《Chinese Journal of Electrical Engineering》:Adaptive Wavelet Transform-Based Energy Management Strategy of Hybrid Energy Storage System for Electric Vehicles Considering Driving Style
编辑推荐:
驾驶条件和驾驶风格显著影响电动汽车(EV)混合储能系统(HESS)的能量经济性和电池寿命。本研究提出一种考虑驾驶风格的自适应小波变换(WT)能量管理策略(EMS),旨在延长电池寿命并减少能量损失。首先,详细建立了电池、超级电容器和DC/DC变换器的动态模型。其
驾驶条件和驾驶风格显著影响电动汽车(EV)混合储能系统(HESS)的能量经济性和电池寿命。本研究提出一种考虑驾驶风格的自适应小波变换(WT)能量管理策略(EMS),旨在延长电池寿命并减少能量损失。首先,详细建立了电池、超级电容器和DC/DC变换器的动态模型。其次,基于行驶工况识别(DCR)通过分析加加速度实现驾驶风格识别(DSR),将驾驶风格分为保守型、正常型和激进型。接着,设计了一种WT分解层数自适应方法,用于在线分离瞬态功率,从而提升EMS对行驶工况和驾驶风格的适应性。最后,采用模糊逻辑控制(FLC)实现最优功率分配。仿真结果表明,与传统固定层数WT的EMS相比,自适应层数WT-FLC的EMS在延长电池寿命和节能方面具有显著优势:最大电池电流有效抑制了58.09%,在40 km/h匀速行驶下续航里程提升了1.49 km,功率波动降低了38.04%。
一、研究背景与问题
随着环境污染、气候变化和能源危机的日益加剧,燃油汽车的大量使用成为主要原因之一。电动汽车(EV)因其低污染和高能效被视为替代方案,其发展前景很大程度上取决于储能技术。锂离子电池虽兼具能量密度和功率密度优势,但在复杂多变的行驶环境中面临电流冲击导致的加速老化和过热问题,高频纹波冲击和高更换成本限制了其应用。超级电容器凭借长循环寿命、高功率密度和快速瞬态响应能力,可作为负载缓冲器保护电池。因此,由电池和超级电容器组成的混合储能系统(HESS)成为应对多变道路环境的更优选择。
由于HESS包含多种能源,开发合适的能量管理策略(EMS)至关重要。现有EMS中,基于规则的方法(如确定性规则、模糊规则、滤波算法)因算法复杂度低、结构简单可在线实施,但依赖工程经验且难以在时变场景下实现最优。优化理论和人工智能策略计算成本高或数据需求大,难以直接应用于当前车载控制器。此外,大多数EMS侧重提升能量经济性,较少关注对外部交通环境的适应性。驾驶风格作为外部不确定性因素,已被证明对电池寿命和能量经济性有重要影响,不同驾驶风格(保守型、正常型、激进型)下的能耗和电池退化率差异显著。同时,行驶工况是影响和约束驾驶风格的主要因素之一,因此在行驶工况识别(DCR)基础上实现驾驶风格识别(DSR)更为合理。
小波变换(WT)因其独特的时频域局部信号分析能力被广泛用于HESS的EMS,能够可靠地将动态负载中的高低频信号分离。然而,传统固定层数WT在复杂环境下性能显著下降,固定高层数WT还面临计算复杂度高、噪声误判导致的高能耗、频繁能量转换以及超级电容器过载或能量不足等问题。因此,将DSR算法融入WT的EMS,动态调整小波分解层数,可将不同驾驶风格下的功率信号分解为更匹配电池和超级电容器的频段,从而降低能量损失。
二、研究内容与结论
针对上述问题,研究人员提出一种结合DCR和DSR的自适应WT能量管理策略。该策略通过动态调节WT分解层数以适配不同驾驶风格和工况,缓解峰值和高频功率对电池的压力,从而延长电池寿命。研究得出以下结论:与传统的固定层数WT的EMS相比,自适应层数WT-FLC的EMS在抑制电池电流、降低功率波动和节约能量方面具有显著优势,最大电池电流有效抑制了58.09%,在40 km/h匀速行驶下续航里程提升1.49 km,功率波动降低38.04%。
三、关键技术方法
为实现上述目标,研究人员采用了以下关键技术方法:
- 1.
行驶工况识别(DCR):从ADVISOR驾驶周期文件库中选取20种典型工况,划分为80秒的运动学片段,提取9类特征参数后通过主成分分析(PCA)降维,选取平均速度、加速时间比和怠速时间比作为典型特征参数,利用K-means聚类将工况分为城市、郊区、高速公路三类,并通过滚动识别预测未来3秒的工况类型。
- 2.
驾驶风格识别(DSR):基于DCR结果,通过计算车辆运行过程中加加速度(Jerk)的二阶导数及其标准差与平均值的比值(rDS),设定阈值(rH=1.0,rL=0.5)将驾驶风格分为保守型、正常型和激进型。
- 3.
自适应小波变换(AWT):选用Haar小波基函数,根据DCR和DSR结果,通过自适应规则表动态选择WT分解层数(2、3或4层),以匹配不同工况和驾驶风格下的功率频率特性。
- 4.
模糊逻辑控制(FLC):以电池SOC(SOCbat)、超级电容器SOC(SOCuc)和电池参考功率(Pbref)为输入,电池输出功率(Pbat)为输出,采用梯形隶属度函数和模糊规则库进行功率分配,确保超级电容器SOC维持在合理范围。
四、研究结果
4.1 基于不同WT的EMS评估
与固定层数WT(2级、3级、4级)相比,自适应WT的EMS的电池电流曲线突变更少,能够自动调整分解层数以适应不断变化的驾驶风格和工况,进一步减轻电池损伤。在能量效率方面,自适应WT的EMS终端SOCbat为0.6605,能耗为15.58 MJ,较2级WT的EMS节省3.1%。超级电容器SOCuc在自适应WT下波动范围为0.7~0.9,而固定层数WT仅波动于0.8~0.9,表明自适应WT能更充分利用超级电容器的快速响应能力。
4.2 基于FLC和不同WT的EMS评估
引入FLC后,四种策略均能将电池电流稳定在100 A(2C-rate)以内,超级电容器输出瞬态电流可达500 A。在高速公路条件下(780~800 s),自适应WT-FLC的EMS的电池电流与2级和3级WT-FLC策略一致,验证了自适应层数的合理性。能耗方面,2级、3级、4级和自适应WT-FLC的EMS分别为15.26 MJ、15.20 MJ、15.05 MJ和15.02 MJ,所提出的EMS表现出最优的能量经济性。
五、结论与讨论
研究人员提出一种考虑驾驶风格的自适应WT能量管理策略,通过融合DCR和DSR动态调整WT分解层数,并结合FLC实现最优功率分配。研究表明,该方法在抑制电池电流、降低功率波动和提升能量效率方面优于传统固定层数WT策略,有效延长了电池寿命并减少了能量损失。