详情

原文传递基于出行特征预测的燃料电池汽车能量管理策略研究

论文题名：	基于出行特征预测的燃料电池汽车能量管理策略研究
关键词：	燃料电池汽车;出行特征预测;缓降SOC参考轨迹;能量管理
摘要：	燃料电池汽车凭借着其使用过程零排放、氢气来源广泛、高效率、低噪音等优点，成为学术界和工业界关注的热点车型。除了燃料电池系统外，燃料电池汽车通常还需配备其他能量源，因此合理的能量管理策略对于提升整车经济性能至关重要。同时出行特征（出行里程和出行工况）对新能源汽车的节能有着重要影响，利用丰富的交通信息获得未来出行特征的预测结果，可对新能源汽车节能策略的制定提供参考。因此本文结合增程式燃料电池汽车的构型特点，开发基于出行特征预测的燃料电池汽车能量管理策略，具体内容如下：　　本文首先对燃料电池汽车的常见能量源和拓扑结构进行分析，确定了动力电池为主要动力源、燃料电池系统为辅助动力源的增程式燃料电池汽车构型。进而对质子交换膜燃料电池工作原理及其系统构成进行分析、建模和验证，获得了燃料电池系统的输出特性曲线及高效率工作区域。并在Matlab/Simulink软件环境下建立了燃料电池汽车的驾驶员、驱动电机、动力电池以及整车动力学等模型，完成燃料电池汽车仿真平台的搭建，奠定后续研究的仿真平台基础。　　其次，将某特定驾驶员以自主行驶法采集得到的61万余条驾驶数据视作历史出行信息，对历史出行信息依次完成不良数据预处理、运动学微行程划分、工况特征参数分析及降维、聚类分析及典型工况获取等挖掘工作，获得四类典型出行工况数据。以开源的高德Web服务API为智能交通平台，分析基于智能交通系统的出行特征预测流程、建立路径规划API调用模型、获取出行特征预测结果；结合四类典型出行工况数据开发基于学习向量量化的工况识别模型，并对工况识别模型进行验证，奠定后续研究的预测信息基础。　　然后，在获得预测出行特征的基础上，完成基于动态规划的燃料电池汽车全局最优能量管理策略的建模、求解及验证，获得动力电池的最优SOC消耗轨迹。引入理论SOC下降轨迹，分析最优SOC消耗轨迹与出行特征之间的关系，获取不同出行特征下的动力电池SOC缓降速率。开发基于出行特征的近似最优缓降SOC参考轨迹规划算法，并进行缓降SOC参考轨迹规划算法的仿真验证和对比分析，奠定后续研究的控制参考基础。　　最后，在前述研究所奠定的仿真平台、预测信息和控制参考等基础上，提出了一种双层在线能量管理策略，即用于获取未来出行里程、未来出行工况、缓降SOC参考轨迹等信息的上层，和用于在线控制燃料电池系统开关状态和输出功率的下层。以未来出行特征预测信息为输入、以缓降SOC参考轨迹为参考，对双层在线能量管理策略进行应用，获得动力电池的实际SOC消耗轨迹和燃料电池系统的工作状态。仿真结果表明，该双层在线能量管理策略与CD-CS型能量管理策略相比，燃料电池系统的平均工作效率提升了约5.31%，整车的等效氢耗降低了约8.63%。
作者：	马洋洋
专业：	车辆工程
导师：	王鹏宇
授予学位：	硕士
授予学位单位：	吉林大学
学位年度：	2023