智能网联燃料电池汽车全局功率预测与分配策略研究

Working conditions which vary frequently greatly reduce durability and economy of the fuel cell vehicle system. Moreover, working conditions are the global random disturbance of the fuel cell's control strategy. Aiming at this problem, this project is introduced the intelligent network technology to predictive working condition, and focused on two key scientific issues. One is how to predict power demand curve of the target road. The another is how to reach the global and local optimal objective. First, traffic information model is built. Information obtained from intelligent network equipment are fused to predict power demand curve of fuel cell vehicle by using the neural network and the maximum likelihood estimation method. Then power splitting strategy which reach global and local optimization is exploited by combining wavelet analysis with passivity-based control. Wavelet analysis is used to solve power demand curve of fuel cell which is global optimization. Multiple mode passivity-based control is used to design real-time power splitting strategy. The successful implementation of this project will improve independent innovation ability of the fuel cell, and provide a technical basis for large-scale application of fuel cell vehicles.

频繁变化的汽车工况降低了车载燃料电池系统耐久性和经济性，且对燃料电池控制策略造成了全局随机扰动。针对此问题，本项目引入智能网联技术进行工况预测，围绕两个关键科学问题：智能网联环境下如何预测行驶路段功率需求曲线、功率分配策略如何达到全局与局部兼优的目标，进行如下研究：首先，建立交通信息模型，采用神经网络和极大似然估计方法对智能网联设备获得的信息进行融合处理，预测智能网联燃料电池汽车全局功率需求曲线；其次，探索一种小波分析与无源控制相结合、全局与局部兼优的功率分配策略，采用小波分析方法求解燃料电池全局最优功率需求曲线；采用多模式无源控制方法设计燃料电池系统实时功率分配策略。本项目的成功实施将提高燃料电池自主创新能力，为燃料电池汽车大规模应用推广提供技术基础。

频繁变化的汽车工况降低了车载燃料电池系统耐久性和经济性，且对燃料电池控制策略造成了全局随机扰动。针对此问题，本项目引入智能网联技术进行工况预测，围绕两个关键科学问题：智能网联环境下如何预测行驶路段功率需求曲线、功率分配策略如何达到全局与局部兼优的目标，进行如下研究：. 首先，建立交通信息模型，采用神经网络和极大似然估计方法对智能网联设备获得的信息进行融合处理，根据历史负载需求功率变动的内在规律建立了灰色-马尔可夫链负载需求功率预测模型，为了使模型预测的更精确，通过附加外部条件进行修正，来减小预测的负载需求功率与实际负载需求功率的误差，从而预测智能网联燃料电池汽车全局功率需求曲线；. 其次，在燃料电池动力系统部分构建了基于FPGA+CPU的多模块燃料电池动力系统硬件在环仿真平台，多个DC/DC、双向DC/DC以及电机子FPGA中模拟实现；燃料电池和超级电容在台式机CPU中实现，该平台可用来测试能量管理策略、DC/DC控制器；模拟城市道路和高速公路等典型工况中的汽车分布情况，并模拟GPS 和GIS 信息，最后构成智能网联燃料电池汽车半实物仿真平台。. 采用多模式无源控制方法设计燃料电池系统实时功率分配策略，考虑负载的功率需求及超级电容的SOC对功率分配策略的影响，在稳态时多模块燃料电池系统应具有以下上述11种不同的工作模式。定义多模块燃料电池系统状态变量的期望平衡点。定义多模块燃料电池闭环系统的能量函数，根据无源控制方法，采用阻尼的方式设计混合系统的非线性功率控制器。. 提出了一种通过调制DC/DC变换器纹波来测量燃料电池EIS的方法。为了提高纹波控制的精度，提出了基于RNN的MPC算法，该算法具有良好的稳定性和快速性。为了实现MPC，保证运算速度，设计了嵌入式FPGA控制器。EIS测量结果验证了所提出的MPC算法的优越性。在此基础上提出了基于健康状态的多模块燃料电池能量分配策略。