基于凸优化的燃料电池汽车节能驾驶研究

doi:10.19562/j.chinasae.qcgc.2022.06.006

摘要/Abstract

摘要：

为实现燃料电池汽车在多信号灯场景下的节能驾驶，本文中提出一种基于分层凸优化的快速车速规划和能量管理方法。结合车辆静态氢耗图，运用动态规划获得车辆通过信号灯的最优绿灯窗口，并确定最优行驶路径的搜索区域。建立以车辆需求功率累计最小为优化目标求解车辆加速度的二次规划问题，并运用Matlab/OSQP求解器获取车辆最优行驶路径。根据最优行驶路径，采用基于交替方向乘子法的能量管理策略，实现各动力源输出功率的合理分配。针对9个信号灯场景的仿真结果表明，所提方法的电机工作点平均效率比智能驾驶员模型高10%，氢耗低45%。此外，该方法计算速度快，具备实时优化的潜力。

关键词: 燃料电池汽车, 节能驾驶, 凸优化, 车速规划, 能量管理

Abstract:

In order to realize eco-driving of fuel cell vehicles in the multi-signal scenario， a fast speed planning and energy management method based on hierarchical convex optimization is proposed in this paper. Combined with the static hydrogen consumption map of the vehicle， dynamic programming is used to obtain the optimal period of green light for the vehicle while passing through the traffic light， and to determine the search area for the optimal driving route. A quadratic programming problem is established to obtain the acceleration with the minimum accumulated power demand as the optimization objective， and the Matlab/OSQP solver is used to obtain the optimal driving path of the vehicle. According to the optimal driving route， an energy management strategy based on the alternating direction method of multipliers is established to realize the reasonable distribution of the output power of each power source. The simulation results for the scenario with 9 traffic lights show that the average efficiency of the motor operating point of the proposed method is 10% higher， and the hydrogen consumption is 45% lower than that of the intelligent driver model. In addition， the method has fast calculation speed and the potential for real-time optimization.

Key words: fuel cell vehicle, eco-driving, convex optimization, speed planning, energy management

魏小栋,刘波,冷江昊,周星宇,孙超,孙逢春. 基于凸优化的燃料电池汽车节能驾驶研究[J]. 汽车工程, 2022, 44(6): 851-858.

Xiaodong Wei,Bo Liu,Jianghao Leng,Xingyu Zhou,Chao Sun,Fengchun Sun. Research on Eco-driving of Fuel Cell Vehicles via Convex Optimization[J]. Automotive Engineering, 2022, 44(6): 851-858.

图/表 16

图1

图2

表1

图3

图4

图5

图6

图7

图8

表2

图9

图10

图11

表3

图12

表4

参考文献 18

1	刘宗巍，史天泽，郝瀚，等.中国燃料电池汽车发展问题研究［J］.汽车技术，2018（1）： 1-9.
	LIU C W， SHI T Z， HAO H， et al. Research on main problems associated with development of fuel cell vehicle in china［J］. Automobile Technology， 2018（1）： 1-9.
2	CHANG X Y， MA T， WU R. Impact of urban development on residents’ public transportation travel energy consumption in china： an analysis of hydrogen fuel cell vehicles alternatives［J］. International Journal of Hydrogen Energy， 2019， 44（30）： 16015-16027.
3	WEI X D， SUN C， HUO W W， et al. Alternating direction method of multipliers improved online power management in a fuel cell hybrid bus［C］. 2021 33rd Chinese Control and Decision Conference （CCDC）， Kunming， China. IEEE： 1407-1412.
4	李克强，戴一凡，李升波，等.智能网联汽车（ICV）技术的发展现状及趋势［J］.汽车安全与节能学报，2017，8（1）：1-14.
	LI K Q， DAI Y F， LI S B， et al. State-of-the-art and technical trends of intelligent and connected vehicles［J］. Journal of Automotive Safety And Energy， 2017， 8（1）： 1-14.
5	《中国公路学报》编辑部.中国汽车工程学术研究综述·2017［J］.中国公路学报，2017，30（6）：1-197.
	Editorial Department of China Journal of Highway and Transport. Review on China's automotive engineering research progress：2017［J］. China Journal of Highway and Transport， 2017， 30（6）： 1-197.
6	胡杰，王明，刘迪，等.基于交通信息的复合电源系统控制策略优化［J］.汽车工程，2021，43（5）：675-682.
	HU J， WANG M， LIU D， et al. Optimization of control strategy for hybrid power system based on traffic information［J］. Automotive Engineering， 2021， 43（5）： 675-682.
7	林歆悠，夏玉田，李雪凡，等.燃料电池汽车行驶里程自适应ECMS策略［J］.汽车工程，2019，41（7）：750-756.
	LIN X Y， XIA Y T， LI X F， et al. Equivalent consumption minimization strategy adaptive to various driving ranges for fuel cell vehicles［J］. Automotive Engineering， 2019， 41（7）： 750-756.
8	MIN D H， SONG Z， CHEN H C， et al. Genetic algorithm optimized neural network based fuel cell hybrid electric vehicle energy management strategy under start-stop condition［J］. Applied Energy， 2022， 306： 118036.
9	QUAN S W， WANG Y X， XIAO X L， et al. Real-time energy management for fuel cell electric vehicle using speed prediction-based model predictive control considering performance degradation［J］. Applied Energy， 2021， 304： 117845.
10	王骞，李顶根，苗华春.基于模糊逻辑控制的燃料电池汽车能量管理控制策略研究［J］.汽车工程，2019，41（12）：1347-1355.
	WANG Q， LI D G， MIAO H C. Research on energy management strategy of fuel cell vehicle based on fuzzy logic control［J］. Automotive Engineering， 2019， 41（12）： 1347-1355.
11	WEI X D， SUN C， REN Q， et al. Application of alternating direction method of multipliers algorithm in energy management of fuel cell vehicles［J］. International Journal of Hydrogen Energy， 2021， 46（50）： 25620-25633.
12	HOU S Y， GAO J W， ZHANG Y， et al. A comparison study of battery size optimization and an energy management strategy for FCHEVs based on dynamic programming and convex programming［J］. International Journal of Hydrogen Energy， 2020， 45（41）： 21858-21872.
13	SUN C， GUANETTI J， BORRELLI F， et al. Optimal eco-driving control of connected and autonomous vehicles through signalized intersections［J］. IEEE Internet of Things Journal， 2020， 7（5）： 3759–3773.
14	冷江昊，孙超，卢兵.智能车辆多信号灯路口快速节能车速规划［J］.汽车工程，2021，43（10）：1442-1447.
	LENG J H， SUN C， LU B. Fast energy-saving speed planning through multi signal intersections of intelligent vehicles［J］. Automotive Engineering， 2021， 43（10）： 1442-1447.
15	WEI X D， LENG J H， SUN C， et al. Co-optimization method of speed planning and energy management for fuel cell vehicles through signalized intersections［J］. Journal of Power Sources， 2022， 518： 230598.
16	GUO L L， GAO B Z， GAO Y， et al. Optimal energy management for HEVs in eco-driving applications using bi-level MPC［J］. IEEE Transactions on Intelligent Transportation Systems， 2016， 18（8）： 2153-2162.
17	HUANG X A， PENG H. Speed trajectory planning at signalized intersections using sequential convex optimization［C］. 2017 American Control Conference （ACC）， Seattle， WA， USA： IEEE： 2992–2997.
18	EAST S， CANNON M. Energy management in plug-in hybrid electric vehicles： convex optimization algorithms for model predictive control［J］. IEEE Transactions on Control Systems Technology， 2019， 28（6）： 2191-2203.

部件	参数	数值
车辆参数	质量/kg	1 960
车辆参数	车轮半径/m	0.366
燃料电池发动机	最大功率/kW	85
	最大功率升速/（kW·s^-1）	5
	最大功率降速/（kW·s^-1）	20
动力电池	电池容量/（A·h）	13
动力电池	额定电压/V	350
电机系统	峰值功率/kW	150
	峰值转矩/（N·m）	350
	转速/（r·min^-1）	14 000
效率	DC/DC转换效率	0.90
效率	DC/AC转换效率	0.95

方法		计算时间/s	氢耗/g	节能/%
车速规划	能量管理	计算时间/s	氢耗/g	节能/%
IDM	ADMM	0.135	26.67	─
IDM	DP	18.414	25.76	3.41
OSQP	ADMM	0.591	14.58	45.33
OSQP	DP	18.896	14.57	45.37

[1]	孔维峰,方川,刘继红,李建秋,李飞强,黄圣涛,赵兴旺,石焱,袁殿,徐梁飞,孙鹏,周恩飞,欧阳明高. 基于单片阻抗一致性吹扫的燃料电池低温冷启动策略研究[J]. 汽车工程, 2024, 46(2): 260-268.
[2]	刘晋霞,梁志豪,王强,温明星. TTR汽车等效燃油消耗最小的能量管理策略研究[J]. 汽车工程, 2023, 45(2): 285-292.
[3]	朱成,刘頔,滕欣余,张国华,于丹,刘沙,胡苧丹. 新能源汽车综合经济性对比分析及预测研究[J]. 汽车工程, 2023, 45(2): 333-340.
[4]	姜俊昭,杨文豪,彭彬,郭婷,徐业凯,王国卓. 基于能耗加权策略的燃料电池汽车续驶里程预测[J]. 汽车工程, 2023, 45(12): 2357-2365.
[5]	朱仲文,汪鑫,江维海,李丞. 氢燃料电池汽车整车集成式热管理系统研究[J]. 汽车工程, 2023, 45(11): 1991-2000.
[6]	齐春阳,宋传学,宋世欣,靳立强,王达,肖峰. 基于逆强化学习的混合动力汽车能量管理策略研究[J]. 汽车工程, 2023, 45(10): 1954-1964.
[7]	张智明,潘佳琪,章桐. 燃料电池离心式空压机转子临界转速关键影响因素分析[J]. 汽车工程, 2022, 44(9): 1386-1393.
[8]	解少博,屈鹏程,李嘉诚,王惠庆,郎昆. 跟驰场景中网联混合电动货车速度规划和能量管理协同控制的研究[J]. 汽车工程, 2022, 44(8): 1136-1143.
[9]	陈勇,魏长银,李晓宇,李彦林,刘彩霞,林霄喆. 融合工况识别的增程式电动汽车模糊能量管理策略研究[J]. 汽车工程, 2022, 44(4): 514-524.
[10]	方川,袁殿,邵扬斌,徐梁飞,李飞强,胡尊严,李建秋,周宝,戴威. 面向冬奥示范的新一代燃料电池系统技术突破[J]. 汽车工程, 2022, 44(4): 535-544.
[11]	王亚雄,王轲轲,钟顺彬,何洪文,王薛超. 面向耐久性提升的车用燃料电池系统电控技术研究进展[J]. 汽车工程, 2022, 44(4): 545-559.
[12]	程夕明,胡薇,翟钧,罗荣华,张盼,徐野. 纯电动汽车低压电气系统效率研究[J]. 汽车工程, 2022, 44(4): 601-608.
[13]	张哲,丁海涛,张袅娜,郭孔辉. 智能网联电动汽车经济性巡航速度规划[J]. 汽车工程, 2022, 44(4): 609-616.
[14]	李军求,刘吉威,朱超峰. 基于时变底盘构型的混动车辆能量管理研究[J]. 汽车工程, 2022, 44(12): 1866-1876.
[15]	韩济泉,孔祥程,冯健美,彭学院. 大功率燃料电池汽车氢循环系统性能分析[J]. 汽车工程, 2022, 44(1): 1-7.