基于神经网络的增程式电动汽车能量管理策略研究.pdf

《基于神经网络的增程式电动汽车能量管理策略研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第29卷第6期佳木斯大学学报(自然科学版)Vo1．29No．62011年11月JournalofJiamusiUniversity(NaturalScienceEdition)Nov．20ll文章编号：1008—1402(2011)06-0829一O4基于神经网络的增程式电动汽车能量管理策略研究①胡瑾瑜，宋珂，章桐(同济大学汽车学院。上海201804)摘要：针对以燃料电池堆为增程器的增程式电动汽车不同于一般燃料电池汽车的特点，提出了一种新的综合考虑燃料电池效率和蓄电池充放电效率的能量管理策略．基于神经网络将策略实现，并在由ADVISOR建立的整车模型上进行仿真验证

2、，取得了更长的续驶里程．关键词：能量管理策略；神经网络；增程式电动车；燃料电池中图分类号：TPgl1．48文献标识码：A内．因此本文结合瞬时优化思想，制定了在瞬时工0引言况下，综合计算蓄电池和燃料电池的工作效率，从混合动力电动汽车(HEV)是指由两种或两种而合理分配功率需求，确定燃料电池输出功率的能以上能量源作为动力装置的汽车⋯．而增程式电量管理策略．动汽车(E—REVs)是一种特殊的混合动力电动汽1．2能量管理的具体控制策略车，蓄电池作为其主要能源，当蓄电池电能不足时，增程器工作为蓄电池充电或直接驱动车辆J．由在整车运行与某一具体工况下时，在一小段时于采用双能源

3、(蓄电池和增程器)系统，增程式电间内假设整车的需求功率为P。，此时分为两种工动汽车的性能与其采用的能量管理策略密切相关．况：为了协调蓄电池和增程器的工作效率，在满足整车A)Pp≤Pfc_e，若di目11cl1≥11fc一邛时，燃料动力性的前提下，同时最大限度地提高能量效率，提电池不工作，由蓄电池输出能量E。；否则，蓄电高车辆的经济性，就必须制定合理的能量管理策略．池不工作，由燃料电池以最高效率点处功率输出能量Efc_e圮_m“fc_硼8x1能量管理策略B)P>Pfe，有两种提供能量的方式：a)燃料电池以需求功率点处功率对外做功，1．1设计思想蓄电池不做功：本文的研

4、究对象是一辆以小型燃料电池堆作Efcq叮1fcq(1)为增程器，蓄电池作为主要能源的增程式电动汽b)燃料电池以最高效率点处功率对外做功，车，其动力系统结构类似于串联式的燃料电池汽蓄电池补充不足功率对外做功：车，如图ll2J．然而，串联式的燃料电池汽车以燃料Efcfc+Eb11豳(2)电池堆为主要能源，蓄电池为辅助能源．在制定能在工况B中的两种能量供给方式都不可避免量管理策略时，采用功率跟随模式，燃料电池始终地会产生能量损失，对全局而言，方案a的能量损工作在合理功率范围内，在满足动力性要求的前提失在于同样大小的能量在不同功率处输出，因效率下，尽可能以其高效率点处功率

5、对外做功，由蓄电不同所产生的差异，方案b的能量损失在于蓄电池池来实现系统功率平衡J．此种策略的问题在于在充放电能过程中的效率损失，这两种能量损失分忽略了蓄电池在充放电时所产生的能量损失．但是别为：在制定以蓄电池为主要能量源的增程式电动汽车Efcq(11fc一Tlfc)(3)能量管理策略时，必须把这部分能量损失考虑在Eb[(1—11舶)+(1—fcb)／0fcb](4)①收稿日期：2011—10—12作者简介：胡瑾瑜(1987一)，男，上海市人，同济大学汽车学院硕士研究生万方数据830佳木斯大学学报(自然科学版)2011年～～～～Signal⋯’ethanics_■

6、瞄_Material图1增程式电动汽车动力系统图其中较差，难以应用在实际控制中．为此，可通过离线仿fcb=11fcl删hrDc—Dc(5)真的方法将能量管理策略的控制规则提取出来，这——以上分析的是在一小段时间内的能量损失，若些控制规则的集合可以看作一组多输入单输出的将这一时间段无限缩小逼近零，即对式(3)、式(4)非线性映射．神经网络能够以任意精度逼近任进行微分，就可视为某一时刻t的功率损失．对式意复杂的非线性映射，并且具有良好的学习、归纳(3)、式(4)进行微分：和泛化能力，因此可以通过训练神经网络来实P(qfc一fc)(6)现本文的能量管理策略的控制规则．P

7、b[(1—dis)+(1一fcb)／fcb](7)因此，通过比较式(6)、式(7)计算所得的功率损失，可确定使用何种能量供给方式．表1符号含义表符号含义整车需求功率燃料电池最高效率点处功率蓄电池消耗的能量工况A燃料电池消耗的能量燃料电池最高效率工况B方式E1．燃料电池消耗的能量需求功率点处燃料电池效率图2控制策略流程图工况B方式b燃料电池消耗的能量2基于神经网络的策略实现蓄电池消耗的能量燃料电池向蓄电池充电总效率2．1神经网络结构蓄电池放电效率蓄电池充电效率反向传播神经网络(BP神经网络)只要设计DC—DC效率合理，就能够模拟任意复杂的非线性映射．因此，采蓄电池输

8、出功率用如