一种用于混合动力汽车的电池储能控制方法与流程

本发明涉及混合动力汽车领域，尤其涉及一种用于混合动力汽车的电池储能控制方法。

背景技术：

混合动力汽车(hybridvehicle)是指车辆驱动系统由两个或多个能同时运转的单个驱动系统联合组成的车辆，车辆的行驶功率依据实际的车辆行驶状态由单个驱动系统单独或共同提供。通常所说的混合动力汽车，一般是指油电混合动力汽车(hybridelectricvehicle，hev)，即采用传统的内燃机(柴油机或汽油机)和电动机作为动力源，也有的发动机经过改造使用其他替代燃料，例如压缩天然气、丙烷和乙醇燃料等。

随着世界各国环境保护的措施越来越严格，混合动力车辆由于其节能、低排放等特点成为汽车研究与开发的一个重点，并已经开始商业化。混合动力汽车使用的电动力系统中包括高效强化的电动机、发电机和储能电池。储能电池使用的有铅酸电池、镍锰氢电池和锂电池，将来应该还能使用氢燃料电池。在现有技术中，为了控制混合动力汽车的电池充电状态，基于诸如电池的充电状态(soc)、汽车的向电场负载侧供电的低压电池的电力、驾驶环境(倾斜角度和外部温度)等的信息从马达的输出计算引擎扭矩的补偿值，然后基于所计算出的补偿值最终确定引擎的工作点(根据当前引擎rpm的引擎扭矩输出点)。然而，现有技术的控制方法没有考虑道路/交通状况，并且相应地，没有使对燃油经济性改进和再生能源利用功能有很大影响的停走功能最大化。例如，在电池充电状态被维持为单一目标soc的情况下，在严重交通拥堵的情况下无法充分利用停走(stopandgo)功能。相比之下，在具有较大再生量的道路/交通状况下必须使用最大再生能源，但是发生不必要的引擎发电以便管理电池，从而增加燃油消耗。

技术实现要素：

本发明为解决目前的技术不足之处，提供了一种用于混合动力汽车的电池储能控制方法，其能够根据具体的车况和工况来控制功率变换器，使动力系统能够高效工作。

本发明提供的技术方案为：一种用于混合动力汽车的电池储能控制方法，包括以下步骤：

步骤一、按照采样周期，获取燃料电池的输出功率pfc、储能电池荷电量qess、发动机的输出功率pe、车速v、加速度a；

步骤二、依次将步骤一中获取的参数进行规格化，确定三层bp神经网络的输入层向量x＝{x1,x2,x3,x4,x5}；其中x1为燃料电池的输出功率系数、x2为储能电池荷电量系数、x3为发动机的输出功率系数、x4为车速系数、x5为加速度系数；

步骤三、所述输入层向量映射到中间层，所述中间层向量y＝{y1,y2,…,ym}；m为中间层节点个数；

步骤四、得到输出层向量o＝{o1,o2,o3}；o1为储能电池的功率调节系数、o2为燃料电池的进气流量调节系数，o3为功率变换器的调节系数；

步骤五、控制储能电池的功率和燃料电池的进气管处流量满足：

其中，分别为第i次采样周期输出层向量前两个参数，pmax为储能电池的最大功率，qmax为燃料电池的进气管处最大流量，pi+1为第i+1个采样周期时储能电池的功率，qmax为第i+1个采样周期时燃料电池的进气管处流量。

优选的是，

步骤五之后还包括：根据第i次周期中的燃料电池的输出功率、储能电池荷电量、发动机的输出功率、车速、加速度采样信号，判定第i+1次周期时功率变换器的工作状态，当输出信号时，停止储能电池充放电。

优选的是，

初始状态时，燃料电池的进气管处流量满足：

其中，η为进气效率，pe为汽车巡航的基本功率，t为环境温度。

优选的是，

所述汽车巡航的基本功率满足：

其中，m为汽车总质量，单位kg；l为道路坡度，ηem是电动机评价效率，fr为车辆滚动阻力系数，ηt为传动效率，ρa为空气密度，cd为空气阻力系数，af为车辆迎风面积，v为车速。

优选的是，

初始状态时，储能电池的功率满足：

其中，q⁰ess是初始储能电池荷电量，η′为燃料电池效率。

优选的是，

所述中间层节点个数m满足：其中n为输入层节点个数，p为输出层节点个数。

优选的是，

步骤三中，将燃料电池的输出功率pfc、储能电池荷电量qess、发动机的输出功率pe、车速v、加速度a进行规格化的公式为：

其中，xj为输入层向量中的参数，xj分别为测量参数pfc、qess、pe、v、a，j＝1,2,3,4,5；xjmax和xjmin分别为相应测量参数中的最大值和最小值。

优选的是，

当pi+1＞0时，第i+1周期内储能电池充电；

当pi+1＜0时，第i+1周期内储能电池放电。

本发明所述的有益效果：提供了一种用于混合动力汽车的电池储能控制方法，在串联式混合动力系统的基础上，对于路况和车况时刻检测，使燃料电池产生的能量能够得到合理的分配，提高动力系统的效率的同时，能够保证储能系统的正常运转，同时能够根据具体的车况和工况来控制功率变换器，使动力系统能够高效工作，降低能耗。

附图说明

图1为本发明的串联式混合动力系统图。

具体实施方式

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

如图1所示，本发明的混合动力汽车的电池储能控制方法是基于串联式混合动力电动汽车的基础上实现的。图1为串联式混合动力系统动力总成，内燃机(或燃料电池)输出的机械能通过发动机转化为电能，这些电能被用来给储能电池重叠或经电池给驱动电动机供电并驱动车辆。众多电力电子器件如电池充电用ac-dc变换器和驱动电动机用dc-ac变换器都是不可或少的。在串联式架构中，发动机与道路负载隔离开来，发动机的工作区间不会发生突变，其怠速时间也很短，从而能够减少排放，更好地保护环境，串联式混合动力的优点还在于发动机-发电机组的位置布置更灵活，且涉及简单。

在本发明中控制系统连接控制功率变换器，检测模块用于检测燃料电池的功率、发动机的输出功率、储能电池(储能系统)的功率，检测模块与控制系统连接，传输检测到的信息。速度传感器设置在汽车轮毂上，用于检测汽车速度。加速度传感器设置在车身，用于检测汽车加速度。速度传感器和加速度传感器均与控制器连接，连接控制系统，实时传输采集的数据。燃料电池的进气口处设置电磁阀，电磁阀连接所述控制系统，控制进气量。

本串联式混合动力系统的模式包括：1、储能电池单独驱动模式，此时燃料电池不工作；2、燃料电池单独驱动模式；3、组合工作模式，燃料电池和纯电池同时为车辆提供能量；4、燃料电池功率分离模式，燃料电池既驱动车轮又为储能电池充电；5、再生制动模式，储能电池回收部分制动能量。

正常行驶时，功率流从燃料电池流向电动机；启动、爬坡或加速时，功率从燃料电池和储能电池流向电动机；低速行驶时，储能电池向电动机供电；下坡或制动状态，电机输出电功率给储能电池；在运行过程中，储能电池的荷电量过低，燃料电池组便向储能电池充电。

本发明提供了一种用于混合动力汽车的电池储能控制方法，包括：

步骤一s110：建立bp神经网络模型。

本发明采用的bp网络体系结构由三层组成，第一层为输入层，共n个节点，对应了表示n个输入参数，些信号参数由数据预处理模块给出。第二层为隐层，共m个节点，由网络的训练过程以自适应的方式确定。第三层为输出层，共p个节点，由系统实际需要输出的响应确定。

该网络的数学模型为：

输入向量：x＝(x1,x2,...,xn)^t

中间层向量：y＝(y1,y2,...,ym)^t

输出向量：o＝(o1,o2,...,op)^t

本发明中，输入层节点数为n＝5，输出层节点数为p＝3。隐藏层节点数m由下式估算得出：

输入信号5个参数分别表示为：燃料电池的输出功率pfc、储能电池荷电量qess、发动机的输出功率pe、车速v、加速度a。

由于传感器获取的数据属于不同的物理量，其量纲各不相同。因此，在数据输入人工神经网络之前，需要将数据规格化为0-1之间的数。

具体而言，对于燃料电池的输出功率燃料电池的输出功率，进行规格化后，得到燃料电池的输出功率系数

其中，pfc-max和pfc-min分别为燃料电池的最大输出功率和最小输出功率

同样的，对于储能电池荷电量qess，进行规格化后，得到储能电池荷电量系数

其中，其中，qess-max和qess-min分别为储能电池荷电量最大值和最小值。

同样的，对于发动机的输出功率pe，进行规格化后，得到发动机的输出功率系数

其中，pe-max和pe-min分别为发动机的最大输出功率和最小输出功率。

同样的，对车速v进行规格化后，得到车速系数

其中，vmax和vmin分别为最大车速和最小车速。

同样的，对加速度a进行规格化后，得到加速度系数

其中，amax和amin分别为最大加速度和最小加速度。

输出的三个参数分别表示为：o1为储能电池的功率调节系数、o2为燃料电池的进气流量调节系数，o3为功率变换器的调节系数。

储能电池的功率调节系数o1表示下一个采样周期时储能电池的功率与储能电池的最大功率之比，即在第i个采样周期获取输入参数，通过bp神经网络输出第i个采样周期的储能电池的功率调节系数o1ⁱ后，控制第i+1个采样周期中的储能电池的功率pi+1，使其满足：

其中，pmax为储能电池的最大功率。

燃料电池的进气流量调节系数o2表示下一个采样周期时燃料电池的进气流量与燃料电池的最大进气流量之比，即在第i个采样周期获取输入参数，通过bp神经网络输出第i个采样周期的燃料电池的进气流量调节系数后，控制第i+1个采样周期中的燃料电池的进气流量qi+1，使其满足：

其中，qmax为燃料电池的最大进气流量。

o3为功率变换器的调节系数，表示为当前设备的运行状态，其输出值为0或1，当输出值为0时，停止储能电池的充放电；当输出值为1时，表示当前设备处于正常状态，可以继续运行。

步骤二s120、进行bp神经网络的训练。

建立好bp神经网络节点模型后，即可进行bp神经网络的训练。根据产品的历史经验数据获取训练的样本，并给定输入节点i和隐含层节点j之间的连接权值wij，隐层节点j和输出层节点k之间的连接权值wjk，隐层节点j的阈值θj，输出层节点k的阈值θk、wij、wjk、θj、θk均为-1到1之间的随机数。

在训练过程中，不断修正wij和wjk的值，直至系统误差小于等于期望误差时，完成神经网络的训练过程。

如表1所示，给定了一组训练样本以及训练过程中各节点的值。

表1训练过程各节点值

步骤三s130、采集输入参数，得到输出参数，并对储能电池的功率和燃料电池的进气流量进行控制。

步骤三s130具体包括如下分步骤：

s131：按照采样周期，获取第i个采样周期时燃料电池的输出功率pfc、储能电池荷电量qess、发动机的输出功率pe、车速v、加速度a；其中，i＝1,2,……。

s132：依次将上述5个参数进行规格化，得到第i个采样周期时三层bp神经网络的输入层向量x＝{x1,x2,x3,x4,x5}。

s133：所述输入层向量映射到中间层，得到第i个采样周期时中间层向量y＝{y1,y2,y3,y4}。

s134：所述中间层向输出层映射，得到第i个采样周期时得到输出层向量o＝{o1,o2,o3}。

s135、对储能电池的功率和燃料电池的进气流量进行控制，使下一个周期即第i+1个采样周期时对储能电池的功率和燃料电池的进气流量满足：

其中，分别为第i次采样周期输出层向量前两个参数，pmax为储能电池的最大功率，qmax为燃料电池的进气管处最大流量，pi+1为第i+1个采样周期时储能电池的功率，qmax为第i+1个采样周期时燃料电池的进气管处流量。

初始状态时，燃料电池的进气管处流量满足：

其中，η为进气效率，pe为汽车巡航的基本功率，单位kw，t为环境温度，单位k。

所述汽车巡航的基本功率满足：

其中，m为汽车总质量，单位kg；l为道路坡度，ηem是电动机评价效率，fr为车辆滚动阻力系数，ηt为传动效率，ρa为空气密度，单位kg/m³，cd为空气阻力系数，af为车辆迎风面积，单位m²，v为车速，单位mile/h。g为重力加速度，单位m/s²。

初始状态时，储能电池的功率满足：

其中，q⁰ess是初始储能电池荷电量，单位c，η′为燃料电池效率。

s136：根据第i次周期中的燃料电池的输出功率、储能电池荷电量、发动机的输出功率、车速、加速度采样信号，判定第i+1次周期时功率变换器的工作状态，当输出信号时，停止储能电池充电。

通过上述设置，通过获取输入参数，通过采用bp神经网络算法，对储能电池的功率和燃料电池的进气流量进行控制，使混合动力系统效率更佳。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。