一种复杂动态城市交通环境的智能燃料电池汽车能量管理策略

技术领域

本发明属于混合电源系统能量管理技术领域，具体地涉及一种复杂动态城市交通环境下的智能燃料电池汽车能量管理策略。

背景技术

随着能源消耗的日益加剧，化石燃料对环境的破坏，发展清洁能源目前得到了各国的普遍关注。在汽车领域，智能燃料电池混合动力汽车(IntelligentFuel cell hybridvehicle,IFCHV)由燃料电池和锂电池为其提供能量，解决了电动汽车续航里程短和充电时间长的问题，凭借其零污染，高能量密度和能量转化效率的优点，近年来成为研究人员的关注热点。

由于城市道路交通环境的复杂性，对实施智能驾驶和能量管理有非常大的挑战，以往的研究多依赖于标准驾驶周期，进行离线或全局优化，其能够实现较好速度预测精度和燃油经济性。但是真实交通环境中具有很多不确定因素，因此基于以上智能驾驶策略不能够达到真实应用要求。在城市交通环境中智能燃料电池汽车实施智能驾驶与能量管理，主要面临以下挑战：1.当下交通环境中智能车不能大范围普及，主要以传统车辆为主；2.信号交叉口可能造成的交通流动性瓶颈；3.动态变化的道路环境，如：前后车的动态干扰、道路坡度以及路面附着系数等；4.由于频繁的制动过程造成的额外能量的损失。因此，将以上因素考虑进去实现动态实时优化对于智能燃料电池汽车的智能驾驶与能量管理至关重要。

发明内容

针对上述现有技术不足之处，本发明提出了一种复杂动态城市交通环境的智能燃料电池汽车能量管理策略，结合信号灯状态，前后车(传统车辆)速度以及道路坡度等动态变化信息，实施智能燃料电池汽车的智能驾驶与能量管理。

为了实现上述目的，本发明提出的一种复杂动态城市交通环境的智能燃料电池汽车能量管理策略，本发明构建了基于快速投影梯度法的GRAMPC速度规划模块，实现了在预测范围内获得一条实时的速度参考曲线；同时，建立了基于MPC的多目标优化能量管理策略，根据车辆需求功率，高效的实现各系统的能量分配。为了更好适应城市交通环境驾驶行为，进一步提高能量的利用率，在速度规划模块，加入了能量回收计算模型，并且在车辆控制单元，设计了基于模糊控制的制动能量回收策略。具体包括如下内容：

1)车辆纵向动力学模型：

在时域模型中，状态量为x＝[s v]

其中u＝F

2)目标速度模型

为了能够使车辆在不停车的状态下通过信号交叉口，以此来降低由于制动带来的额外能量消耗，因此需要获得一条在信号灯绿灯窗口通过的可行目标速度v

使得：

v

t

其中d

当车辆在当前信号灯绿灯窗口通过信号灯时，意味着存在速度约束范围[v

v

其中v

3)最小安全距离速度模型

在车辆行驶过程中，当前车和后车制动停车后，若要保证不发生追尾碰撞，则ΔS

其中，ΔS

4)车辆系统能量模型

由于制动能量回收对整体能量消耗有很大影响，在优化目标函数内引入了制动能量回收。因此，在一段时期T内，能量消耗E

其中：

E

其中，E

5)建立车辆速度优化目标函数求解最优控制问题

本发明采用庞特里亚金最小值原理，故基于时间的MPC优化控制问题转化为以下形式：

s.t x'(t)＝f(x,u)

T

其中，L为积分成本，P(t)为输出功率，λ

在解决优化控制问题OCP过程中，基于各自一阶最优性条件的投影梯度法来实现，因此，需要定义哈密顿量：

H(t,x(t),u(t),λ(t))＝L(t,x(t),u(t))+λ

其中，λ为伴随状态，t

6)再生制动能量回收策略

在车辆制动过程中，制动力的分配受到很多因素的影响，比如，SOC、车速v、制动强度z等。因此在设计制动控制策略时，应该综合考虑其对制动力分配的影响。而模糊控制对处理这类非线性、多变量复杂系统有独特优势，所以本发明采用多变量模糊控制器结构，控制器的输入为SoC、车速v、制动强度z，输出变量为再生制动力分配系数K

7)能量管理控制策略

根据MPC算法，本发明使用离散时间系统状态空间模型作为其模型预测，k时刻的状态量x(k)被定义为

其中ΔU(k)是控制增量序列，将求解得到的ΔU(k)作为下一时刻即k+1时刻的控制增量，通过DC变换器完成k+1时刻燃料电池与锂电池间的能量分配。

进一步将有约束的MPC优化问题转换为以下QP问题进行求解：

满足：

C

其中，H表示Hessian矩阵，

本发明提出的一种复杂动态城市交通环境的智能燃料电池汽车能量管理策略，考虑了信号灯状态、前后车动态变化以及道路坡度等因素，而且还考虑了车间的安全行驶距离。本发明将传统车的驾驶行为纳入智能驾驶的约束条件，并且建立更真实的驾驶场景，具有较好的普遍性。

与现有技术相比，本发明的有益效果在于：

1、本发明是一种集速度规划、模型预测和能量回收的能量管理策略，设计了一种基于庞特里亚金最小值原理的序列速度优化方法、基于MPC的多目标优化控制策略和基于模糊控制的能量回收方法。

2、本发明使用基于高效的投影梯度算法和自适应线性搜索的GRAMPC方法，能够很好的解决非线性最优控制问题，其快速响应特别适用于实时速度轨迹优化。

3、本发明能够在目标速度的指导下不停车的通过信号交叉口，能够根据车辆需求功率高效的能量分配，并且设计的能量回收策略提高了能量的利用率。

4、通过建立复杂动态城市交通环境，将影响车辆行驶过程中的影响因素考虑进来，为实验仿真提供了更真实、更普遍的仿真环境。

附图说明

图1为本发明的原理图。

图2为目标速度计算原理图。

图3为最小安全距离模型示意图。

图4为模糊控制隶属函数图。

图5为本发明实施例的S-T图。

图6为本发明实施例的速度优化图。

图7为本发明实施例中车辆电荷状态图。

图8为本发明实施例中电池退化图。

具体实施方式

以下结合附图和具体实施例对本发明作进一步的详细描述。

实施例1：本发明的原理图如图1所示，核心是通过图中所示速度优化控制模块在预测范围内获得一条实时的速度参考曲线；能量管理模块通过此速度进行合理高效的功率分配，同时，能量回收模块实时优化制动力分配系数。具体为速度优化模块结合信号灯状态、前后车辆速度、自身状态以及道路坡度等外界动态变化信息，在预测范围内实时计算安全速度，能量管理控制模块根据此速度并结合电池系统和牵引系统实时分配行驶需求功率，同时，协同能量回收模块进行高效的制动力分配。最后智能燃料电池汽车以扭矩的形式输出驱动力，再将车辆输出的实时速度反馈到速度优化模块，不断优化当前速度轨迹。

本发明通过信号灯绿色窗口的目标速度计算原理图如图2所示。

本发明最小安全距离模型如图3所示。

本发明所提模糊控制隶属函数如图4所示，并且依此建立的模糊控制规则如表1所示。

表1模糊控制规则

/>

本发明提出的动态交通约束的智能燃料电池汽车的能量管理策略，速度优化模块按时间序列更新状态变化，结合信号灯状态、自身状态与前后动态车速度变化，采用基于快速投影梯度法的GRAMPC得到当前时刻k的安全速度v。同时，判断当前所处交通环境，根据最小安全距离模型，避免行车过程中的碰撞。受外部环境和自身状态等多变量复杂非线性系统的影响，进行了模糊的再生制动能量管理，并且根据所设计的多目标性能函数，进行MPC控制权重系数优化，实现了速度跟踪和能量分配。最后将车辆输出速度作为k+1时刻的输入重新规划速度曲线，反复迭代此过程。

第一步：获得参考速度轨迹

首先根据车辆所处位置、前后车辆速度以及当前时刻信号灯的状态，计算出在绿灯窗口通过信号交叉口的目标速度，具体表示如下：

使得：

v

t

其中d

然后，在速度规划模块中，为减少能量输出，在优化目标函数内引入了制动能量回收，因此在当前预测范围内的能量消耗模型描述为：

其中：

E

其中E

当前k时刻的能量输出后，下一步需要计算安全速度和驱动力的匹配。根据庞特里亚金最小值原理，将上述基于时间的优化控制问题(OCP)转化为以下形式：

s.t x'(t)＝f(x,u)

T

其中，L为积分成本，P(t)为输出功率，λ

在上述速度优化求解过程中，也在实时判断当前道路状况，如：道路坡度、路面附着系数等，同时还需要考虑道路的速度限界的约束。通过考虑以上因素，获得速度参考轨迹。

第二步：进行能量回收与能量管理

在车辆制动过程中，制动力的分配受到很多因素的影响，比如，SOC、车速v、制动强度z等。因此在设计制动控制策略时，应该综合考虑其对制动力分配的影响。而模糊控制对处理这类非线性、多变量复杂系统有独特优势，所以本发明采用多变量模糊控制器结构，控制器的输入为SoC、车速v、制动强度z，输出变量为再生制动力分配系数K

根据MPC算法，本发明使用离散时间系统状态空间模型作为其模型预测，k时刻的状态量x(k)被定义为

其中ΔU(k)是控制增量序列，将求解得到的ΔU(k)作为下一时刻即k+1时刻的控制增量，通过DC变换器完成k+1时刻燃料电池与锂电池间的能量分配。

进一步将有约束的MPC优化问题转换为以下QP问题进行求解：

满足：

C

其中，H表示Hessian矩阵，

最后为了评价控制策略的综合性能，本发明主要从电池退化、氢气消耗、电池电荷状态三个性能指标进行评价。

$

其中，$

图5为本实施例中的S-T图，描述了整个行程中各车的时间位移变化。可以清楚的发现，在信号灯1、2、3这段距离，主要受到前车对其的影响，其速度变化与前车保持一致，且不能超过前车速度；从信号灯5开始，后车逐渐靠近目标车，等到车间距离缩小到最小安全距离时，目标车速度与后车保持同步变化，使其不能低于此速度。在信号灯7处，受信号灯与空间距离的影响，此时规划的目标速度可以在不超过最大限速的情况下通过当前信号灯，在此之后逐渐摆脱后车的干扰。但是对于自适应巡航(ACC)驾驶状态，这一过程持续到信号灯9后才逐渐摆脱后车的干扰。

图6为本实施例中的速度曲线，描述了整个驾驶过程的速度变化，由于不受到巡航速度的限制，规划状态下的速度变化波动范围很大，即尽可能的在可行的速度范围内通过当前信号灯，而不是像ACC状态下，如果当前巡航速度不能够通过当前信号灯，只能减速使其能够满足在下个绿灯窗口通过当前信号灯。

图7和图8分别显示了整个周期内电荷状态SoC和电池退化的变化过程。结合图5中的S-T图，可以清楚的发现，两种驾驶状态下SoC和电池退化曲线的波动体现出车辆行驶过程中的状态变化。对于SoC，规划状态下的曲线要低于ACC状态下的曲线，说明在整个驾驶周期内，规划状态下的SoC波动小。对于电池的退化，结果显示ACC驾驶状态下造成的电池退化要大于规划驾驶状态。因此，车辆以规划状态行驶，有利于延长电池的使用寿命。

表2能量管理策略评价指标

/>

表2显示的是两种驾驶状态下的各种性能指标的结果，可以看到，规划状态下的性能指标具有显著的优势，且总成本有很大的降低，说明本发明所提控制策略有较好的节能性与经济性。

本领域的技术人员容易理解，以上实施例只为说明本发明的技术构思及特点，目的在于让相关技术人员能够了解本发明的内容并据以实施，并不用于限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。