氫燃料電池有軌電車混合儲能系統(tǒng)的節(jié)能運行優(yōu)化

高鋒陽 張浩然 王文祥 李明明 高翾宇

氫燃料電池有軌電車混合儲能系統(tǒng)的節(jié)能運行優(yōu)化

高鋒陽 張浩然 王文祥 李明明 高翾宇

（蘭州交通大學自動化與電氣工程學院 蘭州 730070）

針對燃料電池/超級電容/鋰電池混合儲能有軌電車能量管理中存在的等效能耗受負載隨機性影響較大，無法保證全局功率分配最優(yōu)的問題，同時為進一步提升燃料經(jīng)濟性，提出一種基于外部能耗的運行優(yōu)化策略。首先，將負載能量需求分為內(nèi)部能源燃料電池的實時燃料消耗和外部電源鋰電池/超級電容的電能消耗兩部分；其次，旨在通過將等效能耗最小化策略的目標函數(shù)改寫為最大化外部電源出力，以分擔燃料電池的高功率負載壓力，使其不需要評估等效能耗，從而達到增強對負載變載的魯棒性，同時最小化實時氫耗的目的；最后，將所提優(yōu)化策略與等效能耗最小化及狀態(tài)機和功率解耦策略進行對比分析。結(jié)果表明：在整個循環(huán)工況中，所提方法相較于等效能耗最小化策略燃料電池氫氣消耗降低17.68g，峰值電流降低21.81A；相較于狀態(tài)機和功率解耦策略氫氣消耗降低39.04g，峰值電流降低56.9A，且母線電壓偏移范圍和各能量源應力均有顯著改善。

混合儲能有軌電車 燃料電池 能量管理 功率分配 外部能耗

0 引言

燃料電池具有綠色節(jié)能、高能量轉(zhuǎn)換率及噪聲小等突出優(yōu)點，是目前全世界公認的未來最佳車載能源[1]。結(jié)合鋰電池和超級電容作為輔助電源所具有的優(yōu)勢，構(gòu)建以燃料電池為主電源的新型有軌電車混合動力系統(tǒng)，不僅可實現(xiàn)無燃料電池狀態(tài)下的緊急供電，亦可在電車制動階段實現(xiàn)能量回收[2]，同時還兼具節(jié)約成本、改善能源結(jié)構(gòu)及無污染等特點，已發(fā)展成為有軌電車無電弓受流系統(tǒng)的一種理想解決方案[3]。但多種儲能單元的組合也使能量管理策略趨于復雜。

混合儲能系統(tǒng)能量管理優(yōu)化是節(jié)能、降低成本、達到整體高效率和增強動態(tài)性能的關鍵?，F(xiàn)有混合儲能有軌電車領域主流的能量管理策略可分為基于規(guī)則和基于優(yōu)化的兩類?；谝?guī)則的策略是以根據(jù)專家經(jīng)驗或離線規(guī)則得到的負載功率需求占比為原則分配給不同儲能單元，其優(yōu)點包括實時性好及易于求解和實現(xiàn)。應用較為廣泛的方法主要有邏輯門限值[4]、模糊邏輯控制[5]、功率解耦控制[6]等。邏輯門限值即閾值法最早出現(xiàn)在有軌電車混合動力系統(tǒng)控制策略的研究中。文獻[7]依據(jù)有軌電車的進站停車、無網(wǎng)運行、首末站充電三種工作狀態(tài)的周期性變化，設定各自閾值，從而劃分各能量源需承擔的功率，雖然簡單實用，但并未定量描述優(yōu)化目標，無法實現(xiàn)全局最優(yōu)。模糊邏輯控制解決了復合電源這一復雜時變非線性強耦合系統(tǒng)的建模問題。文獻[8]通過劃分未來時間窗格內(nèi)的能量消耗，并結(jié)合有軌電車運行狀態(tài)制定模糊規(guī)則，雖然相較于閾值法具有更低的能耗，但也存在隸屬度函數(shù)與模糊規(guī)則權重過度依賴專家經(jīng)驗的缺陷，且當輸入量較多時，模糊規(guī)則也趨于復雜。功率解耦控制策略也是較為經(jīng)典的方法之一，其主要思路是對負載功率需求作分頻處理，以實現(xiàn)對主電源的保護，延長其使用壽命。文獻[9]在令燃料電池承擔低頻功率、由鋰電池/超級電容供電單元承擔高頻功率的基礎上，引入狀態(tài)機進行能量再分配與管理，有效地減少了燃料電池的高頻波動。但在城市軌道交通領域，特別是無接觸網(wǎng)受流情況下，高頻含量相對較少，其適應性并不如其他基于規(guī)則的策略。

相較于基于規(guī)則的策略，基于優(yōu)化策略的優(yōu)點在于能夠通過目標或成本函數(shù)將能量管理問題轉(zhuǎn)換為數(shù)學優(yōu)化問題進行定量求解。研究較為成熟的智能算法主要包含多目標優(yōu)化算法[10]、模型預測控制[11]、動態(tài)規(guī)劃[12]等。文獻[13]以混合動力系統(tǒng)全壽命周期成本最低、容量配置最優(yōu)為目標函數(shù)獲取Pareto前沿，有效降低了整車服役周期成本，但求解復雜，易于陷入維數(shù)災難。文獻[14]以降低混合儲能系統(tǒng)總損耗及穩(wěn)定母線電壓為主要目標，結(jié)合模型預測控制實現(xiàn)了離線優(yōu)化的在線運行，但對于模型精度要求高、實時性差。文獻[15]在傳統(tǒng)動態(tài)規(guī)劃的基礎上調(diào)整了狀態(tài)轉(zhuǎn)移方程，通過只對混合儲能系統(tǒng)狀態(tài)量進行離散，解決了插值計算導致的誤差累積問題，但仍然無法實現(xiàn)對在線運行參數(shù)的實時計算。

在車載燃料電池混合儲能系統(tǒng)領域，大多數(shù)基于優(yōu)化策略的核心思想都是降低等效能耗，而傳統(tǒng)方法中等效因子無法適應負載變載動態(tài)情況。為解決這一問題，文獻[16]提出用未來負載電力需求時間序列代替等效因子。文獻[17]提出用根據(jù)負載曲線確定的充放電信號代替等效因子。文獻[18]提出用電池荷電狀態(tài)（State of Charge, SOC）和SOC平衡系數(shù)的經(jīng)驗表達式在線調(diào)節(jié)等效因子的大小。這些方法雖然顯著提高了能量管理的性能，但代價是提高了控制復雜度。

為綜合考慮能量管理系統(tǒng)的抗干擾能力、整體效率、能量源應力及能耗，本文提出一種外部能耗最大化策略。旨在通過在任一給定時刻，在保證不過充過放的條件下令鋰電池平均功率和超級電容峰值功率出力最大化，以分擔燃料電池的運行壓力，從而使目標函數(shù)中不涉及任何取決于負載變化的參數(shù)，改善系統(tǒng)的工況適應性及最大限度地降低氫氣消耗量，并通過仿真實驗對比證明所提策略的有效性和優(yōu)越性。

1 混合儲能系統(tǒng)組成及技術參數(shù)

混合動力電源箱采用模塊化設計原則，編組方案為兩動一拖的結(jié)構(gòu)，每個混合動力系統(tǒng)包含一個雙向DC-DC電源電池箱和一個超級電容箱共兩個箱體，對稱布置于兩個Mc（Mc指安裝動力轉(zhuǎn)向架和駕駛室的動車模塊）車車頂中部，便于車輛布線和質(zhì)量管理。兩套燃料電池系統(tǒng)布置于T（T指安裝拖車轉(zhuǎn)向架和燃料電池系統(tǒng)的拖車模塊）車車頂，對稱布置于散熱器兩端，便于對供電和供氫進行設計。儲氫系統(tǒng)布置于T車（中間車）車頂。

建立有軌電車車載混合儲能系統(tǒng)的主動式拓撲結(jié)構(gòu)，如圖1所示。為了便于對燃料電池和鋰電池能量進行控制，分別經(jīng)單向和雙向DC-DC變換器連接到直流母線上。由于超級電容在該系統(tǒng)中的作用主要是“削峰填谷”，所以采用未經(jīng)變換器直接并聯(lián)于直流側(cè)母線端的結(jié)構(gòu)。能量管理控制器跟蹤檢測各能量源的能量狀態(tài)，以調(diào)控各變換器的開關狀態(tài)，使三者匹配工作，有軌電車主要技術參數(shù)見表1。

圖1 有軌電車復合供電系統(tǒng)拓撲結(jié)構(gòu)

表1 有軌電車主要技術參數(shù)

Tab.1 Main technical parameters of tram

1.1 燃料電池模型

FCPM（fuel cell power module）質(zhì)子交換膜燃料電池以其滿足從怠速到滿負荷快速啟動的優(yōu)點，成為新能源有軌電車中應用最為廣泛的燃料電池[19]。在Matlab中使用SimPowerSystems（SPS）工具箱搭建了燃料電池堆動態(tài)參數(shù)模型，如圖2所示，為僅考慮活化損失（由于電極表面緩慢的化學反應造成的損失）的堆電壓。

圖2 燃料電池堆動態(tài)參數(shù)模型

該模型反映了當燃料和空氣的流量、配比、壓力及溫度等參數(shù)動態(tài)變化時，對塔菲爾斜率燃料電池交換電流0，以及開路電壓oc的影響，如式（1）～式（3）所示。

式中，fuel與air分別為燃料和空氣的絕對供給壓力；fuel和air分別為燃料和空氣的流量；%和%分別為燃料中氫氣和氧氣的配比；fc為燃料電池電流。

采用模塊B確定各氣體的絕對供給壓力以及能斯特電壓，如式（6）～式（9）所示。

模型所需運行參數(shù)由FCPM燃料電池單體的極化測試得到，通過直接連接到可編程負載，測試從空載啟動到逐漸增大的階躍放電電流下的電壓和功率，擬合出的極化曲線如圖3所示。

圖3 燃料電池單體極化測試擬合曲線

在額定條件（fuel=0.116MPa，air=0.1MPa，=45℃）下對該模型進行階躍放電電流仿真測試，同一條件下電壓曲線與Hydrogenics公司提供的單體實際放電數(shù)據(jù)的對比如圖4a所示，隨時間變化的電壓實時誤差如圖4b所示。從圖4中可以看出：瞬態(tài)誤差最大為-0.4V，穩(wěn)態(tài)誤差在±0.1V以內(nèi)，表明該模型具有較高的精度，能正確地描述燃料電池在實際運行過程中的電壓行為。

1.2 鋰電池改進模型

鋰電池采用如圖5所示改進Shepherd模型，為降低代數(shù)環(huán)和仿真的不穩(wěn)定性，去除了原本模型受控電壓源中隨電流幅值和實際充電量變化的非線性電壓項。該模型中受控源只受實際電池電量控制，當電池完全放電時，端電壓將降為零，從而更為準確地模擬電池端電壓行為。假設充放電過程具有相同的特性，受控源電壓和端電壓表達式分別為

式中，、0、和分別為受控源電壓、鋰電池額定電壓、極化電壓及額定容量；為充滿電時的電池電壓；為額定放電電流倍率；bat為鋰電池端電壓；為電池內(nèi)阻；為電池電流。

圖5 改進Shepher鋰電池模型

通過選取適當?shù)膮?shù)，對鋰電池單體分別在額定放電電流倍率，即0.434 78(17.391 3A)、20A、80A下進行脈沖放電仿真測試，得到的放電曲線如圖6所示。該曲線與蘇州星恒公司提供的特性曲線基本吻合，說明選用的電池模型是恰當、可靠的。

1.3 超級電容模型

超級電容器的動態(tài)行為與所用電解液的離子遷移率和多孔電極的孔隙率效應密切相關[20]。由于存在離子慣性，電容和阻抗的實部隨充放電頻率的增加而減小。傳統(tǒng)模型只關注高頻下的動態(tài)行為，且存在無法模擬自放電現(xiàn)象，以及在低頻下精度很低的問題。為此，本文在傳統(tǒng)模型的基礎上提出一種全頻段超級電容模型，如圖7所示。該模型由三個支路并聯(lián)組成：支路1描述各充放電頻率域下的超級電容等效阻抗P；支路2用串聯(lián)RC支路表征超級電容快速充放電后的恢復現(xiàn)象；支路3是考慮自放電現(xiàn)象的漏電電阻leak。其中等效阻抗P為

式中，Ri為頻率趨近于無窮時第i條支路等效電阻；Li為第i條支路的漏感；V為圖7中的端電壓；τ為時間的維度；Rp為各充放電頻率域下等效電阻。漏感通常為幾十納赫茲，在此可以忽略不計。

對該模型表征的超級電容單體分別在10A、20A、100A及500A的電流下進行了脈沖電流充電測試，得到的充電曲線如圖8所示。

圖8 不同充電電流下的超級電容單體端電壓曲線

2 運行能耗優(yōu)化策略

燃料電池混合動力能量管理系統(tǒng)旨在通過優(yōu)化管理策略調(diào)整各能量源的功率響應，在保證負載功率需求的同時達到降低燃料電池氫能耗、提高系統(tǒng)整體效率、壓縮電池和超級電容SOC變化范圍及延長循環(huán)使用壽命的目的。由于超級電容未經(jīng)DC-DC變換器直接并聯(lián)于母線直流側(cè)，不同能量管理策略之間的區(qū)別主要在于燃料電池參考功率的確定方法?；诖讼到y(tǒng)要求，本文針對傳統(tǒng)等效氫能耗優(yōu)化策略（Equivalent Consumption Minimization Strategy, ECMS）的缺陷做出改進，提出一種更適用于優(yōu)化成本函數(shù)的外部能耗最大化能量管理策略（External Energy Maximization Strategy, EEMS）。

2.1 傳統(tǒng)等效氫能耗優(yōu)化策略

ECMS優(yōu)化算法的目標函數(shù)為燃料電池內(nèi)部能耗與鋰電池等效能耗之和的總能量最小化，即

約束條件為

邊界條件為

式中，fc、bat、load分別為燃料電池、鋰電池和負載功率；Δ為采樣時間；fcmax和fcmin分別為燃料電池功率的上、下限值；batmax和batmin分別為鋰電池功率的上、下限。

ECMS整體的示意圖如圖9所示，通過負載功率load和鋰電池SOC確定燃料電池參考功率，再除以燃料電池電壓fc和其DC-DC變換器效率的乘積得到燃料電池的參考電流值。混合動力系統(tǒng)直流母線電壓受穩(wěn)壓調(diào)節(jié)器控制，該調(diào)節(jié)器用于確定鋰電池雙向DC-DC變換器的參考電流值。由于系統(tǒng)輸入量含有隨機性較強的負載功率，考慮改進優(yōu)化算法，使其輸入量更加穩(wěn)定可控。

圖9 ECMS整體示意圖

2.2 外部能耗最大化策略：EEMS

為增強能量管理策略的工況適應性，旨在通過在SOC約束范圍內(nèi)最大化超級電容和鋰電池的能量輸出，即外部電源出力，間接地降低燃料電池高負載壓力。該方法的優(yōu)點主要在于不需要評估受負載變化影響很大的等效能耗，使目標函數(shù)中無取決于負載功率的變量。目標函數(shù)為

約束條件為

邊界條件為

EEMS整體的示意圖如圖10所示，通過EEMS優(yōu)化算法確定鋰電池參考功率和超級電容充放電電壓，再根據(jù)式（15）確定燃料電池參考功率。并采用超級電容電壓相對母線電壓的偏移量決定超級電容的充放電能量，母線電壓通過鋰電池DC-DC轉(zhuǎn)換器占空比控制。

圖10 EEMS整體示意圖

燃料經(jīng)濟性方面，通過離線優(yōu)化算法在給定時間和SOC限制范圍內(nèi)計算燃料電池最低輸出能量進行評估，通過對負載功率的實時采樣，以滿足負載功率需求和鋰電池不過放的條件，求取燃料電池瞬時輸出功率的個體最優(yōu)解；通過對次采樣后的燃料電池凈輸出能量進行整合，以總能量最低為目標判斷是否為全局最優(yōu)的氫氣消耗量。該離線優(yōu)化算法以負載功率load、鋰電池荷電狀態(tài)初始值SOC0及下限值作為輸入，目標函數(shù)為

約束條件為

邊界條件為

式中，為采樣次數(shù)；()為次采樣以后的鋰電池能量；為整個循環(huán)工況中燃料電池輸出給負載的能量；min為最小化燃料電池的凈輸出能量。

最佳氫氣消耗量ConsHopt 2為

式中，為法拉第常數(shù)；為電堆單節(jié)單體數(shù)量。如圖10所示，通過所提離線優(yōu)化算法得到最優(yōu)燃料電池功率opt，再通過圖3所示的燃料電池極化曲線擬合得到最優(yōu)燃料電池電流opt fc。

3 仿真驗證

為了驗證所提策略的有效性和優(yōu)越性，使用Matlab/Simulink中的SPS工具箱中搭建了燃料電池為主電源，鋰電池和超級電容為輔助電源的有軌電車車載混合儲能系統(tǒng)仿真模型，仿真參數(shù)見表2，在負載波動性較強的循環(huán)工況中，對比研究不同能量管理策略的性能。為了與儲能系統(tǒng)實際運行情況相匹配，鋰電池SOC初始值設置為65%；為了模擬實際工況，仿真時間與所采用工況運行時間一致，設置為270s。

表2 車載復合電源仿真參數(shù)

Tab.2 Simulation parameters of vehicle hybrid power supply

3.1 功率分配

為綜合考慮城市軌道交通車輛載重的時變性以及坡度信息對車輛運行特性的影響，選取實測的美國有軌電車負載工況條件，如圖11a所示。對EEMS、ECMS及狀態(tài)機和功率解耦能量管理策略的功率分配結(jié)果進行了對比，如圖11b、圖11c、圖11d所示。在0～10s時，列車未啟動負載功率為零，燃料電池輸出功率為輔助電源系統(tǒng)充電，為列車啟動做準備；10s時列車啟動，經(jīng)過一個短暫的加速過程后，在25～40s時進入第一個低功率平穩(wěn)運行時期；40～60s時，列車進入第一個進站制動減速階段，這一時期的再生制動能量由鋰電池和超級電容吸收；60～75s時，為第一個進站停車時間；75～170s和170～270s分別為第二個和第三個站間運行階段，由于地形坡度較大，這一階段的負載功率存在高峰值特征。

圖11 三種策略下的功率分配對比

圖11b中鋰電池和超級電容分別作為補償平均功率和峰值功率的輔助電源，在負載功率較低時，可以吸收燃料電池輸出功率中過剩的部分，使得燃料電池功率曲線更為平滑，波動更?。辉谪撦d功率峰值較高時，鋰電池可以輸出較高的功率，超級電容可以吸收較高的再生制動功率。圖11c中雖然鋰電池功率波動更為平緩與穩(wěn)定，但平均功率出力較小，導致燃料電池功率在高功率需求時期急劇波動。圖11d中雖然鋰電池輸出功率較大，但超級電容吸收和輸出的峰值功率較小，弱化了其“削峰填谷”的能力。綜上所述，采用EEMS策略可以在保證需求功率的同時，使鋰電池和超級電容供電單元最大限度地發(fā)揮作用，從而有效分擔燃料電池的負載功率壓力。

3.2 燃料經(jīng)濟性和鋰電池SOC

圖12a和圖12b分別為在相同條件下，整個循環(huán)工況過程中的燃料電池氫氣消耗量和鋰電池SOC的變化范圍。燃料經(jīng)濟性方面，從圖12a可以看到：EEMS氫氣消耗量全過程均低于其他兩種策略，在運行結(jié)束，即270s時，EEMS、ECMS與狀態(tài)機和功率解耦策略分別消耗氫氣24.92g、42.60g、63.96g。由于狀態(tài)機和功率解耦策略是基于經(jīng)驗規(guī)則的方法，無法保證全局最優(yōu)，所以導致其燃料消耗遠高于其他兩種策略。而ECMS策略具有最小化鋰電池和超級電容等效能耗的特點，導致輔助電源出力不足，不能給予燃料電池足夠的支持，因此燃料電池內(nèi)部能耗較大。綜上所述，采用EEMS能量管理策略可以大幅降低氫氣消耗量，燃料經(jīng)濟性可以實現(xiàn)實時和全局最優(yōu)。

圖12 三種策略下的氫氣消耗量和鋰電池SOC對比

鋰電池SOC方面，從圖12b可以看到：狀態(tài)機和功率解耦策略全程呈上升趨勢，最終達到68.04%；ECMS策略波形較為穩(wěn)定，全程均在65%左右小幅變化，最終上升到65.17%；EEMS策略先是上升到65.11%，最終跌落到62.71%，這是因為在列車高功率需求時，鋰電池需要起到最大輔助供電的作用，承擔一部分負載功率，確保滿足負載功率需求，導致EEMS策略SOC波動相對其他兩種策略較大，最大偏移量為2.29%，對照2.2節(jié)中定義的SOCmin，屬于合理水平之內(nèi)。因此，采用EEMS策略可以更加有效地利用鋰電池能量。

3.3 直流側(cè)母線電壓和燃料電池電流

圖13a和圖13b分別為在整個循環(huán)工況中直流側(cè)母線電壓和燃料電池的變化情況。母線電壓方面，從圖13a可以看到：EEMS母線電壓偏移范圍在±0.4%以內(nèi)，ECMS在±0.86%以內(nèi)，狀態(tài)機和功率解耦策略在±1.47%以內(nèi)，均符合供電要求。三種策略下運行結(jié)束時的母線電壓之所以都有不同程度的上升，是因為最后一個制動過程中超級電容吸收能量較多，導致母線電壓有所上升。因此采用EEMS策略可以有效平抑母線電壓波動，明顯改善混合儲能系統(tǒng)的運行穩(wěn)定性。

圖13 直流側(cè)母線電壓和燃料電池電流對比

燃料電池電流方面，從圖13b可以看到：EEMS的最高峰值電流為154.67A；ECMS的最高峰值電流為176.48A；狀態(tài)機和功率解耦策略最高峰值電流為211.57A。因此EEMS策略能降低大電流放電對于燃料電池的沖擊，從而延長循環(huán)使用壽命。

3.4 能量源應力和系統(tǒng)整體效率

混合儲能系統(tǒng)的能量源應力指的是在整個循環(huán)工況中各能量源輸出功率的頻率，頻率越小代表能量源被利用的循環(huán)充放電次數(shù)越少，也就意味著剩余可使用壽命越長[22]。為了表征這一指標，采用基于Harr小波基的五級小波變換分別將各能量源的瞬時功率分解成高頻分量和低頻分量，將高頻分量的標準差等效成能量源應力，其數(shù)值見表3。燃料電池、鋰電池和超級電容瞬時功率的第五級高頻分量對比如圖14所示。在圖中可以看出各能量源應力中采用EEMS分量占比最小，且數(shù)值也很小，因此采用EEMS可以大幅度降低各能量源運行壓力，延長列車一次充氫后的可運行里程。

表3 能量源應力和系統(tǒng)整體效率對比

Tab.3 Comparison of energy source stress and overall system efficiency

圖14 能量源瞬時功率高頻分量對比

系統(tǒng)整體效率方面，采用功率轉(zhuǎn)換度的思想，將其定義為

式中，in fc、in bat和in cap分別為輸入到燃料電池、鋰電池DC-DC變換器的功率及超級電容的功率。整體效率的數(shù)值對比見表3，所提出的EEMS策略整體效率最高。

4 結(jié)論

1）與傳統(tǒng)的等效氫能耗最小化策略相比，通過最大化外部電源出力，可以使優(yōu)化過程的算法和控制結(jié)構(gòu)更為簡單，對負載的魯棒性更強。

2）EEMS相對于其他兩種策略，在大幅降低氫氣消耗量、燃料電池峰值電流、母線電壓波動范圍及能量源應力的同時，可實現(xiàn)混合儲能系統(tǒng)的總體高效運行。

3）由于高負載功率的需求，所研究的混合儲能系統(tǒng)采用儲能元件單體數(shù)量過多，應用到工程實際上不能很好地滿足空間和成本的要求。

后續(xù)研究應在考慮容量配置與能量管理策略耦合關系的基礎之上進行聯(lián)合優(yōu)化。

[1] 陳維榮, 錢清泉, 李奇. 燃料電池混合動力列車的研究現(xiàn)狀與發(fā)展趨勢[J]. 西南交通大學學報, 2009, 44(1): 1-6.

Chen Weirong, Qian Qingquan, Li Qi. Investigation status and development trend of hybrid power train based on fuel cell[J]. Journal of Southwest Jiaotong University, 2009, 44(1): 1-6.

[2] 陳維榮, 張國瑞, 孟翔, 等. 燃料電池混合動力有軌電車動力性分析與設計[J]. 西南交通大學學報, 2017, 52(1): 1-8.

Chen Weirong, Zhang Guorui, Meng Xiang, et al. Dynamic performance analysis and design of fuel cell hybrid locomotive[J]. Journal of Southwest Jiaotong University, 2017, 52(1): 1-8.

[3] Hu Xiaosong, Murgovski N, Johannesson L M, et al. Comparison of three electrochemical energy buffers applied to a hybrid bus power train with simultaneous optimal sizing and energy management[J]. IEEE Transactions on Intelligent Transportation Systems, 2014, 15(3): 1193-1205.

[4] Talla J, Streit L, Peroutka Z, et al. Position-based T-S fuzzy power management for tram with energy storage system[J]. IEEE Transactions on Industrial Electronics, 2015, 62(5): 3061-3071.

[5] 郭偉, 趙洪山. 基于改進分布式一致性算法的電池儲能陣列分組控制策略[J]. 電工技術學報, 2019, 34(23): 4991-5000.

Guo Wei, Zhao Hongshan. Grouping control strategy of battery energy storage array based on improved distributed consistency algorithm[J]. Transactions of China Electrotechnical Society, 2019, 34(23): 4991-5000.

[6] Shen Junyi, Dusmez S, Khaligh A. Optimization of sizing and battery cycle life in battery/ultracapacitor hybrid energy storage systems for electric vehicle applications[J]. IEEE Transactions on Industrial Informatics, 2014, 10(4): 2112-2121.

[7] 陳亞愛, 林演康, 王賽, 等. 基于濾波分配法的混合儲能優(yōu)化控制策略[J]. 電工技術學報, 2020, 35(19): 4009-4018.

Chen Yaai, Lin Yankang, Wang Sai, et al. Hybrid energy storage optimal control strategy based on filter distribution method[J]. Transactions of China Electrotechnical Society, 2020, 35(19): 4009-4018.

[8] Mesbahi T, Khenfri F, Rizoug N, et al. Combined optimal sizing and control of Li-ion battery/ supercapacitor embedded power supply using hybrid particle swarm-nelder-mead algorithm[J]. IEEE Transactions on Sustainable Energy, 2017, 8(1): 59-73.

[9] Herrera V, Milo A, Gazta Aga H, et al. Adaptive energy management strategy and optimal sizing applied on a battery-supercapacitor based tramway[J]. Applied Energy, 2016, 169(1): 831-845.

[10] Wang Yu, Yang Zhongping, Fei Lei. Optimization of energy management strategy and sizing in hybrid storage system for tram[J]. Energies, 2018, 11(4): 752-769.

[11] Hu Xiaosong, Murgovski N, Johannesson L M, et al. Optimal dimensioning and power management of a fuel cell/battery hybrid bus via convex programming[J]. IEEE/ASME Transactions on Mechatronics, 2015, 20(1): 457-468.

[12] 周美蘭, 馮繼峰, 張宇, 等. 純電動客車復合儲能系統(tǒng)功率分配控制策略研究[J]. 電工技術學報, 2019, 34(23): 5001-5013.

Zhou Meilan, Feng Jifeng, Zhang Yu, et al. Study on power distribution control strategy of hybrid energy storage system for pure electric bus[J]. Transactions of China Electrotechnical Society, 2019, 34(23): 5001-5013.

[13] 安星錕, 楊中平, 王玙, 等. 基于改進型凸優(yōu)化算法的有軌電車混合儲能系統(tǒng)容量配置帕累托解集[J].電工技術學報, 2020, 35(14): 3116-3125.

An Xingkun, Yang Zhongping, Wang Yu, et al. Pareto solution set of capacity allocation for hybrid energy storage system of tram based on improved convex optimization algorithm[J]. Transactions of China Electrotechnical Society, 2020, 35(14): 3116-3125.

[14] 林泓濤, 姜久春, 賈志東, 等. 權重系數(shù)自適應調(diào)整的混合儲能系統(tǒng)多目標模型預測控制[J]. 中國電機工程學報, 2018, 38(18): 5538-5547.

Lin Hongtao, Jiang Jiuchun, Jia Zhidong, et al. Multi objective model predictive control of hybrid energy storage system with adaptive weight coefficient[J]. Proceedings of the CSEE, 2018, 38 (18): 5538-5547.

[15] 陳維榮, 胡斌彬, 李奇, 等. 基于動態(tài)規(guī)劃的混合動力有軌電車能量管理方法[J]. 西南交通大學學報, 2020, 55(5): 903-911.

Chen Weirong, Hu Binbin, Li Qi, et al. Energy mana- gement method for hybrid electric tram based on dyn- amic programming algorithm[J]. Journal of Southwest Jiaotong University, 2020, 55(5): 903-911.

[16] 石巖, 高鋒陽, 張國恒, 等. 一種城軌列車的混合動力能量優(yōu)化控制[J]. 鐵道標準設計, 2019, 63(11): 155-159, 164.

Shi Yan, Gao Fengyang, Zhang Guoheng, et al. Hybrid power energy optimization control of urban rail train[J]. Railway standard design, 2019, 63(11): 155-159, 164.

[17] Zhang Shuo, Xiong Rui, Cao Jiayi. Battery durability and longevity based power management for plug-in hybrid electric vehicle with hybrid energy storage system[J]. Applied Energy, 2016, 179(1): 316-328.

[18] 高鋒陽, 張國恒, 石巖, 等. 新型城軌電車混合動力系統(tǒng)能量管理策略[J]. 鐵道學報, 2019, 41(4): 48-54.

Gao Fengyang, Zhang Guoheng, Shi Yan, et al. Energy management strategy of hybrid power system of new urban rail transit[J]. Railway Transaction, 2019, 41(4): 48-54.

[19] 王玙, 楊中平, 李峰, 等. 有軌電車混合動力系統(tǒng)能量交互型管理策略與容量配置協(xié)同優(yōu)化研究[J].電工技術學報, 2019, 34(8): 226-234.

Wang Yu, Yang Zhongping, Li Feng, et al. Study on collaborative optimization of energy interactive man- ement strategy and capacity allocation of tram hybrid system[J]. Transactions of China Electrotechnical Society, 2019, 34(8): 226-234.

[20] 陳維榮, 燕雨, 李奇. 基于狀態(tài)機的燃料電池混合動力系統(tǒng)控制策略[J]. 西南交通大學學報, 2019, 54(4): 663-670.

Chen Weirong, Yan Yu, Li Qi. Control strategy based on state machine for fuel cell hybrid power system[J]. Journal of Southwest Jiaotong University, 2019, 54(4): 663-670.

[21] 韋紹遠, 姜久春, 程龍, 等. 儲能式有軌電車車地一體化配置模型[J]. 電工技術學報, 2019, 34(2): 427-436.

Wei Shaoyuan, Jiang Jiuchun, Cheng Long, et al. Vehicle ground integrated configuration model of energy storage tram[J]. Transactions of China Electrotechnical Society, 2019, 34(2): 427-436.

[22] 李奇, 王曉鋒, 孟翔, 等. 基于在線辨識和極小值原理的PEMFC混合動力系統(tǒng)綜合能量管理方法[J]. 中國電機工程學報, 2020, 40(21): 242-253.

Li Qi, Wang Xiaofeng, Meng Xiang, et al. Integrated energy management method for PEMFC hybrid system based on online identification and minimum principle[J]. Proceedings of the CSEE, 2020, 40(21): 242-253.

Energy Saving Operation Optimization of Hybrid Energy Storage System for Hydrogen Fuel Cell Tram

Gao Fengyang Zhang Haoran Wang Wenxiang Li Mingming Gao Xuanyu

（Automation and Electrical Engineering Lanzhou Jiaotong University Lanzhou 730070 China）

Aiming at the problem that the equivalent energy consumption in the energy management of fuel cell/super capacitor/lithium battery hybrid energy storage trams is greatly affected by load randomness so it cannot guarantee the optimal global power distribution, and to further enhance the fuel economy. An operation optimization strategy is proposed based on external energy consumption. Firstly, the load energy demand is divided into two parts: the real-time fuel consumption of the internal energy fuel cell and the power consumption of the external power lithium battery/super capacitor; secondly, in order to share the high power load pressure of the fuel cell, the objective function is rewritten from the equivalent energy consumption minimization strategy to maximization of the external power output, thus, there is no need to evaluate equivalent energy consumption, so as to achieve the purpose of enhancing the robustness for load change and minimizing real-time hydrogen consumption; finally, the proposed optimization strategy is compared with the equivalent energy consumption minimization and the state machine and power decoupling strategy. The results show that, in the whole cycle conditions, comparing with the equivalent energy minimization strategy, the proposed method reduces the hydrogen consumption by 17.68g and the peak current by 21.81A; comparing with the state machine and power decoupling strategy, it reduces the hydrogen consumption by 39.04g and the peak current by 56.9A; moreover, the bus voltage deviation range and the stress of each energy source are significantly improved as well.

Hybrid energy storage tram, fuel cell, energy management, power distribution, external energy consumption

10.19595/j.cnki.1000-6753.tces.201645

TM92

國家重點研究發(fā)展計劃資助項目（2017YFB1201003－020）。

2020-12-16

2021-02-16

高鋒陽 男，1970年生，教授級高工，研究方向為城軌列車的車載儲能及故障診斷技術等。E-mail：ljdgaofy@mail.lzjtu.cn

張浩然 男，1996年生，碩士研究生，研究方向為城軌列車的車載儲能技術。E-mail：1021235110@qq.com（通信作者）

（編輯 赫蕾）