燃料电池混合动力系统多目标优化方法

燃料电池混合动力系统多目标优化方法

姜宇航，梁烔墙，杜欧洋

（江西应用科技学院  江西南昌  330100）

摘要：为了降低燃料电池混合动力系统氢燃料消耗量，延长燃料电池使用寿命，提出燃料电池混合动力系统的多目标优化方法。通过分析燃料电池混合系统的拓扑结构与功率流，探索出多目标遗传算法优化方案，与优化前对比，优化后的燃料电池混合动力系统在体积、重量、成本、使用数量等方面均得到显著优化，可以为车辆燃料电池混合动力系统的多目标优化提供借鉴。

关键词：燃料电池；混合动力系统；多目标优化方法

    能源短缺与环境污染问题成为社会重点关注的问题之一，为了有效解决这些问题，各国致力于新能源研究，在此背景下新能源汽车得到较好的研发与应用。2020年国务院办公厅关于印发《新能源汽车产业发展规划（2021-2035年）的通知》，强调到2025年动力电池、驱动电机、车用操作系统等关键基础取得重大突破，要不断提高技术创新能力，开展燃料电池系统技术攻关，探索新一代车用电机驱动系统解决方案。对此，探索为了提高燃料电池汽车的运行效率，推动新能源汽车的可持续发展，还需要从燃料电池混合动力系统方面进行优化处理，确保达到节能增效的作用。对此，如何对燃料电池混合动力系统进行多目标优化处理是当前急需要解决的问题。

1. 燃料电池混合动力系统

1.1混合动力系统拓扑结构

燃料电池是汽车的能量源，会形成多样性的驱动电机。一是少数的燃料电池汽车动力系统配备的辅助电源主要应用于电池的启动，而不是应用在电能驱动车辆前进方面。对此，辅助电源普遍存在电压低、容量小等特点，而燃料电池需要为车辆前进提供所有功率。在此情况下，汽车动力系统结构虽然相对简单，但是动态性能大打折扣，燃料电池在工作剧烈的情况下使用寿命相对较短，燃料经济性不高。二是燃料电池可以和蓄电池连用组成串联式结构用于增程式发电。在这种情况下，燃料电池仅仅用在辅助电源中，如蓄电池充电，再由蓄电池提供车辆行驶的所有功率。这种混合动力结构的燃料电池能够满足燃料效率最大工作需求，但是对蓄电池的性能要求较高，要求其具备与纯电动车动力电池相当的动态性能。三是当前最常见的电力系统配置结构为燃料电池与辅助电源组并联式结构，二者均可以通过直流母线驱动电机，也可相互独立工作。辅助电源通常发挥调节作用，在减速下坡或加速、爬坡等实际情况下，辅助电池需要对电机功率进行有效调节，避免燃料电池出现工作效率过低或过高情况。这种配置下车辆对各能源的要求较低，且配置成本低，但是对功率分配要求较高且复杂。综上，为了提高燃料电池混合动力系统的整体性能与使用寿命，还需要从功率分配与优化方面加以改进与完善[1]。

根据辅助电源功能情况，需要配备一定功率与能量密度的储能装置，确保在较高的效率下可以满足多次充放电操作要求。当前辅助电源常见的由蓄电池、超级电容等，根据不同的配置方式可以将混合动力系统氛围常见的三种拓扑结构。

（1）燃料电池直连式

在这种拓扑结构中配置双向直流变换器，燃料电池可以与直流母线直接项链，蓄电池电压等级要求相对不高，且供电条件好，在并联结构下，可以直接使用蓄电池功率，但是由于燃料电池与负载直连，容易导致燃料电池暴露在恶劣环境下，影响到燃料电池使用寿命。对此，对燃料电池性能要求较高，耗费较高的配置成本。

（2）蓄电池直连式

在这种拓扑结构中，蓄电池与直流母线放充电直连，燃料电池通过单向变换器与母线连接，燃料电池的使用条件得到改善，有利于增加使用寿命。在变换器的调节作用下，对供电质量要求较低，有效降低配置成本。

（3）双向变换器拓扑结构

在这种拓扑结构中，动力系统可以为车辆提供稳定的电流，对能量源的电压等级与性能要求不高，并且可以有效控制各能量源之间的功率与方向。但是由于变换器的工作会消耗一部分功率，其电能净输出效率相对较低[2]。

1.2混合动力系统功率流

混合动力系统功率流与其拓扑结构具有密切联系，由于蓄电池的高能量密度与动态性能，在辅助电源为单一能量源的情况下，可以配置蓄电池组。尤其是在混合驱动的情况下，蓄电池可以对功率进行有效调节，蓄电池可以充放电，而燃料电池仅仅用于单向红点，功率从总线流向蓄电池，或从蓄电池流向总线。如图4所示。由于氢燃料是主要能源，对此，电力系统运行中需要将氢能源转换为电能，在这一过程中，Pfc-in表示氢能消耗的燃料电池功率；Pfc表示燃料电池的实际输出功率；Pfc-out表示功率总线所需要的燃料电池功率；Pn表示驱动负载需要的总功率；PB-out表示蓄电池在总线上的充放电功率；PB表示蓄电池组实际充放电功率。

2. 燃料电池混合动力系统多目标优化方法

2.1多目标遗传算法优化

（1）拥挤度算法

   在拥挤度算法中，其目的是通过拥挤度计算出最佳解集，同时，需要在迭代中保持种群的多样化特点。对此，需要将拥挤距离id的概念融入计算中，通过某一区域内周边个体的密集程度来直观反映拥挤度算法，并快速获取最佳解集。其目标函数的组成如图1所示。

图1  拥挤度算法示意图

实心圆表示同一个非支配解集，同一个解集中个体的拥挤度算子越大表示个体的独特性越强，其中id表示两个相近个体（i-1）、（i+1）在个体i两侧形成矩形。如果两个个体存在i数值不相同的情况，需要优先选择i数值最小的个体；如果相同，则优先选择id较大的个体。

（2）精英策略

种群中包含父代种群时，需要将父代中群与子代种群合并为一个解集进行快速非支配排序处理，将精英策略应用其中，筛选出优秀的个体，确保种群性能与质量的提升。在精英策略下NSGA-Ⅱ的优化控制策略如图2所示。

图2  多目标遗传算法优化控制流程

2.2优化结果分析

通过与优化前对比，多目标优化方法在燃料电池混合动力系统中的应用后，能够显著降低动力电池、超级电容使用数量，减少混动动力系统体积与重量。同时，显著降低燃料电池混合动力系统成本、氢能源消耗量。见表1所示。

表1  多目标优化结果

参考文献

[1]宋大凤,雷宗坤,曾小华,等.燃料电池混合动力系统多目标优化方法[J].湖南大学学报：自然科学版,2019,46(10):8.

[2]腾成新.燃料电池汽车能量管理策略多目标优化研究[J].汽车博览,2020(18):43.

姓名：姜宇航（2003-1），男，汉族，河北省邯郸市人，学历：本科，单位：江西应用科技学院，研究方向：机械工程。

基金或课题项目：大学生创新创业训练计划项目：《车载氢能源燃料电池供电系统的多目标优化方法研究》（项目编号：202112938001）。