新能源汽車的發(fā)展是未來汽車的發(fā)展方向，而燃料電池汽車的研究則是新能源汽車的重要組成部分，本文主要從電池能量管理方面闡述新能源汽車目前的研究現狀和問題。

1 使用優(yōu)化的能源管理策略提高燃料電池混合動力電動汽車的燃油經濟性和其他性能[1]

燃料電池系統（FCS）是燃料電池汽車（FCV）的主要能源供應系統。電池或超級電容器（UC）作為輔助電源，配合著FCS使用，以改善FCV的能源功率分配。電池和UC作為燃料電池混合動力電動汽車（FCHEV）的混合動力源，為FCV提供高能量密度和具有高動態(tài)響應的能量。但是混合動力系的性能在很大程度上取決于如何分配能源供給。

常用的FCV配置主要包括FCS和電池作為其主要能量來源。圖1為燃料電池混合動力汽車的動力傳動系配置圖。電機參數以及燃料電池系統（FCS）的參數的匹配是能量管理的重要組成部分，同時需要計算電池以及超級電容的功率。

圖1 燃料電池混合動力汽車的動力傳動系配置圖[1]

UC在車輛性能和改善電池壽命方面起著至關重要的作用，因為作為輔助電源，它可以處理所需的電力，從而防止頻繁的電池充電/放電事件。雖然這種混合結構主要改善FCHEV特性，但也應考慮其經濟方面。在未來的工作中，考慮到這種優(yōu)化的EMS，作者將使FCHEV動力傳動系統縮小規(guī)模。減少電池/UC模塊的數量，可以為FCHEV提供盡可能經濟的機會，同時通過更輕的車輛滿足車輛目標和功率要求。

作者Ahmadi提出的能量管理策略（EMS）是一種新型的功率共享方法和基于模糊邏輯控制（FLC）構建的智能控制技術來實現的。并通過遺傳算法（GA）精確調整控制參數，同時在組合的城市/高速公路駕駛循環(huán)中考慮多目標優(yōu)化函數內的目標和限定。這種優(yōu)化的監(jiān)控系統由先進的車輛模擬器（ADVISOR）進行檢測，以評估所提出的EMS在不同的駕駛環(huán)境和一些特定的測試中的性能。在等級和加速度測試中，應用作者提出的管理策略的仿真結果分別改進了18.8%和26.1%。

2 混合動力汽車動力管理的混合優(yōu)化理論與預測控制[2]

作者Uthaichana提出了一種基于非線性模型的混合優(yōu)化控制技術，用于計算并聯混合動力電動汽車（PHEV）中功率/能量管理的次優(yōu)功率分配策略。能量管理分配策略作為PHEV的功率管理控制問題（PM?CP）的模型預測控制解決方案，比如決定內燃機、電驅動器和其它子系統之間的功率分配。在該研究中假設混合動力車輛的分級控制結構，即監(jiān)督級別和本地或子系統級別。PMCP由動態(tài)非線性模型和性能指標組成，兩者都是針對監(jiān)督級別的功率流量而制定的。該模型被描述為雙模式切換系統，與電動ED的操作模式一致。監(jiān)督級的計算是基于子系統級實現所需功率級的假設來完成的。本地閉環(huán)控制器必須跟蹤相應的參考功率需求，從而解除監(jiān)控和本地級控制問題。因此，監(jiān)督級別的建模應反映子系統的閉環(huán)行為。

圖2說明了主要子系統之間的功率分布。其中，主電源是1.9升ICE，通過無級變速器（CVT）和變速器后配置的離合器連接到傳動軸。30個13 Ah 12 V、串聯的鉛酸電池與30 kW感應ED接口。負載由傳統的基于發(fā)動機的充電系統處理。耦合裝置和差速裝置（CDD）充當動力匯聚點，用于重新引導ICE-CVT、電池、ED和車輪之間的功率流。

圖2 PHEV的功率流圖[2]

在這項研究中，通過使用直接配置技術將原始無限維問題轉換為有限維非線性規(guī)劃問題（NLP）來獲得數值解。然后，通過順序二次規(guī)劃算法求解得到NLP。需要一個簡短的預測窗口，NMPC策略適用于解決EPA高速公路和US06補充FTP驅動配置文件的PMCP。模擬顯示NMPC可以非常好地跟蹤駕駛概況，必須有足夠的可用功率來實現跟蹤。在實踐中，車輛控制策略通常采用PID和基于地圖/查表法（Look-up tables）。生成的NMPC配置文件可以幫助提供有關如何改進現有查表法或調整基于PID的控制器中的增益調度圖。

3 燃料電池混合動力汽車能量管理系統的優(yōu)化：問題與建議[3]

開發(fā)用于FCHEV（燃料電池混合動力汽車）能量管理系統（EMS）的高級優(yōu)化算法，能夠有效地提高FCHEV的性能效率。作者Sulaiman對不同類型的FCHEV EMS及其優(yōu)化算法進行了回顧，以解決現有限制并提高未來FCHEV的性能。已經有很多學者對FCHEV的能量管理策略進行了大量研究。通常，能量管理可以分為幾個主要類別，包括比例-積分-微分（PID）控制器（如圖3所示）、操作或狀態(tài)模式、基于規(guī)則或模糊邏輯（FL）、等效消耗最小化策略（ECMS）、模型預測控制和優(yōu)化控制等。

圖3 EMS中PID控制器原理圖[3]

有很多學者對優(yōu)化算法進行了研究，然而，優(yōu)化算法具有許多問題。例如，改進的PI或PI與LP優(yōu)化，ACO和DP優(yōu)化組合僅限于模擬，有些研究甚至沒有提到模擬工具?；赑MP和GA優(yōu)化的EMS已擴展到硬件或實驗設置，但未考慮電池衰減或壽命。還執(zhí)行了基于FL優(yōu)化，監(jiān)督控制規(guī)則和其他各種優(yōu)化方法的EMS，但僅限于模擬級別。一些研究甚至只關注尺寸，并沒有考慮電池壽命問題。因此，優(yōu)化研究必須包括優(yōu)化算法的實驗或實時應用，以驗證模擬結果。

同時氫氣的儲存也是另外一個亟待解決的問題。為了增加體積能量密度，氫氣必須在極高的壓力和極低的溫度下儲存，這是不合邏輯和不切實際的。需要進行大量研究以提高FC的效率，減少氫氣消耗，并實現嵌入FCHEV的氫氣罐的尺寸減小。氫氣罐也是另一個問題，因為氫氣需要在350和700 bar之間的壓力下壓縮，從而為FCHEV提供合適的罐尺寸。此外，氫氣生產應轉移到可再生資源，如水電解，以減少溫室氣體排放。在大量FCHEV出現之前，還必須在各自的國家規(guī)劃和發(fā)展加氫基礎設施。

4 應用遺傳算法的氫燃料電池的能量優(yōu)化策略[4]

西班牙Nebrija大學學者Fernández提出了一種基于當前化石燃料增程器的動力總成結構新概念，但將其作為增程器改為氫燃料電池堆系統。目的是探討在規(guī)劃燃料消耗/選擇時，通過融入遺傳算法的優(yōu)化技術有助于改進氫燃料電池的能量優(yōu)化策略。

作者介紹了動力傳動系統的建模、仿真和能耗優(yōu)化，改進了當前的不足。該車輛結合了動力系統的行駛里程和環(huán)境優(yōu)勢，由兩個系統組成（如圖4所示），第一個包括發(fā)動機、電力轉換器和電池組；它還有第二個系統，燃料電池增程系統（FCRES）、由燃料電池組和氫氣罐組成，它用作發(fā)電機，用于給電池充電。它仍然是一種雙能量插入式電池電動汽車，其續(xù)航里程為100公里。而一個燃料電池增程系統，可以將車輛續(xù)航里程增加到600公里。

圖4 燃料電池供給系統圖[4]

其中能量優(yōu)化策略中的控制模型主要包括：電源模型、燃料電池模型、電機模型以及燃料管理系統模型。燃料管理系統（FMS）模型包括管理電池中存儲的電力和燃料電池堆的氫消耗的系統。開發(fā)的FMS基本上如下工作：電力需求來自電動機模型，轉換器根據電池瞬時工作電壓調整需求并將其轉換為電流需求；FMS決定電池的能量衰減是否需要來自燃料電池堆系統的能量?？刂撇呗缘膶嶋H使用仍然是存在問題的，因為每日行程所涵蓋的距離未知，并且未充分定義充電/加油站網絡等一些其他因素。因此，可以假設車輛將以電荷耗盡模式操作，直到達到SOC的低值，然后繼續(xù)維持FCRES的模式，直到行程或存儲在罐中的氫氣量也耗盡。同時本文應用遺傳算法對燃料電池的能量管理策略進行優(yōu)化，仿真結果顯示出應用算法后對于電池的能量優(yōu)化改善了21%。

5 基于互聯阻尼分配無源控制的混合動力汽車新型能量管理技術[5]

在考慮電池充電狀態(tài)受限的情況下，存在燃料電池（FC）級故障時HEV中的能量管理問題。為了提出具有靈活性和耐久性的能量管理方案，法國UTBM大學學者Amel Benmouna提出了使用端口控制（PCH）方法的系統數學模型方案，開發(fā)了基于互聯和阻尼分配無源控制（IDA-PBC）器用于智能能量管理。

圖5 混合動力系統結構圖[5]

在這項研究中，FC是主要來源；電池和超級電容（SC）是次要來源，系統的總體結構如圖5所示。該結構包括將每個能量源與DC-DC轉換器連接。轉換器的作用在于調配能量源和負載之間的電參數（電壓/電流）。對施加到每個轉換器控制動態(tài)命令可以實現功率共享。FC轉換器是單向的，是一個升壓器。其他轉換器專用于SC和電池。這些轉換器是雙向的，并且根據工作模式（能量再生/供應）選擇電壓的轉換器（降壓/升壓器）。從控制的角度來看，這種結構很新穎，因為它能夠在負載的情況下快速分配功率，但需要對存儲源的充電狀態(tài)和輸送到負載的電壓從調節(jié)角度對所有組件進行全面控制。

這項研究中由FC、電池和SC推進器組成了混合系統，開發(fā)了一種容錯控制的能量管理策略，考慮了電池SOC在不同狀況。作者采用了IDA-PBC用于設計優(yōu)雅、智能和能源管理方案，來保證容錯控制和能源管理系統的應用表現良好。由于電池SOC提供了故障的FC損失功率，因此結果令人滿意。獲得的結果完全反映了模擬的情景。從此項研究的前景看，HEV能源管理效率可以通過實驗驗證。根據仿真結果，IDA-PBC是一種適當的非線性控制方法，可以保證系統的穩(wěn)定性。

6 插電式混合動力汽車能耗模型：模型開發(fā)與驗證[6]

意大利學者Chiara Fiori開發(fā)了一種簡單的PHEV能耗模型，可用于實時車載和智能手機生態(tài)駕駛應用，生態(tài)路線導航系統和/或微小交通仿真軟件。大多數PHEV研究都集中在能耗評估上，以便分析車輛控制策略或電池系統的行為。假設再生制動能效或再生制動系數的平均恒定值主要取決于車輛的平均速度。所提出的系列PHEV能量消耗模型使用車輛速度、加速度和道路坡度數據來估計PHEV的瞬時能量消耗，使用瞬時車輛參數作為輸入變量去解釋再生制動效率。圖6顯示出了不同電氣化車輛中動力流，在圖中ICE是內燃機，其中EM是電機，用作電機將能量傳遞到車輪，同時作為發(fā)電機在制動時能量再生，EG是發(fā)電機，僅用于傳遞來自ICE到電池系統的能量。

圖6 不同電氣化車輛動力系統動力流[6]

在能量消耗模型中，估計的SOC具有比實際值更高的偏差，因為在模型中存在一些缺陷，即在駕駛循環(huán)的某些部分中低估了能量消耗。一旦電池充電水平小于或等于最小SOC，PHEV的操作類似于混合動力車輛，開始使用ICE和電動機。作者比較了SOC水平接近SOC最小值時估算的SOC和現場采集的SOC數據，將該測試設定為20.4%。同時根據現場收集的模型預測SOC值，證明了當SOC水平低時，估計PHEV的再生制動能量的模型是唯一的。

在該研究中開發(fā)的模型計算車輛的能量消耗，相對于獨立收集的現場數據產生4%的平均誤差。結果表明，與高速公路駕駛相比，PHEV可以在城市駕駛中可以再生更多的能量。最后，重要的是要強調這個模型是靈活和通用的，在不需要電動機或內燃機的效率圖的情況下，可以模擬不同的PHEV。

7 混合動力電動客車能量管理策略的試驗比較[7]

改進運營績效和滿足運輸行業(yè)所規(guī)定的效率目標是混合動力汽車和電動汽車能源管理的關鍵因素。因此，優(yōu)化的能源管理策略（EMS）在集成到目前實際系統之前，需要在規(guī)?；臏y試平臺中進行驗證，以便從所希望的基于模擬的蛛絲馬跡中早發(fā)現可能出現的偏差，從而節(jié)省時間。驗證這些策略即經濟又靈活的方法就是采用硬件在環(huán)（HIL）仿真。

在此框架中，這項工作旨在比較應用于混合電動城市公交車（HEB）的兩個優(yōu)化（基于仿真）的EMS，比較在實時操作性能方面的兩個EMS實驗結果。兩個EMS都可以處理位于發(fā)電機組（內燃機連接到電動發(fā)電機）和混合動力能量存儲系統（鋰-離子蓄電池與超級電容組合）之間車輛所需求的適當功率分配。測試平臺中的硬件由HEB的比例縮放直流電網組成。該硬件平臺與軟件模型組合，可以模擬發(fā)電機組、電池、超級電容器、牽引和輔助負載的真實行為。圖7顯示了臺架測試中的軟硬件布置。

西班牙研究人員Sierra提出的控制策略的主要思想是利用模糊理論和前移窗口方法對功率進行實時優(yōu)化。模糊邏輯控制器是基于傳統的規(guī)則控制器的擴展，能夠處理更復雜的問題，避免在問題確定過程中出現大部分報錯。前移窗口（FW）法是基于預期的路線輪廓，通過前瞻預測來估計未來的能量狀態(tài)。在RB-EMS的情況下，預測電池組的老化速度較快。另一方面，發(fā)電機組運行導致了更多的燃料消耗和排放。同時，A-EMS可以更有效地利用車載能源，為電池（BT）組件提供了平穩(wěn)的功率分配（期望更長的使用壽命），大量使用超級電容（SC）組件降低功率峰值，使得發(fā)電機組要求的能量減少，從而減少燃料消耗。

圖7 臺架試驗的軟硬件布置[7]