第3期
客车技术与研究
BUS&COACH TECHNOLOGY AND RESEARCH No.320211
杨琨,董德宝,彭程,严国刚,鞠杜虎,熊金峰
(金龙联合汽车工业(苏州)有限公司,江苏苏州215026)
摘要:分析某10.5m低入口电电混合氢燃料电池城市客车半年內的示范运营数据,考察其能量控制策略效果,并对氢耗仿真结果进行验证。最后提出下一步工作计划。
关键词:氢燃料电池;城市客车;能量控制策略;示范运营
中图分类号:U473.4;U462.3文献标志码:A文章编号:1006-3331(2021)03-0001-04 Power Control Strategy of Electro-electric Hybrid City Buses with
Hydrogen Fuel Cell in Demonstration Operation
YANG Kun,DONG Debao,PENG Cheng,YAN Guogang,JU Duhu,XIONG Jinfeng
(Higer Bus Co.,Ltd.,Suzhou215026,China)
Abstract:The authors analyze the data of a10.5m low entrance electro-electric hybrid city bus with hydrogen fuel cell in demonstration operation of half year,inspect the effect of its power control strategy,and verify its simulation result of the hydrogen consumption.Finally,they put forward the future work plan.
Key words:hydrogen fuel cell;city bus;power control strategy;demonstration operation
本文研究的氢燃料客车为试运营车辆,采用日本丰田氢燃料电池系统,由金龙联合汽车工业(苏州)有限公司对整车动力系统及能量控制策略进行适配性设计。通过分析示范运营6月余的整车及动力系统数据,从燃料电池系统输出功率分布、启停次数和变载频率/速率等角度对整车能量控制策略进行评估和验证,并提出下一步优化方向。 1整车参数、动力系统参数及控制策略由于氢燃料电池(FC)电能来自于氧还原催化反应,输出偏软[1],因此常采用动力电池(B)或超级电容(SC)作为辅助电源,对氢燃料电池输出功率“削峰填谷”⑵。常见的动力系统组合形式包括:FC+B、FC +SC、FC+B+SC,其中以FC+B最为常见,称之为电电混合动力系统[3]o
l.1整车参数及动力系统配置
根据客户需求,整车尺寸为10.5mx2.5mx3.5 m,最大允许总质量17000kg,最高设计时速69 km/h。配合整车运行工况,驱动电机额定功率、转速和转矩分别为110kW、900r/min和1100N-m,对应峰值参数分别为220kW、2700r/min和2400N-m o 根据国家燃料电池补贴标准及要求,分别从电机比功率、纯氢续驶里程、电堆效率及能量密度等方面考量,对电电混合动力系统进行设计。最终锁定动力系统配置:燃料电池系统额定功率60kW、峰值功率92kW,动力电池电压525V、容量50kW-h o
燃料电池系统主要由电堆系统、空气供给系统(包括空滤系统、进气消音、中冷等)、燃料供给系统(包括氢循环系统)、冷却系统、尾排系统、安全监测系统,以及配套的控制和通讯系统组成⑷。所采用的丰田氢燃料电池系统可以在-30益低温冷启动,并于30s内恢复系统额定功率正常输出。系统还具有针对5益以下环境温度的驻车自动吹扫功能,可以有效减弱由于系统关机吹扫不完全而导致的电堆内水分聚集、结冰现象,从而降低低温对电堆内部造成的伤害。
燃料电池系统控制器和整车控制器进行控制信号交互,远程监测单元通过整车通讯网络进行采集数据的交互,各电子控制单元通过信号接收/发送和数据处理,完成各单元间的通讯与控制。电电混合燃料
作者简介:杨琨(1982—),男,博士;高级工程师;主要从事氢燃料电池核心材料及零部件、相关技术及整车应用研究工作。
2客车技术与研究2021年6月
电池动力系统的电气原理和整车通讯逻辑分别如图1和图2所示。
「丄』空滤系统30 kW 逆变器
逆变器|■►丽环泵| 逆变器Ap 泵|
DC/DC .从650V 变为24 V DC/DC 从300 V 变为12V
图1电电混合燃料电池动力系统电气原理图
1 路C AN 250 b/s 整车控制器
其他子系统
2 路 C AN 250 b/s
远程 燃料电池供/储氢 测试单元 系统 系统
徐却系统爆
图2整车通讯逻辑结构
1.2整车能量控制策略制定及仿真计算
良好的整车能量控制策略既需要满足整车动力
需求,又要实现动力系统的高效、长寿命、低能耗、高
稳定性等此外,燃料电池系统的变载频率/速率、
启停堆次数等对电堆寿命也有非常重要的影响,而这
些同样受整车能量控制策略的影响。针对此次示范
运营车辆所搭载丰田燃料电池系统产品的功率及衰
减特性,定义整车能量控制策略设计边界:变载频
率臆6次/h,变载速率臆0.2 kW/s ,动力电池SOC 范
围在40% ~90%,启停电堆臆10次/天。1. 2. 1整车能量控制策略设计准备
电商监测
在设计整车能量控制策略前,通过实车路采方式
获得实际整车动力(电机及辅助系统)需求数据,并
将其作为设计重要依据之一,同时作为仿真分析电机
动力需求数据的输入。
选用除动力系统不同,其余皆相同的纯电动客
车,采集实际运营工况条件下整车需求功率,如图3
所示。与实际运营工况一致,是指包括运营线路、线
路站数、站间隔、停车时间、换班频率和休息时间等信 息全部相同。
分析图3整车需求功率可得其功率分布特征:20 ~25 kW 占比38%,0 ~35 kW 占比67%。即对于额
定功率为60 kW 的燃料电池系统,低于35 kW 的中
汽车智能防盗系统低功率区间是其主要工作范围。
图3所示的整车动力需求数据和本文所开发客
车的燃料电池系统功率及效率特征是整车能量控制
策略制定的重要依据。
1.2.2能量控制策略制定
制定电电混合氢燃料电池客车动力系统的能量 控制策略时,一方面要使氢燃料系统尽量工作在高效
运行功率区间,该区间受环境温度、电堆效率、辅助子
系统效率、电机效率、DC/DC 效率、驾驶习惯等因素
的影响;而能量控制策略又影响到燃料电池系统的启
停频率、变载频率/速率,从而影响系统的寿命和性能 的稳定性[6-7]。另一方面应合理发挥作为辅助动力
源的动力电池的作用,其服役条件(工作温度、常用
SOC 区间、功率吞吐量、充放电倍率等)对其能量密
度、功率/容量损失存在重要影响。
此示范车在中午会怠速停车约40 min ,但燃料电
池系统会持续工作发电。此期间燃料电池系统输出 功率将完全转化为电能储存在动力电池中,若燃料电
池持续运行在较高功率点,则动力电池有可能出现因
充电SOC 过高而对燃料电池系统发关机指令的情
况,而频繁开关机会严重影响电堆寿命。因此,在燃 料电池系统主要工作范围(臆35 kW )基础上,将常用
功率的上限降低为25 kW ,对小于该上限的功率范围
区间尽可能细分,并制定相应控制策略,通过对系统
硅胶海绵条目标功率控制,使燃料电池系统输出功率更加精准,
保证氢燃料电池对整车动力需求的满足。此外,从寿
硫酸钙晶须
命考虑,燃料电池系统最好能稳定持续输出能量,但
由于氢燃料电池系统输出功率是由动力电池SOC 状
态决定的,车辆的急加/减速、制动、爬坡、持续高速、
停车等工况极易导致SOC 的往复变化,从而使燃料 电池系统频繁变载。为避免此类变载情况产生,须设
计相应的燃料电池功率滞回区间,即在动力电池SOC
第3期杨琨,董德宝,彭程,等:氢燃料电池电电混合城市客车示范运营整车能量控制策略3
单调升/降过程中,在动力电池一定容量范围内偶发的SOC降/升波动,不会导致燃料电池系统输出功率的跟随变化。
综合以上因素,制定整车能量控制策略如下:氢燃料电池系统全程处于功率输出状态,输出功率由动力电池SOC决定。在整车需求功率大于氢燃料电池系统输出功率情况(如加速、爬坡)下,动力电池提供额外需求功率;反之则动力电池储存燃料电池多余的能量(如在制动能量回收、匀速驾驶情况下)o设计系统响应功率点8个(不含怠速“零”净功率输出点),分别是43kW、27kW、23kW、18kW
、16kW、13 kW、7kW和5kW,对应动力电池SOC区间设置为[0,85%],滞回区间设置为±2%SOC。具体能量控制策略如图4所示。控制策略中燃料电池的最大功率点为43kW,但根据国家补贴政策,需要选型产品的功率应大得多。
动力电池容量SOC/%
图4整车能量控制策略及响应曲线
车辆启动后,获取动力电池SOC状态SOC”,在控制策略中燃料电池系统以对应的输出功率P n恒定输出。车辆运行中,若动力电池SOC从SOC”升高到SOC”+,(滞回区间除外),则触发燃料电池系统输出功率变化,从P”降为P…_,,反之,则相反,以保持动力电池SOC基本稳定。另外,整车设有动力模式切换开关,用于特殊工况下纯电和混合动力模式的人工切换。一般在进入加氢站或者停车场前会通过切换开关将车辆调整至纯电模式,以保障加氢安全和燃料电池系统吹扫过程的完整;待驶离加氢站或车辆再次运营前,须将切换开关恢复至混合动力模式。该种人为导致燃料电池系统关机的情况不包含在本文的分析数据样本中。
1.2.3能量控制策略仿真计算
在MATLAB/Simulink软件内建模,对1.2.2整车能量控制策略的效果进行仿真计算[8-'0],以预测燃料电池系统输出动力性是否满足整车需求,并计算整车氢耗。
1)燃料电池及动力电池性能仿真分析。仿真计算该电电混合燃料电池客车1.2.2整车能量控制策略下氢燃料电池系统和动力电池运行情况,可以发现燃料电池系统输出功率主要集中在8~24kW,其中在15kW以下的运行时间占总服役时间的72.4%;燃料电池系统输出功率最高变载频率为5次/h,变载速率臆0.2kW/s,电堆启停1次,动力电池SOC区间在40%~85%。
2)整车氢耗仿真分析。氢电能量转换系数用于描述氢燃料电池汽车运行期间整车氢气消耗量与整车功率(或能量)消耗之间的线性关系,目的是在氢耗(kg)、动力电池消耗/储存电量(kW-h)和整车需求功率(kW)之间建立一种可换算关系,便于仿真计算,用/滋表示。从能量守恒角度考虑,氢燃料电池消耗氢气产生的电能,最终体现在动力电池SOC的变化,即将整车运行期间驱动电机的需求功率减掉动力电池储能的变化量,就为消耗氢气产生的能量。本文氢电能量转换系数的确定主要借鉴公司2018年交付示范运营的UA5型电电混合氢燃料电池客车的运行数据,通过下述公式得到:
P v=P BO1驻P SC,驻P SC=驻SOC x Q b,滋=P\/M h2
式中:P v为整车需求功率;P BO为动力电池总输出功率;吟卩sc为动力电池所储存能量(可用功率)的变化量;Q b为动力电池的总能量(总可用功率);M h2为氢气消耗量。_
最终计算得到UA5车型的氢电能量转换系数/滋=14.67kW/kgo
将1.2.2中整车能量控制策略带入Simulink整车氢耗计算模型(图5),同时代入氢电能量转换系数滋,动力电池初始容量参考本节1)的仿真结果40%~ 85%,具体分别设置为40%、55%、70%、85%,可得整车百公里氢耗分别为4.80kg、4.89kg、4.92kg和4.94kg。
图5Simulink氢耗计算模型
2车辆运营及控制策略实施情况
车辆运营工况为城市公交工况,运营路线为环
线,单程约21km,每日运营往返6趟/辆,日运行时长12h,单车每日运行里程120-150km。本次共交付氢燃料电池城市客车21辆,按抽样比例20%(4辆)对车辆的整车能量控制策略实施情况进行考察与分析。
2.1动力情况
重点考察动力电池SOC变化、燃料电池系统输出功率及功率分布等基本数据。按照出厂编号分散取样,定义抽取车辆编号为A、B、C、D。对后台数据整理得到4辆车的运行数据,其中A车的运行数据如图6所示,B、C、D车的运行数据与图6相似。
SOC/%
时「可/s
图6A车实际运行数据图
分析4辆样车实际运行数据可知:整车全天没有因动力电池SOC过高而向燃料电池系统发送关堆指令的情况出现,燃料电池系统目标功率最大变载频率5次/h,动力电池SOC区间60%〜80%,电堆输出功率15kW以下占比25.6%,15~25kW占比56.3%, 25kW以上占比18.1%。参考丰田燃料电池系统输出功率与效率图谱[11],此功率分布范围中80%以上的系统输出功率点对应系统效率都高于60%。
对比1.2.3仿真结果,燃料电池目标功率的预测与实际情况存在一定偏差,偏差主要发生在15kW以下。分析偏差原因,主要是由于仿真模型中的低功率区间燃料电池系统效率参数准确性不高导致,模型中15kW及以下功率点效率选取63.7%[11],而实际效率可能受渗氢损耗影响而比选取值低。效率参数影响了能量流传递精度,使仿真计算所得目标功率分布状态出现偏差[12-13]。
2.2氢耗情况
根据试运行期间燃料电池发动机系统实际输出的电流和电压,分别参考国标GB/T35178—2017和欧标GTR13的计算方法,得到的氢耗数据见表1,其平均值与1.2.3中氢耗仿真结果的吻合度较高。根据抽
取车辆1—6月份的实际加氢量计算得到的平均氢耗为4.78kg,与仿真结果吻合度也比较高。
表1每百公里氢气消耗数据kg 1—6月氢耗数据A B C D平均值
“按国标计算 4.95 4.72 4.98 5.11 4.94
根据电流电压计算“
按欧标计算 4.83 4.59 4.85 4.94 4.80
实际氢耗 5.53 4.65 4.68 4.27 4.78整体来看,整车氢气消耗处于行业较低水平。分析原因:一方面是丰田燃料电池产品在全功率区间上整体效率较高;另一方面是整车能量控制策略对燃料电池系统目标功率的精准控制,在保证整车动力需求基础上,让燃料电池系统始终保持高效功率点输出。
护肩路基3结束语
本文研究对象为搭载日本丰田燃料电池系统的氢燃料电池客车。研究结论如下:基于实际路谱和整车动力需求设计的整车能量控制策略可以满足整车动力、燃料电池系统和动力电池启停频率、变载速率/频率等要求;燃料电池系统目标功率分布中,中低输出功率占比最高,可能会对燃料电池发动机寿命造成不可逆损伤。下一步将开展如下研究工作:降低燃料电池系统低功率区间占比,以减少高电位对
燃料电池电堆造成损伤;进一步缩小动力电池SOC范围,提高 控制精度;进一步降低燃料电池系统变载频率/速率。
参考文献:
[1]周苏.燃料电池汽车建模及仿真技术]M].北京:北京理工
大学出版社,2017:16-18.
[2]谢敬友.基于Simulink平台混合动力汽车能量管理研究
[J].设备管理与维修,2019(17):25-26.
[3]聂彦鑫,黄东越,郑志强,等.基于燃料电池电动汽车的
能量管理控制策略研究[J].机电一体化,2019,25(6):28 [4]谢星,周苏,王廷宏,等.基于Cruise/Simulink的车用燃
料电池/蓄电池混合动力的能量管理策略仿真[J].汽车工程,2010,32(5):373-378.
[5]程啸宇,张炳力,李傲伽,等.基于Cruise/Simulink氢燃
料电池混合动力客车能量管理策略研究[J].客车技术与研究2020,42(3):8-11,27.
[6]吴珊.燃料电池电动汽车能量管理系统最优控制策略研
究[J].国外电子测量技术,2020,39(4):101-105.
[7]朱亚男,李奇,黄文强,等.基于功率自适应分配的多堆
燃料电池系统效率协调优化控制[J].中国电机工程学报,2019,39(6):1714-1722,1868.
(下转第8页)
用于测试的实验图片共计150张,其中包含行人目标483人,模型有效行人检测452人,检测准确率为93.6%;误检测目标17个,误检率为3.5%;漏检目标14个,漏检率为2.9%,目标检测速度为41 FPS。不同方法的效果对比见表1。
表1不同方法对比结果
方法附加处理方式精度/%速度/FPS
YOLO V3ROI&增强91.235
YOLO V4无图像增强88.445
YOLO V4无ROI提取91.730
YOLO V4ROI&增强93.641
5结束语
为了提高智能汽车恶劣天气行人检测的效率,本文提出了一种基于YOLO V4迁移学习的红外热成像行人检测方法。在未来的研究中,可以通过增加不同位置和规格的红外相机实现车辆全视角的行人检测,提高智能汽车行驶安全性。
参考文献:
[1]YAO Shihong,PAN Shaoming,WANG Tao,et al.A new pe
destrian detection method based on combinedHOG and LSS features[J].Neurocomputing,2015,151:1006-1014. [2]乔瑞萍,王方,董员臣,等.基于改进HOG-LBP特征的车
前多目标分类仿真[J].计算机仿真,2020,37(11):1-5.
[3]陈琼红,冀杰,种一帆,等.基于AOD-Net和SSD的雾天车
辆和行人检测[J/OL].重庆理工大学学报(自然科学):1
-9[2021-03-03].http:椅knski/kcms/detail/
50.1205.T.20200610.1010.004.html.
[4]王战古.大型客车环境感知系统设计及前方障碍物检测方
法研究[D].淄博:山东理工大学,2018.
[5]李克文,李新宇.基于SENet改进的Faster R-CNN行人检
测模型[J].计算机系统应用,2020,29(4):266-271. [6]HE Kaiming,SUN Jian,TANG Xiaoou.Single image haze re
moval using dark channel prior[J].IEEE Trans Pattern Anal Mach Intell,2011,33(12):2341-2353.
[7]韩骁枫,陆建峰,李祥瑞,等.一种基于激光雷达传感器的
行人检测方法[J].哈尔滨工程大学学报,2019,40(6): 1149-1154.
[8]任科飞,张利.基于激光雷达数据的行人检测[J].计算机
智能热量表应用研究,2020,37(4):1200-1203.
[9]刘小敏.可辨别轮廓的单帧多尺度红外行人检测[D].西
安:西安电子科技大学,2018.
[10]李慕错,张涛,崔文楠.基于YOLO V3的红外行人小目标
检测技术研究[J].红外技术,2020,42(2):176-181. [11]刘学,李范鸣,刘士建.改进的SSD红外图像行人检测算
法[J].电光与控制,2020,27(1):42-46,59.
[12]车凯,向郑涛,陈宇峰,等.基于改进Fast R-CNN的红外
图像行人检测研究[J].红外技术,2018,40(6):578-584.
[13]Tadmeri Narayan Vikram,Marko Tscherepanow,Britta Wrede.
A saliency map based on sampling an image into random
rectangular regions of interest[J].Pattern Recognit,2012, 45(9):3114-3124.
收稿日期:2020-07-08
(上接第4页)
[8]吴字强,王伟,黄亮,等.燃料电池稳态输出功率与效率的
双目标优化[J].电源学报,2019,17(2):32-39.
[9]邵亚来,徐晔,王金全,等.燃料电池电动汽车电驱动系统
效率优化控制研究[J].机电技术,2016(5):78-82. [10]夏发银,陈玉,宾洋.基于SIMULINK的PEM燃料电池系
统模型建立及其仿真分析[J].宿州学院学报,2016,31
(1):102-105.
[11]Argonne National Laboratory.Technology Assessment of a
Fuel Cell Vehicle:2017Toyota MIRA[R/OL].[2021-01-
05].v/pdfs/review18/ tv149_lohsebusch_2018_p.pdf.
[12]周苏,张晔,牛继高,等.基于Cruise/Simulink的FCHEV
燃料电池和动力蓄电池功率匹配研究[J].青岛大学学报(工程技术版),2010,25(4):20-27,56.
[13]狄艾威,陈启宏.燃料电池车能量流电电混合能量流控制
系统设计[J].仪表技术,2010(6):7-9,12.
收稿日期:2020-07-07