燃料电池混合动力系统能源管理策略的制作方法

本发明属于电池能源管理领域，具体涉及一种燃料电池混合动力系统能源管理策略。

背景技术：

随着科学技术的发展，焊接作为一门综合性应用技术，已经从一种传统的热加工工艺发展成为及材料、冶金、结构、力学、机械以及电子等多门类学科为一体的材料连接及成型技术，从几吨重的汽车到不足一克的电子元件，在生产制造中都不同程度地利用焊接技术。由于焊接烟尘、弧光、金属飞溅的存在，焊接的工作环境又非常恶劣，并且焊接质量的好坏对产品质量起决定性的影响，这些促使了焊接机器人的出现和热销。目前焊接机器人已经占据了整个工业机器人总量的40％以上，对于稳定焊接质量，提高了劳动生产率，改善工人劳动条件意义重大。

基于电缆供电的驱动方式限制了焊接机器人的移动范围，不利于大型工件的焊接。而采用可充电式电池供电时，由于电池充电时间长，并在供电时间方面有一定局限性，焊接机器人无法持续完成长时间长距离的作业。

针对机器人传统电能能源所存在的局限性，采用新型能源来代替传统电能能源应用于焊接机器人动力驱动系统中。其中，新型清洁能源机器人，特别是质子交换膜燃料电池(pemfc)机器人受到了业界的广泛关注。pemfc作为一种新型环保型电池能源，可为动力系统提供一个良好的供电方案。但是，pemfc能源也有一定的局限性，其输出特性偏软，动态响应能力较差且具有一定时滞性，不支持能量流的双向流动，也不能回收电机制动回馈的电能。因此，需要增加辅助动力源，例如锂电池(lib)和超级电容(sc)等，和pemfc共同构成多能源混合动力系统为负载需求提供能量，以实现整个系统对能量的高效利用。而对于混合动力系统，往往存在pemfc动态响应不足和元件使用寿命有限的问题，因此，如何合理有效地分配负载功率成为了研究的重点和难点。

技术实现要素：

本发明是为了解决上述问题而进行的，目的在于提供一种燃料电池混合动力系统能源管理策略。

本发明提供了一种燃料电池混合动力系统能源管理策略，用于对质子交换膜燃料电池/锂电池混合动力系统的功率进行分配，具有这样的特征：根据能源管理控制器的输入变量的不同状态，划分9种不同的规则来输出质子交换膜燃料电池功率pfc，输入变量包括功率需求pdem和电池荷电状态soc，其具体过程包括以下步骤：

步骤1，以质子交换膜燃料电池的最优输出区间为限将pdem划分为高、正常、低三个状态，最优输出区间的上限pfcmax和下限pfcmin分别设为500w和200w，将soc的上限socmax和下限socmin分别设为85％和45％，从而将soc划分为高、正常、低三个状态，基于pdem和soc的不同状态将pfc分为以下9种：

(1)state1：pdem>pfcmax且高soc，此时pfc＝pfcmax，且锂电池加速放电；

(2)state2：pdem>pfcmax且正常soc，此时pfc＝pfcmax，且剩余的需求能量由锂电池进行补充；

(3)state3：pdem>pfcmax且低soc，此时soc很低，为保护锂电池，pfc>pfcmax，且pfc由模糊控制器决定；

(4)state4：pfcmin<pdem<pfcmax且高soc，此时pfc由模糊控制器决定，且锂电池加速放电；

(5)state5：pfcmin<pdem<pfcmax且正常soc，此时pfc由模糊控制器决定；

(6)state6：pfcmin<pdem<pfcmax且低soc，此时pfc由模糊控制器决定，且锂电池加速充电；

(7)state7：pdem<pfcmin且高soc，此时pfc<pfcmin，且pfc由模糊控制器决定；

(8)state8：pdem<pfcmin且正常soc。此时pfc＝pfcmin，且锂电池回收多余能量；

(9)state9：pdem<pfcmin且低soc，此时pfc＝pfcmin，且锂电池加速充电，

步骤2，模糊控制器中，pdem分为五类，分别为非常低vl、中等低ml、低l、中m、高h，soc分为三类，分别为低l、中m、高h，pfc分为五类，分别为非常低vl、中等低ml、低l、中m、高h，对pdem和pfc采用高斯型隶属度函数来赋值，对于soc采用钟型隶属度函数(gbellmf)来赋值，

模糊控制器的模糊规则为

采用mamdani推理方法进行模糊推理，并采用中心法完成解模糊，得到pfc，

步骤3，考虑到突然加速对质子交换膜燃料电池的损伤，采用一个平整度系数对峰值功率对应的输出信号进行修正，得到修正后的质子交换膜燃料电池功率pfc(k)'：

δt是影响前后3个输出功率差距的平整度常数。。

在本发明提供的燃料电池混合动力系统能源管理策略中，还可以具有这样的特征：其中，燃料电池混合动力系统为机器人的动力系统。

发明的作用与效果

根据本发明所涉及的燃料电池混合动力系统能源管理策略，因为根据能源管理控制器的输入变量的不同状态，划分为9种情况，对应确定性规则和模糊规则相结合的9条规则来确定混合动力系统中输出的质子交换膜燃料电池功率pfc，既避免了纯确定性规则所导致的pemfc在某些状态下动态特性波动过大，影响pemfc的使用寿命的问题，又避免了纯模糊规则控制难以保证lib电量适中时输出在确定的区间边界内的问题。所以，本发明的燃料电池混合动力系统能源管理策略能够提高燃料电池混合动力系统的有效能量分配，显著提高系统的动态响应以及输出合理性。

附图说明

图1是本发明的实施例2中移动跟踪机器人的燃料电池混合动力系统的结构示意图；

图2是本发明的实施例2中移动跟踪机器人的燃料电池混合动力系统能源分配示意图；

图3是本发明的实施例2中，当lib处于不同的状态时，能源管理控制器的功率分配图；

图4是本发明的实施例2中，当lib处于不同的状态时，lib充放电结果图。

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，以下实施例结合附图对本发明燃料电池混合动力系统能源管理策略作具体阐述。

<实施例1>

本实施例提供了一种机器人的燃料电池混合动力系统能源管理策略，用于对pemfc/lib混合动力系统的功率进行分配，该能源管理策略根据能源管理控制器的输入变量的不同状态，划分9种不同的规则来输出pemfc功率pfc，输入变量包括功率需求(pdem)和锂电池荷电状态(soc)，其具体过程包括以下步骤：

步骤1，以pemfc的最优输出区间为限将pdem划分为高、正常、低三个状态，把500w和200w作为pdem的分界线，即把pemfc的最优输出区间的上限pfcmax和下限pfcmin分别设为500w和200w。当pdem超过pfcmax时，尽量让pemfc输出减小，当pdem小于pfcmin时，则尽量让pemfc输出增大。

同样，将soc的上限socmax和下限socmin分别设为85％和45％，从而将soc划分为高、正常、低三个状态。当soc的值小于socmin(低soc)时尽量让lib开始充电，当soc的值超过socmax(高soc)时，让lib加速放电，而当soc处于正常状态(正常soc)时或者pdem与soc处于相反状态时，则采用模糊控制器的输出功率信号。

基于上述pdem和soc的不同状态，将pfc的具体状态分为以下9种：

(1)state1：pdem>pfcmax且高soc，此时pemfc提供最优输出区间的最高功率，即pfc＝pfcmax，且由于lib电量也很高，lib加速放电；

(2)state2：pdem>pfcmax且正常soc，此时pemfc提供最优输出区间的最高功率，即pfc＝pfcmax，且剩余的需求能量由lib进行补充；

(3)state3：pdem>pfcmax且低soc，此时soc很低，为保护lib，pemfc的输出功率适当超过最优输出区间上限，pfc>pfcmax，且pfc由模糊控制器决定；

(4)state4：pfcmin<pdem<pfcmax且高soc，此时soc较高，考虑让lib加速放电，pfc由模糊控制器决定；

(5)state5：pfcmin<pdem<pfcmax且正常soc，此时pfc由模糊控制器决定；

(6)state6：pfcmin<pdem<pfcmax且低soc，此时soc较低，考虑让lib加速充电，pfc由模糊控制器决定；

(7)state7：pdem<pfcmin且高soc，此时pdem很低，但soc处于不健康的高状态，为保护lib，让pemfc的输出功率适当低于最优输出区间下限，即pfc<pfcmin，且pfc由模糊控制器决定；

(8)state8：pdem<pfcmin且正常soc。此时pemfc提供最优输出区间的最低功率，即pfc＝pfcmin，且lib回收多余能量；

(9)state9：pdem<pfcmin且低soc，此时pemfc提供最优输出区间的最低功率，即pfc＝pfcmin，且锂电池加速充电。

由此，pemfc处于state1,2,8,9时的输出功率已经确定。

步骤2，模糊控制器的输入变量同样为pdem和soc，输出变量为pfc。模糊控制器中，pdem分为五类，分别为非常低(vl)、中等低(ml)、低(l)、中(m)、高(h)，由于机器人负载功率绝大多数概率低于700w，所以将其范围设置为[0,700]。soc分为三类，分别为低(l)、中(m)、高h，范围设为[0,100]。pfc分为五类，分别为非常低(vl)、中等低(ml)、低(l)、中(m)、高(h)，考虑到本实施例中pemfc最大输出功率及其最优输出区间，将范围设为[0,600]。每个语言值都由一个隶属度函数赋值，考虑到输出的平滑性，对于pdem和pfc采用高斯型隶属度函数来赋值，对于soc采用钟型隶属度函数(gbellmf)来赋值。

模糊控制的规则库是一组模糊推理的集合，列于表1中。采用mamdani推理方法进行模糊推理，将模糊推理的形式定为：ifpdemisaandsocisbthenpfcisc。所定义的模糊推理规则均基于能源管理的实际操作经验，都为了合理分配pemfc和lib的输出。

表1模糊规则

最后，应用中心法完成解模糊。

步骤3，考虑到加速、突然启动等对pemfc的损伤，采用一个平整度系数对峰值功率对应的输出信号进行修正，得到修正后的pemfc功率pfc(k)'：

其中，δt是影响前后3个输出功率差距的平整度常数。

<实施例2>

图1是本发明的实施例2中移动跟踪机器人的燃料电池混合动力系统的结构示意图；图2是本发明的实施例2中移动跟踪机器人的燃料电池混合动力系统能源分配示意图。

如图1、2所示，本实施例将实施例1的燃料电池混合动力系统能源管理策略应用到移动跟踪机器人上，并进行了圆弧焊缝跟踪实验，从而验证实施例1的能源管理策略的有效性。

相比直线焊缝，圆弧焊缝更能体现出实际焊接过程的焊缝形状不规则，在启动和运行过程中均有明显的功率变化，它代表了在典型的焊缝跟踪过程中机器人的牵引功率。采用的圆弧半径为1m，为了后续迭代优化的过程更易实现，将仿真时间设为10s。

图3是本发明的实施例2中，当lib处于不同的状态时，能源管理控制器的功率分配图；图4是本发明的实施例2中，当lib处于不同的状态时，lib充放电结果图。

采用实施例1的燃料电池混合动力系统能源管理策略后，在lib的状态(socinitial)分别为35％，65％，95％时，对所需功率范例进行分配，结果如图如图3、4所示。图3和图4中pdem、pfc，plib分别为系统所需功率，pemfc的功率和锂电池的功率。

图3中，(1)当soc处于35％，电池电量较低，需得到补充。0到0.5s时，由于pemfc输出较软的特点，其功率缓慢上升，电池补充了剩余的功率需求，电池电量大幅下降；在pemfc跟上需求功率后，其输出大幅度高于所需功率，让电池处于负功率，即充电状态；而在1.3到2s左右，负载功率骤降，由于规则设置，pemfc输出处于最优输出区间下限200w，多出的功率由电池吸收；同样由于特性软的原因，在2.5到3s内，机器人突然加速，pemfc再次跟不上负载功率，由电池补充；而在负载趋于稳定后，pemfc输出始终大幅高于负载需求。(2)当soc处于65％，电池电量适中，不宜过多充电。0到0.5s时燃料电池正常缓慢启动，电池输出所缺功率，在pemfc跟上负载功率后，基本可以跟踪功率变化，电池在峰值功率进行时输出；由于规则设定，在负载功率骤降时，pemfc依旧输出200w，电池被迫充电。整个过程，电池的利用率适中，提高了峰值功率时的输出，减少了pemfc负担。(3)当soc处于95％，电池电量过高，应及时放电。0到0.5s的启动过程中pemfc就有刻意减少输出，尽量让电池放电；在负载功率低于200w时，为了迁就电池尽快回复正常状态，pemfc少量地低于最优下限；而在功率稳定后，pemfc输出大幅低于负载，电池高速保持放电状态。

图4中，考察了不同电池状态下的充放电情况，在电量为35％和95％时电池快速的充电和放电，而在65％时处于缓速配合放电中。本策略就是用确定性规则和模糊规则互相弥补缺点，在保护pemfc输出的同时自然会以电池的充放电速度做少量牺牲，特别是在功率骤降或者突增时。

实施例的作用与效果

根据实施例1所涉及的燃料电池混合动力系统能源管理策略，因为根据能源管理控制器的输入变量的不同状态，划分为9种情况，对应确定性规则和模糊规则相结合的9条规则来确定混合动力系统中输出的质子交换膜燃料电池功率pfc，既避免了纯确定性规则所导致的pemfc在某些状态下动态特性波动过大，影响pemfc的使用寿命的问题，又避免了纯模糊规则控制难以保证lib电量适中时输出在确定的区间边界内的问题。所以，施例1的燃料电池混合动力系统能源管理策略能够提高燃料电池混合动力系统的有效能量分配，显著提高系统的动态响应以及输出合理性。

进一步地，将实施例1的燃料电池混合动力系统能源管理策略应用于移动跟踪机器人系统后，确实实现了较高的动态响应。

上述实施方式为本发明的优选案例，并不用来限制本发明的保护范围。