融合工况预测的燃料电池汽车里程自适应等效氢耗最小控制策略

摘要

为有效地提高插电式燃料电池汽车的经济性，实现燃料电池和动力电池的功率最优分配，考虑到行驶工况、电池荷电状态（State of charge, SOC）、等效因子与氢气消耗之间的密切联系，制定融合工况预测的里程自适应等效氢耗最小策略.通过基于误差反向传播的神经网络来实现未来短期车速的预测，分析未来车辆需求功率变化，同时借助全球定位系统规划一条通往目的地的路径，智能交通系统便可获取整个行程的交通流量信息，利用行驶里程和SOC实时动态修正等效消耗最小策略中的等效因子，实现能量管理策略的自适应性.基于MATLAB/Simulink软件，搭建整车仿真模型与传统的能量管理策略进行仿真对比验证.仿真结果表明，采用基于神经网络的工况预测算法能够较好地预测未来短期工况，其预测精度相较于马尔可夫方法提高12.5%，所提出的能量管理策略在城市道路循环工况(UDDS)下的氢气消耗比电量消耗维持(CD/CS)策略下降55.6%.硬件在环试验表明，在市郊循环工况(EUDC)下的氢气消耗比CD/CS策略下降26.8%，仿真验证结果表明了所提出的策略相比于CD/CS策略在氢气消耗方面的优越性能，并通过硬件在环实验验证了所提策略的有效性.

关键词

燃料电池汽车 / 能量管理策略 / 等效消耗最小策略 / 工况预测 / 反向传播神经网络

基金资助

国家自然科学基金资助项目(52272389,51505086); 载运工具与装备教育部重点实验室开放课题(KLCE2022-08); 安徽工程大学检测技术与节能装置安徽省重点实验室开放研究基金资助项目(JCKJ2021A04)