一种超级电容-燃料电池混合动力特种车辆功率协调方法
阅读说明：本技术 一种超级电容-燃料电池混合动力特种车辆功率协调方法 (Power coordination method for super-capacitor-fuel cell hybrid power special vehicle ) 是由 任毅龙 兰征兴 于海洋 王吉祥 付翔 余航 于 2021-07-20 设计创作，主要内容包括：本专利涉及一种超级电容-燃料电池混合动力特种车辆功率协调方法,其特征在于,包括：步骤100,建立混合动力系统结构的数学模型,包括：功率平衡模型、超级电容的数学模型以及燃料电池的数学模型,所述超级电容和燃料电池作为混合动力源,以得到超级电容的剩余电量以及燃料电池的电量消耗量；步骤200,根据得到的超级电容的剩余电量以及燃料电池的电量消耗量建立模型预测控制器系统,进行能量管理,最终得到最优控制序列；步骤300,将步骤200最终得到的最优控制序列中的第一个值附加给模型预测控制器,更新状态值,进行依次迭代。(The patent relates to a power coordination method for a super-capacitor-fuel cell hybrid special vehicle, which is characterized by comprising the following steps: step 100, establishing a mathematical model of a hybrid power system structure, including: the power balance model, the mathematical model of the super capacitor and the mathematical model of the fuel cell are used as a hybrid power source to obtain the residual electric quantity of the super capacitor and the electric quantity consumption of the fuel cell; step 200, establishing a model predictive controller system according to the obtained residual electric quantity of the super capacitor and the electric quantity consumption of the fuel cell, performing energy management, and finally obtaining an optimal control sequence; and step 300, adding the first value in the optimal control sequence finally obtained in the step 200 to the model predictive controller, updating the state value, and performing sequential iteration.)
技术领域
本发明属于新能源混合动力汽车技术领域，涉及一种超级电容-燃料电池混合动力特种车辆功率协调方法。
背景技术
近年来，新能源汽车由于其环保节能等优势备受人们青睐，发展迅速。在民航领域，随着机场地面特种车辆“油改气”专项试点工作的启动，在机场环境下如何部署新能源汽车正引起业界的关注。相比于一般的运用场景，在机场背景下车辆运行工况复杂，工作时间长、工作频率高且作业负载大，负载变化频繁。特别是对于机场中的飞机引导车辆，要求在极短的时间内平稳拖动飞机，这对于车辆的功率瞬时变化提出了极高的要求。
基于上述场景需求，迫切需要设计出一种属于机场特种车辆的可靠动力系统以适应机场工况。
燃料电池作为一种新型的车辆动力源，具备能量密度高、放电速度快以及清洁环保等特点，为满足机场工况下的特种车辆作业要求提供了一种新的思路。然而，燃料电池存在无法回收多余能量，以及要求燃料电池系统具备较高的动态性能和可靠性问题，这就要求配合其他的动力源来改善燃料电池的上述缺点。
发明内容
鉴于上述的分析，本发明旨在提供一种超级电容-燃料电池混合动力特种车辆功率协调方法，用以解决现有技术中对负载变化动力系统响应、燃料电池的能量浪费以及对燃料电池系统高要求的问题。
本发明的目的是这样实现的：
提供了一种超级电容-燃料电池混合动力特种车辆功率协调方法，包括：步骤100，建立混合动力系统结构的数学模型，包括：功率平衡模型、超级电容的数学模型以及燃料电池的数学模型，所述超级电容和燃料电池作为混合动力源，以得到超级电容的剩余电量以及燃料电池的电量消耗量；所述步骤100中，还包含有以下几个步骤：步骤101，从功率流动的角度出发，建立全车电力总和节点的功率平衡模型；步骤102，根据超级电容的工作原理和电路模型建立数学模型，并得到超级电容的剩余电量的表达式；步骤103，根据燃料电池的工作原理和电路模型建立数学模型，并得到燃料电池的电量消耗量的表达式；步骤200，根据得到的超级电容的剩余电量以及燃料电池的电量消耗量建立模型预测控制器系统，进行能量管理，最终得到最优控制序列；所述步骤200中，包括以下步骤：步骤201，基于步骤200得到的超级电容模型和燃料电池模型，建立模型预测控制器的数学模型；步骤202，基于模型预测控制器系统，拟定系统的系统参数包括：状态变量、控制变量、测量输入、输出以及指标函数；步骤203，得到超级电容-燃料电池混合动力系统的目标函数的计算公式，并得到最优控制输入序列；步骤300，将步骤200最终得到的最优控制序列中的第一个值附加给模型预测控制器，更新状态值，进行依次迭代。能够发挥超级电容实时储存电量和削峰填谷的功能，实现了负载变化下的动力系统快速响应并保证了车辆动力系统工作的稳定性和可靠性。
进一步地，所建立全车电力总和节点的功率平衡模型的表达式为： PC(t)＝Puc(t)+Preq(t)，其中PC(t)为燃料电池的瞬时输出功率，Puc(t)为超级电容的瞬时输入输出功率，其值为正数时为充电状态，Preq(t)为车辆负载的瞬时输出功率，所述车辆负载包括电动机和其他车用电气负载。从系统功率流动的角度出发，协调车辆负载，超级电容和燃料电池三者间的功率分配。
进一步地，所述超级电容的剩余电量SOE(t)的表达式通过其微分形式SOE(t)′表示：其中Ecap为最大能量容量，ξcap为超级电容器功率。为计算最优控制序列提供基础。
进一步地，得到所述燃料电池的电量消耗量Be的表达式为：其中PC为燃料电车的功率，t0为燃料电池地起始工作时间，为电量消耗率。为计算预测时域内的最优控制序列提供基础。
进一步地，所述模型预测控制器系统的状态变量为x，其控制变量为u，测量输入为v，测量输出为y，其中，u＝Puc，v＝Preq， Puc为超级电容的输出功率，Preq为车辆负载的输出功率。
进一步地，模型预测控制器系统的指标函数通过对系统进行线性化和离散化处理后得到的。
进一步地，，模型预测控制器系统进行线性化、离散化处理后的状态空间形式为：其中k为时刻，属于时间集合{1，2，…,T}；x(k)为k时刻的模型预测控制系统的状态变量；x(k+1)为k+1时刻的模型预测控制系统的状态变量；u(k)为k时刻的模型预测控制系统的超级电容的输出功率；y(k)为k时刻的模型预测控制系统的测量输出；
A(k),Bu(k),Bv(k)和C(k)分别为：
其中， 为单位时间电量消耗量，则m1为该一次函数的斜率；m2为该一次函数的常数。
进一步地，所述指标函数J为过程的测量输出值与参考轨迹差值最小，其表达式为：其中，N为预测视界的长度；Q为状态权重值；R为输入惩罚量；y为测量输出；yref为参考值；i为阶段；y(k+i|k)为输出项；yref(k+i)为参考项；u(k+i-1)为控制输入项；U为控制变量矩阵，其表达式为：Nc为控制变量的预测长度。
进一步地，通过所述目标函数minBe以及相应的约束条件： ymin≤y(k)≤ymax,k＝1,2,...,N，umin≤u(k)≤umax,k＝1,2,...,N，得到最优控制序列u0,u1,u2,…,uN-1。
进一步地，将u0输入到模型预测控制器后，进入下一个时刻，并获取车辆当前负载需求功率Preq，对下一个时刻的Be和SOE进行预测，再修正上一个时刻的预测值，并重复以上预测、优化以及修正的步骤。
与现有技术相比，本发明至少可实现如下有益效果之一：
a)提出了一种基于模型预测控制器的能量管理方法，保证混合动力源间的功率协调，实现负载变化时动力系统快速响应。
b)在负载频繁变化条件下保证系统快速响应的同时，提高动力系统的运行性能。
c)充分发挥了超级电容实时储存电量和削峰填谷的功能，实现了负载变化下的动力系统快速响应并保证了车辆动力系统工作的稳定性和可靠性。
d)从系统功率流动的角度出发，协调车辆负载，超级电容和燃料电池三者间的功率分配，实现了实时控制并达到控制最优的效果。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本发明的一种超级电容-燃料电池混合动力特种车辆功率协调方法步骤流程图；
图2为本发明的超级电容-燃料电池混合动力特种车辆功率平衡模型结构示意图；
图3为本发明中超级电容的等效RC简化模型图；
图4为本发明中燃料电池Rint等效电路模型图；
图5为本发明步骤100的分步流程图；
图6为本发明步骤200的分步流程图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
为便于对本申请实施例的理解，下面将结合附图以具体实施例做进一步的解释说明，实施例并不构成对本申请实施例的限定。
实施例1
本实施例提供了一种超级电容-燃料电池混合动力特种车辆功率协调方法。
如图1所示，所述一种超级电容-燃料电池混合动力特种车辆功率协调方法包括以下步骤：
步骤100，建立混合动力系统结构的数学模型，包括：功率平衡模型、超级电容的数学模型以及燃料电池的数学模型，所述超级电容和燃料电池作为混合动力源，以得到超级电容的剩余电量以及燃料电池的电量消耗量。
步骤101，从功率流动的角度出发，建立全车电力总和节点的功率平衡模型。
所述功率平衡模型包括：燃料电池、超级电容、电动机以及其他车用电气负载间的功率分配。
参照图2，所述功率平衡模型可以用以下表达式表示：
PC(t)＝Puc(t)+Preq(t)
其中，PC(t)是燃料电池的瞬时输出功率，其单位为kw；Puc(t)是超级电容的瞬时输入输出功率，其值为正数时为充电状态，单位为kw；Preq(t)为车辆负载的瞬时输出功率，单位为kw；t为时刻；Preq主要有电动机和其他车用电气负载需求组成。
进一步的，可以推导出Puc需要满足的约束：
PC-min-Preq(t)≤Puc(t)≤PC-max-Preq(t)
其中，PC-min为燃料电池瞬时最小输出功率；PC-max为燃料电池瞬时最大输出功率。
此外，为保证全车动力系统的安全稳定运行，超级电容的输出Puc和超级电容SOE值必须要满足硬件条件下的物理约束，即：
Puc-min≤Puc(t)≤Puc-max
SOEmin≤SOE(t)≤SOEmax
其中，Puc-max代表超级电容的最大输出功率；Puc-min为超级电容的最小输出功率；由于超级电容的SOE在40％—80％范围内充放电效率最高，故对超级电容SOE的最大剩余电量SOEmax设定为0.64；超级电容SOE的最小剩余电量SOEmin设定为0.16。
步骤102，根据超级电容的工作原理和电路模型建立数学模型，并得到超级电容的剩余电量的表达式。
根据图3所示的超级电容的Resistive-Capacity(RP)简化电路，其中ESR(Equivalent Series Resistance)为等效串联电阻，能够得出超级电容的数学模型，其表达式如下：
Puc(t)＝VL(t)·Icap(t)
其中，Puc(t)是超级电容的瞬时输入输出功率，单位为kw，当Puc(t)的数值为正数时，表示电容处于充电状态；VL(t)是t时刻时超级电容的终端电压，单位为V；Icap(t)是流过超级电容的实时电流，单位是A；是t时刻时跨过等效电容电压的一阶导数，其单位为A/F；C是超级电容器，单位为F； SOC(t)(State Of Charge)是超级电容的实时荷电状态；Q(t)是存储在电容中的电荷量，单位是C；Qmax是t时刻时超级电容最大可储存的电荷量，单位是C；Vcap(t)是t时刻跨过等效电容的电压，单位是V；Vmax是超级电容的最大伏特电压，单位是V；SOE(t)(State Of Energy)为t时刻时超级电容的剩余电量；E(t)表示t时刻时超级电容中存储的能量，单位是J；Ecap是最大能量容量，单位是J。
SOE的微分、最大能量容量和超级电容器功率之间的关系如下：
式中，SOE(t)′为超级电容的SOE在t时刻的微分；ξcap是指超级电容的效率，设定为98％。
步骤103，根据燃料电池的工作原理和电路模型建立数学模型，并得到燃料电池的电量消耗量的表达式。
根据图4所示的Rint等效电路模型刻画燃料电池的数学模型，能够用以下表达式表示：
U′＝UDC-i·R
PC(t)＝U′(t)·i(t)
上式中，U′(t)是t时刻燃料电池的终端输出电压，其单位为V；i(t)为t时刻的电路电流，其单位是A。
定义单位时间内燃料电池耗电量为计算公式为：
式中，PC表示燃料电池的输出功率，其单位为kw；表示电量消耗率，单位为V/(kw·h)。
则燃料电池工作时间t内的电量消耗量可表示为：
其中，Be表示燃料电池的电量消耗量；t0表示燃料电池地起始工作时间。
简化DC/DC双向转换器，将其转换效率设为1。
步骤200，根据得到的超级电容的剩余电量以及燃料电池的电量消耗量建立模型预测控制器系统，进行能量管理，最终得到最优控制序列。
步骤201，基于步骤200得到的超级电容模型和燃料电池模型，建立模型预测控制器的数学模型。
模型预测控制器可以使用以下方程式表示：
其中，x1＝SOE表示超级电容的剩余电量；x2＝Be表示燃料电池的电耗量； u＝Puc表示控制变量，并将其作为超级电容的功率输出。
步骤202，基于模型预测控制器系统，拟定系统的系统参数包括：状态变量、控制变量、测量输入、输出以及指标函数。
定义模型预测控制系统的状态变量、控制变量、测量输入和输出：
u＝Puc
v＝Preq
式中，x为模型预测控制系统的状态变量；u为控制变量；v为测量输入； y为测量输出。
将模型预测控制器系统进行线性化和离散化的处理，得到状态空间形式为：
x(k+1)＝A(k)x(k)+Bu(k)u(k)+Bv(k)
y(k)＝C(k)x(k)
其中，k为时刻，属于时间集合{1，2，…,T}；x(k)为k时刻的模型预测控制系统的状态变量；x(k+1)为k+1时刻的模型预测控制系统的状态变量；u(k)为 k时刻的模型预测控制系统的超级电容的输出功率；y(k)为k时刻的模型预测控制系统的测量输出；A(k),Bu(k),Bv(k)和C(k)分别为：
其中，其中，则m1为该一次函数的斜率；m2为该一次函数的常数。
定义将模型预测控制器系统的指标函数J为过程的测量输出值与参考轨迹差值最小，则最小化的指标函数J可以描述为分阶段的输出项与参考项的差值及控制输入项的加权范数之和：
其中，N为预测视界的长度；Q为状态权重值；R为输入惩罚量；y为测量输出；yref为参考值；i为阶段；y(k+i|k)为输出项；yref(k+i)为参考项； u(k+i-1)为控制输入项；U为控制变量矩阵，其表达式为：
其中，Nc为控制变量的预测长度。
为输出项与参考项之间差值的加权范数，为控制输入项的加权范数。
输出项与参考项之间差值的加权范数的表达式为：
控制输入项的加权范数的表达式为：
步骤203，得到超级电容-燃料电池混合动力系统的目标函数的计算公式，并得到最优控制输入序列。
超级电容-燃料电池混合动力系统的目标为燃料电池的电量消耗量Be最低，其计算公式如下所示：
由于测量输出以及控制变量必须满足的硬件条件下的物理约束条件，即：
ymin≤y(k)≤ymax,k＝1,2,...,N
umin≤u(k)≤umax,k＝1,2,...,N
在给定约束条件下计算得到控制变量u的最优控制序列u0,u1,u2,…,uN-1。
步骤300，将步骤200最终得到的最优控制序列中的第一个值附加给模型预测控制器，更新状态值，进行依次迭代。
将计算得到的最优控制序列中的首个数值输入到模型预测控制器中，之后进入下一个时刻，继续获取车辆当前负载需求功率Preq信息，对模型预测控制器系统下一个时刻的燃料电池的耗电量Be以及超级电容的剩余电量 SOE进行预测，同时对上一时刻的预测值进行修正。并且重复以上预测、优化以及修正的步骤。
以上所述的具体实施方式，对本申请的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本申请的具体实施方式而已，并不用于限定本申请的保护范围，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：一种复合电源模块及复合电源均衡系统