霍春宝;门光文;王京;马涛
【摘 要】基于Advisor2002在Matlab/Simulink环境下搭建复合电源纯电动汽车仿真模型,分别设计了基于模糊控制和模糊神经网络的复合电源的功率分配策略,分别在CYC-ECE和CYC-UDDS道路循环工况下进行仿真.仿真结果表明,复合电源中蓄电池的放电电流明显减小,SOC变化减缓,增加了汽车的续驶里程,验证了复合电源的优越性;基于模糊神经网络的功率分配策略能更好的实现功率分配,超级电容能更好地发挥主动调节作用.%The simulation model of battery electric vehicle (BEV) with hybrid power supply was built in Matlab/Simulink based on Advisor2002. Two power allocation strategies based on fuzzy control and fuzzy neural network were designed and simulated in CYC-ECE and CYC-UDDS road conditions respectively. The results show that the discharging current of the battery of the hybrid power supply is significantly reduced, SOC changes mitigate, and the car's driving range is increased, verifying advantage of the hybrid power supply; power allocation strategy based on fuzzy neural network can achieve a better power distribution and ultracapacitors can play a better proactive regulatory role in the system. 【期刊名称】《汽车技术》
【年(卷),期】2018(000)001
【总页数】5页(P51-55)
【关键词】电动汽车;复合电源;功率分配;模糊控制;模糊神经网络
【作 者】霍春宝;门光文;王京;马涛
【作者单位】辽宁工业大学,锦州 121001;辽宁工业大学,锦州 121001;辽宁省电力有限公司锦州供电公司,锦州 121001;辽宁工业大学,锦州 121001
【正文语种】中 文
【中图分类】U469.72
1 前言
由超级电容与蓄电池组成的复合电源可以有效提高电动汽车的动力性能。为了充分发挥复
合电源的优越性，必须制定高效合理的控制策略，因此，功率分配控制策略成为复合电源的研究热点之一。目前，复合电源的控制策略主要有逻辑门限控制、实时优化控制、全局优化控制和模糊控制等[[11]]，逻辑门限控制策略的灵活性较差，在情况复杂多变的工况下控制效果一般；实时优化控制策略因控制量多，计算量大，因其由芯片实现实时控制成本较高，很难在电动汽车上推广应用；全局优化控制策略能够在汽车循环工况下实现全局最优，但是由于很难预测实际车辆的当前工况，因此实际应用较困难；模糊控制策略在解决复合电源系统的能量分配问题时无需建立对象的数学模型，具有适应性和鲁棒性强，且操作简单、较易实现，因此该策略在电动汽车上应用较多。
为探究控制效果更加优越的复合电源控制策略，本文将分别基于模糊控制和模糊神经网络设计了复合电源的功率分配策略，并应用于搭建的复合电源纯电动汽车仿真模型，同时在CYC-ECE和CYC-UDDS两种道路循环工况下进行了仿真验证。
2 复合电源系统结构
复合电源系统一般由动力电池、双向DC/DC变换器和超级电容3部分组成。根据双向DC/DC变换器数量及位置的不同，并综合考虑电源效率和控制的难易程度，本文选择如图
1的复合电源系统结构，其超级电容与双向DC/DC变换器串联后再与动力电池并联共同向负载提供能量[[22]]。
图1 复合电源系统结构
3 复合电源控制策略设计
复合电源控制策略的设计是以保证电动汽车动力性能为前提，充分利用超级电容大电流充、放电的特性，同时降低频繁大电流充、放电对蓄电池的影响，延长蓄电池的使用寿命，增加再生制动回收的能量，提高电动汽车的续驶里程和整车动力性能。
复合电源的功率流动模型如图2所示。图2中，Preq为电机的需求功率（双向传递），Preq为正时表示功率向车轮方向传递，此时为电机的驱动功率；Preq为负时表示功率向蓄电池和超级电容方向传递，此时电动机作为发电机运行，向复合电源系统进行充电，即复合电源吸收汽车再生制动产生的能量。Pbat为蓄电池的充放电功率，Puc为超级电容的充放电功率，两者均为双向传递，为正时表示放电状态，向驱动电机提供驱动能量；为负时表示充电状态，吸收车辆再生制动的能量。
图2 复合电源功率流模型
理想状态下，不计系统的能量损耗，复合电源系统中电机的需求功率Preq(t)、蓄电池的充放电功率Pbat(t)及超级电容的充放电功率Puc(t)满足如下关系：
3.1 模糊控制策略
在逻辑门限控制策略的基础上，通过对逻辑门限值进行模糊化处理即得到电动汽车复合电源功率分配的模糊控制策略[[33]]。
为了使超级电容和蓄电池都能工作在最佳状态，需要对两者的荷电状态进行限制，因此，控制规则制定的过程中对超级电容和蓄电池SOC进行如下约束：
式中，SOCb为蓄电池的荷电状态；SOCb-min与SOCb-max分别为蓄电池荷电状态的最小值和最大值；SOCc为超级电容的荷电状态；SOCc-min与SOCc-max分别为超级电容荷电状态的最小值和最大值。
蓄电池提供的功率占电机所需总功率的比例定义为功率分配因子Kb：
式中，Pb为蓄电池提供的功率；Preq为电机的需求功率；Pbat为蓄电池的充放电功率；Puc为超级电容的充放电功率。
将汽车需求功率Pr、蓄电池的荷电状态SOCb和超级电容的荷电状态SOCc作为模糊控制器的输入，蓄电池得到的功率分配因子Kb作为输出，设计了具有三输入一输出的模糊控制器。控制器的隶属函数选用三角形函数，输入Pr的论域为[-0.2 1]，模糊集合为{NB、NM、NS、ZE、PS、PM、PB}；SOCb的论域为[0.2 1]，模糊集合为{LE、ME、GE}；SOCc的论域为[0.2 1]，模糊集合{LE、ME、GE}；输出Kb的论域为[0 1]，模糊集合为{LE、ML、ME、MB、GE}。输入、输出隶属函数如图3所示。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议