復(fù)合儲(chǔ)能純電動(dòng)汽車能量管理策略研究

劉瑞元，孫賓賓，張鐵柱，孟令菊

(山東理工大學(xué)交通與車輛工程學(xué)院，山東淄博 255000)

電動(dòng)汽車具有功耗低、零排放、節(jié)約能源等優(yōu)點(diǎn)，發(fā)展純電動(dòng)汽車有助于我國(guó)雙碳目標(biāo)的實(shí)現(xiàn)。采用單一電源的純電動(dòng)汽車，在大功率工況下存在能量源效率下降與容量衰減等問題，采用復(fù)合儲(chǔ)能系統(tǒng)是有效的解決方案。

對(duì)于復(fù)合儲(chǔ)能純電動(dòng)汽車而言，能量管理策略是其核心，主要有基于規(guī)則的控制策略與基于優(yōu)化的控制策略兩種[1]?；趦?yōu)化的控制策略計(jì)算復(fù)雜，難以滿足實(shí)時(shí)性要求。基于規(guī)則的控制策略具有計(jì)算簡(jiǎn)單、執(zhí)行效率高、易于整車實(shí)現(xiàn)等優(yōu)點(diǎn)[2]，主要有邏輯門限、模糊控制與小波變換。Rade等[3]針對(duì)復(fù)合儲(chǔ)能系統(tǒng)設(shè)計(jì)了一種基于邏輯門限的能量管理策略，既提升了復(fù)合儲(chǔ)能系統(tǒng)效率，又延長(zhǎng)了動(dòng)力電池的使用壽命。宋鵬飛[4]設(shè)計(jì)了一種基于模糊控制的能量管理策略，減小了鋰電池輸出電流，提升了能量源效率。申永鵬等[5]設(shè)計(jì)了一種基于小波變換的能量管理策略，降低了動(dòng)力電池的高頻功率分量與峰值功率。邏輯門限與模糊控制能量管理策略無法消除高頻暫態(tài)功率對(duì)能量源的負(fù)面影響，小波變換能量管理策略雖然在處理暫態(tài)功率方面具有優(yōu)勢(shì)，但也存在工況適應(yīng)性差的問題。

本文以鋰電池-飛輪電池復(fù)合儲(chǔ)能純電動(dòng)汽車為研究對(duì)象，在小波變換的基礎(chǔ)上，考慮了汽車運(yùn)行工況對(duì)復(fù)合儲(chǔ)能系統(tǒng)的影響，提出了一種自適應(yīng)小波能量管理策略。利用支持向量機(jī)(SVM)對(duì)汽車運(yùn)行工況進(jìn)行識(shí)別，在此基礎(chǔ)上選用不同的小波分解層數(shù)對(duì)整車需求功率進(jìn)行分解，可增強(qiáng)能量管理策略的工況適應(yīng)性，降低高頻暫態(tài)功率對(duì)能量源效率與耐久性造成的負(fù)面影響。

1 鋰電池-飛輪電池復(fù)合儲(chǔ)能系統(tǒng)

1.1 飛輪電池結(jié)構(gòu)與原理

飛輪電池結(jié)構(gòu)如圖1 所示，主要由飛輪轉(zhuǎn)子、飛輪控制電機(jī)、真空室、高速軸承與電力電子轉(zhuǎn)換裝置構(gòu)成。其共有三種工作模式：充能模式，飛輪控制電機(jī)工作在電動(dòng)機(jī)狀態(tài)，帶動(dòng)同軸的飛輪轉(zhuǎn)子加速旋轉(zhuǎn)，將電能轉(zhuǎn)化為飛輪轉(zhuǎn)子的機(jī)械能儲(chǔ)存起來；儲(chǔ)能模式，飛輪電池沒有能量輸入與輸出，飛輪轉(zhuǎn)速幾乎保持不變；釋能模式，飛輪控制電機(jī)工作在發(fā)電機(jī)狀態(tài)，由同軸的飛輪轉(zhuǎn)子帶動(dòng)，飛輪轉(zhuǎn)子減速將機(jī)械能轉(zhuǎn)化為電能對(duì)外輸出。

圖1 飛輪電池結(jié)構(gòu)

1.2 復(fù)合儲(chǔ)能純電動(dòng)汽車系統(tǒng)結(jié)構(gòu)與參數(shù)

本文所研究的鋰電池-飛輪電池復(fù)合儲(chǔ)能純電動(dòng)汽車結(jié)構(gòu)如圖2 所示，飛輪電池與雙向DC/DC 串聯(lián)后，與鋰電池組一起并聯(lián)到直流母線上，整車參數(shù)如表1 所示。

圖2 鋰電池-飛輪電池復(fù)合儲(chǔ)能純電動(dòng)汽車結(jié)構(gòu)圖

表1 整車參數(shù)

2 基于SVM 的工況識(shí)別

2.1 典型工況與特征參數(shù)選擇

全球統(tǒng)一輕型汽車測(cè)試循環(huán)(WLTC)如圖3 所示，包含低速、中速、高速、超高速四種典型工況，屬于綜合工況，較好地代表了乘用車的實(shí)際運(yùn)行狀況。選定低速工況標(biāo)簽為1，中速工況標(biāo)簽為2，高速工況標(biāo)簽為3，超高速工況標(biāo)簽為4，在此基礎(chǔ)上建立基于支持向量機(jī)的工況識(shí)別模型。

圖3 WLTC工況

在建立支持向量機(jī)訓(xùn)練模型之前，首先要確定工況識(shí)別所用到的特征參數(shù)，參數(shù)選擇過少會(huì)導(dǎo)致模型識(shí)別準(zhǔn)確率下降，而參數(shù)過多會(huì)導(dǎo)致運(yùn)算量過大[6]。在保證模型準(zhǔn)確性的前提下選取了最大車速vmax、平均車速vave、怠速時(shí)間比α、平均加速度aave與最大加速度amax等5 個(gè)特征參數(shù)，各典型工況下的特征參數(shù)如表2 所示。

表2 各典型工況下的特征參數(shù)

2.2 基于遺傳算法優(yōu)化的支持向量機(jī)工況識(shí)別模型

支持向量機(jī)是一種基于統(tǒng)計(jì)學(xué)習(xí)理論的機(jī)器學(xué)習(xí)算法，在處理小樣本、高維度、非線性等問題時(shí)分類精度較其他機(jī)器學(xué)習(xí)算法更高，而汽車行駛工況的識(shí)別就是一種典型的高維度、非線性問題，支持向量機(jī)非常適合汽車行駛工況識(shí)別[7]。選擇高斯徑向基核函數(shù)(RBF)作為工況識(shí)別模型的核函數(shù)。

在每種典型工況下選擇200 個(gè)數(shù)據(jù)，共800 個(gè)數(shù)據(jù)點(diǎn)，每個(gè)數(shù)據(jù)點(diǎn)包括5 個(gè)特征參數(shù)，在所采集的數(shù)據(jù)點(diǎn)中隨機(jī)選取85%來建立訓(xùn)練集，剩余的15%作為驗(yàn)證集驗(yàn)證工況識(shí)別模型的精度，支持向量機(jī)輸入為5個(gè)特征參數(shù)，輸出為工況標(biāo)簽。

為了進(jìn)一步提升工況識(shí)別模型的準(zhǔn)確率，采用遺傳算法來優(yōu)化對(duì)工況識(shí)別精度影響較大的懲罰函數(shù)c與高斯徑向基核函數(shù)的方差σ2(用g代表)兩個(gè)參數(shù)，采用遺傳算法優(yōu)化支持向量機(jī)的步驟如圖4 所示。

圖4 遺傳算法優(yōu)化支持向量機(jī)流程

遺傳算法參數(shù)設(shè)置如下：最大進(jìn)化代數(shù)100，種群數(shù)量20，交叉概率0.7，變異概率0.01。參數(shù)c的變化范圍[0,200]，參數(shù)g的變化范圍[0,1 000]，經(jīng)過100 次迭代遺傳算法尋得的最優(yōu)分類準(zhǔn)確率為98%，對(duì)應(yīng)的最優(yōu)參數(shù)c=86.551 6，g=0.149 62。

優(yōu)化前(參數(shù)采用默認(rèn)值)與優(yōu)化后工況識(shí)別模型的識(shí)別結(jié)果如圖5 所示，可見經(jīng)遺傳算法優(yōu)化后工況識(shí)別精度明顯提升，分類錯(cuò)誤點(diǎn)明顯減少。

圖5 工況識(shí)別結(jié)果

3 復(fù)合儲(chǔ)能系統(tǒng)能量管理策略設(shè)計(jì)

3.1 功率信號(hào)的小波分解

小波變換(Wavelet Transform)被稱為“數(shù)學(xué)顯微鏡”，具有在低頻段頻率分辨率高、高頻段時(shí)間分辨率高的特點(diǎn)[8]。本文利用小波變換對(duì)整車功率信號(hào)進(jìn)行實(shí)時(shí)濾波處理，將功率信號(hào)中的高頻部分過濾給飛輪電池承擔(dān)，可減小高頻電流對(duì)鋰電池的沖擊。

汽車的需求功率信號(hào)為實(shí)時(shí)信號(hào)，但是連續(xù)小波變換無法處理實(shí)時(shí)信號(hào)，故采用離散小波變換，離散小波變換公式如下：

式中：x(t)為功率信號(hào)；ψ(t)為小波變換母函數(shù)，(j=0,1,2…,k∈Z)其逆變換公式為：

選擇濾波長(zhǎng)度最短的Haar 小波作為小波變換的母函數(shù)，其具有程序簡(jiǎn)單、代碼執(zhí)行率高的特點(diǎn)，Haar 小波函數(shù)的表達(dá)式如下：

二階Haar 小波變換過程如圖6 所示，圖中：X(t)為原始信號(hào)；Y(t)為重構(gòu)信號(hào)；H1與H2為分解高、低通濾波器；G1與G2為重構(gòu)高、低通濾波器；x0為二階低頻分量，x1與x2為一、二階高頻分量，即x0為分配給鋰電池的低頻分量，x1+x2為分配給飛輪電池的高頻分量。

圖6 二階小波變換示意圖

3.2 小波分解層數(shù)的確定

信噪比是指小波分解后有效信號(hào)與噪聲信號(hào)的比值，定義有效信號(hào)為低頻信號(hào)，噪聲信號(hào)為高頻信號(hào)，所以信噪比指的是蓄電池輸出能量與飛輪電池輸出能量的比值?；赪LTC 工況對(duì)Haar 小波進(jìn)行離線仿真，得到不同分解層數(shù)下的信噪比如表3 所示，可見分解層數(shù)越高，飛輪電池對(duì)鋰電池的保護(hù)作用就越強(qiáng)。由于飛輪電池只是起到削峰補(bǔ)谷的作用，動(dòng)力電池才是整車主要能量來源，所以信噪比應(yīng)大于1，故可選擇的小波分解層數(shù)L范圍為2＜L＜6。

表3 不同分解層數(shù)信噪比

通過對(duì)采用固定分解層數(shù)的小波能量管理策略進(jìn)行仿真研究，發(fā)現(xiàn)采用三層小波分解能量管理策略的汽車具有更好的性能，故傳統(tǒng)小波能量管理策略選擇三層分解。

3.3 自適應(yīng)小波能量管理策略

WLTC 工況下整車需求功率變化曲線如圖7 所示，可見在四種典型工況下整車需求功率的區(qū)別非常大，因此采用固定的小波分解層數(shù)難以兼顧各典型工況的需求，難免出現(xiàn)分解不足與分解過度現(xiàn)象，設(shè)計(jì)一種可隨汽車運(yùn)行工況自適應(yīng)調(diào)節(jié)小波分解層數(shù)的能量管理策略是十分有必要的。

圖7 整車需求功率曲線

所設(shè)計(jì)的自適應(yīng)小波能量管理策略如圖8 所示，首先采用支持向量機(jī)模型根據(jù)汽車速度信號(hào)的特征參數(shù)對(duì)汽車運(yùn)行工況進(jìn)行識(shí)別，根據(jù)識(shí)別結(jié)果調(diào)節(jié)小波分解層數(shù)，增強(qiáng)了能量管理策略的工況適應(yīng)性。

圖8 自適應(yīng)小波能量管理策略示意圖

四種典型工況下的整車需求功率分布如圖9 所示。在低速工況下需求功率較小，主要分布于0～5 kW，此時(shí)鋰電池受到電流的沖擊較小，因此可以采用較低的分解層數(shù)，在車輛由低速工況向超高速工況變化的過程中整車需求功率也趨于向高功率區(qū)間分布。在超高速工況下整車需求功率有28%分布于30～55 kW 的高功率區(qū)間，此時(shí)鋰電池受到電流沖擊強(qiáng)度很大，應(yīng)采用較高的小波分解層數(shù)對(duì)鋰電池進(jìn)行保護(hù)。各個(gè)典型工況下的小波分解層數(shù)為：低速工況2 層，中速工況3 層，高速工況4 層，超高速工況5 層。

圖9 整車需求功率分布直方圖

4 仿真分析

搭建了基于Matlab/Simulink 的整車模型，在WLTC 下進(jìn)行仿真分析，通過與傳統(tǒng)小波能量管理策略的對(duì)比來驗(yàn)證所提出控制策略在提升能量源效率與耐久性等方面的優(yōu)勢(shì)。

圖10、圖11 分別為自適應(yīng)小波能量管理策略下鋰電池與飛輪電池的輸出功率曲線，可見飛輪電池承擔(dān)高頻瞬態(tài)分量，鋰電池承擔(dān)相對(duì)平穩(wěn)的低頻分量，自適應(yīng)小波能量管理策略有效地實(shí)現(xiàn)了高低頻需求功率分離。

圖10 自適應(yīng)小波能量管理策略下的鋰電池輸出功率曲線

圖11 自適應(yīng)小波能量管理策略下的飛輪電池功率曲線

圖12 為不同能量管理策略下鋰電池的荷電狀態(tài)(SOC)變化曲線，從圖中可以看出飛輪電池對(duì)鋰電池輸出功率進(jìn)行削峰補(bǔ)谷后可以大幅提高鋰電池的效率，減少鋰電池的電量消耗。尤其是自適應(yīng)小波能量管理策略下的鋰電池SOC下降最為緩慢，且在循環(huán)結(jié)束時(shí)SOC值更高，自適應(yīng)小波能量管理策略較三層小波能量管理策略將鋰電池電量消耗降低約1.9%，較單一鋰電池電量消耗降低約3.7%，可顯著降低儲(chǔ)能系統(tǒng)能耗。

圖12 不同能量管理策略下的鋰電池SOC

圖13 所示為不同能量管理策略下的鋰電池輸出電流，過高的充放電電流會(huì)嚴(yán)重影響鋰電池的工作性能，造成容量衰減、安全性降低等問題。單一鋰電池作為能量源時(shí)最大電流為170.7 A，三層小波能量管理策略下最大電流為153.2 A，自適應(yīng)小波能量管理策略下最大電流為138.5 A，較單一電池減小了18.9%，較三層小波能量管理策略減小了10.6%?？梢娮赃m應(yīng)小波能量管理策略對(duì)于電流激烈脈沖的抑制效果更好，更能降低大電流對(duì)鋰電池的傷害。

圖13 不同能量管理策略下的鋰電池輸出電流曲線

溫度對(duì)鋰電池性能的影響很大，當(dāng)溫度過高時(shí)會(huì)破壞電池內(nèi)部的化學(xué)平衡產(chǎn)生副反應(yīng)，不同能量管理策略下鋰電池溫度變化曲線如圖14 所示。循環(huán)結(jié)束時(shí)，采用單一電源的鋰電池溫度升高了1.98 ℃，采用三層小波能量管理策略的鋰電池溫度升高了1.29 ℃，采用自適應(yīng)小波能量管理策略的鋰電池溫度升高了1.02 ℃，較單一電源降低了48%，較三層小波能量管理策略降低了21%，自適應(yīng)小波能量管理策略可以更有效抑制鋰電池溫升。

圖14 不同能量管理策略下鋰電池溫升曲線

5 結(jié)論

本文針對(duì)鋰電池-飛輪電池復(fù)合儲(chǔ)能純電動(dòng)汽車提出了一種基于支持向量機(jī)與小波變換的能量管理策略，并進(jìn)行了仿真驗(yàn)證，結(jié)果表明：所提出的能量管理策略可以準(zhǔn)確識(shí)別出汽車運(yùn)行工況的變化，并依據(jù)工況識(shí)別結(jié)果自適應(yīng)調(diào)節(jié)整車需求功率的小波分解層數(shù)，增強(qiáng)了工況適應(yīng)性，有效抑制了高頻、高幅值電流對(duì)鋰電池的沖擊，實(shí)現(xiàn)了需求功率的合理分配。相比于傳統(tǒng)小波能量管理策略，能量利用率提高了1.9%，峰值電流減小了10.6%，溫升降低了21%，既提高了能量利用效率，又延長(zhǎng)了鋰動(dòng)力電池的使用壽命。