純電動汽車復合電源能量管理的仿真

郝美超

（天津理工大學 自動化學院，天津 300384）

0 引言

純電動汽車具有功耗低、零排放等優點，是汽車行業發展的新寵[1]。實踐證明，功率密度低、循環壽命短依然是電化學電池普遍存在的缺陷[2]，極大地限制了純電動汽車的普及和發展。而超級電容具有高比功率、大電流快速充放電、循環壽命長等優點，在汽車行業得到了廣泛應用[3,4]。超級電容或蓄電池任何一種單一動力源，都無法達到純電動汽車對能量源的性能要求。因此，采用動力電池—超級電容組成的復合電源，二者優勢互補，蓄電池提供車輛行駛時的平均功率，而超級電容則填補尖峰功率，并且當車輛制動時，超級電容吸收回饋能量，有效地兼顧純電動汽車對功率和能量的雙重要求，提高能量利用率。

1 復合電源儲能系統結構及原理

1.1 系統結構

復合電源系統結構圖如圖1所示。這種結構的特點是可以使超級電容對直流母線的功率波動快速反應，為純電動汽車加速爬坡時提供較大的瞬時功率，并能迅速吸收直流母線向復合電源系統提供的回饋能量。

圖1 復合電源系統結構圖

1.2 工作原理

1）當電動汽車需求功率較低，蓄電池為負載提供能量的同時并給超級電容充電，以保證超級電容始終工作在最佳狀態；

2）當電動汽車在加速、爬坡或高速行駛時，負載需求功率較高，此時由超級電容和蓄電池共同提供能量；

3）當電動汽車工作于制動狀態，超級電容SOC較大時，回饋的能量由蓄電池和超級電容共同吸收；若超級電容SOC較小時，回饋的能量全部由超級電容吸收。

2 能量管理系統控制策略—模糊神經網絡

模糊控制無需知道對象精確的數學模型，可以克服由于過程本身的不確定性、不精確性帶來的問題[5,6]。而神經網絡具有良好的非線性映射、自學習自適應等能力。由于復合電源能量管理系統是個復雜的非線性系統，模糊神經網絡集二者優點于一體，使能量控制過程更具靈活性。

2.1 模糊邏輯控制的設計

由前文復合電源儲能系統工作原理的分析，控制策略的制定主要考慮對系統工作影響較大的三個變量蓄電池荷電狀態SOCb、超級電容的荷電狀態SOCc以及負載電流Io，而能量管理系統是通過控制雙向DC/DC變換器的占空比來對蓄電池和超級電容之間功率進行分配。結構框圖如圖2所示。

本文所設計的模糊邏輯控制是一個三輸入兩輸出的系統，結構圖如圖3所示。

輸入輸出變量的模糊化設計如下。

圖2 能量管理系統結構框圖

圖3 模糊邏輯控制器結構圖

由于電動汽車行駛時，電動機會有電動和制動兩種情況，所以負載電流也會有正負之別，其對應語言值的模糊子集為：

{負小，負中，負大，零，正小，正中，正大}

為方便起見，采用簡記形式如下：

NL=負小，NM=負中，NH=負大，Z=零，PL=正小，PM=正中，PH=正大。

依次設計可得輸入變量SOCb、SOCc及輸出變量DQ1、DQ2對應語言值的模糊子集分別為：

根據專家經驗法結合實際情況設計輸入變量蓄電池SOCb、超級電容SOCc、負載電流Io以及輸出變量DQ1、DQ2的隸屬度函數，并根據純電動汽車運行工況及復合電源工作模式的分析制定相應的模糊規則。部分模糊規則的設計示例如圖4所示。

圖4 部分模糊規則的設計

2.2 模糊神經網絡的構建

圖5給出了該模糊神經網絡控制模型的結構圖。網絡各層含義如下：

第一層—輸入層：本文輸入變量分別為SOCb、SOCc、I0，所以網絡第一層有三個神經元。輸入層的作用是將接收的數據通過神經元不經變化的傳給下一層，所以傳遞函數為常函數 f(x)=1。

圖5 模糊神經網絡控制模型

第二層—隸屬度函數層：將第一層傳來的數據進行模糊化處理，該層中的每一個神經元都代表著一個語言變量，如NH、PL等。神經元所使用的傳遞函數即為隸屬度函數。

第三層—規則層：該層用來實現模糊控制中規則的匹配，并計算出每條規則的適用度。

第四層—結論層：該層用來表示模糊規則所得出的結論，可以看作是規則當中的“IS”，神經元的個數由所有規則得到的結果可能數的總和決定。

第五層—輸出層：將前一層得出的結論進行總結，這可以看作是模糊控制當中的“清晰化”過程。

模糊神經網絡的仿真實現的部分程序如下：

3 仿真結果分析

3.1 超級電容SOCc不高時

由圖6可知，純電動汽車正常行駛時，電動機工作在電動狀態，負載電流為正，如圖中的0～7秒。當負載電流較低時，如圖中的0～2秒和6～7秒，蓄電池除了提供純電動汽車行駛所需的能量外，還要對超級電容進行充電，以使超級電容有足夠的能量儲備，提供瞬時大功率放電；當汽車處于爬坡或加速階段時，電流達到尖峰，如圖中的3～5秒時，超級電容和蓄電池共同供電，超級電容起削峰的作用，有效地保護大電流對蓄電池的沖擊；當負載電流為零時，如圖中的7～8秒，蓄電池繼續為超級電容充電，使超級電容能量保持在最佳狀態。從圖中0～8秒的電流變化曲線可知，由于超級電容直接與負載相連，能迅速反應負載峰值電流的變化，而蓄電池放電電流基本保持在平均放電狀態，放電曲線平緩，有利于延長蓄電池的使用壽命。

純電動汽車剎車制動時，電動機工作在發電狀態，負載電流為負，如圖中的8～10秒。由于超級電容能量不高，雙向DC/DC變換器不工作，超級電容電流與負載電流重合，純電動汽車回饋制動的能量全部由超級電容吸收。

圖6 超級電容SOC較高時的電流變化曲線

由圖7可知，純電動汽車正常運行時及蓄電池為超級電容進行充電期間，蓄電池持續提供能量，SOC不斷降低，如圖中的0～8秒；而在純電動汽車剎車制動時，蓄電池不在提供能量也無能量吸收，所以SOC不在變化，如圖中的8～10秒。

圖7 超級電容SOC不高時蓄電池的SOC變化曲線

由圖8可知，當蓄電池對超級電容進行充電以及超級電容吸收回饋制動能量時，SOC升高，如圖中的0～3秒和7～10秒；當超級電容提供峰值能量時，SOC降低，如圖中的3～5秒。

3.2 蓄電池SOCc較高時

由圖9可知，在純電動汽車正常行駛時，如圖中的0～8秒，由于超級電容的能量較高，且直接與負載相連，能跟隨負載電流變化快速反應，輔助蓄電池共同提供負載所需能量，整個過程中起到了負載平衡和削峰的作用，從而有效地保護了蓄電池 。

圖8 超級電容SOC不高時超級電容的SOC變化曲線

在純電動汽車剎車制動時，由于超級電容的能量還處于較高的狀態，此時雙向DC/DC變換器工作在buck狀態，超級電容和蓄電池共同吸收回饋制動的能量，以防超級電容過充電現象發生。

圖9 超級電容SOC不高時的電流變化曲線

由圖10可知，純電動汽車正常運行時，蓄電池持續提供能量，SOC不斷降低，如圖中的0～7秒；而在純電動汽車剎車制動時，蓄電池參與了回饋制動能量的吸收，所以SOC升高，如圖中的7～10秒。

圖10 超級電容SOC較高時蓄電池的SOC變化曲線

由圖11可知，純電動汽車正常運行時，由于超級電容能量較高，不僅提供了峰值大功率而且也提供了輔助能量，所以SOC不斷下降，如圖中的0～7秒；而在純電動汽車剎車制動時，超級電容吸收了部分回饋制動能量，所以SOC升高，如圖中的7～10秒。

圖11 超級電容SOC較高時超級電容的SOC變化曲線

4 結論

綜合本文所進行的仿真研究，由超級電容-蓄電池組成的復合電源儲能系統，在基于模糊神經網絡控制能量管理系統下，充分發揮了二者的優勢，較好的保護了蓄電池，提高了能量利用率。

[1]盤朝奉,何志剛,張德望,等.復合電源電動汽車動力系統建模與仿真[J].廣西大學學報(自然科學版), 2012,(2).

[2]BURKE A F.Cost-Effective Combinations of Ultracapacitors and Batteries for Vehicle Applications[C]//Proceedings of the Second International Advanced Battery Conference.Las Vegas,Nevada:UC Davis Institute of Transportation Studies,2002.

[3]BURKE A F.Ultracapacitors:why,how,and where is the technology[J].Journal of Power Sources,2000,91(1):37-50.

[4]石慶升,張承慧,崔納新.新型雙能量源純電動汽車能量管理問題的優化控制[J].電工技術學報,2008,(8).

[5]任國輝.混合動力汽車能量管理系統控制策略研究[J].科技信息,2010,(24).

[6]葛哲學,孫志強.神經網絡理論與MATLAB R2007實現[M].北京:電子工業出版社,2007.