崔浩博

摘 要：在石油資源短缺和氣候異常變化的背景下，過去幾十年來，純電動汽車的發(fā)展越來越受到人們的關(guān)注。與燃料車相比，純電動車的優(yōu)點(diǎn)是完全無污染，噪音小。蓄電池是純電動汽車的主要動力來源，具有能量密度高、自放電率低、無記憶等優(yōu)點(diǎn)，但當(dāng)大倍率電流充電時，蓄電池容量衰減率增加，從而縮短了蓄電池的使用壽命，超級電容器具有高功率、快速充放電的特點(diǎn)。因此，可以將兩者與有效的能量管理策略一起形成，充分利用高電池能量密度和高超容量功率密度的優(yōu)勢。能源管理政策是一項(xiàng)關(guān)鍵技術(shù)，目前主要的管理政策包括基于規(guī)則的政策、基于優(yōu)化的政策和基于學(xué)習(xí)的政策。本文對復(fù)合電源電動汽車功率分配與再生制動進(jìn)行分析，以供參考。

關(guān)鍵詞：復(fù)合電源；雙模糊控制；研究

引言

關(guān)于經(jīng)修正的功率分層模糊控制能量管理策略，本發(fā)明（1）通過設(shè)計(jì)功率范圍層次模糊控制器，降低了分析的復(fù)雜性，提高了控制策略對工作狀態(tài)的適應(yīng)性；（2）所建議的控制策略能夠很好地消除鋰電池電流波動和峰值電流減弱，同時有效降低鋰電池的能耗效率，提高鋰電池的保護(hù)效果；（3）使用avlcruise軟件建立了綜合車輛模型，便于對各種控制策略進(jìn)行驗(yàn)證，綜合車輛仿真更符合實(shí)際情況；第二，擬議的監(jiān)測戰(zhàn)略具有更好的實(shí)時能力和監(jiān)測能力，能夠在全系統(tǒng)模擬軟件的成熟平臺上迅速、定期地運(yùn)行，并具有一定的實(shí)際價值。

1概述

隨著新存儲技術(shù)的快速發(fā)展，例如超級容量、電源管理技術(shù)，混合電源是一種新型電動汽車存儲解決方案，重點(diǎn)關(guān)注能源材料開發(fā)、存儲材料建模和參數(shù)匹配、能源拓?fù)湓O(shè)計(jì)、能源轉(zhuǎn)換技術(shù)和電源管理技術(shù)。電源管理是混合動力系統(tǒng)的核心，目的是確保鋰離子電池的輸出功率和超級容量的合理分配，防止鋰離子電池由于功耗較高而導(dǎo)致輸出功率較高，并通過電動汽車退役時超級容量的能量特性提高能量回收。當(dāng)今的電源管理策略分為兩類：基于規(guī)則的策略和優(yōu)化的控制策略。基于規(guī)則的能源管理策略控制易于實(shí)時、高度和易于實(shí)施，包括確定性和基于邏輯的控制策略兩類。但是，由于汽車行業(yè)的多樣性和復(fù)雜性，基于規(guī)則的控制策略的適應(yīng)性較差，無法動態(tài)調(diào)整?；趦?yōu)化策略的策略分為全局和局部優(yōu)化控制策略，包括動態(tài)規(guī)劃、繼承算法、模型預(yù)測控制、高級學(xué)習(xí)和神經(jīng)元等方法。由于基于最優(yōu)控制方法的計(jì)算量較大，實(shí)時在線操作較少，應(yīng)用也較為受限。為了解決上述兩種控制策略的調(diào)整和實(shí)時問題，許多研究人員選擇了不同控制方法的組合，使用DP算法優(yōu)化離線能量分配，使用基于規(guī)則的控制算法，使用繼承算法優(yōu)化模糊邏輯算法的屬性函數(shù)和相關(guān)參數(shù)，以及將馬爾可夫預(yù)測模型與模糊邏輯和邏輯控制結(jié)合起來，以上控制策略在一定程度上解決了單一控制策略適應(yīng)性差與實(shí)時性低的問題。

2復(fù)合電源拓?fù)浣Y(jié)構(gòu)

通常有三種類型的復(fù)合電源拓樸：被動互連拓樸、半主動拓樸和完全作用中的拓樸。被動并行拓?fù)涑杀镜?、簡單，但無法充分利用超級電容器的優(yōu)勢。半主動拓?fù)湟子诳刂撇⑻峁└吣苄В煌暾闹鲃油負(fù)浒▊溆秒姵睾统夒娙萜?，從而顯著增加了成本并使控制策略復(fù)雜化。因此，為了提高成本和效率，超級電容器依次連接到DC/DC轉(zhuǎn)換器，然后連接到電池，提供負(fù)載所需的Prep電源。電池是主電源，其Pb輸出功率直接應(yīng)用于負(fù)載，保持負(fù)載側(cè)電壓穩(wěn)定，而超級電容器是輔助電源，其PSC輸出功率通過DC/DC變換器與負(fù)載相連，提供負(fù)載峰值功率并回收制動能量。此拓?fù)涫钩夒娙萜髂軌蛟诟蟮碾妷悍秶鷥?nèi)工作，防止峰值電流損壞蓄電池，從而保護(hù)蓄電池。

3復(fù)合電源控制器的設(shè)計(jì)

3.1雙模糊控制器的設(shè)計(jì)

雙模糊控制器參數(shù)由Preq、SOCbat、SOCuc、Kuc四個變量組成。其中，Preq為車輛所需的功率；SOCbat、SOCuc分別為蓄電池和超級電容的荷電值；Kuc為超級電容器的輸出功率與總功率之比。當(dāng)Preq>0，將SOCuc和SOCbat分為{LMH}，代表{小中大}。將Kuc和Preq分為{TSSMBTB}，代表{較小小中大較大}。當(dāng)Preq<0電機(jī)沒有功率輸入，模糊控制器的輸入變量設(shè)置為SOCbatSOCuc，并將其分別分為{LMH}和{TLLMH}，Kuc分為{TSSMB}。

3.2基于MATLAB的仿真

采用雙模糊控制的電池SOC下降趨勢較為平緩，能量消耗較少。這是因?yàn)椴捎秒p模糊控制策略，汽車在制動時，電池能夠回收能量而采用模糊-邏輯控制僅由超級電容回收制動能量，故其超級電容回收的能量多于雙模糊控制。因此，由模糊-邏輯控制的超級電容的SOC下降趨勢小于雙模糊控制。單個工況下汽車的總能耗對比曲線，雙模糊控制的汽車消耗的能量比模糊-邏輯控制小5KJ。兩種控制策略下電池與超級電容的電流對比圖，超級電容均承擔(dān)著需求的峰值功率。當(dāng)時間在1000s后，由于超級電容的電量消耗過大，因此降低超級電容的功率分配值。同時，電池承受的電流沖擊相差不多。綜上所述，雙模糊控制的控制效果總體優(yōu)于模糊-邏輯控制。

4再生制動力模型

再生制動力的分配模型，原ADVIOR模型中根據(jù)查表法對制動力進(jìn)行分配，該方式簡單且能夠回收一定的能量，但其統(tǒng)計(jì)的車速較少，且僅靠車速確定電機(jī)制動力的比例，而未考慮儲能元器件的SOC值、電機(jī)轉(zhuǎn)速特性以及ECE法規(guī)等因素的影響，回收的能量有限。汽車制動時存在三種情況，前輪先抱死；后輪先抱死；前后輪同時抱死。

結(jié)束語

綜上所述，（1）分別采用雙模糊控制以及模糊-邏輯控制分配復(fù)合電源的功率，通過電池及超級電容的SOC、電流、溫度和能耗的對比曲線選取兩者間最為合適的一種。（2）基于制動強(qiáng)度z、車速v、超級電容的SOC值和ECE法規(guī)等建立一種新的再生制動力的分配模型，并通過模糊控制器協(xié)調(diào)摩擦制動及機(jī)械制動力的力矩分配，使得控制效果進(jìn)一步提高。

參考文獻(xiàn)：

[1]黃勁.電動汽車電源系統(tǒng)及能量管理研究[D].中國礦業(yè)大學(xué)，2021.

[2]唐強(qiáng).純電動汽車的動力系統(tǒng)配置及能量管理策略研究[D].長沙理工大學(xué)，2021.

[3]宋雷震，呂東芳.基于5G網(wǎng)絡(luò)的新能源汽車動力采集系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].成都工業(yè)學(xué)院學(xué)報，2021，24（01）：30-35.