燃料电池有轨电车能量管理策略多目标优化.doc

《燃料电池有轨电车能量管理策略多目标优化.doc》由会员分享，可在线阅读，更多相关《燃料电池有轨电车能量管理策略多目标优化.doc（19页珍藏版）》请在第一文库网上搜索。

1、燃料电池有轨电车能量管理策略多目标优化摘要：为研究一类以质子交换膜燃料电池、超级电容和动力电池为动力源的混合动力有轨电车能量管理问题，首先介绍该类有轨电车的混合动力系统结构和工作特点，提出一种基于系统工作模式的逻辑门限式能量管理策略，工作模式的切换通过多个控制参数来实现。针对该能量管理策略中控制参数的不确定性，应用多目标遗传算法，将整车超级电容和动力电池的最小配置成本以及有轨电车运行的能耗、准时性、准地点停车作为优化目标，对影响列车动力性能的主要能量管理策略控制参数进行优化。以国内某规划线路为实例，在已通过实车试验数据验证的系统仿真模型中进行优化分析，优化结果表明，在保证列车动力性能的前提下，

2、优化后列车的总牵引能耗减少了约12.5%，回收的再生制动能量增加了约14.5%，燃料电池的平均效率提高了约0.83%；同时通过优化得到了超级电容和动力电池的最小容量配置，为整车车载储能系统的冗余配置提供参考。前言近年来有轨电车经过技术的改革和创新，在公共交通发展中再次迎来了新的机遇，成为解决城市交通拥堵、环境污染等城市问题的重要城市交通工具1-3。其中，以氢为能源的燃料电池混合动力有轨电车，在区间内完全取消架空接触网，以其节能、环保、高效等特点成为国内外有轨电车技术研究和应用的热点3-6。燃料电池混合动力有轨电车的动力系统由多个动力源组成，多动力源增加了列车电源容量的同时，增加了动力系统工作模

3、式和控制的复杂性。在列车运行过程中，为合理分配列车需求功率、提高电源系统的整体效率，并实现各工作模式的合理切换，使得整车运行的成本最低，需要通过设计合理的能量管理策略来实现2,7-11。近年来国内外学者对燃料电池混合动力有轨电车的能量管理策略进行了相关研究8-16，文献8提出了基于3个工作模式的逻辑门限式燃料电池混合动力有轨电车能量管理策略；文献9-13分别提出了基于级联控制、工作模式、等效最小燃油消耗、模糊逻辑控制、模型预测控制的燃料电池混合动力有轨电车能量管理策略，并以一条实际线路“Urbos3”为例，对5种能量管理策略进行了仿真对比分析；文献14中通过中车青岛四方机车车辆股份有限公司的试

4、验线对基于系统工作模式的能量管理策略进行了实车试验，提出了基于等效最小燃油消耗的能量管理策略并进行了仿真分析；文献15-16分别提出了基于小波变换-模糊控制和基于下垂控制的状态机燃料电池混合动力有轨电车能量管理策略。在这些燃料电池混合动力有轨电车能量管理策略中，主要提出了基于逻辑门限、模糊逻辑控制和实时优化方法的能量管理策略，针对轨道交通车辆运行的特点，需要综合考虑整车的运行成本、准时性和准地点停车等全局性目标，对燃料电池有轨电车能量管理策略进行优化。本文将针对一类以质子交换膜燃料电池（Proton exchange membrane fuel cell，PEMFC）为主能源、以超级电容和动力

5、电池组成车载储能系统（Energy storage system，ESS）为辅助能源的有轨电车，通过介绍该有轨电车的动力系统结构和工作特点，对系统工作模式进行详细划分，提出基于10个系统工作模式的能量管理策略，考虑车载ESS的最小配置成本以及列车运行的能耗、准时性、准地点停车目标，应用多目标遗传算法，对能量管理策略的控制参数进行优化，最后以某国产在研燃料电池混合动力有轨电车为原型车进行优化分析。1混合动力系统结构本文研究的燃料电池/超级电容/动力电池有轨电车动力系统结构如图1所示。系统主要由PEMFC系统、超级电容、动力电池、牵引电机以及一个单向DC-DC直流变换器、两个双向DC-DC直流变换

6、器和一个DC-AC牵引逆变器组成。PEMFC系统通过单向DC-DC升压变换器接入直流母线，为列车提供主要的能源。超级电容和动力电池作为辅助电源通过双向DC-DC变换器接入直流母线，为列车提供辅助能量并回收制动能量。该混合动力系统的主要特点是：通过DC-DC变换器，可实时控制燃料电池、超级电容和动力电池的输入输出功率，可控性较好；辅助电源可进行大电流的放电，提高列车的起动、加速和爬坡性能，增加列车的行驶里程；在保证列车运行性能的前提下，可最大能力的回收制动能量，提高能源利用率。2基于系统工作模式的能量管理策略3基于多目标的控制参数优化在基于系统工作模式的能量管理策略中，控制参数即各电源的输入输出

7、阈值常难以确定，且不考虑整车运行的全局性因素，本节将应用遗传算法，对第2节中提出的能量管理策略中的控制参数进行优化分析。3.1优化目标能量管理控制参数的优化是在满足列车动力性能的前提下，同时优化部件参数和控制策略参数，使有轨电车的成本、运行能耗等尽可能低17，本文优化问题的数学模型表示为3.2优化变量的确定3.3优化算法本文采用实数编码的方式来表示遗传算法中染色体的基因17，进化算法中逐渐淘汰适应度较小的个体，总体的适应度函数设计为FFit=1/J。在优化算法的实现中，采用模型在环调用方法对控制策略参数进行优化，设计的流程如图3所示，详细描述如下。4仿真结果与分析4.1仿真模型本文应用基于“后

8、向仿真为主，前向仿真为辅”的混合建模方法，在Matlab/Simulink环境下，开发了基于能量流的燃料电池混合动力有轨电车系统仿真模型，如图4所示为系统仿真模型的顶层框图。图4中，按照后向仿真的方向，即从能量流的逆向起依次为工况模型、列车模型、车轮/车轴模型、传动系统模型、电机模型、辅助功耗模型、直流母线模型、能量管理策略、燃料电池混合电源模型，还包括整车控制模型和能耗计算模型。本文以国内某在研燃料电池混合动力有轨电车样车的厂内试验数据为参考，主要对系统仿真模型计算的能耗进行验证，该有轨电车采用“两动一拖”的编组方式，整车配置两套混合动力系统。将仿真系统各模型的参数、动力系统配置、控制策略和

9、参数以及线路条件等设置与样车试验条件相近时，得到如图5所示的动力电源能耗计算结果曲线图，其中动力电源的各能耗通过电压、电流和运行时间计算。图5a为线路条件为平直轨道列车运行速度曲线；图5b为PEMFC的能耗变化对比曲线；图4c为超级电容的能耗变化对比曲线；图5d为动力电池的能耗变化对比曲线。由对比计算的结果可知，相比实车试验数据，在72s的运行时间内，运行里程的误差为0.6%，每公里能耗误差在1%之内，因此本文用于验证能量管理策略的系统仿真模型是合理的。4.2优化实例为分析本文能量管理策略优化方法的适用性，以本文4.1节所述的有轨电车为原型车，并以国内某规划线路为仿真线路进行优化仿真分析。列车

10、主要仿真参数如表1所示，仿真线路区段总长约9004m，各站台内无电网，各站台的长度为72m、停车时间为30s，最大坡度为5%，最小弯道半径为150m，各站台中心位置依次为：32m，1136m，2867m，4203m，5929m，7741m，9004m。动力电池组采用某型号额定电压为3.2V、额定容量为40Ah单体电芯作为最小单体进行配置，超级电容组采用Maxwell电压为48V、容量为165F的模块为最小单体进行配置。动力电池组和超级电容组的串联电压均为确定的480V，动力电池的最大放电倍率为3C，最大充电倍率为1C，超级电容的最大输出、输入电流为200A。超级电容的SOE上限阈值为100%，

11、动力电池的上、下限阈值分别为100%和30%。PEMFC选用Ballard公司额定功率为150kW的PEMFC电堆，主要参数如表2所示，根据实车试验结果，将PEMFC系统的辅机功耗考虑为20%计算，整车辅助功耗考虑为平均值30kW。4.3优化结果与分析如图6为优化前仿真得到的列车运行速度曲线和加速度曲线，其车载ESS配置和能量管理控制参数如表3所示。以图6列车运行的动力性能为参考指标，并设置进化种群数为100、最大进化代数为100、交叉概率为0.9、变异概率为0.010.1进行优化计算，通过加权系数法整合各评价函数，经过多次优化后，进化到30代左右时适应度函数达到收敛，从结果中选取两组最优解，

12、其优化结果如表3所示。为对比说明PEMFC控制参数优化的必要性，表3中的“3变量优化结果”为每套PEMFC的Pfc,max设定为固定的PEMFC最大输出值170kW，即不将Pfc,max作为优化变量的优化结果，“4变量优化结果”为本文第3.2节所述的4个优化变量优化的结果。由表3的优化结果可知，由于本文所选择线路的坡道较多且较大，列车爬坡或下坡时的牵引或制动需求功率较高，故应配置较多的超级电容来满足较高的峰值功率；同时优化后电源的配置成本大大降低，实际配置中可在此优化结果的基础上进行冗余配置；优化后列车的牵引总能耗降低，回收的再生制动能量增多，同时提高了PEMFC的平均效率；对比3优化变量和4

13、优化变量的结果，通过对PEMFC最大输出功率设定值的优化，列车的总牵引能耗降低，回收的再生制动能量增加，故对该参数的优化是有必要的。通过对比4优化变量的两个优化结果，相对结果2，结果1的牵引能耗增加了约1.5%，回收的再生制动能量增加了约4%，PEMFC的效率较高，但SOE的下限阈值较低，将大大影响超级电容的寿命，且结果1的动力性能有所降低。综上所述，在优化结果中，4优化变量结果的结果2优化效果最佳，相对优化前，在保证列车动力性能的前提下，总牵引能耗减少了约12.5%，回收的再生制动能量增加了约14.5%，PEMFC的效率提高了约0.83%。5结论提出基于系统工作模式的燃料电池/超级电容/动力

14、电池有轨电车能量管理策略，工作模式的切换通过多个控制参数来实现。在已通过实车试验数据验证的系统仿真模型中，应用多目标遗传算法，对影响列车动力性能的主要控制参数进行了优化分析。（1）对于一条国内某规划线路，在保证有轨电车动力性能的前提下，优化后列车的总牵引能耗减少了约12.5%，回收的再生制动能量增加了约14.5%，PEMFC的平均效率提高了约0.83%，得到了较好的优化效果。通过对比是否优化PEMFC控制参数的优化结果，说明了对该参数优化的必要性。（2）通过优化得到了超级电容和动力电池的最小容量配置，可在此基础上进行有轨电车车载电源的冗余配置。（3）通过计算机的离线优化分析，可为燃料电池混合动力有轨电车能量管理策略控制参数的设计、车载电源的冗余配置提供理论方法和参考。19