燃料電池汽車能量管理策略綜述

王志福，羅 崴，徐 崧，朱張玲

（1.廣西科技大學電氣電子與計算機科學學院，廣西 柳州 545000;2.北京理工大學機械與車輛學院，北京 100081;3.安徽普思標準技術有限公司，安徽 蕪湖 241000）

燃料電池雖然具有綠色無污染、能量轉化率高和壽命長等優點，但是動態響應速度慢并且特性偏軟，難以作為獨立電源使用。若要滿足負載功率的需求，應使用復合能源系統[1]。燃料電池汽車（FEV）通常采用質子交換膜燃料電池（PEMFC）作為主電源，鋰離子電池或超級電容器作為二次電源，以應對頻繁啟停、加減速和反極等惡劣工況對燃料電池穩定性和耐久性的影響[2-3]。

本文作者以混合動力系統為總體，分別從PEMFC、鋰離子電池和超級電容器不同組合的控制策略，闡述近幾年來國內外的研究進展。

1 燃料電池能量管理系統特性及組成

1.1 燃料電池能量管理系統輸出特性

PEMFC的控制比較復雜。當氫燃料電池發動機負荷變化時，PEMFC電堆中的氣體流量也會發生變化。如果陰極的氧氣流量過低，則電堆內氧氣不足，系統功率降低，造成匱氧現象，會使質子交換膜表面出現“熱點”，導致電堆短路和使用壽命降低等問題[4]。與陽極氫氣相比，陰極的氧氣流量具有相對緩慢的動態性能。如果高電流負載快速變化，如車輛頻繁加、減速，則會使PEMFC系統受到過氧化氫的影響，而實現PEMFC系統的過氧保護非常困難。對PEMFC的測試發現，當驅動電流突然變化時，電化學反應器中的反應速率會發生變化，改變陽極和陰極的壓力。在存在大擾動的情況下，必須防止兩極出現過大的壓力差，避免質子交換膜損壞，縮短使用壽命[5-6]。

1.2 燃料電池車輛能量管理系統組成

FEV的主要能量源為燃料電池系統（FCS），但現階段燃料電池的輸出特性較軟，且無法回收制動能量[7]。因此，FEV通常由FCS和用作能量緩沖器的鋰離子電池或超級電容器組成。超級電容器的功率密度較高，是一般鋰離子電池的數10倍，但能量密度較低，續航能力不足，無法滿足FEV在行駛過程中一直放電的需求[8]，但可在保證汽車動力性能的前提下，回收汽車的再生制動能量，提高能源的利用率。

FEV通過直流（DC）/DC變換器將3種不同的能量源和電機連接起來，系統結構的構型如圖1所示。

圖1 FEV系統結構Fig.1 Fuel cell vehicle（FEV）system structure

能量管理策略（EMS）的研究對FEV有重要意義。在滿足需求功率的前提下，合適的EMS可直接影響能量源的工作點，延長燃料電池的使用壽命，提高系統效率，減少燃料消耗，并根據需求功率的變化進行能量分配。

2 能量管理系統關鍵技術

2.1 燃料電池控制系統

燃料電池在工作過程中會產生一定的熱量。當電池溫度過低時，電池內阻增加，會影響電池壽命;當溫度過高時，質子交換膜內的水會蒸發，導致脫水，電池內阻增加，對質子交換膜也會產生影響。同時，在運行過程中要保障電堆的最低電壓，因為低電壓、大電流放電，會對Pt催化劑造成不可逆的損害。

燃料電池主控制器功能包括氣路管理、水熱管理、電氣管理、通信功能和故障診斷等。

燃料電池的控制系統與發動機類似，包括能量閉環控制和熱管理閉環控制。能量閉環控制氣體的進入與反應，熱管理閉環控制熱流量，使燃料電池更好地反應。與鋰離子電池相比，燃料電池在運行過程中的復雜程度更高，多個模型之間有數據互相輸入，因此采用基于能量守恒、電化學反應的機理模型，很難得到最優控制。燃料電池控制系統簡圖如圖2所示。

圖2 燃料電池控制系統簡圖Fig.2 Schematic diagram of fuel cell control system

2.2 能量管理策略（EMS）

在車輛行駛的過程中，為了實現對整車功率削峰填谷的功能，需要對不同能量源之間的能量分配進行管理。對于FEV而言，一般包括以燃料電池為主的4種能源混合方式，分別為:燃料電池單獨作為能源、燃料電池-鋰離子電池混合能源、燃料電池-超級電容器混合能源和燃料電池-鋰離子電池-超級電容器混合能源。EMS可分為基于規則、基于優化和基于智能等3個大類。在基于規則的大類里，又包含開關控制策略、功率跟隨控制策略與模糊控制策略。

在研究FEV時，氫耗和電池的衰退是兩個重點考慮的方面。在建立動力學系統簡化模型、等效氫耗和燃料電池衰退數學模型后，設計管理策略的規則層和優化層，其中規則層用來縮小優化算法的搜索空間，而優化層將對成本函數進行優化，以此得到最優功率分配方案[9]。設計特定的雙堆棧燃料電池，搭配效率優化和瞬時優化的策略，可保證將FEV的啟停頻率控制在合理的范圍之內[10]。燃料電池單獨作為能源系統時，輸出特性偏軟、動態響應慢，而且存在能量無法回收、行駛里程短和技術困難等問題，因此混合能源的應用更加廣泛。

2.2.1 燃料電池-鋰離子電池混合能源

純模糊控制本身具有一定的主觀性，缺乏自適應能力，在能量管理中應用受限，因此，可采用神經網絡（BP）算法和最小二乘估計法，對自適應神經模糊推理系統（ANFIS）控制器的前后參數進行自適應調節，來延長鋰離子電池和燃料電池的壽命，并降低整車的成本[11]。為了降低等效氫耗量，達到最優效果，可將燃料電池工作效率和電流作為模糊控制器的輸入量，并用灰狼優化（GWO）算法和改進的灰狼優化（IGWO）算法來優化模糊邏輯參數，實現燃料電池和鋰離子電池之間功率的合理分配[12]。為了達到智能功率分配的目的，可采用遺傳算法來優化模糊控制器的參數;并采用改進的快速非支配排序遺傳算法（NSGA-II）優化多目標問題的控制參數，降低氫耗量[13]。基于優化的策略運算復雜，實際運用起來比較困難;基于規則的策略依賴于專家經驗，忽略了燃料電池供電能力和工作效率等實際限制因素。針對上述問題，可通過設計模糊控制器的隸屬度函數和模糊規則，使燃料電池處于更健康的狀態[14]。

燃料電池的使用壽命關系到FEV的使用時間，用小波規則的EMS來延長燃料電池的使用壽命，可實現一級功率甚至是多級功率的分流[15]。選取不同的典型工況來分別制定EMS，能通過遺傳算法優化支持向量機（GA-SVM），根據工況自主選擇EMS[16]。通過增強學習算法，實現FEV中燃料電池與鋰離子電池之間的最優能量分配，達到燃料電池與鋰離子電池能量之間的均衡消耗[17]。由于燃料電池具有大電流、低電壓的輸出特性，需要采用動態規劃算法來管理能量的最優分配，避免復雜多變的行駛工況產生大電流脈沖，以及降低負載的變化給燃料電池帶來的影響[18]。FCS的成本高，采用強化學習（RL）策略，可以在減小FCS功率波動的同時，延長使用壽命。與基于動態規劃的策略相比，該策略既可以保證等效燃油的經濟性，又能驗證不同工況的適應性[19]。

傳統的控制策略在FEV優化功率分配和提升燃油經濟性方面能力有限，而極小值原理的全局優化能力，可在線對協態變量取值，并設計馬爾可夫鏈速度預測器，用于協態變量的更新[20]。為了最小化系統耗氫量，分別運用雙循環動態規劃算法和凸優化算法對FEV的EMS和動力電池容量進行優化設計，通過兩種方法的對比分析，將得到更精確的結果[4]。燃料電池不僅需要考慮經濟性，還需要考慮電池的快速降解;文獻[21]提出了一種結合FCS在不同健康狀態下的極化曲線和燃料電池效率的模型，再利用燃料電池的健康狀態，自適應地改變不同電源之間的功率分配，使燃料電池在壽命時間內獲得更高的能源效率，將電池等效油耗最小化，可提高儲能系統的總效率。

燃料電池-鋰離子電池混合能源控制策略的優缺點如表1所示。

表1 燃料電池-鋰離子電池混合能源控制策略的優缺點Table 1 Advantages and disadvantages of fuel cell-Li-ion battery hybrid energy control strategy

燃料電池自身存在因技術缺陷導致的行駛里程偏短的問題，需要借助鋰離子電池來輔助解決。雖然燃料電池的比能量相對鋰離子電池高出10倍以上，可在復雜的工況下，通過優化算法獲得更好的爬坡能力，但對于較平穩的道路，仍需要借助鋰離子電池能持久釋放能量的優點，解決燃料電池不能持續釋放能量的問題。

2.2.2 燃料電池-超級電容器混合能源

與鋰離子電池相比，超級電容器可承受更多次的充放電循環，還具有較低的內阻，可提供更高的瞬時功率。在超級電容器中，能量以靜電方式存儲在材料表面，不涉及化學反應[22]。對比例積分（PI）控制和微分平滑控制、龐特里亞金極大化原理、基于小波的負載共享算法、小波-自適應線性神經元控制等方法進行比較，可以選擇氫耗最低的方法[23]。為實現FEV中PEMFC與超級電容器之間的功率最優分配，減少外部參數變化的影響，可設計尋找最大功率點和最大效率點的在線極值搜索的優化EMS，極值結果采用自適應遞歸最小二乘算法，對“安全操作區”進行更新[24]。自適應最優控制的燃料電池-超級電容器混合動力系統EMS，利用懲罰函數將該問題轉化成無約束的問題，用徑向基函數組成自適應最優控制算法，以達到最優能量管理的目的，可解決燃料電池-超級電容器混合動力系統非線性動力學和能量管理與運行限制帶來的狀態和輸入約束保持一致的問題[25]。基于積分滯回滑模控制器與兩個級聯線性控制器的非線性控制，不僅可保護燃料電池和超級電容器免受突然變化的負載電流，也能在提高抗干擾能力的同時，提升濾波電感和直流母線電容等參數變化的魯棒性[26]。

與鋰離子電池相比，超級電容器的能量密度小，難以支持較長時間的放電，且成本較高，因此，燃料電池-超級電容器混合能源仍存在一定的局限性。

2.2.3 燃料電池-鋰離子電池-超級電容器混合能源

將燃料電池、鋰離子電池和超級電容器結合，具有可靠性高、可擴展性強的突出優點。在車輛啟動時，鋰離子電池與超級電容器同時響應，更加穩定地提供能量;在制動過程中，鋰離子電池與超級電容器同時吸收多余的能量，避免過充電造成的損壞。超級電容器負責響應峰值負載要求;鋰離子電池負責響應相對平緩的負載要求。3種能量源同時工作，控制起來非常復雜，需要采用更加復雜的控制策略。

在混合虛擬阻抗下垂的燃料電池-鋰離子電池-超級電容器電-電混合動力系統分散式EMS中，燃料電池采用虛擬電感下垂，鋰離子電池采用虛擬電阻下垂，超級電容器采用虛擬電容下垂控制，負載功率根據動力源特性自動分配。該EMS中，超級電容器制動再生能量沒有損失[27]。為提升能量管理的質量和FEV對工況的預知性，實現3種能源合理的功率分配，上層采用等效氫消耗最小控制策略，下層采用低通濾波器的基于速度預測的等效氫消耗最小控制策略，并用聚類獲取6種工況的特征參數，再通過滑動窗口算法獲得最鄰近預測的速度狀態轉移概率矩陣，結合在線工況識別器，調整變等效因子，完成速度預測的等效氫消耗最小能量管理系統的設計[28]。

盡管目前有許多對于燃料電池-鋰離子電池-超級電容器混合能源的研究，但這種混合動力模式的成本較高，控制策略的制定較復雜，還難以實現較大范圍的應用。

3 小結及展望

在混合能源動力系統中，不同能源之間存在不同的分配策略，車輛在不同的運行工況下可自動切換，使電機處在高效運行狀態，回收再生制動能量達到最大限度。

能源管理系統的控制策略因結構和優化目的的不同而不同，其中能源系統的改進分為能源內部結構的改進和能源外部EMS的改進。對于燃料電池和鋰離子電池內部而言，可從隔膜、電極和電解液等方面進行改進;而超級電容器可改進為光繼電器和飛渡電容相結合的模塊電池電路，具有較好的電氣隔離性和一致性，能很好地在混合動力產品中進行推廣。對于外部的EMS，可在PEMFC為主能源、鋰離子電池和超級電容器為輔助能源時，分為基于規則、基于優化和基于智能的算法等3類，實現取長補短，發揮各自的優勢。

針對控制精度的問題，未來或許可以通過在線人工智能控制來解決。在車聯網的背景下，對路段內車輛的數據進行實時監控，基于駕駛員的意圖處理數據，然后導入機器學習系統內，根據車內控制板采集的數據給出預測結果，指導車內控制板的控制行為，以達成特定路段內的最優控制策略。燃料電池特性偏軟，多能源結合的電池管理系統已經成為未來的發展趨勢，但是還需要進一步加強不同能量源結合最優化的研究。