详情

原文传递考虑动力电池寿命衰减的燃料电池汽车能量管理策略研究

论文题名：	考虑动力电池寿命衰减的燃料电池汽车能量管理策略研究
关键词：	燃料电池汽车;能量管理;寿命衰减;多目标全局优化;动力电池
摘要：	燃料电池汽车由于具有续航里程长、加氢速度快和清洁环保等优势，已成为当前新能源汽车行业关注的热点，开发和推广燃料电池客车是发展氢能源汽车行业的重要突破口，有利于促进“碳达峰”和“碳中和”目标的实现。当前燃料电池客车主要采用由燃料电池和动力电池组成的混合动力系统构型，而寿命和成本是制约燃料电池客车商业化发展的主要挑战。车辆全寿命周期成本主要包括购置成本和能量使用成本，燃料电池和动力电池作为燃料电池客车的主要购置成本，两者寿命会不可避免地随着使用而发生衰减，如何协调燃料电池和动力电池之间的能量分配是实现车辆节能、主动延长燃料电池与动力电池寿命以及降低车辆全寿命周期成本的关键。因此本文旨在从多因素控制角度开展均衡考虑燃料电池和动力电池寿命的能量管理策略研究。本文的主要研究内容包括：　　首先，搭建面向控制的电-电混合动力系统关键部件模型和整车纵向动力学模型，同时为主动优化燃料电池性能、延长动力电池寿命，分别对燃料电池和动力电池的寿命衰减机理及其影响因素进行分析，并进一步搭建面向控制的燃料电池性能衰退模型和动力电池寿命衰减模型，为下文能量管理策略的优化与验证奠定基础。　　其次，开展均衡考虑整车综合氢耗、燃料电池性能衰退和动力电池寿命衰减的多目标能量管理优化控制策略研究，引入燃料电池性能衰退权重系数和动力电池寿命衰减权重系数，将多目标优化问题转换为单目标优化问题，采用全局优化控制中经典的动态规划算法进行求解，通过选择合适的权重系数有效减缓燃料电池性能衰退速度和动力电池寿命衰减程度，降低车辆全寿命周期成本，仿真结果表明该策略可以实现良好的综合控制效果。但是基于动态规划算法的多目标全局优化控制策略计算负荷大，环境适应性较差，不适用于在线应用，但可为在线能量管理优化控制策略的设计和评价提供依据。　　最后，设计两种适用于解决全局优化控制不足的学习型能量管理优化控制策略，分别为基于神经网络的优化控制策略和基于深度强化学习的优化控制策略。前者基于全局优化结果训练神经网络以提取控制规则，能够保证整车经济性，减缓动力电池寿命衰减程度，但是难以同时兼顾燃料电池寿命；而后者在奖励信号中考虑了整车综合氢耗、燃料电池性能衰退、动力电池寿命衰减和电池荷电状态偏移四部分因素，不仅可以保证整车经济性和动力电池寿命，同时还可以改善燃料电池工作条件，实现均衡协调三者关系的目的，从而最大程度地提高系统综合性能，经过预训练的深度强化学习优化控制策略可以取得更佳的综合控制效果，并且基于深度强化学习的优化控制策略具有良好的工况适应性。本文开展的均衡考虑燃料电池性能衰退和动力电池寿命衰减的能量管理优化控制策略研究对加快燃料电池汽车的商业化发展具有一定意义。
作者：	杨丽丽
专业：	车辆工程
导师：	宋大凤
授予学位：	硕士
授予学位单位：	吉林大学
学位年度：	2022