一种燃料电池混合动力有轨电车参数匹配联合优化方法技术

本发明专利技术公开一种燃料电池混合动力有轨电车参数匹配联合优化方法；根据运营需求及目标线路条件，设计有轨电车动力系统指标和有轨电车运行工况，确定燃料电池混合动力系统的参数可行域，形成初步的参数匹配备选方案；以该工况下的全寿命周期成本、服役时间和整车动力性为优化目标，搭建多目标优化函数，采用基于概率指数的自适应群体智能优化算法完成任一参数组合下的负荷分配，将多目标优化函数取最小值时的负荷分配作为该参数匹配组合下的最优分配结果；遍历所有备选参数组合，在个体最优的基础上寻找全局最优，完成燃料电池混合动力有轨电车的最优参数匹配寻优计算。本方法可有效减少氢耗量，提高整车效率，可在运营过程中达到经济性最优状态。

A joint optimization method for parameter matching of hybrid power tram for fuel cell

The invention discloses a fuel cell hybrid tram parameter matching optimization method; according to the operation requirements and target line conditions, design the tram tram power system parameters and operating conditions, determine the parameters of the feasible region of a hybrid fuel cell system, the initial formation of the parameter matching options; based on the life cycle cost under this condition, the service time and the vehicle dynamic performance as the optimization goal, build a multi-objective optimization function, the probability index of the adaptive swarm intelligence optimization algorithm to accomplish any combination of parameters of load distribution based on the multi-objective optimization function of load distribution of the minimum value as the parameter matching combinations of the optimal allocation results; alternative traversal of all parameters, and find the global optimum based on individual optimal, complete fuel cell hybrid rail The optimal parameter matching of the tram is calculated. This method can effectively reduce the hydrogen consumption and improve the efficiency of the vehicle. It can achieve the optimal state of economy in the process of operation.

【技术实现步骤摘要】
一种燃料电池混合动力有轨电车参数匹配联合优化方法
本专利技术属于混合动力
，特别是涉及一种燃料电池混合动力有轨电车参数匹配联合优化方法。
技术介绍
一直以来，人类赖以生存的能源多以化石能源为主，不仅对生态环境造成了巨大的污染和破坏，而且化石能源的大规模采用也加速了其枯竭的速度。而人类社会的进步与发展又离不开能源的支撑，于是人类开始关注清洁能源的开发与使用。在众多清洁能源中，氢能是人类社会的终极能源，并具有高效、清洁的特点。氢能的收集、贮存技术已非常成熟，其技术应用也得到了长足的发展，其中燃料电池就是氢能利用的主要及重要方式。燃料电池是一种通过氢能的电化学反应而产生电能的装置，其效率更可达45％—50％，其环境友好的特点表现为反应产物仅为水，无任何温室气体排放，是一种真正的零排放发电装置，因此对生态环境不会造成任何污染和破坏，具有有效的节能减排作用。目前燃料电池已在各行业领域得到不同程度的发展，而在轨道交通领域，燃料电池的技术应用也是近些年研究的热点问题。此外，有轨电车是一种运量中等、成本较低的轨道交通方式，较为适用于中小型城市，可作为疲劳的地铁及城市公交系统的有力支援。而传统的有轨电车通过接触网供电，不仅影响了城市的美观和安全性，更容易增加车辆的故障率和运行成本，而以燃料电池及其他储能设备为混合动力源的有轨电车可有效避免这一传统问题。客观上，燃料电池具有持续的发电能力，但其动态响应相对迟缓，无法满足机车加速过程瞬时大功率的需求等，于是增加超级电容为辅助动力源和储能设备，弥补燃料电池动态响应的不足，有效避免机车加速能力较差等问题，其次加入了蓄电池，与超级电容结合，按序投入工作，尽可能回收机车在制动时由电机反转回馈回来的制动能量。现有混合动力有轨电车的参数匹配方法一般认为有两种，第一种是基于动力指标的独立子系统多阶段参数最大化设计，另一种是基于高速基于概率指数的自适应群体智能优化算法的参数联合可行域寻优设计。基于这两种方法的设计的优点在于可操作性强，足以满足工程实际前期配置的需要。不过现有方法的设计并未考虑机车运行过程的负荷功率分配，即在参数匹配过程中未同时进行后期能量管理的深入研究，导致车辆动力系统设计冗余过大，造成装车设备的浪费和运维成本增加。
技术实现思路
为了解决上述问题，本专利技术提出了一种燃料电池混合动力有轨电车参数匹配联合优化方法，能够保证整车动力系统结构最简、所配置的容量及功率最优，可有效提高整车效率，降低氢耗量，减少投资与成本，并提高稳定性。为达到上述目的，本专利技术采用的技术方案是：一种燃料电池混合动力有轨电车参数匹配联合优化方法，包括步骤：S100，确定有轨电车运行工况；进而确定燃料电池混合动力系统的参数可行域，形成由备选参数组合构成的参数匹配初步备选方案集合；S200，根据上述有轨电车运行工况下的全寿命周期成本、服役时间和整车动力性为优化目标，搭建多目标优化函数；S300，采用基于概率指数的自适应群体智能优化算法完成参数匹配初步备选方案中参数组合下的负荷分配，并将多目标优化函数取最小值时的负荷分配作为该参数匹配组合下的最优分配结果；S400，根据步骤S300所述遍历所述参数匹配初步备选方案集合中所有备选参数组合的最优分配结果，在每个最优分配结果的基础上寻找全局最优分配结果；S500，由全局最优分配结果，完成燃料电池混合动力有轨电车的最优参数匹配寻优计算。进一步的是，步骤S100中，根据机车基本参数及目标线路条件，设计有轨电车动力系统指标，确定有轨电车运行工况。进一步的是，所述的有轨电车运行工况确定过程，包括步骤：S101，对机车基本参数进行设置，包括轴重、载重、迎风面积和戴维斯系数；并输入目标线路条件，包括站点-路程曲线、坡度-路程曲线和弯道-路程曲线；S102，根据经验及最优制动曲线建立有轨电车运行速度曲线；S103，基于牛顿公式及戴维斯公式对机车进行牵引计算，获得机车运行全程的牵引力-功率曲线，即得到有轨电车运行工况曲线。本专利技术基于牛顿定律及空气动力学基础知识，建立了有轨电车动力学运动分析模型，并基于实测路线信息及机车动力学极限性能，设计了有轨电车日循环工况。进一步的是，确定燃料电池混合动力系统的参数可行域，形成由备选参数组合构成的参数匹配初步备选方案集合,包括步骤：S104，取有轨电车运行工况曲线中需求功率的最大值，并取燃料电池额定功率及储能设备平均提供功率为恒定值，以蓄电池与超级电容的串并联总数为自变量，有约束方程一：Pfc指燃料电池的额定输出功率，Psc和Pb分别指超级电容和蓄电池的平均功率；x1和x2分别指代超级电容和蓄电池的数量，为自变量；Pt指机车的需求牵引功率，η指电机效率，ηpwm指牵引逆变器效率，ηDC-DC指DC-DC变换器的效率；S105，取机车加速和爬坡过程，取储能设备的单体容量为固定值，蓄电池与超级电容的串并联总数为自变量，有约束方程二：Esc和EB分别指超级电容和蓄电池的所能储存的能量，以SOC＝0.6进行计算；S106，对于动力系统均由重量以及体积的最大限制，因此在约束中还需考虑辅助设备引起的重量体积增加，有约束方程三：mFC·Sm_FC+x1·mSC·Sm_SC+x2·mB·Sm_B≤mmaxvFC·Sv_FC+x1·vSC·Sv_SC+x2·vB·Sv_B≤vmax；其中，将因辅助设备而额外附加的质量简化为附加质量系数Sm_FC、Sm_SC以及Sm_B；用mFC、mSC和mB分别表示燃料电池、超级电容和蓄电池的单体质量；用vFC、vSC和vB分别表示燃料电池、超级电容和蓄电池的单体质量；mmax和vmax分别表示容许动力系统占用的最大质量和体积上限；S107，根据约束方程一、约束方程二和约束方程三，形成燃料电池、超级电容容量和蓄电池容量的参数可行域；S108，在参数可行域范围内，找出满足有轨电车实际工况的备选参数组合，由备选参数组合形成参数匹配初步备选方案集合。以燃料电池子系统额定功率和储能系统(超级电容和蓄电池)额定容量为自变量，根据有轨电车关键工况和动力学极限性能下的牵引需求功率及能量，建立基于电力电量平衡的自变量联合约束方程组，得到自变量的联合可行域。然后根据实际市场情况，在可行域寻找可供采用的产品型号，形成初步的参数匹配组合方案。进一步的是，步骤S200中，所述多目标优化函数为：θ＝m1·C(pfc,SOCbat,SOCsc)+m2·ST(pfc,SOCbat,SOCsc)+m3·DY(pfc,SOCbat,SOCsc)其中，m1、m2和m3是权系数；C是全寿命周期成本函数，ST是服役时间，DY是整车动力性。建立了计及全寿命周期成本、服役时间和整车动力性的多目标优化函数，并针对提出的每一种参数匹配组合方案，进行固定日循环工况下的离线负荷功率最优分配，使燃料电池尽量工作于最高效率点，并保持储能设备SOC稳定。进一步的是，步骤S300中，采用基于概率指数的自适应群体智能优化算法完成参数匹配初步备选方案中参数组合下的负荷分配，并将多目标优化函数取最小值时的负荷分配作为该参数匹配组合下的最优分配结果：首先建立概率指数的一般形式，然后读取当前时刻的负荷变化率；从而将燃料电池和储能设备的功率配比划分在相应的区间内；然后在初步划分的区间内对其具体本文档来自技高网...

【技术保护点】
一种燃料电池混合动力有轨电车参数匹配联合优化方法，其特征在于，包括步骤：S100，确定有轨电车运行工况；进而确定燃料电池混合动力系统的参数可行域，形成由备选参数组合构成的参数匹配初步备选方案集合；S200，根据上述有轨电车运行工况下的全寿命周期成本、服役时间和整车动力性为优化目标，搭建多目标优化函数；S300，采用基于概率指数的自适应群体智能优化算法完成参数匹配初步备选方案中参数组合下的负荷分配，并将多目标优化函数取最小值时的负荷分配作为该参数匹配组合下的最优分配结果；S400，根据步骤S300所述遍历所述参数匹配初步备选方案集合中所有备选参数组合的最优分配结果，在每个最优分配结果的基础上寻找全局最优分配结果；S500，由全局最优分配结果，完成燃料电池混合动力有轨电车的最优参数匹配寻优计算。

【技术特征摘要】
1.一种燃料电池混合动力有轨电车参数匹配联合优化方法，其特征在于，包括步骤：S100，确定有轨电车运行工况；进而确定燃料电池混合动力系统的参数可行域，形成由备选参数组合构成的参数匹配初步备选方案集合；S200，根据上述有轨电车运行工况下的全寿命周期成本、服役时间和整车动力性为优化目标，搭建多目标优化函数；S300，采用基于概率指数的自适应群体智能优化算法完成参数匹配初步备选方案中参数组合下的负荷分配，并将多目标优化函数取最小值时的负荷分配作为该参数匹配组合下的最优分配结果；S400，根据步骤S300所述遍历所述参数匹配初步备选方案集合中所有备选参数组合的最优分配结果，在每个最优分配结果的基础上寻找全局最优分配结果；S500，由全局最优分配结果，完成燃料电池混合动力有轨电车的最优参数匹配寻优计算。2.根据权利要求1所述的一种燃料电池混合动力有轨电车参数匹配联合优化方法，其特征在于，步骤S100中，根据机车基本参数及目标线路条件，设计有轨电车动力系统指标，确定有轨电车运行工况。3.根据权利要求2所述的一种燃料电池混合动力有轨电车参数匹配联合优化方法，其特征在于，所述的有轨电车运行工况确定过程，包括步骤：S101，对机车基本参数进行设置，包括轴重、载重、迎风面积和戴维斯系数；并输入目标线路条件，包括站点-路程曲线、坡度-路程曲线和弯道-路程曲线；S102，根据经验及最优制动曲线建立有轨电车运行速度曲线；S103，基于牛顿公式及戴维斯公式对机车进行牵引计算，获得机车运行全程的牵引力-功率曲线，即得到有轨电车运行工况曲线。4.根据权利要求3所述的一种燃料电池混合动力有轨电车参数匹配联合优化方法，其特征在于，确定燃料电池混合动力系统的参数可行域，形成由备选参数组合构成的参数匹配初步备选方案集合,包括步骤：S104，取有轨电车运行工况曲线中需求功率的最大值，并取燃料电池额定功率及储能设备平均提供功率为恒定值，以蓄电池与超级电容的串并联总数为自变量，有约束方程一：Pfc指燃料电池的额定输出功率，Psc和Pb分别指超级电容和蓄电池的平均功率；x1和x2分别指代超级电容和蓄电池的数量，为自变量；Pt指机车的需求牵引功率，η指电机效率，ηpwm指牵引逆变器效率，ηDC-DC指DC-DC变换器的效率；S105，取机车加速和爬坡过程，取储能设备的单体容量为固定值，蓄电池与超级电...

【专利技术属性】
技术研发人员：孟翔，李奇，陈维荣，张国瑞，王天宏，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川,51