原文传递
燃料电池汽车多目标能量管理策略研究
| 论文题名： | 燃料电池汽车多目标能量管理策略研究 |
| 关键词： | 燃料电池汽车;极小值原理;深度强化学习;多目标优化;能量管理策略 |
| 摘要： | 化石燃料短缺、环保意识觉醒和“碳达峰、碳中和”战略决策与相关政策的引导，加快了以氢能为代表的清洁能源相关产业的发展。作为一种清洁的二次能源，氢能是未来能源转型的重要方向，而氢燃料电池是氢能最主要的应用场景之一。迄今为止，搭载以质子交换膜燃料电池（ProtonExchangeMembraneFuelCell，PEMFC）和动力电池为构型的燃料电池汽车（FuelCellVehicle，FCV），因其高效率、零排放、低噪音、长续航等优势被广泛研究，但燃料电池汽车的成本和寿命制约了其商业化。因此，合理分配燃料电池和动力电池的输出功率是实现整车节能、主动优化燃料电池寿命衰退、动力电池寿命衰退，以及降低整车全寿命周期成本的关键与重要研究方向之一。故本文从完整的燃料电池汽车整车建模出发，重点研究考虑氢耗、燃料电池寿命、动力电池寿命的多目标优化能量管理策略（EnergyManagementStrategy，EMS）。本论文主要工作内容如下： （1）燃料电池汽车建模研究。基于Matlab/Simulink平台建立燃料电池汽车整车动力学模型和包含燃料电池模型、动力电池等效内阻模型、DC/DC转换器模型、驱动电机模型等动力系统关键部件模型，同时建立燃料电池系统的机理模型，还包括燃料电池电堆、加湿器、散热器、冷却水箱和冷凝器五个部件在内的燃料电池系统温度模型，并对燃料电池机理模型和温度模型进行仿真，验证其准确性，为能量管理策略的建模求解奠定基础。 （2）基于庞特里亚金极小值原理（Pontryagin’sMinimumPrinciple，PMP），将燃料电池汽车能量管理优化控制问题转化为多目标优化问题。简要介绍庞特里亚金极小值原理，明确评价指标、目标函数、状态变量和控制变量；此外，为量化燃料电池和动力电池的寿命衰退，建立了相应的寿命衰退模型；随后对考虑氢耗、燃料电池寿命衰退、动力电池寿命衰退的多目标优化的能量管理策略进行建模与求解。与仅考虑最优氢耗的单目标动态规划能量管理策略的结果进行对比，证明该算法的有效性。 （3）将深度强化学习（DeepQ-learningNetwork，DQN）应用于车辆的多目标优化控制的研究。提出基于DQN的多目标优化的能量管理优化控制策略（DQN-MOEMS）。设计奖励函数时考虑了氢耗、始末SOC偏移、燃料电池寿命、动力电池寿命四方面因素，另外，算法采用经验优先重放技巧，提高算法的收敛速度。最后进行算法的仿真对比分析，验证DQN-MOEMS在整车经济性、燃料电池寿命、动力电池寿命方面的优化的效果以及该算法的工况适应性。 |
| 作者： | 岳一霖 |
| 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： | 2023 |
检索历史
应用推荐
