纯电动汽车能量管理关键技术问题的研究

面对日趋严重的能源短缺与环境恶化问题,新型车辆的开发利用愈来愈受到各国政府和工业界的高度重视。在这种背景下,清洁无污染、零排放的纯电动汽车成为当今最有发展前途的交通工具之一。纯电动汽车作为一种有限能量电源供电系统,其能量优化和控制,即能量管理问题的研究意义十分显著,正成为电动汽车领域研究的热点问题。随着电力电子技术和计算机技术在汽车领域中的推广和应用,纯电动汽车的能量管理系统不断完善。但是,人们在称道能量管理功能实现的同时,却往往没有充分挖掘车辆的能量利用率。事实上,纯电动汽车的能量管理涉及多项关键技术,能量利用率的提高空间相当可观,智能控制理论和技术为解决纯电动汽车能量管理中的这些关键技术提供了有效途径。 纯电动汽车能量管理问题中的关键技术主要涉及三个方面:一是设计合理的新型能量管理策略;二是寻求准确的动力电池SOC估计方法;三是设计有效的再生制动控制策略。其中,纯电动汽车能量管理策略的设计问题在理论上属于非线性动态优化问题,尚无成熟的解决方法,需要借鉴吸收混合动力汽车这方面的研究成果;动力电池SOC估计问题属于非线性、精度要求高的估计问题,传统的线性估计方法已难以满足估计要求;再生制动控制策略设计未考虑实际应用中的SOC约束等因素,亟待完善。为此,本文结合模糊控制算法、神经网络算法、支持向量回归算法和汽车制动理论等相关知识,较为深入地研究了上述纯电动汽车能量管理中的关键技术,主要工作如下: 首先介绍了课题的研究背景、纯电动汽车的国内外研究现状,总结了纯电动汽车能量管理策略中的关键技术,然后着重分析归纳了纯电动汽车能量管理中能量管理策略、电池SOC估计方法和再生制动能量回收策略的研究意义、研究现状及其存在的不足。 针对传统纯电动汽车续驶里程短、加速性能不佳的问题,研究了蓄电池-超级电容新型双能量源纯电动汽车的能量管理优化控制问题。首先分析了新型能量存储系统的存储功率、车辆行驶时的阻力功率及运行约束条件,建立了双能量源存储系统能量管理问题的数学模型。考虑到电动汽车行驶过程中存在着非线性、动态性强等特性,提出采用模糊控制算法进行功率分配。分配过程中,输入采用了车辆需求功率、电池SOC和超级电容SOC,而输出为蓄电池的功率分配因子。相比于简单查表策略,采用模糊控制策略后,车辆的加速性能和能量消耗率方面都有了较大的改善。在模糊规则设计过程中,主要依靠经验,难免会陷入局部最优。近年来发展迅速的粒子群算法具有全局搜索的优点,与模糊控制算法相结合,可以有效地克服模糊控制容易陷入局部最优的不足。因此,随后提出了基于粒子群算法的新型双能量源电动汽车能量管理模糊控制策略。研究结果表明,基于粒子群算法的能量管理模糊控制策略相比于传统模糊控制策略,在车辆性能上有了较大的提高。 获得准确的动力电池SOC是实现纯电动汽车能量管理优化控制的前提条件之一。针对传统SOC估计方法的各种不足,在分析动力电池SOC影响因素的基础上,采用神经网络算法及支持向量回归算法进行了动力电池的SOC估计研究,并对这两类算法的估计性能进行了综合评价。其中,神经网络算法选取了典型的BP神经网络和具有动态辨识能力的Elman神经网络两类典型算法;支持向量回归算法采用了它的两种基本算法:ε-SVR算法和ν-SVR算法。结果表明:该四种方法都能很好地逼近实际值,平均估计误差都小于2%,满足实际的要求,但ν-SVR算法的平均估计性是最优的。 再生制动能量的回收是提高电动汽车能量利用率、延长续驶里程一个关键技术。在分析车辆制动过程中的安全性和回收能量基础上,建立了纯电动汽车再生制动优化控制问题的数学模型。引入前后制动力分配可调的变比例阀液压分配线来代替理想制动力分配曲线,提出了一种改进的电动汽车再生制动力分配策略,并进行了能量消耗率、回收能量和系统效率方面的仿真研究,实验结果表明,所提出的控制策略有效降低了电动汽车的能量消耗率,提高了回收能量和能量利用效率。接着针对现有制动控制策略中,未考虑抑制电池过充的问题,提出了一种实用的考虑电池SOC约束的再生制动力分配策略,根据车辆前后轮制动力安全要求和电池SOC约束,分别设计了前后轮制动力分配控制器和制动力调节器。最后在ADVISOR仿真平台上进行了实验,结果表明采用提出的策略后,车辆获得了较好的防过充能力。 作为纯电动汽车的重要功能之一,能量管理系统需要不断完善和发展。本文结合相关知识从能量管理策略设计、电池SOC估计方法和再生制动策略设计三个方面对纯电动汽车的能量管理问题的关键技术作了进一步的优化和改进,并通过仿真实验验证了各种改进策略的有效性。这些研究成果对于提高我国纯电动汽车的研发水平和促进纯电动汽车产业化进程具有重要意义。