欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 202011409457X
申请人: 吉林大学
专利类型:发明专利
专利状态:已下证
专利领域: 一般车辆
更新日期:2026-11-17
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种智能网联燃料电池汽车实时能量优化管理系统,步骤一:设计宏观长时域的平均交通流速轨迹预测模块;

其特征在于:

步骤二:设计微观短时域的车速预测模块

神经网络包含三层结构,即输入层、隐含层和输出层; 输入向量定义为m(k),输出向量定义为 BPNN的结构可以由带权重和阈值的离散模型表示其中,w1是输入层和隐含层之间的权重,w2是隐含层和输出层之间的权重,b1是隐含层神经元的阈值,b2是输出层神经元的阈值,m(k)代表输入的历史车速序列, 代表输出的预测车速序列,g(h)是隐含层到输出层的激活函数,其传递函数步骤三:建立面向能量优化控制的燃料电池汽车动力系统模型

3.1建立汽车纵向行驶动力学模型

燃料电池汽车参数:电机传动效率ηt_veh(%)、旋转元件的质量系数σveh(‑)、重力加速度

2 3

g(m/s)、空气阻力系数CD_veh(‑)、空气密度ρair(kg/m )、汽车质量mveh(kg)、迎风面积Aveh2

(m)、滑动阻力系数f(‑)、路面坡度θroad(‑);

车辆的需求功率

其中Pveh_req是车辆的需求功率,f是滑动阻力系数,ηt_veh是电机传动效率,σveh是旋转元件的质量系数,mveh是汽车质量,g是重力加速度,θroad是路面坡度,Aveh是汽车的迎风面积,ρair是空气密度,CD_veh是空气阻力系数, 是车辆的速度Vveh对于时间t的微分;

3.2建立燃料电池电堆效率模型

燃料电池的耗氢量

其中,Pfc_req是燃料电池的输出功率,ηfc_st是燃料电池的工作效率, 是氢气的低热值;

3.3建立动力电池SOC模型

Pbatt_req=Pveh_req‑Pfc_req                 (5)其中,Pbatt_req是动力电池的输出功率;

动力电池的SOC动态方程为

其中,Voc_batt是动力电池的开路电压,Rint_batt是动力电池的内阻,Qbatt是动力电池的总电量, 是动力电池荷电状态SOC的导数;

步骤四:建立能量优化管理问题

4.1燃料电池的输出功率Pfc_req状态方程为:上式可以通过公式 表示;

最小化预测时域[t0,tf]内的系统耗氢量:

其中,J是满足系统终端约束的条件下预测时域内的总耗氢量,t0是预测时域的起始时间,tf是预测时域的终止时间,u是控制输入变量,U是控制输入变量的取值集合,代表系统在t时刻的耗氢量是与t时刻的控制输入u(t)变量有关的函数,控制输入变量取u=Pfc_req,状态变量取x=SOC,φ(x(tf))是状态变量的终端约束;

4.2满足的约束条件如下:

(1)需要满足燃料电池的输出功率约束:

Pfc_low≤Pfc_req(t)≤Pfc_up             (10)其中,Pfc_low是燃料电池的最小输出功率,Pfc_up是燃料电池的最大输出功率,Pfc_req(t)是燃料电池在t时刻的输出功率;

(2)需要满足动力电池SOC的动态方程及状态约束:其中,SOCbegin是动力电池在初始时刻的SOC值,SOClow是动力电池的SOC最小值,SOCup是动力电池SOC的最大值,SOC(t)代表t时刻动力电池SOC的值,SOC(t0)代表初始时刻动力电池SOC的值,SOC(tf)代表终端时刻动力电池SOC的值;

(3)需要满足动力电池的功率约束

Pbatt_low≤Pbatt_req(t)≤Pbatt_up             (12)其中,Pbatt_low是动力电池最大充电功率,Pbatt_up是动力电池最大放电功率,Pbatt_req(t)是t时刻动力电池的输出功率;

(4)需要满足汽车运行时的需求功率

Pveh_req(t)=Pbatt_req(t)+Pfc_req(t)             (13)其中,Pveh_req(t)是t时刻汽车的需求功率,Pbatt_req(t)是动力电池在t时刻的输出功率;

步骤五:利用长时域预瞄信息,设计上层SOC轨迹滚动优化控制器

5.1上层SOC轨迹滚动优化控制器优化问题

将该时间尺度下的预测时域[t0,m,tf,m]离散成Nm等份,其中,t0,m为该预测时域的起始时间,tf,m为该预测时域的终止时间,离散时间记为k∈{1,2,...,Nm+1},得到优化目标:其中,J是满足终端约束条件下系统所有采样时刻的总耗氢量,φ(x(Nm+1))是状态变量的终端约束, 代表耗氢量是与k时刻的控制输入u(k)有关的函数,Δt是相邻两车速信息间的采样时间间隔,控制变量u(k)是燃料电池在k时刻的输出功率Pfc_req_m(k);

满足的具体约束条件是:

(1)满足燃料电池的输出功率约束:

Pfc_low≤Pfc_req_m(k)≤Pfc_up                  (15)(2)满足该时域下动力电池SOC的动态方程及状态约束:其中,SOCm(k+1)是在k时刻动力电池SOCm(k)经控制输入作用后得到的该时域下一时刻动力电池SOC的值,即动力电池在k+1时刻SOC的值,Voc_batt_m(k)是该时域下k时刻动力电池的开路电压,Rint_batt_m(k)是该时域下k时刻动力电池的内阻,Pveh_req_m(k)是汽车在k时刻的需求功率,Pfc_req_m(k)是该时域下k时刻燃料电池的输出功率,SOCm(k)是该时域下k时刻动力电池的荷电状态值,SOCm(1)是该时域下动力电池SOC初始时刻的值,SOCm(Nm+1)是该时域下动力电池SOC终端时刻的值;

(3)满足动力电池的输出功率约束:

Pbatt_low≤Pbatt_req_m(k)≤Pbatt_up               (17)其中,Pbatt_req_m(k)是该时域下动力电池在k时刻的输出功率;

(4)满足汽车运行时的需求功率

Pveh_req_m(k)=Pfc_req_m(k)+Pbatt_req_m(k)          (18);

5.2划分关于系统状态及控制变量的网格

将状态变量动力电池划分出81个状态网格;燃料电池输出功率从开始增幅递增81个控制变量网格;

5.3计算代价成本

在控制变量u(k)的作用下,状态变量x(k)会经状态转移方程计算后得到新的状态变量x(k+1),从1时刻开始,不同的控制变量网格作用在状态变量网格上会得到下一时刻的状态变量网格,产生对应的代价成本J(k),同时新的控制变量网格作用到该时刻的状态变量网格上,产生下一时刻对应的代价成本J(k+1)直到整个驾驶循环工况计算完成,产生的成本可由公式 计算得到,将每一次从前向后迭代计算产生的代价成本存储在网格中;

5.4确定最优决策

确定终端时刻k=Nm+1的状态变量的值,即x(Nm+1),对应初始目标函数J(Nm+1)=0,则从终端时刻的上一时刻开始有:*

其中,J (k)表示第k时刻系统状态变量为x(k)时的耗氢量的最小值; L(x(k),u(k))表示第k时刻,系统处在状态变量x(k)经控制输入u(k)作用后产生的耗氢量,即状态转移成*本,J (k+1)为上一时刻系统状态变量为x(k+1)时的耗氢量最小值,从每一时刻选取使得代* * *价成本函数最小值时对应的状态变量,即可得到最优的状态变量序列{x(1),x (2),...,x*(k)},即最优的动力电池SOC序列SOC;

步骤六:利用短时域预瞄信息,设计下层能量滚动优化控制器*

6.1接收当前采样时刻下预测时域内的SOC轨迹序列,读取当前动力电池的SOC值;

6.2下层的能量滚动优化控制器优化问题

将微观短时域[t0,n,tf,n]的车速预瞄信息离散成Nn等份,离散时间记为s∈{1,2,...,Nn+1},其中t0,n是该预测时域的起始时间,tf,n是该预测时域的终止时间,得到优化目标函数:其中,ud是该时域下的控制输入,Ud是该时域下控制输入的取值范围内的控制输入取值*集合,I是满足系统终端约束的条件下系统所有采样时刻动力电池SOC与SOC差值的平方和及耗氢量的和,SOCn(s)是该时域下s时刻动力电池SOC的值,φ(xd(Nn+1))是状态变量的终端约束,ud(s)是该时域下控制输入在s时刻的值, 代表耗氢量是与控制输入ud(s)有关的函数,控制变量选取ud=Pfc_req_n(s),状态变量选取xd=SOCn(s),满足的具体约束条件是:(1)满足燃料电池的输出功率约束:

Pfc_low<Pfc_req_n(s)<Pfc_up        (21)(2)满足动力电池SOC的动态方程及状态约束:

其中,SOCn(s+1)是该时域下s时刻动力电池SOCn(s)经控制输入作用后得到的该时域下一时刻动力电池SOC的值,即动力电池在s+1时刻SOC的值,Voc_batt_n(s)是该时域下s时刻动力电池的开路电压,Pveh_req_n(s)是该时域下s时刻汽车的需求功率,Pfc_req_n(s)是该时域下s时刻燃料电池的输出功率,Rint_batt_n(s)是该时域下s时刻动力电池的内阻,SOCn(1)是该时域下初始时刻动力电池SOC的值,SOCn(Nn+1)是该时域下终端时刻动力电池SOC的值;

(3)满足动力电池的输出功率约束:

Pbatt_low≤Pbatt_req_n(s)≤Pbatt_up            (23)(4)满足汽车运行时的需求功率:

Pveh_req_n(s)=Pfc_req_n(s)+Pbatt_req_n(s)      (24)

6.3构造哈密顿函数

其中,H(xd(s),ud(s),λ(s),s)代表哈密顿函数与状态变量在s时刻的值xd(s)、控制输入在s时刻的值ud(s)、协态变量在s时刻的值λ(s)和当前时刻s有关,优化需要满足的必要性条件如下:λ(s+1)=λ(s)+Δλ(s)·Δt,            (26)其中,Δλ(s)是相邻两时刻协态变量的差值, 代表s时刻哈密顿函数对动力电池SOC求偏导的值,λ(s+1)是在s时刻协态变量λ(s)经计算后得到的该时域下下一时刻协态变量的值,即协态变量在s+1时刻的值; 同时,最优控制输入 需要在每个采样时刻保证哈密顿函数最小,即需要满足以下公式:*

其中, 是状态变量在s时刻的最优值, 是控制输入在s时刻的最优值,λ(s)是协态变量在s时刻的最优值, 代表最优哈密顿函数与状态变量在s时*

刻的最优值 控制输入在s时刻的最优值 协态变量在s时刻的最优值λ(s)和当前时刻s有关, 代表哈密顿函数与状态变量在s时刻的最优值*

控制输入在s时刻的值ud(s)、协态变量在s时刻的最优值λ(s)和当前时刻s有关;

6.4求解最优控制输入序列

(1)设定初始时刻的状态变量SOC0,并通过二分法计算初始时刻的协态变量初值λ0;

(2)哈密顿函数值最小时的控制输入即为最优控制输入Ud(s)=[ud_low(s):Δud(s):ud_up(s)],              (28)其中,Δud(s)是该时域下在s时刻控制输入相邻两等份的差值,ud_up(s)是控制输入在s时刻约束范围内的最大值,ud_low(s)是控制输入在约束范围内的最小值,Ud(s)是该时域下控制输入在s时刻的取值集合;

(3)根据最优控制输入作用 在状态转移方程的结果,计算下一采样时刻的状态变量SOC值及协态变量λ的值,重复步骤2)直至最后一个采样时刻;

(4)对SOC值最后的末端边界误差值进行判断,若误差在设定的范围内则结束计算,否则需要重新输入λ0,并在λ设定的取值范围内通过二分法来确定在误差允许范围内协态变量λ的值,重复步骤2),全部计算完成后即可得到最优的控制输入序列;

步骤七:将求解得到的控制输入序列信号传递至燃料电池汽车的功率执行控制单元。