王斌,徐俊,曹秉剛,續(xù)丹,鄒忠月

(西安交通大學(xué)機械制造系統(tǒng)工程國家重點實驗室,710049,西安)

?

采用模擬退火算法的電動汽車復(fù)合電源能量管理系統(tǒng)優(yōu)化

王斌,徐俊,曹秉剛,續(xù)丹,鄒忠月

(西安交通大學(xué)機械制造系統(tǒng)工程國家重點實驗室,710049,西安)

針對電動汽車的混合式復(fù)合電源工作模式切換復(fù)雜、不利于不同工作模式的功率最優(yōu)分配問題,提出基于模擬退火算法的復(fù)合電源能量管理優(yōu)化方法。對混合式復(fù)合電源的工作模式進行分層討論,建立能量管理系統(tǒng)的各部件損耗模型,基于不同層次設(shè)計能量管理策略。在分層能量管理策略的基礎(chǔ)上,采用模擬退火算法降低系統(tǒng)的損耗。搭建混合式復(fù)合電源仿真模型和實驗臺進行仿真和實驗。仿真和實驗結(jié)果表明:在NYCC和EUDC路況下,混合式復(fù)合電源能量管理系統(tǒng)采用模擬退火算法優(yōu)化比滯環(huán)邏輯控制的總損耗降低0.8%和1.1%?；旌鲜綇?fù)合電源能量管理系統(tǒng)采用模擬退火算法不僅能有效降低系統(tǒng)損耗,實現(xiàn)功率最優(yōu)分配,而且能及時跟隨功率需求,由超級電容提供或吸收峰值功率,保證電池安全。

電動汽車;復(fù)合電源;模擬退火算法;能量管理系統(tǒng)

近年來電動汽車在國內(nèi)外飛速發(fā)展,特別是特斯拉風(fēng)行全球以來,許多汽車公司都在加緊研發(fā)高性能的電動汽車,然而,電池技術(shù)依舊是高性能電動汽車發(fā)展的瓶頸[1]。傳統(tǒng)的電池比能量高,但功率密度不能完全滿足電動汽車的功率需求。盡管高功率密度電池,例如三元鋰電池,能滿足電動汽車的峰值功率需求,但該類電池均衡、安全問題尚未解決[1-2]。大功率充放電還會減少電池的循環(huán)充放電次數(shù),降低其使用壽命[3-4]。超級電容比功率高,可多次循環(huán)充電[5]。超級電容與鋰電池組成復(fù)合電源能有效發(fā)揮各自的優(yōu)點,復(fù)合電源既能顯著提高電動汽車制動能量回收率,也能保證電池能量管理系統(tǒng)的穩(wěn)定性和可靠性[6]。

復(fù)合電源有電池/超級電容器(Battery/UC)結(jié)構(gòu)、UC/Battery結(jié)構(gòu)和混合式結(jié)構(gòu)等[7-8]?；旌鲜浇Y(jié)構(gòu)能在Battery/UC和UC/Battery結(jié)構(gòu)間切換工作,控制更加靈活,但是增加了復(fù)合電源能量管理的難度[9-10]。目前,基于規(guī)則的控制[10]、模糊控制[11]、神經(jīng)網(wǎng)絡(luò)控制[12]、粒子群算法[13]、模型預(yù)測控制算法[14]等被廣泛應(yīng)用于復(fù)合電源能量管理系統(tǒng)的控制與優(yōu)化?；谝?guī)則的控制策略相對簡單,但是系統(tǒng)優(yōu)化有待提升。模糊控制策略不完全適合控制參數(shù)隨工作模式大幅度跳變的混合式復(fù)合電源。神經(jīng)網(wǎng)絡(luò)控制通過訓(xùn)練在理論上可達到最優(yōu),但是硬件實現(xiàn)困難。粒子群算法可能陷入局部最優(yōu)。模型預(yù)測控制對模型精確度依賴高,且需要預(yù)知路況信息。

模擬退火算法是一種迭代求解的隨機尋優(yōu)算法,能以一定概率跳出局部最優(yōu)解并尋找全局最優(yōu)解[15]。模擬退火算法簡單易編程實現(xiàn),已被成功應(yīng)用于復(fù)合電源的功率跟隨控制,并有效延長電池使用壽命[16]?；旌鲜綇?fù)合電源能量管理系統(tǒng)優(yōu)化涉及工作模式切換、功率最優(yōu)分配兩部分。因此,本文首先對混合式復(fù)合電源工作模式分層討論并設(shè)計控制策略,然后以復(fù)合電源能量管理系統(tǒng)的最小損耗為性能指標建立模擬退火目標函數(shù),將工作模式跳變與模擬退火方式結(jié)合,實現(xiàn)基于模擬退火算法的能量管理系統(tǒng)優(yōu)化。

1 混合式復(fù)合電源工作模式分層

混合式復(fù)合電源能量管理系統(tǒng)如圖1所示,該系統(tǒng)的超級電容電壓通常高于電池組電壓。開關(guān)S1控制超級電容輸出,選擇Battery/UC或UC/Battery結(jié)構(gòu)的工作模式。開關(guān)S2控制電池組輸出,避免電池組過放電。直流-直流變換器(DC-DC)為buck-boost結(jié)構(gòu),對電池組升壓、對超級電容降壓。功率二極管使超級電容優(yōu)先回收制動能量。

圖1 混合式復(fù)合電源能量管理系統(tǒng)

本文的混合式復(fù)合電源設(shè)計有4種能量輸出工作模式和2種制動能量回收模式,如圖2所示,包括UC單獨輸出模式、升壓混合工作模式、電池單獨輸出模式、降壓混合工作模式、UC單獨回收模式和共同回收模式。為使系統(tǒng)盡可能多地回收制動能量,在輸出時,如果超級電容電壓高于上限值,采用UC單獨輸出模式;在制動時,如果超級電容電壓低于上限值,優(yōu)先采用UC單獨回收模式。這2種模式僅與超級電容電壓相關(guān),且必須強制執(zhí)行,定義為頂層強制模式。

圖2 混合式復(fù)合電源的工作模式

為避免電池組過放電,當(dāng)電池荷電狀態(tài)(state of charge, SOC)低于下限值時,采用UC/Battery結(jié)構(gòu)降壓混合工作模式,超級電容向電池組充電或向逆變器提供能量。制動時,共同回收模式僅在超級電容電壓高于上限值時使用。為簡化控制,該層對DC-DC恒功率降壓控制。為延長電池使用壽命,應(yīng)盡可能避免使用這2種工作模式,該層被定義為底層特殊模式。

剩余的2種工作模式分別為電池單獨輸出模式、Battery/UC升壓混合工作模式,需要擇優(yōu)選擇損耗最小的工作模式。該層采用模擬退火算法搜索尋優(yōu)實現(xiàn)系統(tǒng)的最小損耗,同時完成超級電容荷電狀態(tài)SOC補償和系統(tǒng)功率最優(yōu)分配,因此,該層被定義為目標層尋優(yōu)模式?；旌鲜綇?fù)合電源工作模式分層如圖3所示。

圖3 混合式復(fù)合電源工作模式分層

2 能量管理策略及優(yōu)化

2.1 損耗模型

混合式復(fù)合電源能量管理系統(tǒng)的損耗包括電池損耗、超級電容損耗、二極管損耗、DC-DC損耗、逆變器及電機損耗。S1、S2開關(guān)損耗可忽略。

圖4 等效電路模型

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(11)

2.2 能量管理及優(yōu)化算法實現(xiàn)

頂層采用邏輯門限控制方法。定義超級電容電壓的90%為上限值,當(dāng)滿足頂層條件時,有

(12)

式中:PUC為超級電容輸出功率;Pdem為需求功率。

頂層采用超級電容單獨提供或吸收功率,通過超級電容主動放電向目標層轉(zhuǎn)換進行尋優(yōu)。

電池和超級電容的SOC計算公式為

(13)

(14)

目標層的能量管理策略既要完成工作模式的選擇和切換,又要實現(xiàn)系統(tǒng)的最小損耗。目標層的電池單獨輸出模式和升壓混合工作模式滿足

(15)

(16)

式中:Pbat是電池輸出功率。

由式(15)、(16)可知,電池單獨輸出模式對應(yīng)的功率只有一個解,而升壓混合工作模式對應(yīng)多組解,需要進行比較尋優(yōu)。電池和超級電容輸出功率不同則對應(yīng)的損耗也不同。為使模擬退火算法同時實現(xiàn)模式選擇和尋優(yōu)功能,模擬退火函數(shù)的初值被設(shè)計為電池單獨輸出模式對應(yīng)的解,如果后面搜索值對應(yīng)的損耗小于初值對應(yīng)的損耗,則選擇升壓混合工作模式,并不斷更新初值,否則不更新,選擇電池單獨輸出模式。

模擬退火函數(shù)為

(17)

(18)

(19)

(20)

退火方式基于工作模式跳變和DC-DC高效工作區(qū)域設(shè)計,初值對應(yīng)電池單獨輸出模式,其余值對應(yīng)升壓混合工作模式,并以DC-DC最高效率點為中心展開隨機搜索。因此,高效工作區(qū)的退火方式為

(21)

式中:α為模擬退火隨機搜索算子,當(dāng)k=2,α=1時,對應(yīng)DC-DC最高效率工作點,k為每一步搜索次數(shù)。非高效工作區(qū)結(jié)合式(19)進行超級電容電量補償。

DC-DC高效工作區(qū)間的上限值和下限值相差約為4.5 kW,k取值為5 000,搜索值平均間距低于1 W。對搜索結(jié)果進行比較,如果損耗小于之前的值,則Pbat[k+1]更新為當(dāng)前最優(yōu)值,否則Pbat[k+1]不更新。搜索終止條件為:①如果Pbat[k+1]連續(xù)500次不更新,搜索強制終止;②Pbat[k+1]不斷更新,搜索次數(shù)等于 5 000。因此,通過不大于5 000次的搜索值對比和不斷更新的最優(yōu)值,能實現(xiàn)系統(tǒng)損耗最小和功率最優(yōu)分配。

圖5 全局能量管理及優(yōu)化

底層工作的混合式復(fù)合電源在Sbat<0.1輸出時,系統(tǒng)應(yīng)提示電量不足;制動時,超級電容電壓高于90%時采用共同回收模式,使工作模式向目標層轉(zhuǎn)換進行尋優(yōu)。為提高系統(tǒng)效率,底層采用恒功率控制,恒定功率等于DC-DC最高效率工作的功率

(22)

全局的分層能量管理及優(yōu)化如圖5所示。當(dāng)位于頂層或底層時,能量管理策略通過對超級電容主動充放電或?qū)﹄姵豐OC補償,使工作模式向目標層靠攏和轉(zhuǎn)換,進而采用模擬退火算法尋優(yōu)實現(xiàn)系統(tǒng)最小損耗。能量管理及優(yōu)化算法的輸出形式是電池和超級電容的輸出功率,在頂層和底層時采用邏輯門限控制超級電容吸收或輸出功率;在目標層采用模擬退火算法優(yōu)化電池組輸出功率,超級電容提供其余功率來實現(xiàn)功率最優(yōu)分配。

3 仿真和實驗

對3.2 V80 Ah的鋰電池進行直流內(nèi)阻測試,多組電流放電測試的直流電阻接近平均內(nèi)阻,單體內(nèi)阻為0.05 mΩ。對75 V、96 F的超級電容進行測試,模塊內(nèi)阻低于0.82 mΩ。電機額定功率為20 kW,峰值功率為40 kW,逆變器相關(guān)參數(shù)為K1=0.325,K2=1.05,Rcu=0.049,Rfe=670。

圖6 DC-DC的效率

為證明上述能量管理策略,搭建復(fù)合電源能量管理系統(tǒng)模型和車輛仿真模型在NYCC和EUDC路況下仿真,電動汽車的整車質(zhì)量為1 350 kg。圖7是DC-DC在兩種路況下的輸出,在NYCC路況下,DC-DC在最高效率點10 kW附近工作。在EUDC路況下,在250 s至350 s時功率需求大,超級電容SOC急速下降,此時DC-DC工作在超級電容SOC補償區(qū)間。仿真結(jié)果證明模擬退火算法能有效控制DC-DC,并通過迭代搜索使DC-DC工作在最優(yōu)狀態(tài)。圖8是采用分層模擬退火算法優(yōu)化和滯環(huán)邏輯控制[7,10]結(jié)果的對比。

(a)NYCC路況輸出結(jié)果

(b)EUDC路況輸出結(jié)果圖7 兩種路況的DC-DC輸出結(jié)果

圖8a～圖8d是在NYCC路況的結(jié)果對比。兩種能量管理策略在超級電容電壓高于上限值90%時,超級電容均單獨輸出。與滯環(huán)邏輯控制相比,采用分層模擬退火算法優(yōu)化的電池輸出功率僅在末期輸出較大,其他條件下略高于或逼近滯環(huán)邏輯控制結(jié)果,但是超級電容獲得了更多的能量。在電池輸出能量幾乎不增加的條件下采用分層模擬退火算法達到了系統(tǒng)最優(yōu),超級電容SOC最終穩(wěn)定在目標值附近。由超級電容SOC曲線可看出,超級電容電量消耗降低了4.2%。

圖8e～圖8h是EUDC路況的結(jié)果對比。滯環(huán)邏輯控制在超級電容電壓低于下限值時才會補償,因此復(fù)合電源采用滯環(huán)邏輯控制在300 s后才進行超級電容SOC補償,而電池輸出功率突然增大會嚴重縮短電池使用壽命。復(fù)合電源采用分層模擬退火算法在250 s后就主動進行超級電容SOC補償,使電池輸出功率平滑增加,有效地保證了電池安全,同時,超級電容SOC維持在0.5以上,盡管電池輸出能量稍微增加,但是超級電容最終電量消耗降低了6.4%。

為驗證能量管理系統(tǒng)采用模擬退火算法優(yōu)化能有效降低系統(tǒng)損耗,采用式(23)計算系統(tǒng)的總損耗,并和滯環(huán)邏輯控制的結(jié)果[7]進行比較,證明在NYCC和EUDC路況下的系統(tǒng)總損耗分別降低了0.8%和1.1%。

(23)

(a)NYCC路況需求功率

(b)NYCC路況電池輸出功率對比

(c)NYCC路況超級電容輸出功率對比

(d)NYCC路況超級電容SOC比較

(e)EUDC路況需求功率

(f)EUDC路況電池輸出功率對比

(g)EUDC路況超級電容輸出功率對比

(h)EUDC路況超級電容SOC比較圖8 模擬退火算法和滯環(huán)邏輯控制的仿真結(jié)果對比

為進一步驗證混合式復(fù)合電源的常用工作模式及能量管理優(yōu)化,搭建了圖9所示的小功率在環(huán)測試平臺進行驗證,在環(huán)測試的最大需求功率約為仿真的1/200。設(shè)計DC-DC最高效率點約為50 W,其高效工作區(qū)取值在50 W附近;電池組標準電壓為13.2 V,最大輸出功率限制為100 W;超級電容最高電壓設(shè)計為25 V;永磁同步電機的電壓工作區(qū)間為13～30 V,額定功率為100 W。測試結(jié)果如圖10所示。

圖9 在環(huán)測試平臺

(a)實驗需求功率

(b)電池輸出功率

(c)超級電容輸出功率

(d)超級電容電壓圖10 在環(huán)測試結(jié)果

圖10驗證了采用分層模擬退火算法優(yōu)化的混合式復(fù)合電源的UC單獨輸出模式、UC單獨回收模式和尋優(yōu)模式。在UC單獨輸出模式下,對應(yīng)的SUC大于0.9,在尋優(yōu)模式下,能自動完成電池單獨輸出模式、混合工作模式切換,并實現(xiàn)功率最優(yōu)分配和超級電容SOC補償。由于特殊模式會影響電池使用壽命,實驗不使用特殊模式。在環(huán)測試結(jié)果與仿真結(jié)果表明,采用模擬退火算法優(yōu)化的混合式復(fù)合電源能有效跟隨功率需求,超級電容及時提供或吸收峰值功率,實現(xiàn)能量管理優(yōu)化和保證電池安全。

4 結(jié) 論

針對電動汽車的混合式復(fù)合電源工作模式切換復(fù)雜、不利于不同工作模式的功率最優(yōu)分配問題,提出基于模擬退火算法的復(fù)合電源能量管理優(yōu)化方法。對混合式復(fù)合電源工作模式進行分層討論,建立能量管理系統(tǒng)各部件損耗模型,以系統(tǒng)最小損耗為性能指標建立模擬退火優(yōu)化目標函數(shù),以DC-DC最高效率點為中心進行尋優(yōu)和進行超級電容SOC補償,并結(jié)合其他層的控制策略,實現(xiàn)能量管理及優(yōu)化。仿真結(jié)果與在環(huán)測試結(jié)果表明,在NYCC和EUDC路況下,混合式復(fù)合電源能量管理系統(tǒng)采用模擬退火算法優(yōu)化比傳統(tǒng)滯環(huán)邏輯控制的總損耗降低0.8%和1.1%。混合式復(fù)合電源能量管理系統(tǒng)采用模擬退火算法優(yōu)化能有效降低系統(tǒng)損耗,實現(xiàn)功率最優(yōu)分配,且能及時跟隨功率需求,由超級電容提供或吸收峰值功率,保證電池安全。

[1] LU Languang, HAN Xuebing, LI Jianqiu, et al. A review on the key issues for lithium-ion battery management in electric vehicles [J]. Journal of Power Sources, 2013, 226: 272-288.

[2] SONG Ziyou, LI Jianqiu, HAN Xuebing, et al. Multi-objective optimization of a semi-active battery/supercapacitor energy storage system for electric vehicles [J]. Applied Energy, 2014, 135: 212-224.

[3] ONGARO F, SAGGINI S, MATTAVELLI P, et al. Li-ion battery-supercapacitor hybrid storage system for a long lifetime, photovoltaic-based wireless sensor network [J]. IEEE Transactions on Power Electronics, 2012, 27(9): 3944-3952.

[4] SONG Ziyou, HOFMANN H, LI Jianqiu, et al. Energy management strategies comparison for electric vehicles with hybrid energy storage system [J]. Applied Energy, 2014, 134: 321-331.

[5] 曹秉剛, 曹建波, 李軍偉, 等. 超級電容在電動車中的應(yīng)用研究 [J]. 西安交通大學(xué)學(xué)報, 2008, 42(11): 1317-1322. CAO Binggang, CAO Jianbo, LI Junwei, et al. Ultracapacitor with applications to electric vehicle [J]. Journal of Xi’an Jiaotong University, 2008, 42(11): 1317-1322.

[6] 吳海峰, 魯軍勇, 馬偉明, 等. 大功率混合儲能裝置控制策略研究 [J]. 西安交通大學(xué)學(xué)報, 2015, 49(2): 93-98. WU Haifeng, LU Junyong, MA Weiming, et al. Control strategy for high power hybrid energy storage device [J]. Journal of Xi’an Jiaotong University, 2015, 49(2): 93-98.

[7] CAO Jian, EMADI A. A new battery/ultra-capacitor hybrid energy storage system for electric, hybrid, and plug-in hybrid electric vehicles [J]. IEEE Transactions on Power Electronics, 2012, 27(1): 122-132.

[8] KHALIGH A, LI Zhihao. Battery, ultracapacitor, fuel cell, and hybrid energy storage systems for electric, hybrid electric, fuel cell, and plug-in hybrid electric vehicles: state of the art [J]. IEEE Transactions on Vehicular Technology, 2010, 59(6): 2806-2814.

[9] 任桂周, 常思勤. 一種基于超級電容器組串并聯(lián)切換的儲能系統(tǒng) [J]. 電工技術(shù)學(xué)報, 2014, 29(1): 187-195. REN Guizhou, CHANG Siqin. An energy storage system based on series-parallel switchover of ultra-capacitor banks [J]. Transactions of China Electrotechnical Society, 2014, 29(1): 187-195.

[10]WANG Bin, XU Jun, CAO Binggang, et al. A novel multimode hybrid energy storage system and its energy management strategy for electric vehicles [J]. Journal of Power Sources, 2015, 281: 432-443.

[11]吳志偉, 張建龍, 殷承良. 混合動力汽車用混合能量存儲系統(tǒng)的設(shè)計 [J]. 汽車工程, 2012, 34(3): 190-196. WU Zhiwei, ZHANG Jianlong, YIN Chengliang. The design of hybrid energy storage system for hybrid electric vehicles [J]. Automotive Engineering, 2012, 34(3): 190-196.

[12]MORENO J, ORTUZAR M E, DIXON J W. Energy-management system for a hybrid electric vehicle, using ultracapacitors and neural networks [J]. IEEE Transactions on Industrial Electronics, 2006, 53(2): 614-623.

[13]SHARAFI M, ELMEKKAWY T Y. Multi-objective optimal design of hybrid renewable energy systems using PSO: simulation based approach [J]. Renewable Energy, 2014, 68: 67-79.

[14]HREDZAK B, AGELIDIS V G, JANG M. A model predictive control system for a hybrid battery-ultracapacitor power source [J]. IEEE Transactions on Power Electronics, 2014, 29(3): 1469-1479.

[15]TROVAO J P F, SANTOS V D N, PEREIRINHA P G, et al. A simulated annealing approach for optimal power source management in a small EV [J]. IEEE Transactions on Sustainable Energy, 2013, 4(4): 867-876.

[16]TROVAO J P F, PEREIRINHA P G, JORGE H M, et al. A multi-level energy management system for multi-source electric vehicles: an integrated rule-based meta-heuristic approach [J]. Applied Energy, 2013, 105: 304-318.

[17]盧東斌, 歐陽明高, 谷靖, 等. 電動汽車永磁同步電機最優(yōu)制動能量回饋控制 [J]. 中國電機工程學(xué)報, 2013, 33(3): 83-91. LU Dongbin, OUYANG Minggao, GU Jing, et al. Optimal regenerative braking control for permanent magnet synchronous motors in electric vehicles [J]. Proceedings of the Chinese Society for Electrical Engineering, 2013, 33(3): 83-91.

[18]崔納新. 變頻驅(qū)動異步電動機最小損耗快速響應(yīng)控制研究 [D]. 山東: 山東大學(xué)控制科學(xué)與工程學(xué)院, 2005.

[本刊相關(guān)文獻鏈接]

高建平,葛堅,趙金寶,等.復(fù)合電源系統(tǒng)功率分配策略研究.2015,49(7):17-24.[doi:10.7652/xjtuxb201507004]

袁希文,文桂林,周兵.考慮側(cè)向穩(wěn)定性的分布式電驅(qū)動汽車制動滑移率控制.2015,49(5):43-48.[doi:10.7652/xjtuxb 201505007]

杜曉林,蘇濤,朱文濤,等.一種多輸入多輸出雷達相位編碼信號的設(shè)計方法.2014,48(12):93-99.[doi:10.7652/xjtuxb 201412015]

許建,張政,李翔,等.獨立驅(qū)動電動汽車橫擺力矩的模糊控制算法.2014,48(7):83-89.[doi:10.7652/xjtuxb201407015]

續(xù)丹,王國棟,曹秉剛,等.獨立驅(qū)動電動汽車的轉(zhuǎn)矩優(yōu)化分配策略研究.2012,46(3):42-46.[doi:10.7652/xjtuxb2012 03008]

黃奎,莫健華,余立華,等.柔性測量臂運動學(xué)建模及參數(shù)標定方法.2010,44(8):122-126.[doi:10.7652/xjtuxb201008 024]

高亮,孫衛(wèi),朱榮昌.信息不確定條件下時間序列的關(guān)聯(lián)分析法.2010,44(6):67-71.[doi:10.7652/xjtuxb201006013]

魏平,徐成賢,段成德.全局智能優(yōu)化集成算法研究.2009,43(3):60-64.[doi:10.7652/xjtuxb200912013]

龍波,曹秉剛,胡慶滑,等.電動汽車用感應(yīng)電機弱磁區(qū)電磁轉(zhuǎn)矩最大化控制.2009,43(4):62-65.[doi:10.7652/xjtuxb 200904015]

牛奕龍,孫進才,王毅,等.三維參數(shù)聯(lián)合估計的免疫記憶量子克隆算法.2009,43(4):75-79.[doi:10.7652/xjtuxb200904 018]

(編輯 武紅江)

Optimization of Energy Management System with Simulated Annealing Approach for Hybrid Power Source in Electric Vehicles

WANG Bin,XU Jun,CAO Binggang,XU Dan,ZOU Zhongyue

(State Key Laboratory for Manufacturing Systems Engineering, Xi’an Jiaotong University, Xi’an 710049, China)

An optimization method based on simulated annealing (SA) approach for the energy management of the compound-type hybrid power source (CHPS) is proposed to focus on the operating modes of CHPS and the optimization of power distributions in different operating modes. The operating modes of the CHPS are divided into different layers, and loss models of different components are established for the energy management system. Energy management strategies are designed for different layers. The SA approach is used to reduce the system loss on the basis of the energy management strategies in different layers. A simulation model and an experimental platform of the CHPS are constructed. Experimental results and comparisons with the hysteresis-logic threshold control strategy show that the total system loss of the CHPS using the proposed method reduces 0.8% and 1.1%, respectively, in the NYCC and EUDC drive cycles. It can be concluded that the proposed energy management system of the CHPS reduces the system loss and realizes the optimization of power distributions. Moreover, the CHPS can respond to the power demands, provide or absorb peak powers by ultracapacitor (UC), and ensures the safety of batteries.

electric vehicle; hybrid power source; simulated annealing approach; energy management system

2015-03-24。 作者簡介:王斌(1987—),男,博士生;曹秉剛(通信作者),男,教授,博士生導(dǎo)師。 基金項目:國家自然科學(xué)基金資助項目(51405374)。

時間:2015-07-17

10.7652/xjtuxb201508015

U469.72

A

0253-987X(2015)08-0090-07

網(wǎng)絡(luò)出版地址:http:∥www.cnki.net/kcms/detail/61.1069.T.20150717.1718.004.html