阅读说明：本技术 一种自适应遗传的双电耦合燃料电池汽车能效优化方法 (Self-adaptive genetic double-electric coupling fuel cell automobile energy efficiency optimization method ) 是由 张盛龙 王佳 冯是全 林玲 于 2019-11-11 设计创作，主要内容包括：本发明公开了一种自适应遗传的双电耦合燃料电池汽车能效优化方法,为了解决现有双电耦合系统的控制方法没有将汽车的能效发挥到最优的问题。双电耦合燃料电池动力系统主要由氢燃料电池发电机组、锂离子电池组共同为车辆提供驱动电能。本发明根据汽车的运行情况实时优化燃料电池和锂电池放电功率的大小,燃料电池的放电功率P<Sub>fc</Sub>和锂离子电池的放电功率为P<Sub>L</Sub>,然后以这两功率参数作为优化设计变量,采用自适应遗传算法优化两个参数功率大小,最终获得总效率最高的功率输出方案,为双电耦合燃料电池电动汽车的能效优化控制提供必要的技术支持。本发明适用于汽车设计制造领域。(The invention discloses a self-adaptive genetic double-electric coupling fuel cell automobile energy efficiency optimization method, which aims to solve the problem that the existing control method of a double-electric coupling system does not exert the energy efficiency of an automobile to the optimum. The double-electric coupling fuel cell power system mainly provides driving electric energy for a vehicle by a hydrogen fuel cell generator set and a lithium ion battery pack together. The invention optimizes the discharge power of the fuel cell and the lithium battery in real time according to the running condition of the automobile, and the discharge power P of the fuel cell fc And the discharge power of the lithium ion battery is P L Then use the twoThe power parameters are used as optimization design variables, the power of the two parameters is optimized by adopting a self-adaptive genetic algorithm, and finally, a power output scheme with the highest total efficiency is obtained, so that necessary technical support is provided for the energy efficiency optimization control of the electric vehicle with the double electric coupling fuel cells. The invention is suitable for the field of automobile design and manufacture.)

一种自适应遗传的双电耦合燃料电池汽车能效优化方法

技术领域

本发明涉及一种汽车能效优化方法，尤其涉及一种自适应遗传的双电耦合燃料电池汽车能效优化方法。

背景技术

氢燃料电池汽车近年来得到了快速的发展，氢燃料电池具备能量密度高，加氢速度快的特点，很好的解决了纯电动汽车续航里程短、充电时间长的问题。目前，双电耦合型燃料电池汽车日益得到重视，因为此类型燃料电池汽车能够充分发挥燃料电池和锂电池的技术特点，在车辆加速爬坡工况，充分发挥锂离子电池放电倍率高的特点，提高车辆的动力性；在车辆正常行驶阶段，燃料电池系统工作，如燃料电池输出功率大于车辆行驶的功率需求，燃料电池可以通过双电DCDC转换器给锂离子电池充电。制动能量回收技术可以有效延长电动汽车的续航里程，在车辆制动过程中将动能转化为电能，为动力电池充电，由于制动的效能具有瞬间大电流且电压不稳定的特点，引入超级电容组可以很好的解决上述问题，同时超级电容器与锂离子电池组合使用，可以更好的提高车辆的动力性。

现有的双电耦合燃料电池动力系统的能效优化控制方法，都是根据车辆工况制定策略制定的规则，在车辆的起步、加速、正常行驶、制动等工况，结合锂电池SOC状态，设定燃料电池和锂离子电池输出功率，很难达获得总效率最高技术方案。因此，本发明专利提出一种基于自适应遗传算法的自适应遗传的双电耦合燃料电池汽车能效优化方法。在传统遗传算法中添加了自适应算法，解决了传统算法在交叉概率和变异概率中选择困难的问题，提高了算法的全局搜索能力。该发明专利所述双电耦合燃料电池动力系统能够充分发挥燃料电池和锂电池的优势，在保证车辆动力性的同时，获得最高的输出效率。本专利针对双电耦合燃料电池动力系统求解最优。

发明内容

发明目的：本发明的目的是为了解决现有的双电耦合燃料电池动力系统的能效优化控制方法，都是根据车辆工况制定策略制定的规则，在车辆的起步、加速、正常行驶、制动等工况，结合锂电池SOC状态，设定燃料电池和锂离子电池输出功率，很难达获得总效率最高技术方案的问题。

技术方案：为了实现上述目的，本发明采用了如下技术方案：

一种自适应遗传的双电耦合燃料电池汽车能效优化方法，包括以下步骤：

1)确定优化设计变量：设计变量一共包括两个参数，燃料电池氢气消耗的速率

和锂电池等效氢气消耗速率

2)确定优化设计目标：系统为单目标优化，优化目标为双电耦合燃料电池电动汽车实时效率最高；

3)确定优化限制条件：根据氢燃料电池发电机组参数确定氢气消耗速率范围；

4)基于自适应遗传算法进行能效优化，所述能效优化方法包括以下步骤：

步骤一、采用十进制编码方法对燃料电池氢气消耗速率

和锂电池等效氢气消耗速率

进行编码，种群规模定义为N，交叉常数k₁和k₂，变异常数k₃和k₄，迭代最大代数为T_max；

步骤二、分别计算初始种群中的第i个个体v_i第k时刻燃料电池和锂电池的输出有用功率；

步骤三、计算初始种群中的第i个个体v_i第k时刻燃料电池的工作效率η_fc(k)_i；

步骤四、计算初始种群中的第i个个体v_i第k时刻锂电池的放电功率η_L(k)_i；

步骤五、引入适应度函数，计算初始种群中的第i个个体v_i的适应度值大小，即第i个个体v_i第k时刻汽车实施总效率η(k)_i大小；

步骤六、判断当前优化代数t是否等于T_max，若为是则停止计算，取适应度值最大的个体，即第k时刻实时总效率η(k)_i最高的个体v_i作为所求结果并根据对应的和分别作为燃料电池和锂电池的氢气消耗速率，并计算第i个个体第k时刻汽车实时放电功率P_Q(k)_i，如果t<T_max，计算概率；

步骤七、计算交叉率P_c并根据交叉率得到新的群体V₂；

步骤八、计算变异率P_m并根据变异率得到新的群体V₃；

步骤九、将群体V₃作为新一代种群，用V₃代替V，并令t＝t+1，并返回步骤二。

进一步地，所述步骤一中，种群初始化具体地，随机产生N个个体，组成初始种群V₁＝{v₁,v₂,...,v_i,...,v_N}，其中第i个个体为v_i＝(v_i,1，v_i,2)，v_i,1表示第i个个体第k时刻燃料电池氢气消耗速率大小，v_i,2表示第i个个体第k时刻锂电池等效氢气消耗速率

大小，将当前优化代数设置为t＝1(t≤T_max)。

进一步地，所述步骤二中，第i个个体v_i第k时刻燃料电池的输出有用功率P_fc(k)_i计算如下式：

其中，V_fc表示燃料电池的电压；F_fc表示燃料电池法拉第常数；

表示燃料电池氢气的摩尔质量；

表示第i个个体第k时刻燃料电池氢气消耗的速率；

第i个个体v_i第k时刻锂电池的输出有用功率P_fc(k)_i计算如下式：

其中：

为第i个个体第k时刻锂电池等效氢气消耗速率；H_L表示氢气的热值；s_lf为电池放电的等效系数，电池放电的等效系数考虑氢气的化学能到锂电池的存储与释放的平均能量路径，具体计算采用公式(3)获得：

其中，η_bat为锂电池系统效率；η_fcc为燃料电池系统效率；η_DCDC为燃料电池DCDC转换器效率。

进一步地，所述步骤三中，第i个个体v_i第k时刻燃料电池的工作效率η_fc(k)_i计算如下式：

其中，

为第i个个体第k时刻燃料电池当前流速氢气完全反应所产生的功率。

进一步地，所述步骤四中，第i个个体v_i第k时刻锂电池的放电功率η_L(k)_i计算如下式：

其中，为第i个个体第k时刻锂电池当前流速氢气完全反应所产生的功率。

进一步地，所述步骤五中，适应值的计算如下式：

η(k)_i＝η_fc(k)_i×η_L(k)_i。 (6)

进一步地，所述步骤六中，计算第i个个体v_i第k时刻汽车实时放电功率P_Q(k)_i如下式：

其中，

为燃料电池的功率系数，当燃料电池氢气储量大于30％时，功率分配系数为1；当氢气储量小于30％，大于10％，功率分配系数

为0.7；当氢气储量低于10％，功率分配系数

为0.5；

其中，φ为锂电池组的功率系数，当锂电池电量大于30％时，功率分配系数

为1；当电池电量小于30％，大于10％，功率分配系数

为0.7；当电池SOC低于10％，功率分配系数

为0.5；

如果t<T_max，采用下式计算概率：

然后概率所决定的选中机会选择再生个体，系统实时效率η(k)_i高的个体被选中的概率高，系统实时效率η(k)_i低的个体被淘汰。

进一步地，所述步骤七中，具体地，按照公式(9)计算交叉率P_c，然后根据交叉率P_c按照公式(10)得到新的群体V₂；

其中，k₁和k₂为0-1之间的交叉常数；η_max表示η(k)_i中的最大效率大小；η_avg表示η(k)_i中平均效率大小；η_c表示要交叉的两个个体中较大的效率；θ表示0-1之间的随机交叉位置；i∈{1,2,…,N}，j∈{1,2,…,N}，v_i'(k)和v_j'(k)表示第k时刻交叉后的新个体，v_i(k)和v_j(k)表示第k时刻需要交叉的个体。

进一步地，所述步骤八中，具体地，按照公式(11)计算变异率P_m，然后根据变异率P_m按照基本的单点变异方法得到新的群体V₃；

其中，k₃和k₄为0-1之间的自定义常数；η_max表示η(k)_i中最大效率大小；η_avg表示η(k)_i中平均效率大小；η_b’表示要变异个体的效率大小。

与现有技术相比，本发明的有益效果是：

本发明提供一种基于自适应遗传算法的双电耦合燃料电池汽车能效优化控制方法，能够获得能量消耗率最低的功率匹配方案，为双电耦合燃料电池汽车的能效优化控制提供必要的技术支持。

附图说明

图1为本发明的流程图；

图2为本发明双电耦合燃料电池汽车的结构示意图；

图3为本发明汽车工作模式切换的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

一种基于自适应遗传算法的双电耦合燃料电池汽车能效优化控制方法，是基于双电耦合燃料电池动力系统实现的，所述双电耦合燃料电池动力系统包括动力电池组、燃料电池发动机、双向DCDC转换器、氢气供给系统、整车控制系统、锂离子电池系统、超级电容组、驱动电机、驱动电机控制系统和变速器；

双电耦合燃料电池汽车在行驶过程中，实时监测燃料电池系统信息、动力电池组状态信息、超级电容器组状态信息、车辆行驶速度，驾驶员意图，根据车辆行驶速度及油门踏板开度计算车辆需求转矩，电机控制系统根据转矩需求，计算能源系统输出功率。能源系统输出有三种模式；第一：全输出模式，即燃料电池系统、锂离子电池系统、超级电容器组共同驱动车辆行驶；第二：正常行驶模式，燃料电池系统工作，如系统功率需求低于燃料电池系统的额定输出功率，燃料电池的剩余功率通过DCDC转换器为锂离子电池充电，(如锂离子电池SOC超过限定值，则为超级电容器组充电)；第三：车辆制动减速模式，燃料电池系统关闭，电动机改为发电机模式，回收电能为超级电容器组充电。本专利研究第一种工作模式下，能效最优的问题。

设计步骤：

双电耦合燃料电池电动汽车在行驶过程中，实时监测动力电池剩余电量SOC及动力电池状态信息(包括单体电压、电流、温度、绝缘电阻阻值等)，燃料电池系统信息，车辆行驶速度，驾驶员意图(实为检测油门踏板开度)。根据车辆行驶速度及油门踏板开度计算车辆需求转矩，根据车辆需求转矩，计算车辆驱动能源的功率需求。

本专利所述双电耦合动力系统模型由燃料电池、锂电池组、超级电容器组构成，由于超级电容器组作为辅助能源，能够存储的能量较少，本专利不作为优化对象。因此，本专利的优化对象为燃料电池及锂离子电池组。考虑到车载能源的有限性，针对两个能源设定功率系数。

燃料电池的功率系数用

表示，当燃料电池氢气储量大于30％时，功率分配系数

为1；当氢气储量小于30％，大于10％，功率分配系数

为0.7；当氢气储量低于10％，功率分配系数

为0.5。

锂电池组的功率系数用

表示，当电池电量大于30％时，功率分配系数

为1；当电池电量小于30％，大于10％，功率分配系数

为0.7；当电池SOC低于10％，功率分配系数

为0.5。

其中，P_Q为汽车实时放电功率；P_fc为燃料电池放电功率；P_L为锂电池放电功率；为燃料电池的功率系数；φ为锂电池组的功率系数。

燃料电池系统与锂电池系统的效率与放电功率的关系，具体如下：

燃料电池的工作效率可以表示为：

式中：η_fc为燃料电池的工作效率；P_fc为燃料电池的输出有用功率；

为燃料电池当前流速氢气完全反应所产生的功率(由化学反应理论计算得到)。

式中，

表示燃料电池氢气消耗的速率，

表示燃料电池氢气的摩尔质量，F_fc表示燃料电池法拉第常数，V_fc表示燃料电池的电压。

由于燃料电池输出功率可以表示为和氢气消耗率的关系式，为了系统优化方便，可以把锂电池的输出效率也表示为耗氢速率的对应关系，因此引入如下关系式：

锂电池的放电功率P_L：

其中：

为锂电池等效氢气消耗速率；H_L表示氢气的热值；s_lf为电池放电的等效系数，这个等效系数考虑了氢气的化学能到锂电池的存储与释放的平均能量路径。

其中，η_bat为锂电池系统效率；η_fcc为燃料电池系统效率；η_DCDC为燃料电池DCDC转换器效率。

锂电池的工作效率可以等效表示为：

其中，η_L为锂电池的放电效率；

为锂电池当前流速氢气完全反应所产生的功率(由化学反应理论计算得到)。

技术方案：

一种基于自适应遗传算法的自适应遗传的双电耦合燃料电池汽车能效优化方法的设计步骤如下：

(1)确定优化设计变量：设计变量一共包括二个参数，分别为：燃料电池氢气消耗的速率

和锂电池等效氢气消耗速率

(2)确定优化设计目标：系统为单目标优化，优化目标为双电耦合燃料电池电动汽车实时效率最高。

(3)确定优化限制条件：燃料电池氢气消耗速率

和锂电池等效氢气消耗速率(氢气消耗速率范围在氢燃料电池发电机组设计时确定，与车辆设计指标相关)。

(4)所述双电耦合燃料电池能效优化方法包括以下步骤：

步骤一、种群初始化，采用十进制编码方法对燃料电池氢气消耗速率

和锂电池等效氢气消耗速率

进行编码，种群规模定义为N，交叉常数k₁和k₂，变异常数k₃和k₄，迭代最大代数为T_max；

步骤二、随机产生N个个体，组成初始种群V₁＝{v₁,v₂,...,v_i,...,v_N}，其中第i个个体为v_i＝(v_i,1，v_i,2)，v_i,1表示第i个个体第k时刻燃料电池氢气消耗速率

大小，v_i,2表示第i个个体第k时刻锂电池等效氢气消耗速率

大小，将当前优化代数设置为t＝1(t≤T_max)；

步骤三、采用公式(1)计算第i个个体第k时刻燃料电池的输出有用功率P_fc(k)_i。

其中，V_fc表示燃料电池的电压；F_fc表示燃料电池法拉第常数；

表示燃料电池氢气的摩尔质量；

表示第i个个体第k时刻燃料电池氢气消耗的速率。

步骤四、采用公式(2)计算第i个个体第k时刻锂电池的输出有用功率P_L(k)_i。

其中：

为第i个个体第k时刻锂电池等效氢气消耗速率；H_L表示氢气的热值；s_lf为电池放电的等效系数，这个等效系数考虑了氢气的化学能到锂电池的存储与释放的平均能量路径，具体计算采用公式(3)获得。

其中，η_bat为锂电池系统效率；η_fcc为燃料电池系统效率；η_DCDC为燃料电池DCDC转换器效率。

步骤五、采用公式(4)计算第i个个体第k时刻燃料电池的工作效率η_fc(k)_i。

其中，

为第i个个体第k时刻燃料电池当前流速氢气完全反应所产生的功率(由化学反应理论计算得到)。

步骤六、采用公式(5)计算第i个个体第k时刻锂电池的放电功率η_L(k)_i。

其中，

为第i个个体第k时刻锂电池当前流速氢气完全反应所产生的功率(由化学反应理论计算得到)。

步骤七、将公式(6)作为适应度函数，采用该公式计算每个个体v_i的适应度值大小，即第i个个体第k时刻汽车实施总效率η(k)_i大小；

η(k)_i＝η_fc(k)_i×η_L(k)_i (6)

步骤八、判断当前优化代数t是否等于T_max，若为是则停止计算，取适应度值最大的个体，即第k时刻实时总效率η(k)_i最高的个体v_i作为所求结果并根据对应的

和分别作为燃料电池和锂电池的氢气消耗速率，并采用公式(7)计算第i个个体第k时刻汽车实时放电功率P_Q(k)_i，如果t<T_max，采用公式(8)计算概率：

其中，

为燃料电池的功率系数，当燃料电池氢气储量大于30％时，功率分配系数

为1；当氢气储量小于30％，大于10％，功率分配系数为0.7；当氢气储量低于10％，功率分配系数为0.5。

其中，φ为锂电池组的功率系数，当锂电池电量大于30％时，功率分配系数

为1；当电池电量小于30％，大于10％，功率分配系数

为0.7；当电池SOC低于10％，功率分配系数为0.5。

然后按照上述概率所决定的选中机会选择再生个体，系统实时效率η(k)_i高的个体被选中的概率高，系统实时效率η(k)_i低的个体可能被淘汰。

步骤九、按照公式(9)计算交叉率P_c，然后根据交叉率P_c按照公式(10)得到新的群体V₂。

其中，k₁和k₂为0-1之间的交叉常数；η_max表示η(k)_i中的最大效率大小；η_avg表示η(k)_i中平均效率大小；η_c表示要交叉的两个个体中较大的效率；θ表示0-1之间的随机交叉位置；i∈{1,2,…,N}，j∈{1,2,…,N}，v_i'(k)和v_j'(k)表示第k时刻交叉后的新个体，v_i(k)和v_j(k)表示第k时刻需要交叉的个体。

步骤十、按照公式(11)计算变异率P_m，然后根据变异率P_m按照基本的单点变异方法得到新的群体V₃。

其中，k₃和k₄为0-1之间的自定义常数；η_max表示η(k)_i中最大效率大小；η_avg表示η(k)_i中平均效率大小；η_b’表示要变异个体的效率大小。

步骤十一、将步骤十得到的群体作为新一代种群，并另t＝t+1，并返回步骤三。

本发明将自适应遗传算法应用在双电耦合燃料电池汽车上，其是基于汽车的双电耦合燃料电池动力系统实现的，如图2所示，该双电耦合燃料电池动力系统包括：锂离子动力电池组7、燃料电池发动机5、燃料电池DCDC转换器4、氢气供给系统8、整车控制系统9、锂离子电池系统、超级电容组6、驱动电机2、驱动电机控制器3和变速器1，a为左前轮，b为右前轮，c为左后轮，d为右后轮，a和b连接着变速器1。

如图2所示，驱动电机2与变速器1机械连接，变速器1与车辆半轴连接，驱动电机2与驱动电机控制器3电气连接，燃料电池发动机5与燃料电池DCDC转换器4电气连接，燃料电池DCDC转换器4分别与锂离子动力电池组7、超级电容器组6电气连接。

如图3所示，双电耦合燃料电池汽车在行驶过程中，实时监测燃料电池系统信息、动力电池组状态信息、超级电容器组状态信息、车辆行驶速度，驾驶员意图，根据车辆行驶速度及油门踏板开度计算车辆需求转矩，并设定动力系统的工作模式；当系统功率需求大于燃料电池最大输出功率，小于燃料电池和锂离子电池输出功率之和，即P_fc≤P_Q≤P_fc+P_L。

执行系统进入全驱动模式，燃料电池系统、锂电池系统、超级电容系统全部工作，按照优化算法优化燃料电池和锂电池系统的输出功率。

否则进入燃料电池系统单独工作模式。此时判断车辆是否为制动模式，如果为制动模式，电动机改为发电模式，优先为锂电池组充电，如回收电能不满足锂电池回收条件，则为超级电容充电；燃料电池系统和发电机一样优先为锂电池组充电，如回收电能不满足锂电池回收条件，则为超级电容充电；

如果车辆不是制动模式，燃料电池系统工作，剩余电能优先为锂电池充电，如回收电能不满足锂电池回收条件为超级电容充电。

需要说明的：

(1)超级电容系统只在制动回收模式和急加速工况工作，不参与本专利优化。

(2)超级电容器是否工作，由整车控制系统发出指令完成。