基于参数优化的预定时间滑模技术的混合电池支持燃料电池电动汽车控制

《Renewable Energy Focus》：Hybrid battery-backed fuel cell electric vehicle control using predefined time sliding mode technique with optimized parameters

　　

摘要

混合电源系统（HPS）被广泛应用于燃料电池电动汽车（FCEV）中。它们将燃料电池与辅助储能系统集成在一起，以弥补燃料电池堆动态响应能力有限的问题。本文提出了一种针对燃料电池-电池-超级电容混合电源的预定时积分滑模控制（PDT-ISMC）策略，用于在源侧不确定性条件下实现400V直流母线的鲁棒调节。所提出的控制器确保源电流跟踪误差在预设的0.60秒时间内收敛，且与初始条件无关，同时通过补充的外反馈环调节直流母线电压。一种能量管理策略将燃料电池功率限制在允许范围内，将电池和超级电容电流约束在各自规定的运行区间内，并在两种储能设备之间分配剩余功率。控制器增益通过正弦余弦算法进行优化，并通过Lyapunov分析建立预定时稳定性。该系统在城市 dynamometer 驾驶循环（UDDS）的130秒片段中进行了评估，期间对燃料电池、电池和超级电容分别施加了10%、8%和10%的电压扰动。与未优化的控制器相比，优化后的PDT-ISMC将直流母线电压峰值偏差从66.98V降至10.96V，降幅达83.63%，同时将整体跟踪成本降低97.08%，源电流跟踪误差降低超过96%。结果还表明，与传统积分滑模控制基准相比，本文方法在跟踪精度和直流母线调节方面均有提升。

引言

道路运输是全球温室气体排放的主要贡献者之一。汽油驱动的内燃机汽车占据了二氧化碳（CO2）排放的很大一部分。这推动了人们对更清洁、更节能的交通技术的关注和研究兴趣[1]。燃料电池电动汽车（FCEV）已成为传统推进系统的主要替代方案。它们大幅减少了车辆排放，同时其能量转换效率和驾驶性能仍与常规车辆相当[2]。

质子交换膜燃料电池（PEMFC）通过氢气的电化学反应产生电能。这些电能通过中间的转换器接口系统直接供给车辆驱动系统。这种高效的能量转换过程使基于PEMFC的车辆成为传统燃烧驱动交通的合适替代方案[3]。PEMFC堆的瞬态性能本质上受限于反应动力学和电堆内反应物的传输过程。因此，其输出功率无法在车辆需求快速变化时瞬时增减，尤其是在加速和再生制动期间[4]。反复承受此类瞬态还会加速电堆的退化并缩短其使用寿命。因此，独立燃料电池系统很少能满足车辆运行中的动态功率需求。通常需要辅助储能来维持性能和耐久性。这一需求推动了HPS架构的广泛采用，其中PEMFC与电池和超级电容在协调的能量管理框架下相结合[5]。在此类配置中，燃料电池通常负责基载或平均功率需求，使其在高效区间内运行[6]、[7]。电池由于具有相对较高的能量密度，提供中时长的支持，并通过持续的负载变化维持功率输出；它还作为备用电源，在低需求或再生制动期间吸收多余能量[8]。超级电容则以高功率密度和快速充放电能力著称，特别适用于短时高功率瞬态[9]。这些互补特性平滑了施加于燃料电池的负载曲线，减少了电堆的电化学应力，并延长了HPS的整体效率和使用寿命[10]、[11]、[12]。然而，要在实际中实现这些优势，关键依赖于功率转换级、控制策略和能量管理方案的协调设计。

功率电子转换器构成HPS的核心能量转换接口，将燃料电池、电池和超级电容连接到共用的直流母线，为三相逆变器供电[13]。通常使用单向升压转换器将燃料电池电压提升至所需的直流母线水平，而分别通过双向DC-DC转换器将电池和超级电容接入，以实现受控充放电[14]。这些转换器的协调控制对于维持稳定的直流母线电压、确保精确的电流跟踪以及在变化工况下合理分配能量来源的功率至关重要。由于HPS的非线性动力学特性、各能量源之间的强耦合，以及由负载变化、参数变化和源电压波动引起的不确定性，这一任务极具挑战性[15]、[16]。因此，有效的控制框架不仅要维持直流母线稳定性，还要促进高效的能量转换并根据各源的特性分配功率，从而提升系统效率并延长组件寿命[9]、[17]。传统的定增益线性控制器在系统远离标称运行点时往往无法维持令人满意的性能[18]。尽管PID控制器因其结构简单和易于实现而具有吸引力，但有限的鲁棒性和适应性限制了其在高动态混合电源系统中的有效性[19]（见图1）。

为了突破经典控制器的局限，研究者探索了广泛的先进控制方法。模糊逻辑控制能够较好地处理非线性行为和系统不确定性，但其性能取决于隶属函数和规则库的选择，这种依赖性限制了可扩展性和实时适应能力[20]、[21]。基于神经网络的控制器增加了学习能力，有助于跟踪变化的运行条件。然而，由于计算负载和过拟合风险，其在实时应用中的可行性较难论证[22]。模型预测控制采用更为结构化的途径，在优化过程中直接考虑多变量动态特性和运行约束。但其局限性在于：在车辆环境下，它需要精确的系统模型和足够的车载计算能力，才能足够快地求解优化问题以适应快速变化的负载[23]。滑模控制在混合燃料电池系统中引起了较大关注，其理由更为直接——它通过设计本身来容忍扰动和参数不确定性[24]、[25]。若干变体方案针对基本方案的特定缺陷进行了改进。积分滑模控制消除了稳态误差，有限时间滑模控制加速了收敛，自适应滑模控制补偿了参数漂移[26]、[27]。但这些方案都伴随着折衷。积分滑模控制收敛较慢，有限时间方案的稳定时间仍取决于系统起始位置，而自适应或反步法设计增加了足够的结构复杂性，使得调参本身成为负担[26]、[28]。

这些局限性凸显了对一种既能快速收敛又便于实际实施的控制策略的需求。PDT-ISMC提供了一种合适的途径来满足这些要求。收敛性在设计者事先指定的时间上界内得到保证，且该上界与系统初始条件无关。因此，瞬态行为是可预测的，收敛时间本身成为一个明确的设计参数，而非控制器调谐后需要验证的属性。基于这一特性，本工作为混合燃料电池电源系统开发了一种PDT-ISMC方案，目标是在负载变化和源侧不确定性条件下实现鲁棒的直流母线电压调节和精确的电流跟踪。控制器辅以增强型EMS，负责协调燃料电池、电池和超级电容之间的功率分配。燃料电池功率被限制在允许运行范围内，而剩余功率需求根据其实时幅值在电池和超级电容之间分配。这种分配利用了两种储能设备在能量和功率特性上的互补性，并保持功率分担的物理一致性。控制器增益随后通过正弦余弦优化（SCO）算法进行调谐，在保持预定时稳定性所需条件的前提下改善瞬态性能和鲁棒性。所提出的EMS-PDT-ISMC框架在源侧扰动和代表性驾驶循环下进行了仿真评估。

• 建立了FCEV混合电源系统的非线性模型，以在源侧电压变化的情况下捕捉燃料电池、电池和超级电容的耦合动态。
• 设计了PDT-ISM控制器，以调节直流母线电压并跟踪各源电流参考值，保证在预设时间界限内收敛且与初始条件无关。
• 制定了EMS，将燃料电池功率维持在其允许限制范围内，并动态分配剩余功率需求于电池和超级电容之间。
• 提供了严格的基于Lyapunov的稳定性分析，以建立滑模面和电流跟踪误差的预定时收敛性。
• 使用正弦余弦优化算法优化控制器增益，以改善瞬态响应并增强对系统不确定性的鲁棒性。
• 在标称运行、源侧电压扰动和UDDS驾驶循环下的广泛仿真验证了所提出的EMS-PDT-ISMC框架，证明了稳定的直流母线电压调节和各能量源之间的协调电流分担（见图2）。

章节摘要

HPS动态建模

在FCEV中，燃料电池主要作为持续功率源，而电池和超级电容作为辅助储能单元，以支持加速、制动和其他驾驶条件下的快速瞬态和高峰值功率需求。有效的能量管理策略和适当的控制对于在这些组件之间平衡功率分配以实现最佳性能和效率至关重要。本节介绍了各组件的动态模型。

HPS问题建模

对于FCEV中所用HPS的系统化设计和分析，需要一个能够捕捉燃料电池、电池和超级电容耦合动态的数学模型。特别是，该模型必须反映这些电源通过共用直流母线进行的相互作用以及它们对驾驶条件施加的时变功率需求的响应。基于上一节介绍的转换器模型，以下平均状态空间方程描述了……

所提出的控制器

本节介绍了所提出的PDT-ISMC方案的开发和分析研究，用于调节FCEV HPS中所有与电流相关的状态变量以及直流母线电压。首先详细阐述了预定时滑模面的构建，随后系统推导了相应的SMC律。接着进行了全面的基于Lyapunov的稳定性分析，以严格证明闭环系统实现了……

所提出控制器的参数优化

上一节开发的PDT-ISMC包含若干直接影响闭环系统整体收敛速度、鲁棒性和抖振行为的调谐参数。特别是，流形增益α、非线性指数β和?以及切换增益Γ4必须仔细选择，以在保持预定时收敛保证的同时实现最优瞬态响应。虽然可从稳定性条件中解析地选择可行值……

结果与讨论

本节展示了所提出的PDT-ISMC控制器结合能量管理策略的结果。控制器在取自UDDS的实际驾驶曲线上进行了测试，如图5所示。选取了完整1369秒循环中的130秒窗口。该窗口仍覆盖了所有类型的驾驶条件，包括怠速期、全加速阶段、巡航阶段和带再生电流的制动事件。同时添加了电压扰动……

结论

本文提出了一种针对FCEV中燃料电池-电池-超级电容HPS的PDT-ISMC结合EMS的框架。该框架在UDDS的130秒窗口上进行了测试，覆盖怠速期、两个加速阶段、巡航阶段以及带再生电流的制动事件，同时施加了三种源侧扰动。燃料电池电压下降了10%，电池电压升高了8%，超级电容电压给以一个短时阶跃。即使使用原始增益，所提出的……

CRediT作者贡献声明

Md Samiullah：撰写——初稿、软件、形式分析。Syed Muhammad Amrr：撰写——初稿、验证、方法论。Ali T. Al-Awami：撰写——审阅与编辑、指导、资源。

稿件准备过程中生成式AI和AI辅助技术的声明

在准备本工作期间，作者使用了ChatGPT（GPT-5，OpenAI）协助本稿件的英语编辑工作。

作者已根据需要对输出内容进行审阅和编辑，并对已发表文章的内容承担全部责任。

利益冲突声明

作者声明，他们没有已知的竞争性经济利益或个人关系，这些利益或关系可能被认为会影响本文报告的工作。

致谢

作者感谢沙特阿拉伯国王法赫德石油与矿物大学（KFUPM）智能移动与物流跨学科研究中心（IRC-SML）在项目编号 INML2652 下的支持。赛义德·穆罕默德·阿姆尔还感谢沙特阿拉伯国王法赫德石油与矿物大学（KFUPM）可持续能源系统跨学科研究中心（IRC-SES）的支持。

姆德·萨米乌拉 | 赛义德·穆罕默德·阿姆尔 | 阿里·T·阿拉瓦米