燃料電池無人機混合電源動態平衡能量管理策略

雷濤，閔志豪，付紅杰，張星雨，李偉林，張曉斌

1. 西北工業大學 自動化學院，西安 710129 2. 西北工業大學 航空學院，西安 710129 3. 飛機電推進技術工信部重點實驗室，西安 710129

燃料電池是一種具有較高能量轉化率的電化學反應裝置，通常使用氫氣作為燃料，具有零排放、無污染的優點[1-2]。近年來在發展綠色航空，減輕環境污染方面受到越來越多的關注[3-4]。

燃料電池的能量密度較高，可以極大地提升無人機的續航能力，且噪聲較低，以美國海軍研究實驗室研制出的“離子虎(Ion Tiger)”燃料電池無人機為例，其搭載了一臺550 W的燃料電池，在攜帶2.3 kg載荷的情況下完成了26 h的飛行，在原有基礎上改進之后使用液態氫燃料的“離子虎”無人機的飛行時間能夠達到48 h[5]。

但是燃料電池的功率密度較低，無法滿足實際應用的無人機高空長航時飛行過程中起飛、巡航、機動以及著陸過程中大范圍功率變化和快速動態響應的需求，因此需要使用輔助電源如鋰離子電池組與其組成混合電源系統以彌補其不足。

由于燃料電池和輔助電源的動態響應特性不同，因此需要使用能量管理系統(Energy Management System，EMS)控制混合電源的輸出功率，在滿足負載功率需求的前提下通過能量管理策略的優化調度以提高電力系統的穩定性和燃料經濟性[6-7]，在無人機和多電飛機供配電系統中的能量管理控制策略也可用于改善系統動態響應性能，提高電力系統可靠性[8-11]，因此設計滿足特定系統應用場景的能量管理控制方法對燃料電池無人機的性能提升具有很重要的作用，系統能量管理策略從形式上主要分為基于優化和基于規則的2種類型[7]，前者具有一定數學解析形式，需要采用非線性凸優化解析計算和動態規劃方法進行求解，且包含很多約束條件，求解計算量較為復雜，但可以得到全局最優解；后者是根據工程經驗，制定一定能量管理規則，得到的是近似最優解，但是計算量較小易于工程實現。

在航空應用領域，基于燃料電池的混合電源系統在無人機和多電飛機電力系統中得到廣泛應用，文獻[12-13]基于燃料電池的多電飛機應急電源系統，研究了基于規則狀態機控制、模糊邏輯控制、功率解耦控制和等效燃料消耗最小(ECMS)的能量管理方法，從系統功率動態響應和氫耗量最小等優化目標進行設計，但是針對的負載需求是應急系統，時間場景只有30 min，并沒有考慮電源之間能量利用的平衡關系，在飛行任務結束時電池SOC仍有50%的電量。文獻[13]針對多電飛機燃料電池應急電源系統的能量優化采用了幾種典型的元啟發式優化算法，如蟻群、蜂群、灰狼算法等進行了研究，對比分析了能量優化效果，但是沒有考慮在混合電源系統作為主電源工作時的負載功率需求和能源平衡關系。文獻[14]研究了應用于多電飛機輔助動力裝置(APU)的燃料電池混合電源系統能量動態管理策略，采用了集散式基于下垂控制策略對燃料電池，超級電容進行能量控制，滿足了飛機在APU工作模態下的負載功率響應需求。文獻[15]針對燃料電池混合電源系統，以最小氫耗量為優化目標，考慮到系統的約束條件，采用了基于最優控制的龐特里亞金最大最小定理求解最優值，該種方法只能滿足特定工況。文獻[16]基于小型長航時燃料電池無人機，開展了基于規則的狀態機的主動能源管理策略研究，與被動能源管理策略進行了對比，最終滿足飛行時長要求，同時保證最終的電池SOC在45%左右。文獻[17]中針對小型低空長航時電動無人機功率需求，設計了一款太陽能/燃料電池/鋰電池混合動力無人機，并根據規則策略將飛行任務劃分為7種工作模式，在相同重量下，該無人機的航時分別是純鋰電池驅動和純燃料電池驅動的5.5倍和1.2倍，但是以上這些論文并沒有討論混合電源系統中幾種電源之間的能量平衡關系，即電源能量消耗的平衡關系，這樣就會出現在無人機飛行任務結束時鋰電池能量過于充足或者出現耗盡的情況。

文獻[18]則提出了一種對燃料電池/鋰電池無人機的在線模糊能量管理策略，并與基于狀態機規則策略和被動控制策略進行了地面驗證對比實驗，結果驗證了模糊邏輯策略下系統具有更小的能量消耗，其電池能源消耗按照固定SOC下限進行控制，任務結束時SOC仍然在40%以上。

文獻[19]在燃料電池/鋰電池混合電源系統中，以氫耗量最小為目標構建代價函數，采用多變量模型預測控制實時預測下一時刻燃料電池和鋰電池的功率輸出，并進行了三段工況測試，在構建系統約束條件時仍然根據固定電池組SOC界限來進行優化。

從以上文獻分析來看，目前的大多數車輛或者無人機燃料電池混合電源能量管理策略都是在某一種固定的負載需求工況下針對地面混合電源系統進行優化，沒有考慮到航空應用條件下的特殊性，即無人機由于載荷有限，所能攜帶的燃料電池氫氣儲量有限，輔助電源的容量也有限以及負載工況的多變性，基于優化算法的能量管理策略雖然能夠給出基于氫耗量最低的最優解，但是卻無法保證最后能源之間能量平衡均衡性。因此論文以目前基于規則的能量管理策略為基礎進行了改進，提出了一種動態平衡能量管理策略，計算燃料電池的氫氣消耗的輔助電源容量的變化，通過仿真計算使2種電源的消耗處于動態平衡的狀態，在復雜工況發生變化時避免了其中一種電源能量先耗盡而使混合電源系統剩余一種電源單獨供電的情況發生，在無人機飛行任務結束時，也避免出現輔助電源如鋰電池組剩余電量較多的情況發生。

本文首先確定了燃料電池/鋰電池混合電源的拓撲結構，提出了混合電源系統能量管理控制目標，并對現有的能量管理策略進行了驗證。本文在基于規則的能量管理基礎上提出了動態平衡能量管理策略。對比其他基于規則的能量管理策略，本文的創新點在于通過優化求解來確定在燃料消耗最低時燃料電池和鋰電池的能量利用率差值的可接受范圍，以此來保證2種形式能源的均衡利用。通過數字仿真證明了該策略能夠使燃料電池和鋰電池的能量消耗處于動態平衡的狀態，提高了系統的穩定性，最后通過硬件試驗系統驗證了所提出策略的可行性。

1 燃料電池混合電源拓撲結構的選擇

燃料電池混合電源系統的輔助電源一般使用超級電容或蓄電池[7]，為了對比其特性，在對數坐標系中表示，如圖1所示，其中橫坐標表示能量密度(Wh/kg)，縱坐標表示功率密度(W/kg),斜線代表電源的運行時間。結果如表1所示。

圖1 電源特性對比圖Fig.1 Power characteristics comparison chart

表1 電源特性對比Table 1 Power characteristics comparison

超級電容的功率密度最高，最高能達到10 000 W/kg， 但相應的其能量密度不高，平均只有5 Wh/kg，運行時間也較短，不超過100 s。鋰電池相比于超級電容功率密度較低，但仍然能達到1 000 W/kg以上，此外其能量密度適中，一般在200 Wh/kg左右，使用三元正極材料的鋰電池能量密度能達到300 Wh/kg，屬于一種能量密度和功率密度適中的電源。

根據輔助電源的種類，可以將燃料電池無人機混合電源系統拓撲劃分為燃料電池+超級電容，燃料電池+鋰電池，燃料電池+鋰電池+超級電容3種典型結構[20]，如表2所示。

若只選用燃料電池作為能源的情況下，負載功率需求發生突變，燃料電池的響應情況如圖2中藍線所示；明顯可以看出應對負載功率需求的突變，燃料電池的響應存在較大延遲；而燃料電池

表2 幾種典型拓撲特點對比Table 2 Comparison of several typical topologies

和蓄電池的混合能源系統在負載功率發生突變時，響應情況如圖2中紅線所示。可以看出在引入鋰電池后，系統的響應速度得到了改善。

相較于單一形式能源系統，選擇混合能源的拓撲形式可以有效的提高系統的功率密度和能量密度，但同時多能源形式也增加了系統的重量和控制難度，同時由于電源變換器等設備的增加，系統的損耗也會增加。但考慮到無人機續航能力提升，以及在飛行過程中由于姿態變化所引起的電功率需求的變化需要在短時間內完成，以及重量等因素。因此選擇鋰電池作為輔助電源與燃料電池組成混合電源系統[21]，拓撲結構如圖3所示。其中：VFC和IFC分別表示燃料電池的輸出電壓和電流，Vbatt和Ibatt分別表示鋰電池的輸出電壓和電流，Vbus表示母線電壓，Pload表示負載功率，Dc_1和Dc_2分別表示Boost變換器和雙向DC-DC變換器的占空比控制信號。

由于本論文主要研究混合電源的能量管理策略，因此不考慮功率變換器部分的損耗，認為其處于理想狀態，即燃料電池輸出功率PFC與鋰電池輸出功率Pbatt之和等于負載功率Pload。

圖2 燃料電池系統與混合能源系統響應速度Fig.2 Response speed of fuel cell system and hybrid energy system

1.1 燃料電池的工作原理

燃料電池使用質子交換膜燃料電池(Proton Exchange Membrane Fuel Cell，PEMFC)的原理圖如圖4所示，氫氣和氧氣通過陽極流道和陰極流道到達氣體擴散層，氫氣在陽極催化層發生氧化反應，生產氫離子(質子)和電子，氫離子可以通過質子交換膜到達陰極催化層，電子通過外部電路到達陰極，氧氣得到氫離子和電子發生還原反應生產水分子，在此反應的過程中電子即電荷通過外部電路的移動做功產生電流，化學能轉化為電能[22]。

電極的反應式為

陽極:

(1)

陰極:

(2)

總反應式：

(3)

圖4 PEMFC原理圖Fig.4 PEMFC schematic

1.2 燃料電池的氫氣消耗和系統效率

燃料電池在不同的輸出功率下氫氣消耗的速率不同，在將氫氣的化學能轉化為電能的過程中還會產生熱量和其它的損耗因而無法將氫氣的化學能全部轉化為電能。將氫氣的低熱值記為LHV，該值表示每摩爾氫氣完全反應生成液態水時所能產生的最大熱能，LHV=241 kJ/mol。以典型1 kW質子交換膜燃料電池為例，其氫氣消耗量與功率的關系如圖5所示。橫坐標表示燃料電池的功率，縱坐標表示在該功率下每分鐘消耗的氫氣體積，單位為毫升。利用該數據繪制燃料電池的系統效率曲線如圖6所示。考慮到燃料電池風扇和控制器等外設的功率損耗，將該值記為Ploss，取平均值80 W。

圖5 1 kW-PEMFC氫氣消耗量Fig.5 1 kW-PEMFC Hydrogen consumption

圖6 1 kW-PEMFC系統效率Fig.6 1 kW-PEMFC system efficiency

PEMFC系統效率的計算公式如式(4)所示，其中PFC表示燃料電池的功率,W，CPFC表示氫氣消耗量,g/s，CPloss表示氫氣損耗量,g/s。

(4)

1.3 鋰電池的能量利用率

將鋰電池開始工作時的初始SOC(荷電狀態)記為SOCinit，工作完之后的SOC記為SOCend，用鋰電池消耗的SOC與初始SOC之比代表其能量利用率，記為ηSOC，計算公式為

(5)

該值表示鋰電池實際的電量消耗情況，理論上鋰電池電量完全耗盡時該值最高可以達到100%。但通常出于安全考慮會為鋰電池設置一個最低安全裕量，例如20%，當鋰電池SOC低于此值后便不再工作，因此ηSOC的值不會達到100%。

1.4 無人機負載功率需求

典型的無人機飛行任務剖面如圖7所示，包括起飛、爬升、巡航、下降和著陸5個相對固定的階段。基于上述無人機飛行剖面的特點擬合出無人機飛行過程中的負載功率需求曲線，采用縮比驗證法將無人機一個完整的運行工況等比例縮小為600 s，如圖8所示。考慮到無人機執行飛行任務時由于氣流等擾動導致飛行推進功率的變化，設置了2種負載功率需求曲線，分別用Pload1和Pload2表示。

圖7 無人機飛行剖面Fig.7 UAV flight profile

圖8 無人機負載需求曲線Fig.8 UAV load demand curve

2 典型能量管理策略的驗證

能量管理策略是EMS的核心算法，能夠根據混合電源系統電池SOC和負載功率等參數的變化來控制電源的輸出功率，在滿足負載功率的需求下對設定的能量管理目標進行能量調度分配，能夠提高混合電源系統的穩定性、可靠性和經濟性[15]。

常見的能量管理策略分類如圖9所示，主要分為基于規則和基于優化兩大類[7]。基于規則的能量管理策略分為確定性規則和模糊規則2種，根據提前制定的相應規則來控制混合電源的輸出功率而不涉及對具體目標的優化。

圖9 能量管理策略的分類Fig.9 Classification of energy management strategies

基于優化的能量管理策略設有相應的優化目標例如系統效率和燃料經濟性等，通過計算得到使優化目標函數最小的控制策略而對混合電源系統進行優化。根據算法是否能夠實時運行而將其劃分為離線優化和在線優化2種。

分別選擇基于確定規則下的狀態機能量管理策略，模糊規則下的模糊邏輯能量管理策略、全局優化下的動態規劃能量管理策略和實時優化下的等效氫耗量最小能量管理策略這4種能量管理策略進行驗證。在考慮燃料電池氫氣重量足夠的前提下，對比其優化控制效果。

2.1 基于確定規則的狀態機能量管理策略

狀態機(State Machine)能量管理策略根據負載功率需求的大小和燃料電池最大功率以及鋰電池額定電壓等參數的值預先設置了不同的系統工作狀態，在各個工作狀態中有相對應的電源輸出功率的分配控制規則[23]。當運行該能量管理策略時算法根據輸入參數的大小判定具體的工作狀態并運行相應的控制規則。

將無人機負載功率大小Pload和鋰電池的SOC的大小作為狀態機能量管理策略的輸入參數，結合無人機負載功率需求和電源的能量密度以及功率密度的特點制定狀態機能量管理策略的規則，如圖10所示。根據鋰電池SOC的大小將工作狀態劃分為不同的大類，用首字母H、M、L、C、D和不同的顏色表示，再根據負載功率大小在每個大類下進行細分。當SOC低于30%且負載功率低于300 W時工作于模式C，該模式下燃料電池輸出恒定功率300 W，超出負載功率需求的部分為鋰電池充電。

2.2 模糊邏輯能量管理策略

模糊規則從本質上看仍然屬于規則的控制的一種，相比于狀態機規則，模糊規則的確立不再依托于明確的數值或方程，脫離了系統模型精確性的束縛，因此被廣泛應用于對不確定系統和非線性系統的優化控制中[24]。

典型模糊推理系統的結構如圖11所示，將輸入參數模糊化后通過模糊系統中斷模糊規則進行推理運算，將計算得到的值進行去模糊化后作為輸出參數。模糊邏輯控制器的按照“模糊化—建立推理規則—確定推理方法—去模糊化”的順序進行設計[25-26]。得到的模糊規則曲面圖如圖12所示。

圖10 狀態機能量管理策略原理圖Fig.10 Schematic diagram of state machine energy management strategy

圖11 模糊邏輯系統推理結構Fig.11 Fuzzy logic system reasoning structure

圖12 模糊規則曲面圖Fig.12 Fuzzy logic surface

2.3 動態規劃能量管理策略

動態規劃(Dynamic Programing,DP)常用來求解有重疊子問題和最優子結構的問題，核心思路是將一個原始的多階段過程問題轉化為一系列的單階段子問題，利用各個階段的關系，逐個進行求解[27-28]從而獲取系統的全局最優解。

首先根據無人機飛行剖面負載功率需求設置負載數組矩陣，并對燃料電池功率矩陣進行初始化如圖13所示。在每一個狀態節點進行計算，得到使燃料電池系統效率最高的輸出功率，將該值作為最優子問題的解儲存在系統中。當計算完成后將儲存的值進行還原，得到使燃料電池系統效率最高的功率分配方案。動態規劃算法可以在某一固定工況下作為其他能量管理算法的基線進行比較，因為動態規劃可以得到在同等條件下的全局最優解。但是無人機負載工況發生變化，就需要重新進行求解計算，只能用于離線優化場合，其主要作為基值用于與其他能量管理策略性能比較。

圖13 動態規劃策略燃料電池功率初始化矩陣Fig.13 Dynamic programming strategy fuel cell power initialization matrix

2.4 等效消耗最小能量管理策略

動態規劃能量管理策略必須在已知負載的運行工況下才能進行計算，為了避免這個不足，在無人機實時運行時也能使用基于優化的能量管理策略，引入等效消耗最小的能量管理策略。該方法最初用于混合動力汽車的能量管理以減少燃油的消耗改善燃油經濟性。在燃料電池混合電源的能量管理方面，通過將鋰電池等輔助電源的電能消耗等效為氫氣消耗量來進行計算，以使系統的總消耗最小[29]。算法不需要已知全部負載工況，而是在每個采樣周期中進行計算從而達到局部最優，屬于在線優化算法的一種，可以在無人機實際運行中使用。

首先定義優化目標函數J，如式(6)所示。其中CH2表示燃料電池的氫氣消耗，Cbatt表示鋰電池電功的等效氫氣消耗量，s代表等效因子。

J(t)=CH2(t)+s(t)Cbatt(t)

(6)

鋰電池的等效氫氣消耗量即將鋰電池的輸出功率除以氫氣的低熱值LHV轉化為其等效的氫氣消耗量，如式(7)所示:

(7)

s取值的大小會影響等效消耗能量管理策略的控制效果。如果s的值太小，則鋰電池相對于燃料電池的消耗就更小，因而會輸出更多的電功，反之亦然。若將s的值取為2，將燃料電池的氫耗和鋰電池的等效氫耗量繪制在同一個坐標系中，用橫坐標表示功率，縱坐標表示對應的氫氣消耗量，如圖14所示。

圖14 鋰電池和燃料電池等效氫耗量圖(s=2)Fig.14 Lithium battery and fuel-cell hybrid power system equivalent hydrogen consumption diagram (s=2)

2.5 結果分析

針對第1種負載工況，對4種能量管理策略的參數進行優化，并使用同樣的參數驗證第2種負載工況，得到的結果如表3所示，可以看到最終的鋰電池能量利用率有較大的差別。

表3 幾種策略的能量利用率對比

即以上能量管理策略都是針對某一特定的工況進行優化的能量管理策略，在工況發生改變后便無法達到同樣的優化效果。而無人機在執行任務時往往面臨的是不確定的負載工況，因此能夠在不同的工況下均能達到較好的優化效果，且波動范圍不大的能量管理策略是更適用于無人機航空應用條件的。為此提出了一種基于燃料電池氫氣消耗的自適應動態平衡能量管理策略。

3 動態平衡能量管理策略

在實際運行中，基于特定飛行任務的燃料電池無人機所能攜帶的氫氣瓶的大小有限，即氫氣的儲量有限，燃料電池所能輸出的電功率也有最大限制。考慮到使用的600 s負載功率需求大小，假設無人機攜帶的氫氣儲量為8 g，在此基礎上，為了保證任何一種能源形勢不過度消耗，以至于能源耗盡出現該種能源失效的情況，本文設計了一種新型的基于規則的能量管理策略，在不超過氫氣儲量最大值的前提下使鋰電池的能量利用率和燃料電池的氫氣消耗率維持動態平衡。以達到合理分配能源從而提高無人機飛行過程中動力系統可靠性的效果。

算法流程圖如圖15所示，首先計算鋰電池SOC的剩余比例和氫氣的剩余比例分別記為SSOC和SH2，計算公式如式(8)和式(9)所示。其中SOCinit為SOC的初始值，mH2_init為氫氣的總量,CH2(t)是氫氣的消耗量。常用的燃料電池氫氣消耗量的測量方法有流量計法、溫度壓力法和功率估算法等方法，這里使用估算法，以燃料電池數據手冊上的氫氣消耗量為基礎進行曲線擬合，得到燃料電池的氫氣消耗量和輸出功率的關系如式(10)所示。

圖15 動態平衡能量管理策略算法流程圖Fig.15 Dynamic balance energy management strategy algorithm flow chart

將SSOC和SH2的差記為S，如式(11)所示。采用狀態機能量管理策略的思路，以S值的大小作為判斷依據將系統劃分為3個工作狀態，分別是S<-3%時鋰電池電量相對不足的“負”狀態，S處于-3%～3%之間的“均衡”狀態和S>3%時鋰電池電量相對較充裕的“正”狀態。

(8)

(9)

10-6×PFC

(10)

S(t)=SSOC(t)-SH2(t)

(11)

在3種狀態下分別執行不同的算法計算鋰電池的輸出功率，在狀態為負的情況下通過枚舉法計算得到使S的值變化量ΔS最小的鋰電池功率Pbatt_1，如式(12)～式(14)所示，其中Pbatt(t)為鋰電池的功率Ubatt(t)是鋰電池的電壓，Qtotal為總電荷量。在狀態處于均衡時通過枚舉法計算得到使燃料電池系統利用率最高的鋰電池功率Pbatt_2。在狀態為正的情況下使用期望法計算鋰電池的期望輸出功率Pbatt_3，將當前時刻S的值與初始SOC值的乘積記為desSOC，如式(15)所示，鋰電池輸出功率Pbatt_3計算公式如式(16)所示。

(12)

(13)

ΔS=ΔSSOC-ΔSH2

(14)

desSOC=(SSOC-SH2)·SOCinit

(15)

Pbatt_3(t)=desSOC(t)×Qtotal×Ubatt(t)

(16)

在計算得到鋰電池的期望輸出功率后，設置相應的懲罰系數。當系統狀態為為負或均衡時根據SOC的大小設置懲罰系數，具體設置如圖15中所示，當系統狀態為正時不設置懲罰系數。

在第2種負載工況下對該算法進行驗證，鋰電池的額定額定容量設置為1.5 Ah，初始SOC為100%，仿真結果如圖16所示。其中Pload2為第2種負載功率需求曲線，PFC為燃料電池輸出功率，Pbatt為鋰電池輸出功率。可以看到鋰電池SOC曲線與燃料電池氫氣消耗曲線的變化趨勢基本一致，計算得到鋰電池的能量利用率ηSOC為75.46%，將燃料電池的氫氣利用率記為ηH2，其計算方法與鋰電池的類似，即已消耗的氫氣與總氫氣儲量之比，計算得到ηH2為72.89%，二者之差僅為2.57%。

針對本文提出的能量管理策略，這里考慮引入一個參數Δn來表示能量管理策略的效果。在2種負載工況下使用不同的鋰電池額定容量和初始條件進行驗證，將鋰電池的能量利用率ηSOC和燃料電池的氫氣利用率ηH2之差記為Δn，結果如表4和表5所示。

圖16 動態平衡能量管理策略控制結果Fig.16 Dynamic balance energy management strategy control results

表4 第1種工況下的控制結果Table 4 Control results under the first working condition

表5 第2種工況下的控制結果Table 5 Control results under the second working condition

通過解析分析可以確定能耗和利用率差值的關系，通過兩者之間關系可以確定Δn的合理范圍。

(17)

(18)

由式(17)和式(18)可以得出

mfuel_comsu=mH2×Δn+

(19)

根據系統設計的初始能量儲存參數可得

mfuel_comsu=8×Δn+14.259×SOCcomsu

(20)

由式(20)可以得出Δn和 均與SOCcomsu為正相關關系，但SOCcomsu與Δn呈負相關關系，即電池消耗越高。

(21)

(22)

根據上述分析可以得出一個線性規劃模型：

OF:min(mfuel_comsu)=8×Δn+14.259×SOCcomsu

(23)

(24)

考慮到負載的不確定性，這里對無人機消耗能量EUAV_comsu取峰值和谷值賦在約束條件式(24) 中的第3個條件，經過線性求解器求解，可以得出Δn的值取到[-3.9,3.9]的范圍內總的等效能耗較小。

將結果繪制成柱狀圖如圖17所示。可以看到在多種負載工況和初始條件下Δn的絕對值的變化范圍在1.84～3.88之間，處于合理的范圍之內。結果表明鋰電池和燃料電池的電量消耗處于相對平衡的狀態，算法達到了設計的要求。

在同一中工況下對文中所提出的幾種能量管理策略的氫耗量進行了計算，計算結果如圖18柱狀圖中所示。可以看到動態規劃能量管理策略優化后，系統的總等效能耗最小；動態平衡算法的氫耗量較大。動態平衡算法的目的主要在于保證2種電源能夠均衡的使用，以保證不會出現某個電源先耗盡，從而影響整個動力系統的可靠性。

圖17 動態平衡能量管理策略控制結果Fig.17 Dynamic balance energy management strategy control results

圖18 能量管理策略氫耗量計算結果Fig.18 Energy management strategy hydrogen consumption calculation results

4 硬件設計和實驗驗證

能量管理控制器由DSP最小系統、信號采集模塊、信號輸出模塊、信號總線連接端口組成。DSP最小系統包括DSP芯片外圍電路的設計和電源模塊的設計。信號采集模塊負責采集傳感器的電壓和電流信號并通過信號總線對功率變換器進行控制從而控制電源的輸出功率，其原理框圖以及控制信號和功率流動如圖19所示。

目前大多數對混合電源能量管理系統的研究僅通過仿真來進行，涉及到實時應用或實驗測試的研究不足[25]。考慮到此問題，設計了基于DSP28335控制器的混合電源能量管理硬件系統，能夠實時運行能量管理策略，對混合電源的輸出功率進行優化控制。搭建地面測試實驗平臺如圖20所示。

其中能量管理控制器由基于DSP28335的最小系統組成，包括信號采集模塊、信號輸出模塊、信號總線連接端口。功率變換器使用了型號為NQ60W60HGx40的半磚DC/DC模塊，其主電路原理圖如圖21所示。鋰電池通過2塊功率變換器1和2連接到負載母線，其中功率變換器1正向連接作為Boost變換器使鋰電池放電，功率變換器2反向連接作為Buck變換器給鋰電池充電。燃料電池發電系統包括了質子交換膜燃料電堆、氫氣瓶、燃料電池控制器等，其通過功率變換器3連接到負載母線，使混合電源系統母線電壓恒定。

使用Genesis的GEN7T數據采集儀對混合電源系統的電壓電流進行采集，使用Chroma的63203A-150-300直流電子負載模擬無人機的飛行剖面負載功率需求，將所提出的能量管理策略移植到DSP嵌入式系統中進行實驗驗證，結果如圖22所示。由于相應的功率變換器有功率損耗，因此燃料電池的輸出功率PFC與鋰電池的輸出功率Pbatt之和大于負載功率，以式(25)計算其效率。

圖19 EMS硬件系統結構框圖Fig.19 EMS hardware system structure diagram

圖20 混合電源能量管理系統地面實驗平臺Fig.20 Ground experimental platform for hybrid power energy management system

圖21 DC-DC模塊主電路原理圖Fig.21 DC-DC module main circuit schematic diagram

圖22 實驗結果圖Fig.22 Experimental result graph

(25)

針對實驗結果經計算得到其效率約為93.2%， 結果證明了所設計的硬件系統滿足要求。

為了驗證所采用的能量管理策略實現對燃料電池和鋰電池的能量消耗處于平衡狀態的指標，同樣采用Haar小波變換對混合電源系統內部部件應力和母線電壓穩定進行分析，Haar小波變換最顯著的特點是在其解耦下的高頻分量期望值為0，因此可以用高頻分量的標準差估計電源所受的應力大小，同理，該方法同樣可以用來衡量長時間下的母線電壓穩定性，該小波變換可利用MATLAB自帶的小波變換工具箱實現。相關的解耦波形和指標計算結果分別見圖23和圖24所示。整個過程中燃料電池功率響應，鋰電池功率響應和母線電壓的高頻分量波動指標分別為3.158 0，3.272 0和0.011 6，可以看出采用文中所提出的能量管理策略可以有效提高混合電源系統的利用率和穩定性。

圖23 硬件平臺實驗下的功率響應和母線電壓小波變換結果Fig.23 Power response and bus voltage wavelet transform results under hardware platform experiment

圖24 硬件平臺實驗下的混合電源系統應力和母線電壓穩定性分析Fig.24 Analysis of hybrid power system stress and bus voltage stability under hardware platform experiment

5 結 論

本文針對燃料電池無人機的不同工作場景，開展了基于多種工況下的幾種典型能量管理策略對比研究，通過數值仿真分析和實驗驗證，得到如下結論：

1) 現有的能量管理策略在不同的工況條件下獲得的最終優化控制效果差別較大，且沒有針對無人機航空應用條件進行優化。

2) 提出的自適應動態平衡能量管理策略，在考慮燃料電池氫氣總儲量的條件下使主電源和輔助電源的能量消耗率盡可能地保持平衡，避免出現一種電源先耗盡的情況，能夠提高無人機混合電源系統的穩定性。

3) 設計的混合電源能量管理系統具有較高的系統效率，在氫耗量消耗相對較小和電池電量平衡方面可以達到較好的控制效果。

后續工作將開展針對燃料電池無人機在高空環境下燃料電池電源輸出的不確定性，結合分布式電推進飛機的能量需求匹配的能量管理優化策略研究。