基于SOC预估的车辆复合电源系统模糊逻辑控制方法与流程

基于soc预估的车辆复合电源系统模糊逻辑控制方法
技术领域
[0001]
本发明涉及车辆复合电源系统能量管理技术领域，尤其涉及一种基于soc预估的车辆复合电源系统模糊逻辑控制方法。


背景技术：

[0002]
随着全球能源危机和环境问题的日益凸显，开发新能源汽车成为汽车产业发展的必然趋势。纯电动汽车采用单一动力电源容易出现续航能力弱、加速动力不足、电池寿命短等缺陷，因此混合动力汽车的研发显得尤为重要。将超级电容与蓄电池相结合作为电动汽车的动力电源，可以充分利用超级电容的快速响应特性，降低蓄电池的充放电频率，以延长蓄电池的使用寿命，增大电动汽车的续驶里程。
[0003]
混合动力汽车的性能与其采用的能量管理策略密切相关，目前最常见的能量管理策略分为两大类，分别是基于规则的能量管理策略和基于优化的能量管理策略。其中，模糊逻辑控制属于模拟人的思维方式制定规则实现能量管理的方法，控制器的隶属度函数和规则的制定基础来源于专家的经验或理论知识，设计简单，易于理解。
[0004]
在制定模糊控制规则时，需要考虑电池的soc值，传统的安时积分法由于soc初值计算、测量仪器误差、电流和温度导致容量变化等得到soc值不实时，难以用在实际的车辆动力系统中。


技术实现要素：

[0005]
为了解决上述技术问题，本发明提供了一种基于soc预估的车辆复合电源系统模糊逻辑控制方法，以解决锂电池荷电状态估计精度不高，锂电池使用寿命短等问题。
[0006]
本发明所采用的技术方案是：一种基于soc预估的车辆复合电源系统模糊逻辑控制方法，包括以下步骤：
[0007]
步骤一：建立车辆复合电源动力系统模型，包括锂电池电路模型和超级电容电路模型；
[0008]
锂电池电路模型
[0009][0010][0011]
u
l
＝u
bat-i
bat
r
bat
[0012]
其中，soc
bat
是锂电池实时的荷电状态值，soc
bat.ini
是锂电池的初始荷电状态值，q
n
为锂电池的额定容量，i
bat
表示锂电池的充放电电流，在一段时间内的积分累计值表示锂电池已使用容量，u
bat
和r
bat
分别为锂电池的开路电压和欧姆内阻，p
bat
为锂电池的功率，u
l
是锂电池负载电压；
[0013]
超级电容电路模型
[0014][0015][0016]
其中，soc
sc
是超级电容的荷电状态值，u
sc.max
和u
sc.min
分别为超级电容的最大和最小电压，u
sc
为超级电容的实时电压，i
sc
为超级电容的充放电电流，r
sc
和p
sc
分别为超级电容的内阻和电功率；
[0017]
步骤二：设计锂电池荷电状态预估控制器，采用贝叶斯-蒙特卡洛法估计得到锂电池的荷电状态soc
bat.e
的值；
[0018]
将贝叶斯-蒙特卡洛方法应用于锂电池荷电状态的估计，通过一组具有相关权重的随机样本来近似概率密度函数：
[0019][0020]
其中，为锂电池任意k时刻的荷电状态和开路电压所构成的列向量，表示k时刻生成的随机粒子集；u
bat.k
表示k时刻锂电池的开路电压，soc
bat.k
表示k时刻锂电池的荷电状态；表示在u
bat.k
条件下，产生随机粒子集所服从的概率密度函数；是k时刻从概率密度函数表示的分布中提取的第i(i＝1～n
s
)个随机粒子集，n
s
表示随机粒子集的个数；表示k时刻提取的第i个粒子集的权重；δ(
·
)表示dirac函数；
[0021]
k时刻的权重以正态分布概率密度函数在k-1时刻的权重的基础上更新，更新规律的推导式为：
[0022][0023]
其中，u
bat,k
和分别为k时刻锂电池开路电压的实测值和模型输出平均值，σ为其标准差，表示在满足粒子集的条件下u
bat.k
所服从的概率密度函数，符合正态分布概率密度函数；
[0024]
对所有粒子的权重进行归一化处理：
[0025][0026]
考虑所有粒子总权重后的预估结果可以表示为：
[0027][0028]
锂电池荷电状态预估控制器中执行贝叶斯-蒙特卡洛算法，将产生的粒子集的权
重不断的迭代运算，最后通过粒子加权求和的方式，得到锂电池荷电状态的预估值，即为向量的第一个元素，表示为：
[0029][0030]
步骤三：将锂电池荷电状态预估控制器的输出soc
bat.e
、超级电容荷电状态soc
sc
以及不同运行工况下发动机需求功率p
req
作为模糊逻辑控制器的输入，经过逻辑关系输出超级电容充放电的控制信号比例因子k
sc
，进而得到超级电容充放电控制信p
sc
＝k
sc
·
p
req
，锂电池充放电控制信号p
bat
＝(1-k
sc
)
·
p
req
。
[0031]
步骤三中，模糊逻辑控制器将输入信号soc
bat.e
和soc
sc
的模糊子集分别设置为：低l、中m、高h；将p
req
和输出信号k
sc
模糊子集分别设置为：较小ts，小s，中m，大b，较大tb，模糊逻辑控制器输入输出变量的隶属度函数采用梯形和三角形隶属度函数。
[0032]
本发明的有益效果是：本发明可以有效提高锂电池荷电状态的估算精度，提高复合电源系统的工作效率。
附图说明
[0033]
图1为本发明的系统总体结构框图；
[0034]
图2为本发明的控制系统图；
[0035]
图3为本发明模糊控制器隶属度函数图。
具体实施方式
[0036]
下面结合附图对本发明作更进一步的说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0037]
本发明的一种基于soc预估的车辆复合电源系统模糊逻辑控制方法，该基于soc预估的车辆复合电源系统采用锂电池为车辆发动机供电同时采用超级电容对车辆发动机进行辅助供电，将锂电池荷电状态、超级电容荷电状态和发动机功率需求作为输入变量输入模糊逻辑控制器，获得超级电容充放电的控制信号，具体实施步骤如下：
[0038]
步骤一：建立车辆复合电源动力系统模型，包括锂电池电路模型和超级电容电路模型
[0039]
建立锂电池电路模型：
[0040][0041][0042]
u
l
＝u
bat-i
bat
r
bat
[0043]
其中，soc
bat
是锂电池实时的荷电状态值，soc
bat.ini
是锂电池的初始荷电状态值，q
n
为锂电池的额定容量，i
bat
表示锂电池的充放电电流，在一段时间内的积分累计值表示锂电池已使用容量，u
bat
和r
bat
分别为锂电池的开路电压和欧姆内阻，p
bat
为锂电池的功率，u
l
是
锂电池负载电压；
[0044]
锂电池的负载电压不允许超过开路电压，因此锂电池的最大充放电电流为：
[0045][0046]
其中，i
max
为锂电池的最大充放电电流，电池的充放电电流i
bat
在输出前必须与最大充放电电流i
max
比较，如果充放电电流超过i
max
时，则输出i
max
；
[0047]
建立超级电容电路模型
[0048][0049][0050]
其中，soc
sc
是超级电容的荷电状态值，u
sc.max
和u
sc.min
分别为超级电容的最大和最小电压，u
sc
为超级电容的实时电压，i
sc
为超级电容的充放电电流，r
sc
和p
sc
分别为超级电容的内阻和电功率；
[0051]
步骤二：设计锂电池荷电状态预估控制器，采用贝叶斯-蒙特卡洛法估计得到锂电池的荷电状态soc
bat.e
的值
[0052]
将贝叶斯-蒙特卡洛方法应用于锂电池荷电状态的估计，通过一组具有相关权重的随机样本来近似概率密度函数，
[0053][0054]
其中，为锂电池任意k时刻的荷电状态和开路电压所构成的列向量，表示k时刻生成的随机粒子集；u
bat.k
表示k时刻锂电池的开路电压，soc
bat.k
表示k时刻锂电池的荷电状态；表示在u
bat.k
条件下，产生随机粒子集所服从的概率密度函数；是k时刻从概率密度函数表示的分布中提取的第i(i＝1～n
s
)个随机粒子集，n
s
表示随机粒子集的个数；表示k时刻提取的第i个粒子集的权重；δ(
·
)表示dirac函数；
[0055]
k时刻的权重以正态分布概率密度函数在k-1时刻的权重的基础上更新，更新规律的推导式为：
[0056][0057]
其中，u
bat,k
和分别为k时刻锂电池开路电压的实测值和模型输出平均值，σ为其标准差，表示在满足粒子集的条件下u
bat.k
所服从的概率密度函数，符合正态分布概率密度函数；
[0058]
对所有粒子的权重进行归一化处理：
[0059][0060]
考虑所有粒子总权重后的预估结果可以表示为：
[0061][0062]
锂电池荷电状态预估控制器中执行贝叶斯-蒙特卡洛算法，将产生的粒子集的权重不断的迭代运算，最后通过粒子加权求和的方式，得到锂电池荷电状态的预估值，即为向量的第一个元素，表示为：
[0063][0064]
步骤三：将锂电池荷电状态预估控制器的输出soc
bat.e
、超级电容荷电状态soc
sc
以及不同运行工况下发动机需求功率p
req
作为模糊逻辑控制器的输入，经过逻辑关系输出超级电容充放电的控制信号比例因子k
sc
，进而得到超级电容充放电控制信号p
sc
；
[0065]
模糊逻辑控制器将输入信号soc
bat.e
和soc
sc
的模糊子集分别设置为：低l、中m、高h；将p
req
和输出信号k
sc
模糊子集分别设置为：较小ts，小s，中m，大b，较大tb，模糊逻辑控制器输入输出变量的隶属度函数采用梯形和三角形隶属度函数；根据模糊规则得到模糊逻辑控制器的输出参数为k
sc
；超级电容充放电控制信号表示为：p
sc
＝k
sc
·
p
req
，锂电池充放电控制信号表示为：
[0066]
p
bat
＝(1-k
sc
)
·
p
req
。
[0067]
模糊逻辑控制器输入输出变量的隶属度函数采用梯形和三角形隶属度函数其论域和隶属度函数如图3所示。
[0068]
模糊逻辑控制器的输入输出逻辑关系采用mamdami模型推理方法，规则表如下表所示：
[0069][0070]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。