燃料电池-电池混合动力系统寿命协同衰减的自适应在线能量管理策略研究

为解决燃料电池混合动力汽车(FCHEV)中电源组件独立衰减导致的维护成本高问题，华威大学团队提出了一种基于模型预测控制(MPC)的自适应权重能量管理策略(EMS)。该研究创新性地将燃料电池与电池的协同衰减纳入优化目标，通过改进动量梯度下降算法实时调整权重因子，实验表明该方法在标准工况下可实现91.52%的衰减一致性提升，显著提高系统经济性与耐久性。

　　

在追求碳中和的全球背景下，燃料电池混合动力汽车(FCHEV)因其零排放特性成为研究热点。然而，现有能量管理策略(EMS)往往独立优化燃料电池和电池的衰减，导致组件更换周期不同步，大幅增加维护成本。更棘手的是，传统方法采用固定权重系数，无法动态响应实时衰减状态，这种"各自为政"的优化模式已成为制约FCHEV商业化应用的瓶颈。

针对这一挑战，英国华威大学(University of Warwick)工程学院的Qiaohui He等研究人员在《International Journal of Hydrogen Energy》发表创新研究。团队构建了包含1.5 kW质子交换膜燃料电池(PEMFC)和5.3 Ah锂离子电池的测试平台，开发了基于模型预测控制(MPC)的自适应权重EMS。该方法通过改进动量梯度下降算法(MMGDA)动态调整四个关键权重因子(ω₁-ω₄)，在优化运行成本(含氢耗、SOC偏差和组件衰减)的同时，实现双电源衰减轨迹同步。关键技术包括：基于电压衰减的燃料电池退化模型、Arrhenius方程驱动的电池容量衰减模型、10步预测时域的MPC框架，以及融合自适应学习率(κ_i)的MMGDA优化器。

【模型构建】

研究团队首先建立了精确的组件模型：燃料电池采用包含Nernst电压、活化损耗、欧姆损耗和浓差损耗的四要素电化学模型；电池则采用等效电路模型，其衰减通过Arrhenius方程量化。特别值得注意的是，燃料电池衰减被量化为输出电压下降(ΔU_cell)，而电池衰减通过容量损失(ΔQ)表征，二者均与EMS决策的功率分配直接相关。

【策略设计】

创新性地提出双目标优化框架：主目标函数最小化总成本J=ω₁C_H2+ω₂L_SOC+ω₃C_fc+ω₄C_bat，次级目标通过MMGDA动态调整ω_i使衰减差异(D_fc-D_bat)最小化。其中动量系数m_c保留历史梯度信息，学习率κ_i根据梯度变化率自适应调整，相比传统梯度下降算法收敛速度提升20倍。

【实验验证】

在NEDC和WLTP工况下的实时测试显示：相较于传统EMS，新方法使双电源衰减差异降低72.51%-91.52%。具体而言，在NEDC循环中衰减差异收敛至2.215×10^-6，且计算时间仅4.775ms/步，满足实时性要求。燃料电池在85%额定功率以上时自动切换至"高龄保护"模式，而电池在SOC>80%时优先承担负荷波动，这种智能分工使系统总成本降低18.7%。

该研究的突破性在于首次实现了FCHEV能量管理的"双目标协同"——既保证经济性又延长系统整体寿命。通过引入衰减状态反馈机制，解决了传统EMS"重瞬时优化、轻长期均衡"的缺陷。特别值得关注的是，MMGDA算法仅需5-10次迭代即可收敛，为复杂工况下的在线应用提供了可能。未来若结合温度、湿度等多因素衰减模型，将进一步增强策略的工程适用性。这些发现为新能源汽车的寿命预测与健康管理(PHM)提供了新范式。