復合電源電動汽車功率分配與再生制動研究

崔浩博

摘 要：在石油資源短缺和氣候異常變化的背景下，過去幾十年來，純電動汽車的發展越來越受到人們的關注。與燃料車相比，純電動車的優點是完全無污染，噪音小。蓄電池是純電動汽車的主要動力來源，具有能量密度高、自放電率低、無記憶等優點，但當大倍率電流充電時，蓄電池容量衰減率增加，從而縮短了蓄電池的使用壽命，超級電容器具有高功率、快速充放電的特點。因此，可以將兩者與有效的能量管理策略一起形成，充分利用高電池能量密度和高超容量功率密度的優勢。能源管理政策是一項關鍵技術，目前主要的管理政策包括基于規則的政策、基于優化的政策和基于學習的政策。本文對復合電源電動汽車功率分配與再生制動進行分析，以供參考。

關鍵詞：復合電源；雙模糊控制；研究

引言

關于經修正的功率分層模糊控制能量管理策略，本發明（1）通過設計功率范圍層次模糊控制器，降低了分析的復雜性，提高了控制策略對工作狀態的適應性；（2）所建議的控制策略能夠很好地消除鋰電池電流波動和峰值電流減弱，同時有效降低鋰電池的能耗效率，提高鋰電池的保護效果；（3）使用avlcruise軟件建立了綜合車輛模型，便于對各種控制策略進行驗證，綜合車輛仿真更符合實際情況；第二，擬議的監測戰略具有更好的實時能力和監測能力，能夠在全系統模擬軟件的成熟平臺上迅速、定期地運行，并具有一定的實際價值。

1概述

隨著新存儲技術的快速發展，例如超級容量、電源管理技術，混合電源是一種新型電動汽車存儲解決方案，重點關注能源材料開發、存儲材料建模和參數匹配、能源拓撲設計、能源轉換技術和電源管理技術。電源管理是混合動力系統的核心，目的是確保鋰離子電池的輸出功率和超級容量的合理分配，防止鋰離子電池由于功耗較高而導致輸出功率較高，并通過電動汽車退役時超級容量的能量特性提高能量回收。當今的電源管理策略分為兩類：基于規則的策略和優化的控制策略。基于規則的能源管理策略控制易于實時、高度和易于實施，包括確定性和基于邏輯的控制策略兩類。但是，由于汽車行業的多樣性和復雜性，基于規則的控制策略的適應性較差，無法動態調整。基于優化策略的策略分為全局和局部優化控制策略，包括動態規劃、繼承算法、模型預測控制、高級學習和神經元等方法。由于基于最優控制方法的計算量較大，實時在線操作較少，應用也較為受限。為了解決上述兩種控制策略的調整和實時問題，許多研究人員選擇了不同控制方法的組合，使用DP算法優化離線能量分配，使用基于規則的控制算法，使用繼承算法優化模糊邏輯算法的屬性函數和相關參數，以及將馬爾可夫預測模型與模糊邏輯和邏輯控制結合起來，以上控制策略在一定程度上解決了單一控制策略適應性差與實時性低的問題。

2復合電源拓撲結構

通常有三種類型的復合電源拓樸：被動互連拓樸、半主動拓樸和完全作用中的拓樸。被動并行拓撲成本低、簡單，但無法充分利用超級電容器的優勢。半主動拓撲易于控制并提供高能效；完整的主動拓撲包括備用電池和超級電容器，從而顯著增加了成本并使控制策略復雜化。因此，為了提高成本和效率，超級電容器依次連接到DC/DC轉換器，然后連接到電池，提供負載所需的Prep電源。電池是主電源，其Pb輸出功率直接應用于負載，保持負載側電壓穩定，而超級電容器是輔助電源，其PSC輸出功率通過DC/DC變換器與負載相連，提供負載峰值功率并回收制動能量。此拓撲使超級電容器能夠在更大的電壓范圍內工作，防止峰值電流損壞蓄電池，從而保護蓄電池。

3復合電源控制器的設計

3.1雙模糊控制器的設計

雙模糊控制器參數由Preq、SOCbat、SOCuc、Kuc四個變量組成。其中，Preq為車輛所需的功率；SOCbat、SOCuc分別為蓄電池和超級電容的荷電值；Kuc為超級電容器的輸出功率與總功率之比。當Preq>0，將SOCuc和SOCbat分為{LMH}，代表{小中大}。將Kuc和Preq分為{TSSMBTB}，代表{較小小中大較大}。當Preq<0電機沒有功率輸入，模糊控制器的輸入變量設置為SOCbatSOCuc，并將其分別分為{LMH}和{TLLMH}，Kuc分為{TSSMB}。

3.2基于MATLAB的仿真

采用雙模糊控制的電池SOC下降趨勢較為平緩，能量消耗較少。這是因為采用雙模糊控制策略，汽車在制動時，電池能夠回收能量而采用模糊-邏輯控制僅由超級電容回收制動能量，故其超級電容回收的能量多于雙模糊控制。因此，由模糊-邏輯控制的超級電容的SOC下降趨勢小于雙模糊控制。單個工況下汽車的總能耗對比曲線，雙模糊控制的汽車消耗的能量比模糊-邏輯控制小5KJ。兩種控制策略下電池與超級電容的電流對比圖，超級電容均承擔著需求的峰值功率。當時間在1000s后，由于超級電容的電量消耗過大，因此降低超級電容的功率分配值。同時，電池承受的電流沖擊相差不多。綜上所述，雙模糊控制的控制效果總體優于模糊-邏輯控制。

4再生制動力模型

再生制動力的分配模型，原ADVIOR模型中根據查表法對制動力進行分配，該方式簡單且能夠回收一定的能量，但其統計的車速較少，且僅靠車速確定電機制動力的比例，而未考慮儲能元器件的SOC值、電機轉速特性以及ECE法規等因素的影響，回收的能量有限。汽車制動時存在三種情況，前輪先抱死；后輪先抱死；前后輪同時抱死。

結束語

綜上所述，（1）分別采用雙模糊控制以及模糊-邏輯控制分配復合電源的功率，通過電池及超級電容的SOC、電流、溫度和能耗的對比曲線選取兩者間最為合適的一種。（2）基于制動強度z、車速v、超級電容的SOC值和ECE法規等建立一種新的再生制動力的分配模型，并通過模糊控制器協調摩擦制動及機械制動力的力矩分配，使得控制效果進一步提高。

參考文獻：

[1]黃勁.電動汽車電源系統及能量管理研究[D].中國礦業大學，2021.

[2]唐強.純電動汽車的動力系統配置及能量管理策略研究[D].長沙理工大學，2021.

[3]宋雷震，呂東芳.基于5G網絡的新能源汽車動力采集系統的設計與實現[J].成都工業學院學報，2021，24（01）：30-35.