原文传递
电-电混合燃料电池汽车能量管理策略研究
| 论文题名： | 电-电混合燃料电池汽车能量管理策略研究 |
| 关键词： | 电-电混合燃料电池汽车;能量管理策略;模糊逻辑;改进灰狼优化;深度确定性策略梯度 |
| 摘要： | 本文以电-电混合燃料电池汽车（FuelCellHybridElectricVehicle,FCHEV）为研究对象，进行燃料电池混合动力汽车建模、能量管理策略（EnergyManagementStrategy,EMS）设计和仿真验证研究工作。 首先，建立燃料电池电动汽车纵向动力学模型，并搭建复合电源系统（HybridEnergyStorageSystem,HESS）的关键电器元件模型，主要包括燃料电池的氢耗模型以及输出电压模型，锂电池输出电压模型和电量计算模型，直流变换器模型以及电机模型。采用全局优化算法——动态规划算法（DynamicProgramming,DP）设计能量管理策略作为后文所提出策略的参考。 然后，设计基于模糊逻辑的能量管理策略。根据燃料电池/锂电池混合储能系统特性，设计模糊控制规则。考虑将燃料电池工作效率和电流，并将其添加为模糊控制器输入量，对模糊规则进行改进。再针对FCHEV模糊控制能量管理策略所存在局限性，以氢耗量最优为目标，结合改进的灰狼优化算法（ImprovedGreyWolfOptimization,IGWO）进一步对模糊逻辑参数进行优化。在满足功率需求的前提下，实现燃料电池和锂电池间功率的合理分配，并将锂离子电池电荷状态（StateofCharge,SOC）维持在一定区间。结果表明：在FTP72和NEDC两种工况下，基于改进灰狼优化的能量管理策略分别比基于灰狼优化的模糊能量管理策略的总氢耗降低7.9%和12.6%。 最后，设计基于等效氢耗最低策略(EquivalentHydrogenConsumptionMinimizationStrategy,ECMS)和模型预测控制（ModelPredictiveControl,MPC）的能量管理策略。在ECMS策略的基础上，考虑等效因子的优化问题，结合一种无模型、离策深度强化学习算法深度确定性策略梯度算法（DeepDeterministicPolicyGradient,DDPG）优化惩罚系数来对等效因子进行调节，在满足功率需求的前提下，进一步提升整车的经济性。结果表明：两种工况下基于DDPG优化的等效氢耗最低能量管理策略比常规等效氢耗最低策略的总等效氢耗量分别降低7.4%和8.0%。 |
| 作者： | 顾诚 |
| 专业： | 车辆工程 |
| 导师： | 周健豪 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京航空航天大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
