基于交通信息的復(fù)合電源系統(tǒng)控制策略優(yōu)化*

胡 杰，王 明，劉 迪，顏伏伍，曹 愷

（1.武漢理工大學(xué)，現(xiàn)代汽車零部件技術(shù)湖北省重點(diǎn)實(shí)驗(yàn)室，武漢 430070；2.武漢理工大學(xué)，汽車零部件技術(shù)湖北省協(xié)同創(chuàng)新中心，武漢 430070；3.新能源與智能網(wǎng)聯(lián)車湖北工程技術(shù)研究中心，武漢 430070；4.東風(fēng)汽車公司技術(shù)中心，武漢 430058）

前言

純電動(dòng)汽車因在節(jié)能和環(huán)保等方面表現(xiàn)出的獨(dú)特優(yōu)勢(shì)，在近年得到了長(zhǎng)足的發(fā)展。然而作為其主要能量源的動(dòng)力電池存在比功率低、使用壽命短等問題，且頻繁的大電流充放電會(huì)嚴(yán)重影響電池的使用壽命［1］，而超級(jí)電容比功率高，使用壽命長(zhǎng)，能滿足汽車短時(shí)大功率需求。因此，由超級(jí)電容與動(dòng)力電池構(gòu)成的復(fù)合電源已成為復(fù)合能源系統(tǒng)領(lǐng)域的研究熱點(diǎn)［2］。通過制定合理的能量管理策略將整車需求功率合理分配給動(dòng)力電池和超級(jí)電容，能充分發(fā)揮能量源的性能優(yōu)勢(shì)。目前，應(yīng)用于復(fù)合電源的能量管理策略主要包括基于規(guī)則和基于優(yōu)化兩個(gè)方向?；诖_定規(guī)則的能量管理策略通過設(shè)定閾值，控制超級(jí)電容是否參與工作［3］?；谀：?guī)則的能量策略將輸入變量模糊化，并制定相應(yīng)的模糊規(guī)則，提高了能量管理策略對(duì)不同工況的適應(yīng)性［4］?；趦?yōu)化的管理策略通過求解系統(tǒng)的能量分配控制參數(shù)，并采用傳統(tǒng)優(yōu)化算法或智能優(yōu)化算法對(duì)控制參數(shù)進(jìn)行優(yōu)化，來提高復(fù)合電源的能量利用率，這些優(yōu)化算法包括動(dòng)態(tài)規(guī)劃［5］、龐特里亞金極小值原理［6］和模型預(yù)測(cè)控制［7］等。

以上控制策略都鮮有考慮交通信息對(duì)能量管理策略的影響，忽略交通信息制定的能量管理策略難以達(dá)到能量分配的最優(yōu)化［8］。隨著智能交通系統(tǒng)的發(fā)展，如果能提前獲取汽車未來的交通信息，并將其應(yīng)用于能量管理策略中，提前做好應(yīng)對(duì)未來需求功率的準(zhǔn)備，能夠有效提高能量利用率［9-10］。但當(dāng)車輛行駛在如隧道和高架橋等交通條件時(shí)存在不能獲取未來短時(shí)間內(nèi)交通信息的情況，因此本文中提出了基于交通信息融合優(yōu)化的能量管理策略，在能獲取未來交通信息的前提下，以自適應(yīng)小波變換-模糊控制作為主控制策略輸出一部分超級(jí)電容功率，以考慮交通信息融合的模糊控制器為輔助控制策略優(yōu)化超級(jí)電容輸出功率；當(dāng)不能獲取未來交通信息時(shí)，直接以自適應(yīng)小波變換-模糊控制策略進(jìn)行功率的分配。

1 復(fù)合電源系統(tǒng)建模

1.1 復(fù)合電源系統(tǒng)拓?fù)浣Y(jié)構(gòu)

常見的復(fù)合電源系統(tǒng)拓?fù)浣Y(jié)構(gòu)有被動(dòng)式、半主動(dòng)式和全主動(dòng)式3種構(gòu)型。被動(dòng)控制結(jié)構(gòu)簡(jiǎn)單，成本低，但是由于超級(jí)電容和電池直接并聯(lián)致使超級(jí)電容的端電壓受限，導(dǎo)致效率降低；主動(dòng)控制引入DC∕DC轉(zhuǎn)換器，可將功率總線、超級(jí)電容和電池實(shí)現(xiàn)解耦，但過多地使用DC∕DC轉(zhuǎn)換器會(huì)提高控制復(fù)雜度以及降低整車能量轉(zhuǎn)化率。因此，采用單個(gè)DC∕DC轉(zhuǎn)換器與超級(jí)電容串聯(lián)這種構(gòu)型，不僅能在保證控制效果良好的同時(shí)提高能量轉(zhuǎn)換效率，且能直接控制電壓頻繁變化的超級(jí)電容，如圖1所示。

圖1 復(fù)合電源拓?fù)浣Y(jié)構(gòu)

1.2 電池模型

研究重點(diǎn)在于控制策略的優(yōu)化，對(duì)電池模型精度要求不高，僅需反映電池的外特性即可，因此選用內(nèi)阻（Rint）模型，如圖2所示。Ubat和Ibat分別代表電池開路電壓和開路電流，Rbat代表電池內(nèi)阻。

圖2 Rint模型

根據(jù)基爾霍夫電壓定律，電池的負(fù)載功率Pbat與負(fù)載電流Ibat的關(guān)系為

為定量評(píng)價(jià)電池的循環(huán)使用壽命，引入電池等效壽命模型，該模型中定義累計(jì)有效安時(shí)流通量［11］：

式中σ為電池受損因子，對(duì)于電動(dòng)汽車而言，放電倍率是其最主要的影響因素，因此，本文采用電池受損因子和放電倍率的簡(jiǎn)化關(guān)系式［11］：

式中Ic為放電倍率。

1.3 超級(jí)電容模型

超級(jí)電容在充放電過程中，端電壓變化具有良好的線性特征，因此可采用阻容（RC）模型，其等效電路如圖3所示，該模型將超級(jí)電容等效為理想電容串聯(lián)一個(gè)內(nèi)阻，Ccap為超級(jí)電容的容量，Rcap為內(nèi)阻，Icap為電流，Ucap為開路電壓。

圖3 RC模型

超級(jí)電容存儲(chǔ)的能量Ecap與當(dāng)前開路電壓有關(guān)：

另外，超級(jí)電容的電壓與其電量具有良好的線性關(guān)系，因此可直接用電壓表示其荷電狀態(tài)，即式中ULend和UUend分別為超級(jí)電容上、下截止電壓。

1.4 DC/DC轉(zhuǎn)換器模型

DC∕DC轉(zhuǎn)換器結(jié)構(gòu)復(fù)雜，難以構(gòu)建其簡(jiǎn)化電路模型，且計(jì)算量大，仿真難以實(shí)現(xiàn)，因此常采用DC∕DC轉(zhuǎn)換器的效率模型，根據(jù)模型中的電壓比值和傳輸功率值進(jìn)行查表，從而得到效率值。

2 交通信息融合優(yōu)化

在汽車行駛過程中，如果可以利用汽車歷史數(shù)據(jù)、當(dāng)前行駛數(shù)據(jù)和未來交通信息預(yù)測(cè)汽車未來短時(shí)間內(nèi)需求功率變化趨勢(shì)，就能在當(dāng)前時(shí)刻為未來交通狀況適時(shí)調(diào)整超級(jí)電容輸出功率，充分發(fā)揮超級(jí)電容的優(yōu)勢(shì)，從而實(shí)現(xiàn)基于交通信息優(yōu)化復(fù)合能源系統(tǒng)功率分配策略的目標(biāo)。

2.1 自適應(yīng)小波變化-模糊控制策略

小波變化是一種有利的信號(hào)提取工具，能將功率信號(hào)進(jìn)行高低頻分解，然后根據(jù)蓄電池和超級(jí)電容對(duì)負(fù)載的響應(yīng)能力，將高頻功率分配給超級(jí)電容，低頻功率分配給蓄電池，有利于延長(zhǎng)蓄電池的使用壽命［12］。功率需求信號(hào)為典型的離散信號(hào)，因此本文采用離散小波變化，其公式為式中：λ為尺度因子；u為平移因子；ψ為母波函數(shù)，本文選用執(zhí)行效率較高的Haar母波函數(shù)［1］。

小波變化的分解層數(shù)對(duì)小波分解的效果有很大影響，分解層數(shù)越大，則高低頻信號(hào)分離得越徹底。在不同行駛工況下，高頻干擾信號(hào)所占的比例不同。從擁堵工況到高速工況，隨著車速增大，需求功率和高頻干擾信號(hào)也相應(yīng)增大，因此將分解層數(shù)2、3、4分別對(duì)應(yīng)擁堵工況、城郊工況和高速工況，可以提高小波變化對(duì)工況的自適應(yīng)性［13］。

單獨(dú)利用小波變化雖然能將功率信號(hào)進(jìn)行高低頻分解，但不能監(jiān)測(cè)能量源SOC，會(huì)導(dǎo)致能量源過充和過放［14］，因此以小波變化后的電池參考功率、蓄電池SOC和超級(jí)電容SOC為輸入，利用模糊控制器對(duì)電池參考功率進(jìn)行調(diào)整，以保證超級(jí)電容和蓄電池SOC都維持在合適范圍內(nèi)。自適應(yīng)小波變化-模糊控制的結(jié)構(gòu)如圖4所示。

圖4 自適應(yīng)小波變化-模糊控制

2.2 交通擁堵程度模型建立

選取美國城市標(biāo)準(zhǔn)循環(huán)工況UDDS作為基礎(chǔ)循環(huán)工況，通過道路擁堵情況、前方道路坡度等信息來構(gòu)建含有交通信息的循環(huán)工況。以高德地圖為例，在選定目的地后，車載導(dǎo)航系統(tǒng)會(huì)選擇一條最佳路徑，地圖上會(huì)顯示出該路徑的實(shí)時(shí)交通狀態(tài)。紅色代表交通擁堵，平均車速在10 km∕h以下；綠色代表暢行，平均車速在40 km∕h以上；黃色的平均車速介于二者之間，代表交通流暢度一般［15］。參考實(shí)際道路的交通擁堵信息并結(jié)合UDDS工況，可以添加每個(gè)路段的交通擁堵信息。如圖5所示，其中數(shù)字0、1、2分別代表交通擁堵、交通流暢度一般和交通良好。

2.3 道路坡度模型建立與預(yù)測(cè)

汽車行駛時(shí)可通過車載導(dǎo)航系統(tǒng)（GPS）和地理信息系統(tǒng)（GIS）獲取汽車行駛時(shí)的全面交通信息。汽車當(dāng)前行駛位置距采樣點(diǎn)的水平距離可通過車載計(jì)算機(jī)系統(tǒng)實(shí)時(shí)計(jì)算得到，同時(shí)還能通過GIS地圖匹配獲得當(dāng)前海拔高度和采樣點(diǎn)海拔高度，由式（8）就能得到未來短時(shí)間內(nèi)行駛道路坡度［16］，見圖6。

圖5 UDDS工況交通擁堵狀況

圖6 道路坡度計(jì)算示意圖

式中：E1和E2分別為車輛當(dāng)前位置和采樣點(diǎn)的路面標(biāo)高；L為當(dāng)前位置距采樣點(diǎn)的路面距離。

在建立含有道路坡度信息的UDDS工況時(shí)，須添加循環(huán)工況中道路坡度和坡長(zhǎng)，根據(jù)我國道路設(shè)計(jì)規(guī)范《公路工程技術(shù)標(biāo)準(zhǔn)》和《公路路線設(shè)計(jì)規(guī)范》研究了汽車行駛速度和道路坡度與坡長(zhǎng)之間的關(guān)系，確定了循環(huán)工況中與車速相匹配的坡度和坡長(zhǎng)［16］。

根據(jù)UDDS工況中速度-時(shí)間關(guān)系和坡度及坡長(zhǎng)限制，可按照行駛車速大小設(shè)置坡度。參考相關(guān)文獻(xiàn)［17］后，UDDS工況中的最大坡度設(shè)置為7%，UDDS工況中坡度隨時(shí)間的變化關(guān)系如圖7所示。

2.4 車速變化趨勢(shì)判斷方法設(shè)計(jì)

采用模糊C均值聚類（FCM）對(duì)車速狀態(tài)進(jìn)行劃分。選取ADVISOR標(biāo)準(zhǔn)循環(huán)工況庫中的若干典型循環(huán)工況并組合，得到的組合工況如圖8所示。

為消除時(shí)間-車速變化對(duì)樣本精度的影響，選用如圖9所示的復(fù)合等分劃分法［18］對(duì)行駛片段進(jìn)行劃分，以10 s為步長(zhǎng)劃分行駛片段，然后再取相鄰工況的中點(diǎn)劃分行駛片段，計(jì)算當(dāng)前每個(gè)采樣點(diǎn)之前10 s內(nèi)行駛片段的特征參數(shù)，即平均加速度、速度標(biāo)準(zhǔn)差、工況片段的始末車速差。

圖7 UDDS工況坡度-時(shí)間圖

圖8 組合循環(huán)工況

圖9 復(fù)合等分劃分法

將得到的特征參數(shù)矩陣?yán)肍CM聚類算法劃分為3類，得到如表1所示的聚類中心。

從表1可知：聚類中心A1的平均加速度和片段始末速度差均為負(fù)值，速度標(biāo)準(zhǔn)差較大，這代表車速下降型聚類中心；同理，聚類中心A3平均加速度和片段始末速度差均為正值，速度標(biāo)準(zhǔn)差較大，代表車速增加型聚類中心；聚類中心A2的平均加速度和片段始末速度差都接近0，速度標(biāo)準(zhǔn)差也很小，代表速度平穩(wěn)型聚類中心。

表1 不同車速類型的聚類中心

最后當(dāng)汽車實(shí)際行駛時(shí)，提取之前10 s的速度序列計(jì)算當(dāng)前時(shí)刻下的特征參數(shù)，根據(jù)歐幾里德貼進(jìn)度公式［19］計(jì)算其到3個(gè)聚類中心的距離，記為d1、d2和d3，即可通過這三者關(guān)系判斷行駛車速類型。

式中：A n為各個(gè)聚類中心坐標(biāo)，n=1，2，3；B為待識(shí)別工況特征參數(shù)矩陣；m為特征參數(shù)數(shù)量，取3。

根據(jù)得到的行駛片段特征參數(shù)到3個(gè)聚類中心的距離可判定車速類型：若d1＜d2且d1＜d3，可認(rèn)為當(dāng)前時(shí)刻下為速度下降型，即未來短時(shí)間內(nèi)很有可能出現(xiàn)汽車減速；若d2＜d1且d2＜d3，可認(rèn)為當(dāng)前時(shí)刻下為速度平穩(wěn)型，即未來短時(shí)間內(nèi)很有可能車速保持不變；若d3＜d1且d3＜d2，可認(rèn)為當(dāng)前時(shí)刻下為速度增加型，即未來短時(shí)間內(nèi)很有可能汽車加速。因此，UDDS工況下車速類型的判斷結(jié)果如圖10所示。

圖10 UDDS工況車速類型判斷

在基于FCM聚類算法對(duì)行駛車速類型初步判斷后，結(jié)合獲取的未來短時(shí)間內(nèi)交通擁堵信息，可對(duì)未來時(shí)間段內(nèi)車速變化趨勢(shì)進(jìn)行判斷［9］：當(dāng)車速類型是平穩(wěn)型時(shí)，任何交通擁堵狀況下都認(rèn)為車速是平穩(wěn)的；當(dāng)車速類型是增加型時(shí)，在交通擁堵狀況是擁堵、流暢度一般和暢行時(shí)，可認(rèn)為未來短時(shí)間內(nèi)車速變化趨勢(shì)是增速較小、增速適中和增速較大；當(dāng)車速類型是下降型時(shí)，交通擁堵狀況為擁堵、流暢度一般和暢行時(shí)，可認(rèn)為未來短時(shí)間內(nèi)車速變化趨勢(shì)為降速較大、降速適中和降速較小。

2.5 交通信息融合優(yōu)化的超級(jí)電容輸出功率

汽車正常行駛時(shí)，整車需求功率完全由動(dòng)力電池和超級(jí)電容提供，滿足：

式中：Pdem為整車需求功率；Pbat和Psc分別為動(dòng)力電池和超級(jí)電容提供的功率。

在獲取未來短時(shí)間內(nèi)車速變化趨勢(shì)和道路坡度信息后，采用模糊邏輯控制對(duì)超級(jí)電容的輸出功率進(jìn)行修正，模糊控制器的輸入和輸出如圖11所示，其輸入∕輸出變量的含義以及隸屬度函數(shù)見表2和圖12，部分模糊規(guī)則見表3，模糊規(guī)則的曲面圖如圖13所示。定義Csc_corr為超級(jí)電容輸出功率修正系數(shù)，則超級(jí)電容修正輸出功率計(jì)算公式為

圖11 模糊控制器結(jié)構(gòu)

表2 模糊控制器輸入/輸出變量定義

2.6 基于交通信息融合優(yōu)化的能量管理策略

在無法獲取交通信息時(shí)，根據(jù)自適應(yīng)小波變化-模糊控制策略直接得到超級(jí)電容的最終輸出功率，即Psc_final=Psc；當(dāng)能獲取交通信息時(shí)，以自適應(yīng)小波變換-模糊控制作為主控制策略輸出一部分超級(jí)電容功率Psc，以交通信息融合的模糊控制器為輔助控制策略，根據(jù)未來短時(shí)間內(nèi)車速變化趨勢(shì)和道路坡度輸出超級(jí)電容修正功率Psc_corr，因此超級(jí)電容的最終輸出功率為Psc_final=Psc+Psc_corr?；诮煌ㄐ畔⑷诤系膹?fù)合能源系統(tǒng)控制策略優(yōu)化流程如圖14所示。

圖12 輸入輸出變量的隸屬度函數(shù)

表3 部分模糊規(guī)則表

圖13 模糊規(guī)則曲面圖

3 仿真分析

圖14 復(fù)合能源系統(tǒng)控制策略優(yōu)化流程

圖15 為優(yōu)化前后蓄電池的輸出功率。可以看出，經(jīng)過交通信息融合優(yōu)化后的控制策略在不同道路坡度和車速變化趨勢(shì)下，電池輸出功率相比于優(yōu)化前均有一定程度的改善。將圖15（a）中兩個(gè)圖疊加，并選取兩個(gè)典型交通場(chǎng)景即得圖15（b），其中道路坡度正負(fù)代表上坡或下坡，車速變化趨勢(shì)正負(fù)代表加速或減速。在圖15（b）的交通場(chǎng)景1中，當(dāng)處于爬坡且車速變化趨勢(shì)增加時(shí)，此時(shí)需求功率變大，優(yōu)化后超級(jí)電容的輸出功率增加，相應(yīng)地蓄電池的輸出功率下降；在交通場(chǎng)景2中，當(dāng)處于下坡且車速變化趨勢(shì)下降時(shí)，需求功率將減小，此時(shí)逐漸減小超級(jí)電容輸出功率，而電池輸出功率則基本不變。這表明本文提出的基于交通信息融合優(yōu)化后的控制策略可以進(jìn)一步發(fā)揮超級(jí)電容“削峰填谷”作用，減少峰值電流對(duì)電池的沖擊。

圖16 為優(yōu)化前后動(dòng)力電池SOC的變化曲線和通過蓄電池的累計(jì)安時(shí)流通量。由圖16（a）可知，在基于交通信息融合優(yōu)化后的控制策略下，電池SOC消耗量從0.041 7變成了0.04，結(jié)合圖17（a）中超級(jí)電容消耗的能量，優(yōu)化后能量消耗減少約2.3%。

為驗(yàn)證優(yōu)化后控制策略的優(yōu)勢(shì)，引入電池等效壽命計(jì)算公式［11］為式中：T為電池在UDDS工況下的可用循環(huán)次數(shù)；Γ為電池的總安時(shí)流通量，其值為常數(shù)且只與電池自身因素有關(guān)；Qbat為電池標(biāo)稱容量。

從圖16（b）可知，經(jīng)過優(yōu)化后電池累計(jì)安時(shí)流通量更小，在UDDS工況下優(yōu)化前后電池可用循環(huán)次數(shù)分別為142 860和147 094次，優(yōu)化后電池循環(huán)壽命提升了約2.96%。由此可見，在能獲取交通信息的前提下，基于交通信息融合后的優(yōu)化控制策略能有效延長(zhǎng)電池循環(huán)壽命和提升電動(dòng)汽車?yán)m(xù)航里程。

圖15 優(yōu)化前后電池輸出功率對(duì)比

圖16 優(yōu)化前后復(fù)合能源系統(tǒng)中動(dòng)力電池對(duì)比

圖17 所示為優(yōu)化前后超級(jí)電容的SOC變化曲線和輸出功率對(duì)比。由圖17（a）可以看出，優(yōu)化后超級(jí)電容中存儲(chǔ)能量得到了更充分利用，在汽車行駛道路坡度增加或速度呈增加趨勢(shì)的過程中，增大了超級(jí)電容輸出功率，如圖17（b）所示，這表明基于交通信息融合后的確可進(jìn)一步發(fā)揮超級(jí)電容的優(yōu)勢(shì)，達(dá)到優(yōu)化目的。

圖17 優(yōu)化前后復(fù)合能源系統(tǒng)中超級(jí)電容對(duì)比

4 結(jié)論

在確定復(fù)合電源構(gòu)型的基礎(chǔ)上，搭建了基于MATLAB∕Simulink的復(fù)合電源仿真模型，并基于交通信息優(yōu)化了自適應(yīng)小波變換-模糊控制策略。對(duì)比優(yōu)化前后的結(jié)果表明，基于優(yōu)化后的能量管理策略能進(jìn)一步發(fā)揮超級(jí)電容“削峰填谷”的優(yōu)勢(shì)，避免了電池受到大電流的沖擊。優(yōu)化后電池循環(huán)壽命提升了約2.96%，并將復(fù)合電源的能量消耗減少約2.3%。