增程式電動公交車能量管理策略及能耗分析

鄧智輝，陳 勇，2，霍為煒，2

(1.北京信息科技大學機電工程學院，北京100192；2.北京電動車輛協(xié)同創(chuàng)新中心，北京 100192)

1 引言

環(huán)境問題和能源安全問題日益凸顯，發(fā)展新能源汽車成為世界各國的共識。在現(xiàn)有的新能源汽車中，純電動汽車在節(jié)能環(huán)保方面具有行駛過程中零排放、高效率、能量來源多樣化等優(yōu)點，但同時也存在“里程焦慮”、“充電時間長”等不足，直接影響了消費者的使用，從而阻礙了純電動汽車的推廣和應用。隨著國家排放法規(guī)和標準日益嚴格，增程式電動汽車是解決上述問題的現(xiàn)實方案[1]。

增程式電動汽車有兩個能量源，通過控制策略實現(xiàn)電池包和増程器(Auxiliary Power Unit，APU)的功率分配，實現(xiàn)延長電池包壽命和降低能耗的目的[2-3]。目前國內外多能量源動力系統(tǒng)車輛的研究主要控制策略有3種：規(guī)則型能量管理控制策略、全局最優(yōu)控制策略和智能控制策略[4]。北京理工大學的李軍求等分別采用動態(tài)規(guī)劃算法和偽譜最優(yōu)控制算法解決在CS階段APU和電池包能量分配優(yōu)化問題[5]。但全局最優(yōu)控制策略均需要大量的運算，對整車控制系統(tǒng)硬件要求較高，導致成本增加，不利于實際應用[6-7]。智能控制策略(如神經(jīng)網(wǎng)絡控制、模糊控制策略等)近幾年也廣泛用于多能量源的能量管理中[8]，北京交通大學的席利賀等為了讓車輛到達目的地時，電池包荷電狀態(tài)(State of charge，SOC)達到其設定的最低限值，提出了一種基于動態(tài)規(guī)劃和神經(jīng)網(wǎng)絡的智能能量管理策略，實現(xiàn)良好的燃油經(jīng)濟性[9]。但是該策略需要先驗知識和復雜的訓練過程，給實車應用增加了很大的難度[10]。而對于規(guī)則型能量管理控制策略，由于其簡單、工程開發(fā)周期短、容易實現(xiàn)等優(yōu)點[11]，較易于在實車上應用[12]。

本文以某公交車基本參數(shù)進行動力系統(tǒng)參數(shù)匹配，基于Matlab/Simulink搭建了整車正向仿真模型，制定雙CD-CS多工作點控制策略，在中國典型城市工況(Chinese Typical Urban Driving Cycle，CTUDC)，比較不同控制策略電池包的工作特性和整車能耗，同時在不同行駛工況下驗證所提出控制策略的適用性。

2 動力系統(tǒng)參數(shù)匹配

增程式電動公交車(range-extended electric bus，REEB)的動力系統(tǒng)結構如圖1所示，其主要由APU、動力電池系統(tǒng)、動力驅動系統(tǒng)組成。其中APU由發(fā)動機與發(fā)電機同軸連接組成，發(fā)動機帶動發(fā)電機發(fā)出交流電，通過DC/AC轉化為直流電直接給電機控制器或者給電池包充電達到增程的目的。

圖1 增程式電動公交車動力系統(tǒng)結構圖

以某公交車設計指標為對象，具體參數(shù)見表1。

表1 整車參數(shù)及性能指標要求

2.1 驅動電機參數(shù)匹配

驅動電機選型主要考慮其最大功率，根據(jù)車輛的最大車速、最大爬坡度、最大加速度計算確定。

2.1.1 最高車速功率需求

(1)

式中，m為整車質量，kg；g=9.8m/s2；f為滾動阻力系數(shù)；CD為空氣阻力系數(shù)；A為迎風面積，m2；umax為最高速度，km/h；ηT為機械傳動效率。

2.1.2 最大爬坡度功率需求

(2)

式中，αmax為最大坡度角，取20%；ua為最大爬坡度行駛車速，取20km/h。

2.1.3 最大加速度功率需求

車輛起步加速時速度與時間的關系式

(3)

式中，x為擬合系數(shù)，取0.5；t為加速過程任意時刻，s；tm為加速總時間，s；um為加速后最終車速，取50km/h；u為t時刻車輛的速度，km/h。

車輛加速過程功率需求

(4)

式中，dt為迭代步長，取0.1；du為車輛加速度，du=u(i+1)-u(i)。δ擬定為1.1[13]。

綜上所得，驅動電機的最大功率為

Pemax=max{Pm1，Pm2，Pm3}

根據(jù)表1相關參數(shù)計算得到Pemax≥162.47kW，取165kW。

驅動電機的額定功率為

(5)

式中λ為電機過載系數(shù)，一般在3～5之間，本文取λ=3。則電機的額定功率為55kW。

根據(jù)整車動力性需求，選定一款永磁同步電機，其參數(shù)見表2。

表2 驅動電機參數(shù)

2.2 二檔變速器參數(shù)匹配

根據(jù)整車動力需求，設計二擋變速器，一檔能滿足整車最大爬坡度，二擋能滿足整車最大車速。同時，為了保證換擋順利，兩檔之間的比值不宜大于1.7～1.8[13]。

(6)

(7)

式中，ig1為一檔傳動比，ig2為二擋傳動比。

計算可得ig1>3.63，ig2≤3.22。取ig1=4.1，ig2=2.7。

2.3 電池包參數(shù)匹配

2.3.1 電池包電壓等級確定

根據(jù)文獻[14]中有關電源電壓等級的規(guī)定，選擇電池包額定電壓ub=384V。

2.3.2 電池包功率需求

電池包容量選擇需要滿足車輛行駛過程中功率需求，輸出功率Pb為

(8)

電池包容量Cp滿足

(9)

式中k為電池的最大放電率，h-1；paux為輔助系統(tǒng)功率，取5kW。

2.3.3 電池包能量需求

為了滿足增程式電動公交車在ua=40km/h純電勻速行駛的里程d1≥50km，其能量需求為

(10)

式中，CE為電池包的容量，Ah；根據(jù)文獻[15]中的規(guī)定，m為汽車半載質量；DOD為電池包放電深度，取0.7；ηb為電池包的平均放電效率，取0.96；ηaux為附件能量消耗比例系數(shù)，取0.08；ηmc為驅動電機及控制器的效率，取0.91。

根據(jù)式(9)和(10)計算可得電池包功率需求和能量需求對應的容量，通過比較其大小得出電池包額定容量為

電池包容量為167.31Ah，其最大放電率為2.9。電池包參數(shù)見表3。

表3 電池包參數(shù)

2.4 增程器(APU)參數(shù)匹配

2.4.1 發(fā)動機匹配

(11)

式中，ηTapu為增程器機械傳動效率，取為0.9；ηg為發(fā)電機效率，取為0.9；

考慮到發(fā)動機各種附件功率需求，需留有一定余量，所以取峰值功率為70kW的柴油機。

2.4.2 發(fā)電機匹配

發(fā)電機的功率應與發(fā)動機相匹配，盡量增加高效率工作重合區(qū)域，故選擇70kW永磁同步電機。

3 整車建模及控制策略分析

3.1 整車正向仿真模型

根據(jù)增程式電動公交車的結構特點和動力特性，基于Matlab/Simulink建立增程式電動公交車的正向仿真模型，如圖2所示。

圖2 增程式電動公交車正向仿真模型

3.2 發(fā)動機工作點選取

根據(jù)增程式電動公交車動力性要求，在發(fā)動機高效區(qū)域設定了三個工作點Pmin=43.25kW，Popt=50kW，Pmax=55kW。根據(jù)整車功率需求進行工作點切換，保證發(fā)動機始終工作在最低燃油消耗點。其工作點分布如圖3所示。

圖3 控制策略工作點的分布

為了避免發(fā)動機頻繁啟停影響發(fā)動機的排放性和經(jīng)濟性，在Simulink/Stateflow中搭建發(fā)動機最短啟停時間控制策略，如圖4所示。

圖4 發(fā)動機最短啟停時間控制策略

3.2 雙CD-CS多工作點控制策略

考慮到城市公交車路線固定、行駛里程固定、頻繁啟停，道路工況也較為復雜等特點，基于CD-CS控制策略改進提出雙CD-CS多工作點控制策略。該控制策略分成四個階段，如圖5所示。同時也建立恒溫器控制策略和混合多工作點控制策略(綜合了恒溫器控制策略和功率跟隨控制策略的特點)，與其進行仿真比較。

圖5 雙CD-CS控制策略

1)CD1階段：主要由電池包供能，APU輔助工作，減小電池包工作電流，利于延長電池包壽命；

2)CS1階段：主要由APU供能，電池包SOC維持在0.5-0.6高效區(qū)間工作，減少充放電過程的能耗，提升整車效率；

當電池包剩余電能基本能完成剩余里程后進入CD2階段；

3)CD2階段：以電池包供能為主，出現(xiàn)大功率工況時，APU輔助供能，起到保護電池包的作用，同時充分利用電池包可用電能；

4)CS2階段；到該階段，基本完成目標行程，此時以APU供能為主，電池包SOC在設定的最低限制附近。

到達終點站后，可利用電網(wǎng)波谷的電能充電，實現(xiàn)新能源汽車充分利用電網(wǎng)電能的目的?？刂埔?guī)則如圖6所示。

圖6 雙CD-CS多工作點控制策略

4 仿真與結果分析

4.1 CTUDC工況仿真分析

仿真選取CTUDC工況，根據(jù)北京490路公交車一天的行程，總里程設置為96km，仿真時間21551s。參考文獻[16]，電池組SOC初始值設置為0.9，SOC下限值為0.2，CS1階段SOC在0.5～0.6區(qū)間內變化。

圖7表示三種不同控制策略目標車速和仿真車速的跟隨情況(僅選取部分仿真參數(shù))。從圖中可以看出恒溫器控制策略、混合多工作點控制策略、雙CD-CS多工作點控制策略的目標車速與仿真車速偏差較小，基本實現(xiàn)跟隨。說明驅動電機相關參數(shù)選擇與轉矩控制都可滿足工況的動力要求，與控制策略的選擇沒有明顯的關系。

圖7 不同控制策略目標速度與仿真車速跟隨曲線

圖8表示三種不同控制策略的電池包SOC變化曲線圖。由圖可知：恒溫器控制策略電池包有明顯充、放電循環(huán)，SOC最終為0.275，剩余部分增程器轉換的電能。該控制策略電池包充、放電循環(huán)次數(shù)較多，不利于延長電池包使用壽命。采用混合多工作點控制策略時，電池包SOC變化平穩(wěn)，行程結束后電池包SOC為0.429，剩余電量較多，整車燃油消耗量較大。采用雙CD-CS多工作點控制策略時，完成行程后電池包SOC達到設定最低門限值附近，充分利用電池包電能；在CS1階段電池包工作在低內阻區(qū)間，提高了電池包的工作效率。

圖8 不同控制策略電池包SOC的變化曲線

表4表示不同控制策略電池包放電倍率占比。由表可知，雙CD-CS多工作點控制策略電池包放電倍率在(-1C～1C]占96.14%，在(2C～3C]和(-2C～-3C]僅占0.26%。相比較其它兩種控制策略，雙CD-CS控制策略有效降低電池包大倍率工作的比例，利于延長電池包使用壽命。

表4 不同控制策略電池包放電倍率占比

參考文獻[17]，在CTUDC行駛工況下三種不同控制策略能耗見表5。從表可知：雙CD-CS多工作點控制策略燃油消耗量最低，電能消耗最高，實現(xiàn)了降低燃油消耗量，提升電池包可用電能的目的，其等效電能消耗量為238.72kWh，相比較恒溫器控制策略和混合多工作點控制策略分別降低了4.95%和8.91%。

表5 不同控制策略的能量消耗

4.2 不同循環(huán)工況仿真驗證

為了更好驗證雙CD-CS多工作點控制策略的有效性和普遍適用性，選擇國際常用的2種行駛工況：Manhattan行駛工況和CBD Bus行駛工況。經(jīng)仿真，匹配的參數(shù)均能滿足兩種循環(huán)工況的動力性要求，其等效電能消耗量見表6。

表6 不同行駛工況的等效電能消耗量

由表6可知，在Manhattan行駛工況和CBD Bus行駛工況，雙CD-CS多工作點控制策略相對于恒溫器控制策略和混合多工作點控制策略分別提升了7.4%、6.5%和15.5%、3.45%。表明了雙CD-CS多工作點控制策略在不同行駛工況下，均能實現(xiàn)較低的能耗。

5 結論

本文以滿足增程式電動公交車動力性和經(jīng)濟性為前提，以某公交車基本參數(shù)進行動力系統(tǒng)參數(shù)匹配，在Matlab/Simulink搭建正向仿真模型，制定了雙CD-CS多工作點控制策略，并與恒溫器控制策略和混合多工作點控制策略比較整車能耗和電池包工作特性，最后在不同行駛工況下驗證該控制策略的有效性。仿真結果表明：

1)雙CD-CS多工作點控制策略降低了電池包大放電倍率工作的比例，有利于延長電池包的使用壽命；電池包在CS1階段工作在高效區(qū)間，提升了電池包的工作效率；

2)增程式電動公交車完成一天的行程時，電池包SOC達到最低門限值，充分利用電池包可用電能，降低了整車能耗，相比恒溫器控制策略和混合多工作點控制策略，其等效電能消耗量分別降低了4.95%和8.91%。同時，在不同行駛工況下，雙CD-CS多工作點控制策略均能實現(xiàn)較好的控制，達到降低整車能耗的效果。