基于麻雀搜索算法的ECMS氢燃料电动车能量管理方法

基于麻雀搜索算法的ecms氢燃料电动车能量管理方法
技术领域
1.本发明涉及新能源汽车领域，尤其涉及基于麻雀搜索算法的ecms氢燃料电动车能量管理方法。


背景技术：

2.燃料电池汽车由于零污染、长续驶里程以及加氢快等优点备受欢迎。燃料电池汽车电源混合形式主要分三种：燃料电池+蓄电池混合动力系统、燃料电池+超级电容混合动力系统和燃料电池+蓄电池+超级电容混合动力系统。对于不同配置模式的混合动力系统，所采取的能量管理策略也会有所不同，控制目标是提高燃料经济性和延长动力源使用寿命，其中第三种配置模式中的超级电容发挥“削峰填谷”的作用，使蓄电池不会出现大电流的充放电情况，因此该结构有着可以有效延长蓄电池的使用寿命的优势。对于不同配置模式的混合动力系统，所采取的能量管理策略也会有所不同，目前常用的控制策略是基于车辆经济性的等效氢耗最小策略(equivalent consumption minimum strategy，ecms)。
3.等效氢耗最低策略是一种可以作为实时控制器实现的瞬时优化方法，然而，ecms中的等效因子对汽车的经济性的影响很大，如何设计等效因子以及如何实时优化调节等效因子是氢燃料电动汽车等效氢耗最小策略的关键问题。
4.麻雀搜索算法(sparrow search algorithm,ssa)是2020年由xue jiankai和shen bo设计的一种新型群智能算法，ssa主要是受麻雀的觅食行为和反捕食行为的启发而提出的。该算法结构简单、收敛速度快、迭代过程稳定，受到众多学者的重视，已成功应用到众多实际问题。


技术实现要素：

5.发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供基于麻雀搜索算法的ecms氢燃料电动车能量管理方法，包括：
6.步骤1，基于氢燃料电池混合动力汽车动力系统结构，建立氢燃料电动汽车动力系统模型；
7.步骤2，以总的氢耗量为目标，设计综合锂电池和超级电容的等效因子，建立等效氢耗最小策略ecms的氢燃料电动汽车能量管理模型；
8.步骤3，针对等效氢耗最小策略ecms中的等效因子优化问题，采用麻雀搜索算法(sparrow search algorithm,ssa)对等效氢耗最小策略ecms中的等效因子进行调节。
9.步骤1中，所述氢燃料电动汽车动力系统模型为：
[0010][0011]
其中，p
req
为需求功率，v为车辆速度，a为车辆加速度，m为整车质量，ρ为空气密度，
a为车辆迎风面积，cd为空气阻力系数，g为重力加速度，μ为滚动阻力系数，θ为道路坡度，ηm为电机效率；
[0012]
汽车内各电池间的功率关系如下：
[0013]
p
req
＝p
fc
+p
bat
+p
sc
[0014]
其中，p
fc
为燃料电池电池堆功率，p
bat
为锂电池功率，p
sc
为超级电容功率。
[0015]
步骤2包括：
[0016]
步骤2-1，建立氢燃料电池氢耗与辅助电池(锂电池和超级电容)消耗的电能之间的等效关系：
[0017][0018]
其中，为总的等效氢耗，为氢燃料电池的氢耗，为锂电池的等效氢耗，为超级电容的等效氢耗，为氢气热值，s为设计的等效因子；
[0019]
步骤2-2，建立如下目标函数j，完成等效氢耗最小策略ecms氢燃料电动汽车能量管理模型的建立：
[0020][0021]
步骤2-1中，所述设计的等效因子s如下：
[0022]
s＝η
batkbat
+η
scksc
[0023]
其中，η
bat
为锂电池的充放电效率，η
batsc
为超级电容的充放电效率，k
bat
、k
sc
分别为锂电池的惩罚系数和超级电容的惩罚系数，用于限制辅助电池的soc(state of charge，荷电状态)的变化范围，如果辅助电池soc高于soc上限，惩罚系数会减小等效因子以促进电池的放电，如果辅助电池soc低于soc下限，惩罚系数会增大等效因子以促进电池充电，惩罚函数如下：
[0024][0025]
其中，μ
bat
和μ
sc
分别为锂电池soc的平衡系数和超级电容soc的平衡系数，soc
batmax
和soc
batmin
分别为锂电池soc的最大值和最小值，soc
bat
为当前锂电池的soc值，soc
scmax
和soc
scmin
分别为超级电容soc的最大值和最小值，soc
sc
为当前超级电容的soc值，soc
scinit
为超级电容soc的初始值。
[0026]
步骤3包括：
[0027]
步骤3-1，麻雀群初始化，状态输入量构成一个麻雀个体，设置状态量的范围，根据每个状态量的上下限，将上下限内的状态输入量构成麻雀种群，并确定发现者和加入者比例，取发现者占种群总数的20％；
[0028]
步骤3-2，设计适应度函数f(t)，计算初始种群的适应度并按升序排列，确定当前最优值(适应度最高)、最差值(适应度最低)、最优值和最差值的位置；
[0029]
步骤3-3，更新发现者的位置、加入者的位置以及意识到危险的麻雀(预警者)的位置；
[0030]
步骤3-4，计算适应度值并更新麻雀位置；
[0031]
步骤3-5，判断是否满足停止条件，满足则退出，输出最终结果，得到全局最优值，否则重复步骤3-2～步骤3-4。
[0032]
步骤3-1中，所述状态输入量[p
fc
,soc
bat
,p
bat
,i
bat
,soc
sc
,p
sc
,i
sc
]范围包括：
[0033][0034]
其中，p
fcmin
和p
fcmax
分别为氢燃料电池功率的最小值和最大值，p
batmin
和p
batmax
分别为锂电池功率的最小值和最大值，i
bat
为锂电池电流，i
batcharge_lim
和i
batdischarge_lim
分别为锂电池充放电的电流下限值和上限值，p
sctmin
和p
scmax
分别为超级电容功率的最小值和最大值，i
sc
为超级电容电流，i
sccharge_lim
和i
scdischarge_lim
分别为超级电容充放电的电流下限值和上限值。
[0035]
步骤3-2中，所述适应度函数f(t)为：
[0036][0037]
其中，g1表示氢燃料电池和辅助电池功率都在各自功率范围内时取1，否则取0；g2表示辅助电池soc在电荷量上下限之间时取1，否则取0；soc
batinit
为锂电池soc初始值，为整车等效氢耗累积量。
[0038]
本发明还提供了一种存储介质，存储有计算机程序或指令，当所述计算机程序或指令被运行时，实现所述基于麻雀搜索算法的ecms氢燃料电动车能量管理方法。
[0039]
有益效果：与现有技术相比，本发明通过麻雀搜索算法，综合考虑辅助电池soc、等效氢耗、燃料电池功率及辅助电池功率设置适应度函数，可以快速调节优化等效氢耗最小策略中的等效因子s，可以实现燃料电池和辅助电池间的功率合理分配，在满足汽车动力性的前提下，获得最大的经济性以及驾驶平顺性。
附图说明
[0040]
下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述和/或其他方面的优点将会变得更加清楚。
[0041]
图1为氢燃料电动汽车系统结构模型示意图。
[0042]
图2为基于麻雀搜索算法的ecms氢燃料电动车能量管理控制策略的整体优化流程框图。
[0043]
图3为麻雀搜索算法求解流程图。
具体实施方式
[0044]
图1为氢燃料电动汽车系统结构模型，氢燃料电池、锂电池和超级电容作为能量源，单向dc/dc变换器将燃料电池输出电压变换至母线电压，双向dc/dc变换器变换超级电容输出电压与母线电压，能量管理系统进行功率的合理分配。
[0045]
图2为基于麻雀搜索算法的ecms氢燃料电动车能量管理控制策略的整体优化流程框图，由图1的汽车系统得到车速、加速度以及锂电池和超级电容状态信号soc值输入麻雀搜索优化模块中，通过结合目标函数和约束条件利用麻雀搜索算法优化等效因子s。
[0046]
图3为麻雀搜索算法流程图，输入七个状态输入量[p
fc
,soc
bat
,p
bat
,i
bat
,soc
sc
,p
sc
,i
sc
]作为麻雀个体，设计适应度函数，通过麻雀算法优化，得到最优的等效因子。
[0047]
本发明提供了基于麻雀搜索算法的ecms氢燃料电动车能量管理方法，包括如下步骤：
[0048]
(1)氢燃料电动汽车动力系统模型为：
[0049][0050]
其中，p
req
为需求功率，v为车辆速度，a为车辆加速度，m为整车质量，ρ为空气密度，a为车辆迎风面积，cd为空气阻力系数，g为重力加速度，μ为滚动阻力系数，θ为道路坡度，ηm为电机效率。
[0051]
汽车内各电池之间的功率关系如下：
[0052]
p
req
＝p
fc
+p
bat
+p
sc
[0053]
其中，p
fc
为燃料电池电池堆功率，p
bat
为锂电池功率，p
sc
为超级电容功率。
[0054]
(2)基于等效氢耗最小策略，将整车能量消耗转换为氢气消耗量：
[0055][0056]
其中，为总的等效氢耗，为氢燃料电池的氢耗，为锂电池的等效氢耗，为超级电容的等效氢耗，为氢气热值，s为所设计的等效因子，其公式如下：
[0057]
s＝η
batkbat
+η
scksc
[0058]
其中，η
bat
为锂电池的充放电效率，η
sc
为超级电容的充放电效率，k
bat
、k
sc
分别为锂电池和超级电容的惩罚系数，其用于限制辅助电池的soc的变化范围，如果辅助电池soc超过soc上限，惩罚系数会减小等效因子以促进电池的放电，如果辅助电池soc低于soc下限，惩罚系数会增大等效因子以促进电池充电，惩罚函数如下：
[0059][0060]
其中，μ
bat
和μ
sc
分别为锂电池和超级电容soc的平衡系数，soc
batmax
和soc
batmin
分别为锂电池soc的最大值和最小值，soc
bat
为当前锂电池的soc值，soc
scmax
和soc
scmin
分别为超级电容soc的最大值和最小值，soc
sc
为当前超级电容的soc值，soc
scinit
为超级电容soc的初始值。
[0061]
基于等效氢耗最小策略，以总的等效氢气消耗最小为目标，建立目标函数：
[0062][0063]
(3)基于上述经济性目标，采用麻雀搜索算法(sparrow search algorithm,ssa)对等效氢耗最小策略中的等效因子进行优化，具体步骤包括如下：
[0064]
①
麻雀群初始化，七个状态输入量[p
fc
,soc
bat
,p
bat
,i
bat
,soc
sc
,p
sc
,i
sc
]构成一个麻雀个体，设置状态量的范围，根据每个状态量的上下限，将上下限内的状态量构成麻雀种群，并确定发现者和加入者比例，取发现者占种群总数的20％，状态量的范围如下：
[0065][0066]
其中，p
fcmin
和p
fcmax
分别为氢燃料电池功率的最小值和最大值，p
batmin
和p
batmax
分别为锂电池功率的最小值和最大值，i
bat
为锂电池电流，i
batcharge_lim
和i
batdischarge_lim
分别为锂电池充放电的电流下限值和上限值，p
sctmin
和p
scmax
分别为超级电容功率的最小值和最大值，i
sc
为超级电容电流，i
sccharge_lim
和i
scdischarge_lim
分别为超级电容充放电的电流下限值和上限值。
[0067]
②
计算初始种群的适应度并将其按升序排列，进而选出当前最优值(适应度值最小)和最差值(适应度值最大)，设计适应度函数如下：
[0068][0069]
其中，g1表示氢燃料电池和辅助电池(锂电池和超级电容)功率都在各自功率范围内时取1，否则取0；g2表示辅助电池soc在电荷量上下限之间时取1，否则取0；soc
batinit
为锂
电池soc初始值；为整车等效氢耗累积量。
[0070]
③
更新发现者的位置、加入者的位置以及意识到危险的麻雀(预警者)的位置。
[0071]
④
计算适应度值并更新麻雀位置。
[0072]
⑤
判断是否满足停止条件(取迭代次数为80，达到80即满足停止条件)，满足则退出，输出最终结果，得到全局最优值，否则重复上述
②
～
④
。
[0073]
具体实现中，本技术提供计算机存储介质以及对应的数据处理单元，其中，该计算机存储介质能够存储计算机程序，所述计算机程序通过数据处理单元执行时可运行本发明提供的xxxxxxxxxxx的发明内容以及各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)或随机存储记忆体(random access memory，ram)等。
[0074]
本领域的技术人员可以清楚地了解到本发明实施例中的技术方案可借助计算机程序以及其对应的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机程序即软件产品的形式体现出来，该计算机程序软件产品可以存储在存储介质中，包括若干指令用以使得一台包含数据处理单元的设备(可以是个人计算机，服务器，单片机，muu或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
[0075]
本发明提供了基于麻雀搜索算法的ecms氢燃料电动车能量管理方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。

技术特征：
1.基于麻雀搜索算法的ecms氢燃料电动车能量管理方法，其特征在于，包括以下步骤：步骤1，基于氢燃料电池混合动力汽车动力系统结构，建立氢燃料电动汽车动力系统模型；步骤2，以总的氢耗量为目标，设计综合锂电池和超级电容的等效因子，建立等效氢耗最小策略ecms的氢燃料电动汽车能量管理模型；步骤3，针对等效氢耗最小策略ecms中的等效因子优化问题，采用麻雀搜索算法对等效氢耗最小策略ecms中的等效因子进行调节。2.根据权利要求1所述的方法，其特征在于，步骤1中，所述氢燃料电动汽车动力系统模型为：其中，p
req
为需求功率，v为车辆速度，a为车辆加速度，m为整车质量，ρ为空气密度，a为车辆迎风面积，c
d
为空气阻力系数，g为重力加速度，μ为滚动阻力系数，θ为道路坡度，η
m
为电机效率；汽车内各电池间的功率关系如下：p
req
＝p
fc
+p
bat
+p
sc
其中，p
fc
为燃料电池电池堆功率，p
bat
为锂电池功率，p
sc
为超级电容功率。3.根据权利要求2所述的方法，其特征在于，步骤2包括：步骤2-1，建立氢燃料电池氢耗与辅助电池消耗的电能之间的等效关系：其中，为总的等效氢耗，为氢燃料电池的氢耗，为锂电池的等效氢耗，为超级电容的等效氢耗，为氢气热值，s为设计的等效因子；步骤2-2，建立如下目标函数j，完成等效氢耗最小策略ecms氢燃料电动汽车能量管理模型的建立：4.根据权利要求3所述的方法，其特征在于，步骤2-1中，所述设计的等效因子s如下：s＝η
bat
k
bat
+η
sc
k
sc
其中，η
bat
为锂电池的充放电效率，η
batsc
为超级电容的充放电效率，k
bat
、k
sc
分别为锂电池的惩罚系数和超级电容的惩罚系数，惩罚函数如下：
其中，μ
bat
和μ
sc
分别为锂电池soc的平衡系数和超级电容soc的平衡系数，soc
batmax
和soc
batmin
分别为锂电池soc的最大值和最小值，soc
bat
为当前锂电池的soc值，soc
scmax
和soc
scmin
分别为超级电容soc的最大值和最小值，soc
sc
为当前超级电容的soc值，soc
scinit
为超级电容soc的初始值。5.根据权利要求4所述的方法，其特征在于，步骤3包括：步骤3-1，麻雀群初始化，状态输入量构成一个麻雀个体，设置状态量的范围，根据每个状态量的上下限，将上下限内的状态输入量构成麻雀种群，并确定发现者和加入者比例，取发现者占种群总数的20％；步骤3-2，设计适应度函数f(t)，计算初始种群的适应度并按升序排列，确定当前最优值、最差值、最优值和最差值的位置；步骤3-3，更新发现者的位置、加入者的位置以及意识到危险的麻雀的位置；步骤3-4，计算适应度值并更新麻雀位置；步骤3-5，判断是否满足停止条件，满足则退出，输出最终结果，得到全局最优值，否则重复步骤3-2～步骤3-4。6.根据权利要求5所述的方法，其特征在于，步骤3-1中，所述状态输入量[p
fc
,soc
bat
,p
bat
,i
bat
,soc
sc
,p
sc
,i
sc
]范围包括：其中，p
fcmin
和p
fcmax
分别为氢燃料电池功率的最小值和最大值，p
batmin
和p
batmax
分别为锂电池功率的最小值和最大值，i
bat
为锂电池电流，i
batcharge_lim
和i
batdischarge_lim
分别为锂电池充放电的电流下限值和上限值，p
sctmin
和p
scmax
分别为超级电容功率的最小值和最大值，i
sc
为超级电容电流，i
sccharge_lim
和i
scdischarge_lim
分别为超级电容充放电的电流下限值和上限值。7.根据权利要求6所述的方法，其特征在于，步骤3-2中，所述适应度函数f(t)为：其中，g1表示氢燃料电池和辅助电池功率都在各自功率范围内时取1，否则取0；g2表示
辅助电池soc在电荷量上下限之间时取1，否则取0；soc
batinit
为锂电池soc初始值，为整车等效氢耗累积量。8.一种存储介质，其特征在于，存储有计算机程序或指令，当所述计算机程序或指令被运行时，实现如权利要求1至7中任一项所述的方法。

技术总结
本发明提供了基于麻雀搜索算法的ECMS氢燃料电动车能量管理方法，通过氢燃料混合动力电动汽车结构特点，搭建整车动力学模型、燃料电池模型、锂电池模型以及超级电容模型；设计综合锂电池和超级电容的等效因子，搭建的整车等效氢耗最小策略(ECMS)的氢燃料电池电动车能量管理模型，采用麻雀搜索算法(ASS)对ECMS中的等效因子进行实时调节，具有良好的全局最优性；本发明技术方案可实现氢燃料电池和辅助电池(锂电池和超级电容)之间能量合理分配，获得最大燃油经济性。得最大燃油经济性。得最大燃油经济性。


技术研发人员：赵又群 虞松 潘陈兵 何鲲鹏 王萱颖 郭硕
受保护的技术使用者：南京航空航天大学
技术研发日：2023.06.30
技术公布日：2023/10/7