力電池初始SOC為0.4的仿真結果。從仿真結果可看出，在該工況和動力電池狀態下實際車速滿足工況需求，動力電池在低SOC狀態下的0.4時，模糊邏輯策略控制燃料電池輸出微小變量的補償功率，使SOC在微小涓流功率補償中微變增大，滿足SOC補償和整車動力性需求。從整車經濟性角度出發，該工況和電池荷電狀態下氫燃料消耗率為107.5 L／100 km，整車系統能源利用總效率為0.191，整車運行成本較功率跟隨控制策略下得以降低。經過實驗，由電磁閥控制氣瓶組的開閉進而控制氫燃料的供給，燃料電池反應堆在電磁閥關閉后堆內余氣作用下可以保持內部一定時間內的狀態穩定，電磁閥在實驗工況條件下的下一次打開后電堆得以快速響應，因此實驗滿足工況需求。

圖14為微小變量模糊邏輯控制策略動力電池初始SOC為0.7的仿真結果。在該工況和當前動力電池荷電狀態下實際車速滿足工況需求，動力電池在中SOC狀態的0.7時，由控制策略得動力電池輸出較大功率，燃料電池輸出較小功率滿足整車動力性能需求，SOC緩慢減小，最后逐漸穩定在某一合適值。從整車經濟性角度出發，該工況和電池荷電狀態下氫燃料消耗率為86.4 L／100 km，整車系統總效率為0.208。

圖15所示為微小變量模糊邏輯控制策略動力系統效率圖，動力電池的工作放電效率穩定在0.98以上，充電效率在0.9左右，動力電池在整個工況行駛過程中具有較高的充放電效率，能夠充分利用電能輔助燃料電池驅動汽車行駛，有利于發揮動力電池削峰填谷的優勢，燃料電池工作狀態穩定于0.48～0.6之間，維持在當前技術條件下較高的利用效率區間，工作穩定可靠，滿足設計要求。

4.2.3 控制策略模型仿真對比分析

功率跟隨控制策略與本文中搭建的基于微小變量的模糊邏輯控制策略在相同工況和初始SOC狀態下經濟性測試仿真結果對比如表6所示。從表6對比分析可以得知，在同樣滿足CYC-UDDS城市和城郊工況整車動力行駛性能的條件下，本文中所搭建的基于微小變量的模糊邏輯控制策略在百公里氫耗量和整車總效率兩方面都優于ADVISOR采用的傳統的功率跟隨控制策略，在低荷電狀態下整車運行總效率提高4.3%，在中荷電狀態下整車運行總效率提高8.3%。因此本文中所搭建的控制策略模型滿足性能要求，經濟性能得以提升。

圖14 微小變量模糊邏輯控制策略初始SOC為0.7的仿真結果

表6 整車燃料經濟性測試仿真結果對比

圖15 微小變量模糊邏輯控制策略動力系統效率圖

5 結論

燃料電池電 電混合動力汽車兼顧了傳統汽車續航里程長和新能源汽車清潔高效的優點，是較為理想的過渡車型。本文中從燃料電池和動力蓄電池兩個角度出發，闡述了混合動力汽車能量管理策略的含義，針對不同工況搭建了不同規則庫的基于微小變量波動的模糊邏輯控制策略模型，對ADVISOR頂層模型進行二次開發優化，動力性能和經濟性能滿足要求。采用控制氣瓶組電磁閥開閉來代替電堆的開閉，燃料電池反應堆在電磁閥關閉后余氣作用下可以保持堆內的一定時間內狀態穩定，電磁閥在本文實驗工況和仿真條件下的下一次打開后電堆得以快速響應，滿足實際工況要求。本文中搭建的控制策略對比傳統的能量跟隨控制策略，氫燃料消耗量降低，整車總效率提高，降低了運行成本，為燃料電池混合動力汽車整車能量控制方法提供了一定的參考依據。