牛繼高, 徐春華, 牛丹彤, 裴馮來

(1. 中原工學(xué)院 機電學(xué)院, 河南 鄭州 450007; 2. 中國農(nóng)業(yè)大學(xué) 信息與電氣工程學(xué)院, 北京 100083; 3. 上海機動車檢測認(rèn)證技術(shù)研究中心有限公司, 上海 201805)

增程式電動汽車(extended-range electric vehicle,E-REV)的能量管理策略是整車控制的核心,直接關(guān)系到車輛的燃油經(jīng)濟性、動力性以及適應(yīng)復(fù)雜工況的能力[1-2].E-REV的能量管理策略是目前的研究熱點之一,可分為規(guī)則型和智能型2類.其中,基于規(guī)則的控制策略容易實現(xiàn),根據(jù)相應(yīng)的離線優(yōu)化結(jié)果以及工程經(jīng)驗可作為實車的控制策略[3].目前,E-REV規(guī)則型能量管理策略主要包括恒溫器策略[4-5]、多模式切換策略[6]、最優(yōu)曲線策略[7]和功率跟隨策略[8-9]等.

E-REV的能量系統(tǒng)包括動力電池和增程器,其中,增程器可采用多種形式,例如燃料電池[10-11]、發(fā)動機/發(fā)電機等.當(dāng)采用發(fā)動機加發(fā)電機的形式時,前期的發(fā)動機功率匹配對能量管理策略的制定起著至關(guān)重要的作用,即由于發(fā)動機的峰值功率與其燃油效率最高點的功率不重合,因此發(fā)動機的選擇有“大”和“小”之分.例如,當(dāng)E-REV擬采用恒溫器控制策略時,應(yīng)匹配一臺大功率的發(fā)動機,使其高效點的輸出功率能夠滿足車輛所有設(shè)計工況的功率需求;相反,當(dāng)最優(yōu)點的輸出功率不能滿足所有設(shè)計工況的功率需求時,對應(yīng)的發(fā)動機統(tǒng)稱為小功率發(fā)動機.發(fā)動機峰值功率的降低有利于減小增程器的體積和質(zhì)量(稱之為增程器的小型化),進而降低成本、節(jié)省安裝空間.

增程器小型化必然對E-REV的能量管理策略提出更高的要求,文中針對一款E-REV,基于搭建的整車動力系統(tǒng)和控制策略仿真模型,首先對增程器小型化的方法進行研究;其次采用逐步優(yōu)化的方法提出4種E-REV規(guī)則型控制策略;然后分別從發(fā)動機工作點分布、增程器效率以及動力電池充放電能量損失等方面對比分析各策略燃油經(jīng)濟性存在差異的原因;最后,利用dSPACE設(shè)備進行硬件在環(huán)仿真試驗,以驗證提出的E-REV能量管理策略在實時狀態(tài)下的控制效果,為其工程應(yīng)用提供參考和理論指導(dǎo).

1 增程器小型化的方法

E-REV的設(shè)計指標(biāo)要求增程模式時車輛能夠在FTP-72城市工況、NEDC城市/市郊工況以及HWFET高速工況下行駛,并且能以100 km·h-1的巡航車速行駛.根據(jù)E-REV工作模式和動力系統(tǒng)的特點[12],要求增程模式時動力電池的荷電狀態(tài)(state of charge,SOC)保持平衡.因此,所匹配的發(fā)動機其最大功率應(yīng)至少能滿足所有設(shè)計工況的持續(xù)功率需求.

針對同一整車配置參數(shù)而循環(huán)工況不同的情況,通過仿真計算可知,上述4種工況下對發(fā)動機的功率需求分別為6,7,14,20 kW,因此,發(fā)動機的最大功率應(yīng)大于20 kW.圖1為所選25 kW發(fā)動機的等效率曲線,M點為其高效點,N點為次高功率點,對應(yīng)的輸出功率分別為12,20 kW.

圖1 25 kW發(fā)動機等效率曲線

2 E-REV規(guī)則型能量管理策略

2.1 發(fā)動機開/關(guān)能量管理策略

發(fā)動機開/關(guān)控制策略要求增程模式時電池SOC在下限值SOCl和上限值SOCh之間變化,且要求發(fā)動機輸出定值功率Pice_cons.

由于車輛實際行駛工況的不確定性,Pice_cons的選取須滿足所有設(shè)計工況的功率需求,同時為了提高車輛的燃油經(jīng)濟性,應(yīng)盡量使發(fā)動機工作在高效點.適當(dāng)加大[SOCl,SOCh]的范圍有利于減少動力電池的充放電次數(shù),但范圍過大不利于動力電池外接充電時充入盡可能多的電能,導(dǎo)致車輛使用成本增加.

2.2 功率跟隨能量管理策略

增程模式下采用功率跟隨控制策略時,為了維持動力電池SOC的平衡,須根據(jù)SOC附加一定的功率,該附加功率為

(1)

式中kchar為充電功率系數(shù).

根據(jù)動力母線上的整車需求功率PT、發(fā)電機效率ηgen以及附加功率Padd,計算得到發(fā)動機需求功率為

Pice_req=PT/ηgen+Padd.

(2)

由式(2)可知,E-REV采用功率跟隨控制策略時,發(fā)動機功率將在一個較大的范圍內(nèi)變化,為了提高效率,要求發(fā)動機工作點沿最優(yōu)曲線移動.

2.3 最優(yōu)曲線能量管理策略

由于增程器的小型化,使得E-REV采用發(fā)動機開/關(guān)控制策略時,發(fā)動機需工作在圖1中的N點.根據(jù)圖2發(fā)動機工作點效率與輸出功率的關(guān)系曲線可知,N點的燃油效率遠小于M點,因此必然造成E-REV低速工況下燃油經(jīng)濟性的下降.

圖2 發(fā)動機工作點效率曲線

如圖1所示,可將發(fā)動機的最優(yōu)曲線劃分為4個區(qū)間,即低功率RL(P～Q線段)、中低功率RML(Q～M線段)、中高功率RMH(M～N線段)和高功率區(qū)間RH.其中,u,v,w分別為RL,RML和RMH區(qū)間內(nèi)的任一點,對應(yīng)的發(fā)動機功率分別為Pu,Pv和Pw,分界點P,Q,M,N對應(yīng)的發(fā)動機輸出功率分別為PP,PQ,PM和PN.同理,可將電池SOC劃分為高、中、低3個區(qū)間,即[SOCh,SOCdisc]、[SOCdisc,SOCchar]和[SOCchar,SOCl].其中,SOCdisc和SOCchar分別為動力電池的放電和充電閾值,即當(dāng)SOC大于SOCdisc時,使動力電池放電,當(dāng)SOC小于SOCchar時,給動力電池充電.

基于上述發(fā)動機最優(yōu)曲線和動力電池SOC的區(qū)間劃分情況,如果某一時刻的整車需求功率較低,例如為Pu時,若此時SOC處于低區(qū)間內(nèi),為了維持SOC的平衡,發(fā)動機應(yīng)輸出較大的功率以滿足車輛行駛和電池充電的功率需求,因此發(fā)動機的目標(biāo)功率應(yīng)取PM;相反,若SOC處于高區(qū)間內(nèi),則發(fā)動機的目標(biāo)功率應(yīng)取0,以便于動力電池放電.依此方法可建立增程模式時E-REV最優(yōu)曲線策略的控制規(guī)則,如表1所示.

表1 E-REV最優(yōu)曲線策略的控制規(guī)則

2.4 功率分流能量管理策略

由于發(fā)動機開/關(guān)控制策略在電池放電階段的電能消耗全部來自充電階段所充入的電能,多重的能量轉(zhuǎn)換導(dǎo)致燃油經(jīng)濟性的下降.采用功率分流控制策略可對電池充、放電階段的發(fā)動機工作點進行優(yōu)化.

圖3給出了功率分流策略的控制規(guī)則.在電池充電階段,僅在整車需求功率小于PM時,才進入行車充電模式,且在該模式下發(fā)動機工作在最高效率點.在放電階段,僅在整車需求功率小于PP時,才進入僅有電池驅(qū)動的模式.與發(fā)動機開/關(guān)控制策略相比,功率分流控制策略中電池充、放電過程的持續(xù)時間更長,能夠有效減少電池充、放電循環(huán)的次數(shù)以及內(nèi)阻上的能量損失.

圖3 功率分流策略的控制規(guī)則流程圖

3 仿真結(jié)果對比分析

為了對比上述4種控制策略的優(yōu)劣,可將Simulink環(huán)境下搭建的控制策略模型生成動態(tài)鏈接庫文件,然后嵌入到Cruise環(huán)境下的E-REV整車模型中進行仿真計算.

3.1 仿真結(jié)果

3.1.1 發(fā)動機開/關(guān)控制及功率跟隨控制策略

圖4為采用發(fā)動機開/關(guān)控制策略時,10個NEDC工況下,電池SOC隨車速的變化情況.其中,發(fā)動機輸出功率取20 kW.從圖4可以看出:電池SOC在25%至35%范圍內(nèi)有規(guī)律地波動,電池具有明顯的充電和放電過程.

圖5為采用功率跟隨控制策略時,單個NEDC工況下,電池SOC和發(fā)動機功率的仿真結(jié)果.從圖5可以看出:電池SOC能較好地控制在目標(biāo)值30%附近,且曲線變化比較平滑,沒有明顯的充、放電循環(huán)過程.發(fā)動機工作點多分布在燃油效率較低的區(qū)域.

圖4 發(fā)動機開/關(guān)控制策略的仿真結(jié)果

圖5 功率跟隨控制策略的仿真結(jié)果

3.1.2 最優(yōu)曲線控制策略

圖6為采用最優(yōu)曲線控制策略時,單個NEDC工況下,電池SOC和發(fā)動機功率的仿真結(jié)果.可以看出,電池SOC曲線比較平滑,且維持在指定的范圍內(nèi).與圖5相比,圖6中發(fā)動機運行在高效點的時間更長,有利于提高E-REV在增程模式下的燃油經(jīng)濟性.

圖6 最優(yōu)曲線控制策略的仿真結(jié)果

3.1.3 功率分流控制策略

圖7為采用功率分流控制策略時,10個NEDC工況下,電池SOC和工況車速的仿真結(jié)果.

圖7 功率分流控制策略的仿真結(jié)果

從圖7可以看出:增程模式下當(dāng)采用功率分流控制策略時,電池具有明顯的充、放電循環(huán),且電池SOC能被有效地控制在指定的區(qū)間范圍內(nèi),與圖4發(fā)動機開/關(guān)控制策略相比,電池的充、放電循環(huán)次數(shù)約減少了70%.

3.2 對比分析

采用等效燃油消耗折算方法對各策略的燃油經(jīng)濟性進行仿真計算,不同策略和工況下的仿真結(jié)果如表2所示,最優(yōu)曲線策略和功率分流策略具有較好的燃油經(jīng)濟性,發(fā)動機開/關(guān)策略的燃油經(jīng)濟性較差.下面從發(fā)動機工作點分布、增程器效率以及動力電池充放電能量損失等方面分析燃油經(jīng)濟性存在差異的原因.

表2 不同策略下的燃油經(jīng)濟性對比 L·(100 km)-1

1) 發(fā)動機工作點分布.SOC初始值取30%,圖8為單個NEDC工況下,4種策略所對應(yīng)的發(fā)動機工作點沿最優(yōu)曲線的分布情況.

由圖8a可以看出:除了加載過程中所產(chǎn)生的個別過渡點之外,發(fā)動機總是工作在次高功率點.從圖8b可以看出,發(fā)動機工作點覆蓋了最優(yōu)曲線的低、中、高功率段.與圖8b相比,圖8c中落在中、低功率段的工作點大幅較少,發(fā)動機工作點集中分布在高效點.圖8d中,發(fā)動機工作點在高效點的分布情況與圖8c相似,在中、低功率段的分布介于圖8b和圖8c之間.

圖8 發(fā)動機工作點分布

2) 增程器平均發(fā)電效率.E-REV動力系統(tǒng)結(jié)構(gòu)中,發(fā)動機驅(qū)動發(fā)電機以輸出電能的方式向動力母線供電,根據(jù)發(fā)動機和發(fā)電機工作點的效率可計算增程器的平均效率，即

(3)

式中:ηRE_ave為增程器的平均效率,%;ηice(i)和ηgen(i)分別為發(fā)動機和發(fā)電機第i個工作點的效率,Cruise軟件中效率的采樣周期設(shè)置為0.5 s；n為工作點總數(shù).

根據(jù)發(fā)動機工作點效率可計算其平均效率,即

(4)

式中ηice_ave為發(fā)動機平均效率,%,發(fā)電機平均效率的計算與發(fā)動機類似.

單個NEDC工況下,上述4種控制策略所對應(yīng)的發(fā)動機、發(fā)電機和增程器平均效率見表3.

表3 增程器平均效率對比 %

從表3可以看出:增程器的平均效率取決于發(fā)動機和發(fā)電機,是其綜合作用的結(jié)果,并且當(dāng)采用不同的控制策略時,增程器的平均效率與E-REV增程模式下的燃油經(jīng)濟性相對應(yīng)(見表2).

3) 電池充、放電能量損失.增程模式下,動力電池起到負荷調(diào)節(jié)裝置的作用,電池充、放電過程中必然存在內(nèi)阻上能量的損失.指定工況下,電池的充、放電能量及其能量損失的計算如下:

(5)

(6)

(7)

式中:Wchar_batt,Wdischar_batt和Wloss_batt分別為電池充電能量、放電能量和內(nèi)阻能量損失,kJ;Pchar_batt,Pdischar_batt和Ploss_batt分別為電池充電功率、放電功率和內(nèi)阻損失功率,kW;tcyc為工況時間,s.

單個NEDC工況下分別采用上述4種控制策略時,電池充電能量、放電能量以及充放電能量損失的仿真結(jié)果分別如圖9-11所示.

圖9 電池充電能量的仿真結(jié)果

圖10 電池放電能量的仿真結(jié)果

圖11 電池充放電過程中能量損失的仿真結(jié)果

從圖9-11可以看出:采用發(fā)動機開/關(guān)控制策略時,動力電池具有最大的充、放電能量及能量損失,原因在于發(fā)動機工作在次高功率點,且動力電池具有完整的充放電過程(見圖4).與其他控制策略相比,功率跟隨控制策略下電池的充、放電能量及其能量損失最小,但由于該策略下增程器的平均效率較低(見表3),因此并不具有最好的燃油經(jīng)濟性.與功率分流控制策略相比,最優(yōu)曲線控制策略下電池的充放電能量損失更少,同時該策略具有最高的增程器平均效率,因此最優(yōu)曲線控制策略具有最好的燃油經(jīng)濟性.

4 硬件在環(huán)仿真試驗驗證

為了驗證各策略的控制效果,設(shè)計開發(fā)了整車控制器(vehicle control unit,VCU),使用dSPACE公司的軟硬件設(shè)備完成了控制策略模型轉(zhuǎn)換和Targetlink自動代碼生成,并將生成的代碼下載到VCU中.搭建的硬件在環(huán)仿真試驗平臺如圖12所示.

針對每一種策略,根據(jù)電池SOC初值的不同分以下2種情況進行仿真試驗: ①SOC初值取35%,便于驗證電池放電以及SOC平衡的控制效果; ②SOC初值取25%,便于同時考查策略對電池充電過程和SOC平衡過程的綜合控制效果.為了便于試驗結(jié)果的對比,所采用的整車配置參數(shù)與之前離線仿真模型的參數(shù)相同.圖13，14分別給出了上述2種情況下,選取NEDC工況時E-REV最優(yōu)曲線控制策略的硬件在環(huán)仿真試驗結(jié)果.

圖12 硬件在環(huán)仿真試驗平臺搭建

圖13 仿真試驗結(jié)果(SOC初值取35%)

從圖13可以看出:在試驗初始階段,E-REV處于純電動模式,當(dāng)SOC下降到30%時,進入增程模式,發(fā)動機和電池共同驅(qū)動車輛行駛,電池SOC維持在30%附近,控制效果良好.

圖14 仿真試驗結(jié)果(SOC初值取25%)

由圖14可以看出:車輛起動后直接進入增程模式,電池SOC曲線呈逐漸上升的趨勢.原因在于增程模式下SOC的控制目標(biāo)值為30%,當(dāng)SOC初值取25%時,策略的控制作用必然使SOC首先趨向于目標(biāo)值,然后才能進入SOC的平衡階段.通過圖13和圖14的對比可以看出:當(dāng)電池SOC取不同的初始值時,電池功率曲線之間差異較大,如圖14中在SOC的上升階段,電池大部分時間處于充電狀態(tài)(規(guī)定電池功率為正表示充電,為負表示放電),而圖13中則正好相反.從圖13，14的發(fā)動機功率曲線可以看出，中、低速工況下,發(fā)動機能較好地集中在高效點工作.

FTP-72和HWFET工況下的硬件在環(huán)仿真試驗結(jié)果與NEDC工況類似,不再贅述.

5 結(jié) 論

1) 配置了小型化增程器的E-REV,不適合采用發(fā)動機開/關(guān)和功率跟隨控制策略,當(dāng)采用功率分流和最優(yōu)曲線控制策略時,E-REV具有較好的燃油經(jīng)濟性和控制效果.

2) 增程器平均效率和動力電池充放電能量損失是影響E-REV燃油經(jīng)濟性的主要因素,為了提高E-REV的燃油經(jīng)濟性,應(yīng)控制發(fā)動機運行在最優(yōu)曲線上,且盡可能多地工作在高效點.

參考文獻(References)

[ 1 ] GUANETTI J, FORMENTIN S, SAVARESI S M. Energy management system for an electric vehicle with a rental range extender: a least costly approach[J]. IEEE Transactions on Intelligent Transportation Systems, 2016, 17(11): 3022-3034.

[ 2 ] 王耀楠,孟步敏,申永鵬,等.燃油增程式電動汽車動力系統(tǒng)關(guān)鍵技術(shù)綜述[J].中國電機工程學(xué)報,2014, 34(27):4629-4639.

WANG Y N, MENG B M, SHEN Y P, et al. Researches on power systems of extended range electric vehicles[J]. Proceedings of the Chinese Society for Electrical Engineering, 2014, 34(27): 4629-4639. (in Chinese)

[ 4 ] 徐成善,江發(fā)潮,宋森楠,等.增程式電動客車能量管理策略優(yōu)化的研究[J].汽車工程,2017,39(1): 9-14.

XU C S, JIANG F C, SONG S N, et al. A study on ener-gy management strategy optimization for extented-range electric bus[J]. Automotive Engineering, 2017,39(1):9-14. (in Chinese)

[ 5 ] 牛繼高,司璐璐,周蘇,等.增程式電動汽車能量控制策略的仿真分析[J].上海交通大學(xué)學(xué)報,2014,48(1):140-145.

NIU J G, SI L L, ZHOU S,et al. Simulation analysis of energy control strategy for an extended-range electric vehicle[J]. Journal of Shanghai Jiaotong University,2014,48(1):140-145. (in Chinese)

[ 6 ] 宋桂秋,王凱,李一鳴.增程式電動汽車多模式切換控制策略與性能仿真[J].科學(xué)技術(shù)與工程,2016,16(31):94-100.

SONG G Q, WANG K, LI Y M. Multi-mode switching control strategy and performance simulation study of extended-range electric vehicle[J]. Science Technology and Engineering, 2016,16(31): 94-100. (in Chinese)

[ 7 ] JIANG Y C, LIN C, CAO W K. Parameters optimization for extended-range electric vehicle based on improved chaotic particle swarm optimization[J]. International Journal of Grid and Distributed Computing, 2016, 9(9): 1-10.

[ 8 ] 申永鵬,王耀南,孟步敏,等.增程式電動汽車增程器轉(zhuǎn)速切換/功率跟隨協(xié)調(diào)控制[J].中國機械工程,2015,26(12):1690-1696.

SHEN Y P, WANG Y N, MENG B M, et al. Cooperative control strategy of power following-speed switching in a range extender electric vehicle APU[J]. China Mechanical Engineering, 2015, 26(12): 1690-1696. (in Chinese)

[ 9 ] LIU D Q, WANG Y N, ZHOU X, et al. Extended range electric vehicle control strategy design and muti-objective optimization by genetic algorithm[C]∥2013 Chinese Automation Congress. USA:IEEE,2013: 11-16.

[10] FERNANDEZ R A, CILLERUELO F B, MARTINEZ I V. A new approach to battery powered electric vehicles: a hydrogen fuel-cell-based range extender system[J]. International Journal of Hydrogen Energy, 2016, 41(8):4808-4819.

[11] HWANG J J, HU J S, LIN C H. Design of a range extension strategy for power decentralized fuel cell/battery electric vehicles[J]. International Journal of Hydrogen Energy, 2015, 40(35): 11704-11712.

[12] CIPEK M, SKUGOR B, CORIC M, et al. Control varia-ble optimisation for an extended range electric vehicle[J]. International Journal of Powertrains, 2016, 5(1): 30-54.