燃料电池混合动力电动汽车：定容与控设协同优化的方法论框架

《Transportation Engineering》：Fuel cell hybrid electric vehicles: methodological approach for sizing and control design

　　

燃料电池混合动力电动汽车（FCHEV）通过将高转换效率与长续航及零尾气排放相结合，为交通部门脱碳提供了一条有前景的路径。然而，混合动力总成的设计仍具挑战性，因为协调定容与控制对于充分挖掘其潜力至关重要。因此，由于这些子系统间存在强相互依赖，协同优化框架必不可少。本研究针对轻型四轮微型车开发了一种结构化的面向应用的FCHEV动力总成设计方法论框架，集成了定容与控制两方面。该方法被应用于一辆混合动力轻型四轮车（L6e级）。通过自研硬件在环（HIL）平台在部件与系统两级验证的高保真虚拟试验台，确保了多样工况下性能分析的可靠性。虚拟试验台内的放大（scale-up）方法评估了燃料电池堆（FCS）可扩展性及其对车辆性能的影响。通过比较两种能量管理策略（EMS）：基线模糊逻辑控制器与新颖的基于驾驶模式识别（DPR）的EMS，论证了协同优化的必要性。后者经最优结果训练，实时适应驾驶条件，以低计算成本取得近优性能。四种FCS尺寸（放大系数1、1.5、2和2.5）在随机驾驶循环上测试，表明在所考察候选方案中，优选设计将中型FCS与基于DPR的EMS结合，平衡了性能与成本。DPR控制器在里程上比基线高出7–8%，证实了协同优化设计的价值。本研究确立了可扩展、经实验验证的混合动力总成设计方法论，为氢基推进在未来微型交通生态中的集成铺平了道路。

研究背景方面，交通部门脱碳需求迫切，氢能燃料电池技术因高转换效率（40%–60%）、再生制动与长续航成为可持续出行的重要路径，但燃料电池混合动力电动汽车（FCHEV）动力总成设计面临部件定容与能量管理策略（EMS）强耦合难题：传统启发式定容与静态规则控制难以协同释放混合架构潜力，且大比例部署受成本、耐久、加注基础设施与绿氢制备制约。现有协同优化研究多依赖简化部件模型与可参数化控制，未能充分捕捉先进EMS与定容决策的交互。为此，研究人员以L6e级并联式FCHEV微型车为对象，构建高保真虚拟试验台与硬件在环（HIL）验证体系，提出“定容—控制”联合仿真驱动设计空间探索框架，论证协同优化必要性并给出优选方案。该研究发表于《Transportation Engineering》。

关键技术方法上，研究人员基于Matlab/Simulink/Simscape搭建前向式车辆纵向动力学模型，采用经实验标定的Horizon H-2000 PEM燃料电池堆等效模型与LiFePO₄电池等效电路模型（含三RC支路），引入线性放大系数（f_Scale-Up=1、1.5、2、2.5）推演同系族FCS电压与氢耗标度关系并修正吹扫项非线性的利用因子（f_u）；以CNR STEMS惯性测功机实车数据与自研HIL平台（WMTC循环、ITECH电源、Aalborg DPM37氢流量计）完成系统级与部件级两段验证；驾驶任务由WMTC经马尔可夫链蒙特卡洛（MCMC）合成4小时随机循环；控制侧以动态规划（DP）求各FCS尺寸下SOC与FCS功率最优轨作为基准，经k-means聚类提取典型驾驶模式，用遗传算法训练各簇模糊隶属函数，由DPR监督层实时识模并切换对应模糊控制器，与静态双输入单输出模糊逻辑基线对照。

研究结果部分，首先2.1系统建模中指出，参考车为425 kg（不含能源）L6e微型车，四轮毂2 kW电机（限6 kW）、100 Ah LiFePO₄电池与1.5 kW Horizon H-2000 PEM FCS并联，DC/DC采用目标功率跟随；FCS因禁用短路单元（SCU）限功率1.5 kW，线性放大假设在同系族（H-2000/H-3000/H-5000）材料与空冷布局一致、放大≤2.5内成立，氢耗由法拉第计量项叠加固定吹扫流推导，净效率η_FC,net=f_u·η_FC,therm。2.2能量管理策略实施中指出，模糊逻辑基线以（功率需求，SOC）双输入输出FCS指令、限功率变化率；DPR-EMS先将历史数据k-means聚类，各簇用DynaProg工具箱解DP得最优轨，GA调模糊隶属度逼近DP，再由DPR层按运动学特征实时选簇，实现因果可车载近优控制。2.3虚拟试验台验证中指出，实车电池功率RMSE 0.90 kW、SOC误差0.19%，HIL下FCS电压平均误2.2%、电池电压误0.4%、氢耗重合，证明载荷与子系统交互可信。2.4驾驶循环合成与案例中指出，MCMC生成循环与WMTC速度/加速度/功率分布偏差<3%，峰值平均功率比（PAR）4.43对4.37，车载0.3 kg氢耗尽为止，电池净能耗折算等价氢耗计入。2.5方法可扩展性中指出，框架可迁至乘用车与电池定容、HIL无量纲化（per-unit）扩展，但超5 kW需改液冷破坏线性标度前提。

3.1控制适应性评估中指出，各配置终SOC均回归70%附近，DPR在f_Scale-Up=2.5时FCS功率波动远小于模糊逻辑，净效率稳于50%–55%（模糊逻辑宽幅20%–55%且含零效怠速），DC/DC平均效维持90%–94%（模糊逻辑由93%降至84%）。3.2协同优化框架结果中指出，模糊逻辑下η_FC,net随放大由45.3%降至42.8%，因大FCS低平均电流致f_u跌；DPR下f_u稳于85%，η_FC,net升至53.4%，里程由81.1 km升至89.0 km（模糊逻辑78.6→83.2 km），DPR全程较模糊逻辑高7%–8%；f_Scale-Up=2配DPR与f_Scale-Up=2.5里程持平（89.1对89.0 km）但降本，故中型FCS+DPR为优选，f_Scale-Up=1.5+DPR（87 km）已胜f_Scale-Up=2.5+模糊逻辑（83.2 km）。

讨论部分总结：研究人员强调定容与EMS须联合寻优，静态控制使大FCS净效衰退，而尺寸感知型DPR-EMS能随架构演化捕获交互；优选中型FCS非最大尺寸，证明协同设计优于单纯放大部件。结论部分翻译如下：本文推进了面向可持续出行的FCHEV研究，聚焦微型交通定容—控制协同框架缺口。所提基于实验表征、详细建模与仿真的框架在L6e微型车上演示，经两段验证与DPR-EMS对照模糊逻辑，在放大系数1/1.5/2/2.5离散空间内证实协同必要性。关键产出为：尺寸增大带来5%–10%里程提升；DPR较模糊逻辑使大FCS净效由43%升至53%、里程增益7%–8%；优选f_Scale-Up=2配DPR，性能近f_Scale-Up=2.5而降资本支出；f_Scale-Up=1.5配DPR以87 km超越最大FCS配模糊逻辑83.2 km。研究表明定容与控制共设计对平衡FCHEV配置不可或缺，最终选型须结合CAPEX与OPEX权衡，后续将扩至电池定容、氢储、老化与多随机循环鲁棒性评估。