電動汽車的多模式復合電源能量管理自適應優化

王斌,徐俊,曹秉剛,李其玉,楊晴霞,寧博

(西安交通大學機械制造系統工程國家重點實驗室, 710049, 西安)

?

電動汽車的多模式復合電源能量管理自適應優化

王斌,徐俊,曹秉剛,李其玉,楊晴霞,寧博

(西安交通大學機械制造系統工程國家重點實驗室, 710049, 西安)

為提高電動汽車的多模式復合電源系統效率,提出一種能量管理自適應優化方法。對多模式復合電源工作模式進行分析,設計超級電容自適應參考電壓。建立復合電源系統效率優化目標函數,并結合電池荷電狀態和超級電容電壓設計電池輸出功率補償規則和能量管理自適應優化方法。搭建多模式復合電源系統仿真模型和測試平臺進行測試。測試結果表明:在UDDS和NEDC路況下,與滯環控制相比,采用能量管理自適應優化的多模式復合電源系統效率分別提高1.13%和1.02%。采用能量管理自適應優化的多模式復合電源不僅能自適應選擇工作模式和完成電池輸出功率補償,而且避免了電池輸出功率突然增大,保證了電池安全。

電動汽車;復合電源系統;能量管理;自適應優化

隨著節能減排、低碳出行意識深入人心,電動汽車的研發和推廣受到世界各國的重視。目前,電動汽車的發展瓶頸依舊是電池能量管理系統[1]。盡管采用多組電池串并聯能滿足電動汽車的峰值功率要求,但電池串聯內阻增大、均衡難度增加、使用壽命縮短等問題突出[1-3]。超級電容內阻小、功率密度高,與電池組成復合電源能顯著降低電池組均衡難度和延長電池組使用壽命[4]。

復合電源包含電池組/超級電容(battery/ultracapacitor,Bat/UC)結構[5]、UC/Bat結構[6]和復合式結構[7-9]。復合式結構的復合電源具有多種工作模式,是一種多模式復合電源。多模式復合電源根據電動汽車的運行條件選擇最合理的工作模式,能顯著提高系統工作效率[1,7-8]。由于工作模式的多樣性,需結合汽車運行條件設計合理的能量管理策略,發揮多模式復合電源的優勢。

目前,UC/Bat和Bat/UC結構的復合電源能量管理策略已十分成熟,包括基于模式分類的模式切換控制策略[10]、滯環控制策略[4,7]、功率平衡控制策略[11]、模糊控制策略[12]等。基于模式分類的模式切換控制、滯環控制、功率平衡控制策略易實現,但是系統整體效率有待優化。模糊控制策略作為智能控制的分支,已被用于UC/Bat和Bat/UC結構的復合電源能量管理策略優化[12-14]。然而,多模式復合電源在多種工作模式間切換時,系統控制參數發生大范圍跳變,使工作模式尋優、參數優化更加復雜,僅采用模糊控制策略不完全適合多種工作模式切換的復合電源能量管理系統優化。

自適應控制在系統工作模式發生變化時,通過自適應修正控制參數,能保證系統工作在最優或次優狀態[15-16],因此自適應控制非常適合具備多種工作模式切換的復合電源能量管理優化。本文根據多模式復合電源的工作模式特點建立超級電容自適應參考電壓和復合電源系統效率優化目標函數,并結合電池荷電狀態(state of charge, SOC)和超級電容自適應參考電壓設計電池輸出功率補償規則和能量管理自適應優化方法,實現多模式復合電源的能量管理優化。

1 多模式復合電源結構和工作模式

多模式復合電源結構如圖1所示。電池組電壓低于超級電容電壓,單向二極管避免電池組在制動時被直接頻繁充電,因此該結構能延長電池使用壽命[4-5]。切換開關用于工作模式的擇優選擇。直流-直流變換器(direct current-direct current,DC-DC)對電池組升壓,超級電容側高壓能減少負載側穩壓電路的能量損耗。為克服模式切換時的電壓波動,復合電源輸出端有穩壓電路(voltage stabilizing circuit,VSC)。

圖1 多模式復合電源結構

多模式復合電源結構兼備UC/Bat和Bat/UC結構功能,通過控制切換開關和DC-DC高效率工作。在大功率工作時,切換開關導通采用Bat/UC結構工作,DC-DC必須升壓工作,此時超級電容提供峰值功率,電池組提供恒定功率。在小功率工作時,切換開關截止采用UC/Bat結構工作,DC-DC必須降壓工作,此時電池組直接向負載供能,減少電池組能量損失。切換開關導通和截止的工作模式如圖2所示。

(a)切換開關導通(Bat/UC) (b)切換開關截止(UC/Bat)圖2 切換開關導通和截止的復合電源工作模式

多模式復合電源有4種輸出工作模式:超級電容單獨輸出模式、Bat/UC工作模式、電池組單獨輸出模式、UC/Bat工作模式。制動時有兩種工作模式:超級電容單獨回收模式和共同回收模式。

多模式復合電源采用滯環控制策略[7]時,超級電容電壓高于滯環上限值,選擇超級電容單獨輸出模式;大功率輸出且超級電容電壓低于滯環下限值時,選擇Bat/UC工作模式;電池電量充足且小功率輸出時,選擇電池組單獨輸出模式。UC/Bat工作模式僅在電池電量不足時使用;制動時優先選擇超級電容單獨回收模式,僅在超級電容電壓高于滯環上限值時采用共同回收模式。盡管滯環控制策略簡單,但是不具備工作模式尋優、效率優化和超級電容參考電壓自適應調整功能。為此,本文將結合超級電容自適應參考電壓設計能量管理自適應優化方法。

2 能量管理自適應優化

2.1 超級電容自適應參考電壓

多模式復合電源能量管理的優化目標是系統的工作效率最優,同時應根據超級電容的參考電壓提前進行功率補償控制,最大限度發揮超級電容“濾波”功能,保證系統有效工作。圖3給出能量管理優化方案。由于超級電容直接并聯在輸出端,實現自適應濾波,減少了濾波控制算法的復雜性,但是必須設計合適的超級電容自適應參考電壓,結合電池輸出功率補償,使超級電容在參考電壓附近工作,避免超級電容在大功率工作時電量不足或小功率工作時電量過高。通過工作模式尋優和效率優化,實現多模式復合電源的能量管理自適應優化。

圖3 能量管理優化方案

電動汽車在行駛時,超級電容參考電壓根據運行條件自適應調整。將運行條件等效為需求功率,當需求功率小時,超級電容參考電壓自適應增大,超級電容可提供電量或功率減小,因此多模式復合電源在小功率工作時主要由電池組提供功率;當需求功率很大時,超級電容參考電壓減小,當前電壓與參考電壓差增大,即超級電容可提供電量或功率增加,此時超級電容提供峰值功率,電池輸出優化功率。超級電容自適應參考電壓為

(1)

(2)

式中:ηsys(Vbat)表示在電池電壓為Vbat、采用電池組單獨輸出模式與采用Bat/UC工作模式的系統效率相等時對應的超級電容電壓。

2.2 能量管理策略及優化

超級電容自適應濾波避免了瞬時變化的需求功率對電池組的沖擊。為實現系統效率優化,系統最優效率等效為能量消耗最小,優化目標函數為

(3)

式中:Pbat(t)、PUC(t)分別為電池組和超級電容在t時刻的輸出功率。

效率優化需建立各部件效率模型。超級電容內阻小,損耗可忽略,工作效率近似為100%。電池的工作效率ηbat根據開路電壓-內阻模型計算[17],有

(4)

式中:Ebat是電池的開路電壓;Rbat是電池的內阻。

分別采用多組輸入和輸出功率實驗,其效率等于輸出功率除以輸入功率。測試用DC-DC額定功率為100 W,由于降壓模式使用較少,主要測試升壓模式效率。為達到所需功率,假設采用多個DC-DC并聯,忽略DC-DC并聯對效率的影響,采用插值法得到DC-DC效率曲線,如圖4所示。

圖4 DC-DC效率曲線

穩壓電路VSC的功能是向負載提供穩定電壓,其效率與輸入電壓Vin、輸出功率Pout相關,有

(5)

目標函數受超級電容電壓和電池SOC約束。超級電容電壓和電池SOC計算公式[1]如下。

(6)

式中:VUC(t+1)是超級電容下一時刻電壓;VUC(t)、IUC(t)和CUC(t)是超級電容當前電壓、電流和容量。

(7)

當電池Sbat>0.1,且超級電容電壓不等于自適應參考電壓時,采用Bat/UC工作模式進行電池輸出功率補償,使超級電容電壓趨向于參考電壓。有

(8)

當電池Sbat>0.1且超級電容電壓等于自適應參考電壓時,不進行功率補償,需要對Bat/UC工作模式或純電池組輸出模式進行尋優選擇,在電池組單獨輸出模式時,約束條件為

(9)

式中:mode1為電池組單獨輸出模式。

在Bat/UC工作模式時,約束條件為

(10)

(11)

為使目標函數最優,有

(12)

(13)

式中:ηsys是系統效率;Pin是在Bat/UC工作模式時的DC-DC輸入功率。

(14)

(15)

當電池Sbat<0.1時,電池電量不足,為保證電池安全,強制采用UC/Bat工作模式,超級電容降壓提供恒定功率,電池提供或吸收其余功率

(16)

制動時,優先采用超級電容單獨回收模式,僅在制動功率大且超級電容電壓大于上限值時執行共同回收模式。制動時采用滯環控制策略[7],超級電容電壓滯環區間為[0.9,0.95]。

3 仿真和實驗

在Matlab/Simulink/advisor中搭建電動汽車及多模式復合電源模型進行仿真測試。主要參數如下:汽車質量為1 350 kg;PMSM電機功率為20 kW;電池組為288 V 80 A·h的標準模塊,單體內阻約為0.05 mΩ;超級電容為400 V/16 F。選擇UDDS路況和NEDC路況進行仿真,分別模擬電動汽車低速和高速運行時的多模式復合電源的性能。

為分析能量管理自適應優化方法的有效性,將其與滯環控制[4,7]進行對比研究,超級電容電壓滯環區間為[0.9,0.95],在超級電容電壓低于50%時進行補償。兩種控制策略在制動時的控制方法相同。

在UDDS路況的結果對比如圖5b～圖5e所示。兩種控制策略的超級電容均優先回收制動能

(a)UDDS路況需求功率

(b)UDDS路況電池輸出功率

(c)UDDS路況超級電容輸出功率

(d)UDDS路況超級電容電壓

(e)UDDS路況DC-DC輸出功率

(f)NEDC路況需求功率

(g)NEDC路況電池輸出功率

(h)NEDC路況超級電容輸出功率

(i)NEDC路況超級電容電壓

(j)NEDC路況DC-DC輸出功率圖5 UDDS和NEDC路況的綜合仿真結果比較

量,保證了電池安全。在200～400 s輸出時,多模式復合電源采用滯環控制使電池組長時間恒功率輸出,超級電容電壓下降后被快速補償至380 V,對應滯環區間的上限值為0.95。DC-DC輸出功率為10 kW,接近最優效率。然而,DC-DC效率最優并不代表系統效率最優,且在系統200 s后大功率輸出時,電池組沒有進行輸出功率補償,在超級電容電壓為最高電壓的90%(360 V)附近,電池輸出波動很大,因為90%是滯環區間的下限值,在該值附近工作模式會頻繁切換,因此采用滯環控制具有一定的缺陷。

采用能量管理自適應優化方法,通過工作模式尋優和系統效率優化,使DC-DC輸出接近最優效率,系統效率達到了最優。尤其是在200～400 s輸出時,電池組輸出功率自適應增加進行功率補償,使功率分配更加合理。同時,采用目標函數進行工作模式自適應尋優,避免了電池輸出在滯環區間的下限值附近頻繁波動。最后,超級電壓穩定在參考電壓350 V附近。該參考電壓隨需求功率變化而自適應變化,因此超級電容電壓控制更加靈活。如果接下來電動汽車長時間制動,與滯環控制的380 V相比,顯然超級電容在350 V時能回收更多的能量。

為進行量化對比,按式(17)計算兩種控制策略的系統效率。在UDDS路況下,與滯環控制比較,采用能量管理自適應優化的系統效率提高1.13%。

(17)

在NEDC路況下的結果對比如圖5g～圖5j所示。初期超級電容電壓大于最高電壓的95%,兩種控制策略均采用超級電容單獨輸出模式。在NEDC路況下,由于需求功率變化不是很頻繁,因此兩種控制策略的工作模式選擇相同,但是兩種控制策略功率分配、DC-DC輸出功率不相同。尤其是在1 100 s左右大功率輸出時,滯環控制的電池組輸出功率突然增大、峰值功率輸出時間長。采用能量管理自適應優化方法提前進行電池組輸出功率補償,避免了電池輸出功率突然增大,同時縮短了峰值功率工作時間,有效保證了電池安全,兩種策略的超級電容電壓最終接近。在超級電容消耗電量不變的條件下,采用能量管理自適應優化方法的功率分配方式更加合理。在NEDC路況下,與滯環控制比較,采用能量管理自適應優化的系統效率提高1.02%。

圖6 小功率實驗臺

為進一步驗證多模式復合電源的工作模式切換的合理性及自適應功率補償控制的有效性,搭建了圖6的實驗臺進行在環測試。實驗臺功率大小約為仿真條件的1/200。其中,電池組標準電壓為12.8 V,容量為80 A·h;超級電容規格為25 V/94 F;永磁同步電機額定功率為100 W,峰值為200 W;DC-DC最大工作功率為100 W,額定功率為50 W,采用MSP430控制和DPO3054示波器捕獲電壓。采用Bat/UC工作模式時,對應最優效率工作的電池組輸出功率接近50 W。EBC和EBD為充放電測試設備,分別計算電池組和超級電容的輸入、輸出電流和功率。需求功率分為5個峰值功率逐步增加階段和一個制動階段。

圖7為測試結果,在初期超級電容電壓高于最高電壓的90%時采用超級電容單獨輸出模式。在需求功率較小時采用電池單獨輸出模式;在功率增大時采用Bat/UC工作模式。隨著超級電容電壓持續減小,當低于參考電壓時,電池輸出功率增加進行自適應補償,超級電容電壓升高。在需求功率進一步增大時,超級電容自適應參考電壓變小,超級電容提供峰值功率,電池輸出優化功率。最后,再次進行電池輸出功率補償,超級電容電壓升高,直到進入制動模式,由超級電容單獨回收制動能量。實驗結果顯示采用能量管理自適應優化方法的多模式復合電源能自適應選擇工作模式和補償電池輸出功率;超級電容能及時提供或吸收峰值功率,避免電池組輸出功率突然增大,保證了電池安全。

4 結 論

(a)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7 在環測試時的電池與超級電容輸出

電動汽車多模式復合電源的工作模式繁多,控制策略十分復雜,必須結合汽車運行條件設計合理的能量管理策略才能發揮多模式復合電源的優勢。為提高多模式復合電源系統效率,本文提出一種能量管理自適應優化方法。對多模式復合電源工作模式進行分析,確定超級電容自適應參考電壓。建立復合電源系統效率優化目標函數,結合電池SOC和超級電容電壓設計電池輸出功率補償規則和多模式復合電源能量管理自適應優化方法。仿真和實驗結果表明,在UDDS和NEDC路況下,與滯環控制比較,采用能量管理自適應優化的多模式復合電源系統效率分別提高1.13%和1.02%。多模式復合電源采用能量管理自適應優化方法不僅能自適應選擇工作模式和補償電池輸出功率,同時避免了電池組輸出功率突然增大,并且保證了電池安全。

[1] 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.

[2] 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]. 西安交通大學學報, 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.

[3] 曹秉剛, 曹建波, 李軍偉, 等. 超級電容在電動車中的應用研究 [J]. 西安交通大學學報, 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.

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

[5] TIE S F, TAN C W. A review of energy sources and energy management system in electric vehicles [J]. Renewable and Sustainable Energy Reviews, 2013, 20: 82-102.

[6] LONG Bo, LIM S T, BAI Zhifeng, et al. Energy management and control of electric vehicles, using hybrid power source in regenerative braking operation [J]. Energies, 2014, 7(7): 4300-4315.

[7] WANG Bin, XU Jun, CAO Binggang. Design of a novel hybrid power for EV [C]∥Proceedings of the 2014 IEEE Conference and Exposition in Transportation Electrification. Piscataway, NJ, USA: IEEE, 2014: 1-5.

[8] XIANG Changle, WANG Yanzi, HU Sideng, et al. A new topology and control strategy for a hybrid battery-ultracapacitor energy storage system [J]. Energies, 2014, 7(5): 2874-2896.

[9] 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.

[10]WANG Bin, XU Jun, CAO Binggang, et al. Compound-type hybrid energy storage system and its mode control strategy for electric vehicles [J]. Journal of Power Electronics, 2015, 15(3): 849-859.

[11]KUPERMAN A, AHARON I, MALKI S, et al. Design of a semiactive battery-ultracapacitor hybrid energy source [J]. IEEE Transactions on Power Electronics, 2013, 28(2): 806-815.

[12]LI Qi, CHEN Weirong, LI Yankun, et al. Energy management strategy for fuel cell/battery/ultracapacitor hybrid vehicle based on fuzzy logic [J]. International Journal of Electrical Power and Energy Systems, 2012, 43(1): 514-525.

[13]GARCIA P, TORREGLOSA J P, FERNANDEZ L M, et al. Control strategies for high-power electric vehicles powered by hydrogen fuel cell, battery and supercapacitor [J]. Expert Systems with Applications, 2013, 40(12): 4791-4804.

[14]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.

[15]WU Lianghong, WANG Yaonan, YUAN Xiaofang, et al. Multiobjective optimization of HEV fuel economy and emissions using the self-adaptive differential evolution algorithm [J]. IEEE Transactions on Vehicular Technology, 2011, 60(6): 2458-2470.

[16]WAAG W, SAUER D U. Adaptive estimation of the electromotive force of the lithium-ion battery after current interruption for an accurate state-of-charge and capacity determination [J]. Applied Energy, 2013, 111: 416-427.

[17]MICHALCZUK M, GRZESIAK L M, UFNALSKI B. A lithium battery and ultracapacitor hybrid energy source for an urban electric vehicle [J]. Electrotechnical Review, 2012, 88: 158-162.

[本刊相關文獻鏈接]

王斌,徐俊,曹秉剛,等.采用模擬退火算法的電動汽車復合電源能量管理系統優化.2015,49(8):90-96.[doi:10.7652/xjtuxb201508015]

楊晴霞,曹秉剛,徐俊,等.一種估計鋰電池充電狀態的分數階阻抗模型.2015,49(8):128-132.[doi:10.7652/xjtuxb2015 08021]

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

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

許建,張政,李翔,等.獨立驅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]

續丹,王國棟,曹秉剛,等.獨立驅動電動汽車的轉矩優化分配策略研究.2012,46(3):42-46.[doi:10.7652/xjtuxb201203 008]

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

曹秉剛,曹建波,李軍偉,等.超級電容在電動車中的應用研究.2008,42(11):1317-1322.[doi:10.7652/xjtuxb200811 001]

(編輯 武紅江 苗凌)

Adaptive Optimization of Energy Management Strategy for a Multi-Mode Hybrid Energy Storage System in Electric Vehicles

WANG Bin,XU Jun,CAO Binggang,LI Qiyu,YANG Qingxia,NING Bo

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

An adaptive optimization method (ADM) for energy management strategy is proposed to improve the efficiency of the multi-mode hybrid energy storage system (HESS) in electric vehicles. The operating modes of the multi-mode HESS are first analyzed, and an adaptive reference voltage of the ultracapacitor (UC) is defined. The objective of optimization focuses on the efficiency of the overall system. And the compensation rules of the battery power output and the ADM for energy management strategy are designed by combining the battery state of charge(SOC) and the UC voltage. A simulation model and an experimental platform are then established. Compared with the multi-mode HESS with the hysteresis control strategy in the UDDS and the NEDC drive cycles show that the ADM improves the overall system efficiency of the multi-mode HESS up to 1.13% and 1.02%, respectively. The multi-mode HESS with the ADM for energy management strategy can not only achieve the adaptive selection of operating modes and the compensation of the battery power output, but also avoid the excessive power output of the battery, so the battery safety is ensured.

electric vehicle; hybrid energy storage system; energy management; adaptive optimization

2015-05-27。

王斌(1987—),男,博士生;曹秉剛(通信作者),男,教授,博士生導師。

國家自然科學基金資助項目(51405374);中國博士后基金資助項目(2014M560763)。

時間:2015-09-21

10.7652/xjtuxb201512021

U469.72

A

0253-987X(2015)12-0130-07

網絡出版地址:http:∥www.cnki.net/kcms/detail/61.1069.T.20150921.1438.002.html