摘 要：【目的】能量管理策略（EMS）是燃料電池汽車能量控制的核心策略，一個優(yōu)秀的能量管理策略能大幅度提高燃料電池的經(jīng)濟性與耐久性，有許多基于創(chuàng)新算法的能量管理策略被不斷提出。【方法】本研究以燃料電池汽車（FCEV）為研究對象，將能量管理策略分為基于規(guī)則和基于優(yōu)化兩大類，分析每個分類下各種能量管理策略的優(yōu)缺點?！窘Y(jié)果】在對每種分類下的能量管理策略的表現(xiàn)分析后發(fā)現(xiàn)，當前燃料電池混動汽車使用的基于規(guī)則能量管理策略還有較大的改善空間?！窘Y(jié)論】未來其將會被以智能優(yōu)化算法為導(dǎo)向的能量管理策略所替代。

關(guān)鍵詞：燃料電池汽車；能量管理策略；動力系統(tǒng)；最優(yōu)控制

中圖分類號：TM911? ? ? ?文獻標志碼：A? ? ? ? 文章編號：1003-5168（2023）10-0026-04

DOI：10.19968/j.cnki.hnkj.1003-5168.2023.010.005

Abstract：[Purposes] Energy management strategy is the core strategy of fuel cell vehicle energy control. An excellent energy management strategy can greatly improve the economy and durability of fuel cells. Many energy management strategies based on innovative algorithms have been proposed continuously. [Methods] This study takes fuel cell vehicles as the main research object， and divides energy management strategies into two categories： rule-based and optimization-based， and analyzes the advantages and disadvantages of various energy management strategies under each category. [Findings]? After analyzing the performance of energy management strategies under each classification， it is found that there is still much room for improvement in the rule-based energy management strategies currently used in fuel cell hybrid vehicles. [Conclusions] In the future， it will be replaced by intelligent optimization algorithm-oriented energy management strategy.

Keywords： fuel cell vehicle; energy management strategy; dynamical system; optimization-based control

0 引言

隨著世界各國對碳排放問題的關(guān)注度提高，新能源汽車受到世界上越來越多的國家青睞。目前，市場上的新能源汽車主要分為純電動汽車和氫燃料電池汽車。純電動汽車的銷量與市場規(guī)模正在逐步擴大，但隨之而來的問題也在困擾著消費者，充電時間長、電池壽命下降快、續(xù)航里程短等成為該類型汽車的短板。氫燃料電池汽車的燃料補充時間與普通燃油車相當，同時氫氣燃燒后的產(chǎn)物只有水，真正實現(xiàn)無污染、零排放。同時，中國也在大力支持加氫站的建設(shè)。未來，氫燃料電池汽車在新能源汽車市場中必定有一席之地［1-2］。

氫燃料電池汽車是以氫燃料電池為主要動力源，但氫燃料電池的響應(yīng)速度慢，大范圍功率波動會降低氫燃料電池的耐久性。所以，氫燃料電池汽車一般配備有鋰電池或超級電容來作為輔助動力源，根據(jù)需求功率進行去峰填谷［3］。以氫燃料電池汽車中主要動力源燃料電池與輔助動力源鋰電池、超級電容的不同組合方式為研究對象，分析對比基于規(guī)則與基于優(yōu)化能量管理策略的優(yōu)缺點，闡述能量管理策略的研究熱點方向。

1 氫燃料電池汽車動力系統(tǒng)

氫燃料電池汽車的輔助動力源有鋰電池和超級電容。鋰電池的能量密度高，但其安全性相對較低。超級電容具有充電速度快、能量衰減慢等優(yōu)點，但其工作電壓很難獨立驅(qū)動汽車［4］。所以，目前使用較多的氫燃料電池汽車動力系統(tǒng)有三種，即“燃料電池+蓄電池”組合（FC&B）、“燃料電池+超級電容”組合（FC&S）及“燃料電池+蓄電池+超級電容”組合（FC&B&S）［5］。

這三種動力系統(tǒng)各具優(yōu)缺點，F(xiàn)C&B&S組合雖能提供最佳的動力性能，但其能量源多、成本高、控制性能差。FC&S組合雖能輔助燃料電池進行功率輸出，但其電壓較低，在實際應(yīng)用中較少出現(xiàn)。FC&B組合既能滿足動力性要求，對制動能量進行回收，也具有較高的操作性和穩(wěn)定性，因此被大多數(shù)燃料電池汽車廠商認為是最佳的動力系統(tǒng)方案。這三種動力系統(tǒng)的優(yōu)缺點及選配車型見表1。

2 能量管理策略研究

能量管理策略是將需求功率合理地分配給各種動力源，從而提高燃料電池汽車的燃料經(jīng)濟性及燃料電池的耐久性。本研究將能量管理策略分為兩大類，即基于規(guī)則的能量管理策略和基于優(yōu)化的能量管理策略。對這兩類能量管理策略的相關(guān)研究進行系統(tǒng)性總結(jié)，闡述每種能量管理策略的具體內(nèi)容。

2.1 基于規(guī)則的能量管理策略

基于規(guī)則的能量管理策略是指根據(jù)專業(yè)知識或已有經(jīng)驗來制定控制策略，這些規(guī)則可分為確定性規(guī)則和模糊性規(guī)則，根據(jù)規(guī)則確定多種動力源之間的能量分配方案。基于規(guī)則的能量管理策略可靠性高、易于實現(xiàn)、對算力要求比較低。目前，大多數(shù)氫燃料電池汽車采用的是基于規(guī)則的能量管理策略。

2.1.1 基于確定性規(guī)則的能量管理策略。通過預(yù)先設(shè)定好的規(guī)則，將需求功率、動力系統(tǒng)狀態(tài)代入到規(guī)則中，從而實現(xiàn)多動力源的能量分配。比較典型的確定性規(guī)則控制策略有恒溫器策略、功率跟隨策略、狀態(tài)機控制策略等。恒溫器控制策略是根據(jù)蓄電池的荷電狀態(tài)（State of Charge，SOC）進行能量管理。當SOC值低于設(shè)定的下限值時，蓄電池將不再輸出功率，燃料電池工作在最高效率區(qū)間，高于整車需求功率的部分用于給蓄電池充電。當SOC值高于設(shè)定區(qū)間時，燃料電池關(guān)閉，由蓄電池單獨為整車提供動力。恒溫器控制策略的控制邏輯如圖1所示。Davis等［6］對15 kW低功率燃料電池與蓄電池的組合，基于恒溫器控制策略進行試驗研究，證實該策略能有效提高燃料電池和蓄電池的使用壽命。功率跟隨控制策略是以燃料電池為主要動力源，燃料電池的輸出功率緊跟需求功率，無法滿足需求功率的部分可通過蓄電池進行補充。Zhang等［7］通過仿真試驗驗證了功率需求策略的有效性，研究結(jié)果表明，該策略能有效減少蓄電池大功率輸出，避免蓄電池因反復(fù)充放電而導(dǎo)致性能損耗。狀態(tài)機控制策略是利用決策樹或流程圖，根據(jù)需求功率來設(shè)計工作模式，不同工作模式之間可相互切換，適應(yīng)不同工況。Wang等［8］設(shè)計出一種狀態(tài)機控制策略，來協(xié)調(diào)燃料電池、蓄電池和超級電容間的功率分配關(guān)系，仿真結(jié)果表明，該策略能有效提高燃油的經(jīng)濟性。

2.1.2 基于模糊性規(guī)則的能量管理策略。模糊性規(guī)則控制策略是將燃料電池系統(tǒng)狀態(tài)變量中不確定概念轉(zhuǎn)化為模糊規(guī)則，實現(xiàn)混合動力系統(tǒng)的功率分配。模糊規(guī)則對時變非線性控制具有很好的魯棒性，是被應(yīng)用較多的實車能量管理策略。Chen等［9］設(shè)計了基于FC+B動力系統(tǒng)瞬時狀態(tài)的模糊控制策略，可適應(yīng)于不同工況，只基于狀態(tài)變量來選取控制模式。王哲等［10］使用ADVISOR對燃料電池系統(tǒng)進行建模，在中國典型的城市工況中運行基于模糊控制的能量管理策略，研究結(jié)果顯示，其經(jīng)濟性與耐久性均優(yōu)于功率跟隨策略。Erdinc等［11］提出一種基于小波模糊邏輯的能量管理策略，需求功率高頻部分由蓄電池提供，燃料電池負責(zé)功率波動較小的部分，可避免燃料電池輸出功率出現(xiàn)大幅度波動的情況。

2.2 基于優(yōu)化的能量管理策略

根據(jù)策略運行時長可將基于優(yōu)化的能量管理策略分為全局優(yōu)化能量管理策略和瞬時優(yōu)化能量管理策略。近年來，隨著神經(jīng)網(wǎng)絡(luò)的發(fā)展，不少學(xué)者將神經(jīng)網(wǎng)絡(luò)融入能量管理策略中，訓(xùn)練出可根據(jù)瞬時狀態(tài)變量來確定燃料電池輸出功率的網(wǎng)絡(luò)。

2.2.1 基于全局優(yōu)化的能量管理策略。由于全局優(yōu)化的前提是行駛工況已知，這樣才能解出全局最優(yōu)解，因此在實車上應(yīng)用較少。目前，大多數(shù)研究將其當作基準來衡量其他能量管理策略的經(jīng)濟性。全局優(yōu)化能量管理策略求取最優(yōu)解的方法有兩種，分別是基于動態(tài)規(guī)劃（Dynamic Programming，DP）的能量管理策略和基于龐特里亞金極小值原理（Pontryagin's minimum principle，PMP）的能量管理策略，兩者都是通過求性能函數(shù)的極值來獲得局部最優(yōu)解，從而求得全局最優(yōu)解。動態(tài)規(guī)劃是將非線性問題離散化，根據(jù)終末條件限制，遞歸求解出每個時刻的最優(yōu)解，最終得到整個工況的全局最優(yōu)解。Fares等［12］使用加權(quán)改進的動態(tài)規(guī)劃算法離線優(yōu)化預(yù)駕駛，使用PID控制器在線優(yōu)化。與基于規(guī)則算法相比，使用加權(quán)改進的動態(tài)規(guī)劃策略可降低成本和氫氣的消耗量。龐特里亞金極小值是將全局優(yōu)化問題轉(zhuǎn)換為求取哈密頓函數(shù)的最優(yōu)解，相比于動態(tài)規(guī)劃，極小值原理能大幅縮減運算時間，但想要求得全局最優(yōu)，還要輸入整體工況，否則只是調(diào)整協(xié)態(tài)變量來找到近似最優(yōu)。李錫云［13］提出一種基于極小值原理和速度預(yù)測的能量管理策略，可不斷更新協(xié)態(tài)變量，使動力系統(tǒng)始終工作在適宜的狀態(tài)。Hanane［14］將基于龐特里亞金最小原理（PMP）與Markov鏈方法的實時最優(yōu)控制策略應(yīng)用于燃料電池/超級電容器電動汽車中，添加馬爾可夫鏈模型作為單獨模塊，用來預(yù)測所需功率。

2.2.2 基于瞬時優(yōu)化的能量管理策略。與全局優(yōu)化不同的是，瞬時優(yōu)化是將某一時刻燃料電池汽車狀態(tài)變量作為輸入，來求當前時刻最優(yōu)解的策略，或通過某些算法使燃料電池的輸出功率更接近全局最優(yōu)策略求出的解。瞬時優(yōu)化的能量管理策略可分為兩種，一是通過等效燃油消耗最小策略（ECMS）實時優(yōu)化等效因子來求取近似最優(yōu)解，二是通過算法挖掘出狀態(tài)變量與當前最佳燃油電池輸出功率之間的隱藏關(guān)系，使其接近動態(tài)規(guī)劃算法來求出的全局最優(yōu)解。ECMS策略是PMP策略的變形，將PMP策略中的協(xié)態(tài)變量轉(zhuǎn)換為ECMS中的等效因子，等效因子為某一時刻蓄電池功率輸出與燃油消耗之間的等價關(guān)系。李躍娟等［15］構(gòu)建DP與ECMS并聯(lián)能量管理策略，對等效因子的離散全局優(yōu)化，獲得基于工況的最佳時變等效因子。程云江等［16］設(shè)計了基于增益功率燃油系數(shù)的能量管理策略，該策略是基于瞬時優(yōu)化的能量管理策略，并給出電機充電和放電模式下等效燃油系數(shù)的計算方法。

近年來，隨著機器學(xué)習(xí)的興起，許多學(xué)者將機器學(xué)習(xí)算法與能量管理策略結(jié)合在一起，如強化學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等。李衛(wèi)［17］設(shè)計了三種基于強化學(xué)習(xí)的能量管理策略，分別是基于Q學(xué)習(xí)、基于深度Q學(xué)習(xí)、基于深度確定性策略梯度，以基于動態(tài)規(guī)劃算法的能量管理策略為基準進行對比。Garcia-Trivi?o等［18］使用粒子群優(yōu)化算法，將三個目標函數(shù)制定的多目標優(yōu)化問題轉(zhuǎn)換為一個單目標函數(shù)，能有效降低所應(yīng)用的混合再生能源系統(tǒng)的運行成本，系統(tǒng)的效率和設(shè)備性能都得到提升。

3 結(jié)語

本研究將燃料電池汽車的能量管理策略問題劃分為若干類，每個類中都有學(xué)者提出想法與策略，同時有許多新型算法與能量管理策略的結(jié)合不斷被提出，不少算法已經(jīng)在仿真層面驗證了其有效性。結(jié)合燃料電池汽車能量管理策略的發(fā)展狀況，未來研究此方向的學(xué)者可從以下三個方面進行深入研究。

①構(gòu)建針對燃料電池能量管理策略的臺架試驗，不僅是在仿真軟件上分析各種能量管理策略的優(yōu)劣，還要真正地將策略部署到臺架上，這樣才能發(fā)現(xiàn)每種能量策略在實際運行時存在的問題。

②在考慮燃料電池汽車燃油經(jīng)濟性的同時，還要綜合考慮到燃料電池耐久性的衰減，有的能量管理策略雖然有著很高的經(jīng)濟性，但燃料電池功率波動過大，嚴重影響燃料電池的耐久性。綜合考慮經(jīng)濟性和耐久性，可進行更深層次的能量管理策略設(shè)計。

③隨著燃料電池汽車逐漸普及，能采集到更多運行時的車輛數(shù)據(jù)，可從數(shù)據(jù)層面對燃料電池能量管理策略進行分析，構(gòu)建數(shù)據(jù)驅(qū)動能量管理策略，并與傳統(tǒng)基于車輛狀態(tài)變量構(gòu)建的策略進行比較。

參考文獻：

［1］殷卓成，王賀，段文益，等.氫燃料電池汽車關(guān)鍵技術(shù)研究現(xiàn)狀與前景分析［J］.現(xiàn)代化工，2022（10）：18-23.

［2］孔垂穎，門峰.國內(nèi)燃料電池汽車發(fā)展實踐及路徑研究［J］.汽車工業(yè)研究，2022（3）：32-37.

［3］孫桂芝，SAM P，林忠玲.燃料電池/蓄電池混合動力汽車建模與仿真（英文）［J］.系統(tǒng)仿真學(xué)報，2018（12）：4816-4824.

［4］祝懷男.燃料電池汽車建模與駕駛性仿真方法研究［D］.長春：吉林大學(xué)，2021.

［5］康健健，崔迎濤.燃料電池汽車混合動力系統(tǒng)設(shè)計研究［J］.汽車與新動力，2022（2）：25-27.

［6］DAVIS K，HAYES J G.Fuel cell vehicle energy management strategy based on the cost of ownership［J］.IET Electrical Systems in Transportation，2019（4）：226-236.

［7］ZHANG J，WANG S B.Fuel Cell Electric Vehicle Energy Management Strategy Simulation Study［J］.Advanced Materials Research，2012（535-537）：1597-1600.

［8］WANG Y，SUN Z，CHEN Z.Energy management strategy for battery/supercapacitor/fuel cell hybrid source vehicles based on finite state machine［J］.Applied Energy， 2019， 254：113707.

［9］CHEN J，XU C F，WU C S，et al.Adaptive Fuzzy Logic Control of Fuel-Cell-Battery Hybrid Systems for Electric Vehicles［J］.IEEE Transactions on Industrial Informatics，2018（1）：292-300.

［10］王哲，謝怡，孫維，等.燃料電池客車動力系統(tǒng)建模與能量管理策略研究［J］.同濟大學(xué)學(xué)報（自然科學(xué)版），2019（1）：97-103，123.

［11］ERDINC O，VURAL B，UZUNOGLU M. A wavelet-fuzzy logic based energy management strategy for a fuel cell/battery/ultra-capacitor hybrid vehicular power system［J］.Journal of Power Sources，2009（1）：369-380.

［12］FARES D，CHEDID R，PANIK F，et al. Dynamic programming technique for optimizing fuel cell hybrid vehicles［J］.International Journal of Hydrogen Energy，2015（24）：7777-7790.

［13］李錫云.基于極小值原理的燃料電池混合動力汽車能量管理方法研究［D］.合肥：中國科學(xué)技術(shù)大學(xué)，2020.

［14］HEMI H，GHOUILI J，CHERITI A.Combination of Markov chain and optimal control solved by Pontryagin's Minimum Principle for a fuel cell/supercapacitorvehicle［J］.Energy Conversion and Management，2015，91：387–393.

［15］李躍娟，齊巍，王成，等.并聯(lián)混合動力汽車ECMS的時變等效因子提取算法的研究［J］.汽車工程，2021（2）：181-188.

［16］程云江，徐向陽，董鵬，等.基于增益功率燃油系數(shù)的HEV能量管理策略［J］.中國公路學(xué)報，2022（4）：343-352.

［17］李衛(wèi).基于深度強化學(xué)習(xí)的燃料電池混合動力汽車能量管理策略［D］.深圳：中國科學(xué)院大學(xué)（中國科學(xué)院深圳先進技術(shù)研究院），2021.

［18］GARCIA-TRIVIO P，F(xiàn)ERN?NDEZ-RAM?REZ L M，GIL-MENA A J，et al.Optimized operation combining costs，efficiency and lifetime of a hybrid renewable energy system with energy storage by battery and hydrogen in grid-connected applications［J］. International Journal of Hydrogen Energy，2016（48）：23132-23144.

收稿日期：2022-11-24

作者簡介：王天祥（1999—），男，碩士生，研究方向：燃料電池汽車能量管理策略。