考虑空调控制的燃料电池混动汽车健康感知能量管理方法技术

本发明专利技术提供了一种考虑空调控制的燃料电池混动汽车健康感知能量管理方法，不仅考虑了空调系统对整车能耗与性能的重要影响，且由于燃料电池、动力动力电池在使用过程中会持续老化衰退，能量管理需要进行有针对性的调整，因此该方法将电池衰减因素也纳入到了多目标优化过程中，从而有效保证了能量管理策略的优越性。基于建立的涉及氢气消耗，车舱舒适性、电池寿命与性能相关的多个模型与优化目标，采用TD3算法得到最优的动作变量，有效解决了强化学习过程Q值高估的问题，训练效率与优化能力均明显优于现有技术。均明显优于现有技术。均明显优于现有技术。

【技术实现步骤摘要】
考虑空调控制的燃料电池混动汽车健康感知能量管理方法


[0001]本专利技术属于燃料电池混合动力汽车能量管理
，特别涉及一种考虑空调控制的燃料电池混动汽车健康感知能量管理方法。

技术介绍

[0002]燃料电池作为一种零排放的清洁动力源，目前被较多采用的应用形式是在混合动力汽车中与动力电池相互搭配，能够实现较高的能量密度与较长的车辆续驶里程，而如何对燃料电池混合动力系统进行能量管理，使车辆性能与能耗水平达到综合最优，对于此类动力系统来说至关重要。现有技术中针对燃料电池混合动力汽车的能量管理策略大致可分为基于规则策略、基于优化及基于学习的策略几类，但这些策略的管理效果受所设定的条件与建模过程的限制均较为严重，并且也大多忽视了如空调系统等的车上大功率辅件，使得能量管理效果普遍无法符合预期；在个别现有技术例如公开号为CN115503559A的中国专利虽然在能量管理中考虑了空调系统，却又忽视了电池的实时健康状态与使用中的持续老化衰退问题，无法利用能量管理策略来有效缓解老化，同时其所采用的软约束演员评论家(Soft actor critic，SAC)算法也存在训练中难以调参及目标Q值过估的缺陷。因此，如何对燃料电池混合动力汽车的能量管理策略进行改进，进一步降低包含空调系统等大功率辅件的综合能耗，并同步提升车辆行驶性能与乘坐舒适性，是本领域迫切需要解决的技术问题。

技术实现思路

[0003]有鉴于此，针对本领域中存在的技术问题，本专利技术提供了一种考虑空调控制的燃料电池混动汽车健康感知能量管理方法。该方法以双延迟深度确定性策略梯度算法(Twin Delayed Deep Deterministic policy gradient algorithm，TD3)为基础，其作为一种确定性策略虽然在部分油电混合动力汽车能量管理现有技术中有所应用，但鲜有涉及燃料电池混动汽车，相对于上述SAC算法具有更高的Q函数准确性。
[0004]所述方法具体包括以下步骤：
[0005]步骤一、获取燃料电池混动汽车的车辆状态信息、空调系统状态信息、动力电池状态信息以及燃料电池状态信息；其中，所述车辆状态信息包括：车速v、加速度acc、驱动电机转速ω
m
、驱动电机转矩T
m
及车舱内部温度T
in
；所述空调系统状态信息具体为空调系统制冷/制热量Q
ac
；所述动力电池状态信息包括：动力电池电压、动力电池电流、动力电池SOC及SOH；所述燃料电池状态信息包括：燃料电池输出功率P
fc
、燃料电池效率η
fc
及功率变化率ΔP
fc
；
[0006]步骤二、根据车辆动力学对其建立汽车纵向动力学模型；针对燃料电池混合动力系统拓扑结构依次建立整车氢气质量消耗模型、反映空调制冷/制热性能与需求的空调系统模型、反映车舱内温度环境及其各相关物理量的车舱热负荷模型、燃料电池老化模型、动力电池寿命衰退模型以及反映驱动电机性能的驱动电机模型；
[0007]步骤三、针对TD3算法选取车速v、加速度acc、动力电池SOC、动力电池SOH、车舱内部温度T
in
及燃料电池输出功率P
fc
作为算法的状态变量，并组成状态空间S：
[0008]S＝[v,acc,SOC,SOH,T
in
,P
fc
][0009]选取燃料电池功率变化率ΔP
fc
与空调系统制冷/制热量Q
ac
作为动作变量，并组成动作空间a：
[0010]a＝[ΔP
fc
,Q
ac
][0011]设置包括氢气消耗成本、燃料电池衰退成本、动力电池衰退成本、动力电池SOC维持以及车舱内部温度变化的五个优化目标，并构建相应的奖励函数r：
[0012][0013]其中，τ、ψ、γ分别表示每公斤氢气价格、动力电池购买价格、燃料电池购买价格；为氢气质量；ΔSOH为动力电池健康状态变化量；V
fc
为燃料电池电压衰退率；ω1和ω2分别为用于调节动力电池SOC维持和车舱内部温度变化的权重因子；SOC
tar
是要维持的目标SOC；T
tar
是车舱内部设置的目标温度；t为时间变量；
[0014]步骤四、初始化所述TD3算法后，利用预先获取各车辆状态信息并构建的相应训练集对TD3算法进行训练，使训练好的算法根据实时的状态变量能够得到最大化奖励函数值的动作变量。
[0015]进一步地，步骤二中所建立的汽车纵向动力学模型的具体形式为：
[0016][0017]其中，F
t
为牵引力，m为整车质量，g为重力加速度，f为滚动阻力系数，α为路面坡度角，ρ为空气密度，A为迎风面积，C
D
为空气阻力系数，v为车速，δ为车辆旋转质量换算系数；
[0018]所述整车氢气质量消耗模型的具体形式为：
[0019][0020]其中，为燃料电池系统瞬时氢气消耗量，为氢气的化学能密度；P
fc
为燃料电池输出功率；
[0021]所述空调系统模型的具体形式为：
[0022][0023]其中，P
ac
为空调系统的需求功率，Q
ac
为空调系统制冷/制热量，COP为空调系统的制冷/制热性能系数；
[0024]所述车舱热负荷模型的具体形式为：
[0025]Q＝Q
s
+Q
c
+Q
p
+Q
a
+Q
o
[0026][0027][0028]Q
p
＝Q
d
+116ζn
[0029]Q
a
＝m
a
Cp
air
(T
out
‑
T
in
)
[0030][0031]其中，Q是车舱总热负荷，Q
s
是太阳辐射热负荷，Q
c
是传导热负荷，Q
p
是乘客代谢热负荷，Q
a
是空气交换热负荷，Q
o
是车辆电气辅助设备产生的热负荷，η是太阳辐射通过车窗的传导系数，ρ
w
是车窗的平均热吸收率，a
in
和a
out
分别是车厢内外的对流传热系数，P
sum
是单位面积的辐射强度，C是车窗玻璃的遮阳校正系数，S为车窗的面积，θ是车窗表面法线与太阳在天空中的位置的夹角，K为车身各部分的传热系数，A
body
为车身各部分的面积，ρ
c
是换热面的平均吸热率，T
out
和T
in
分别是外部环境温度和车舱内部温度，Q
d
是驾驶员产生的热量，ζ是乘客随机年龄和性别的散热本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.考虑空调控制的燃料电池混动汽车健康感知能量管理方法，其特征在于：具体包括以下步骤：步骤一、获取燃料电池混动汽车的车辆状态信息、空调系统状态信息、动力动力电池状态信息以及燃料电池状态信息；其中，所述车辆状态信息包括：车速v、加速度acc、驱动电机转速ω
m
、驱动电机转矩T
m
及车舱内部温度T
in
；所述空调系统状态信息具体为空调系统制冷/制热量Q
ac
；所述动力动力电池状态信息包括：动力电池电压、动力电池电流、动力电池SOC及SOH；所述燃料电池状态信息包括：燃料电池输出功率P
fc
、燃料电池效率η
fc
及功率变化率ΔP
fc
；步骤二、根据车辆动力学对其建立汽车纵向动力学模型；针对燃料电池混合动力系统拓扑结构依次建立整车氢气质量消耗模型、反映空调制冷/制热性能与需求的空调系统模型、反映车舱内温度环境及其各相关物理量的车舱热负荷模型、燃料电池老化模型、动力电池寿命衰退模型以及反映驱动电机性能的驱动电机模型；步骤三、针对TD3算法选取车速v、加速度acc、动力电池SOC、动力电池SOH、车舱内部温度T
in
及燃料电池输出功率P
fc
作为算法的状态变量，并组成状态空间S：S＝[v,acc,SOC,SOH,T
in
,P
fc
]选取燃料电池功率变化率ΔP
fc
与空调系统制冷/制热量Q
ac
作为动作变量，并组成动作空间a：a＝[ΔP
fc
,Q
ac
]设置包括氢气消耗成本、燃料电池衰退成本、动力电池衰退成本、动力电池SOC维持以及车舱温度变化的五个优化目标，并构建相应的奖励函数r：其中，τ、ψ、γ分别表示每公斤氢气价格、动力电池购买价格、燃料电池购买价格；为氢气质量；ΔSOH为动力电池健康状态变化量；V
fc
为燃料电池电压衰退率；ω1和ω2分别为用于调节动力电池SOC维持和车舱内部温度变化的权重因子；SOC
tar
是要维持的目标SOC；T
tar
是车舱内部设置的目标温度；t为时间变量；步骤四、初始化所述TD3算法后，利用预先获取的各车辆状态信息并构建的相应训练集对TD3算法进行训练，使训练好的算法根据实时的状态变量能够得到最大化奖励函数值的动作变量。2.如权利要求1所述的方法，其特征在于：步骤二中所建立的汽车纵向动力学模型的具体形式为：其中，F
t
为牵引力，m为整车质量，g为重力加速度，f为滚动阻力系数，α为路面坡度角，ρ为空气密度，A为迎风面积，C
D
为空气阻力系数，v为车速，δ为车辆旋转质量换算系数；所述整车氢气质量消耗模型的具体形式为：
其中，为燃料电池系统瞬时氢气消耗量，为氢气的化学能密度；η
fc
为燃料电池效率，P
fc
为燃料电池输出功率；所述空调系统模型的具体形式为：其中，P
ac
为空调系统的需求功率，Q
ac
为空调系统制冷/制热量，COP为空调系统的制冷/制热性能系数；所述车舱热负荷模型的具体形式为：Q＝Q
s
+Q
c
+Q
p
+Q
a
+Q
oo
Q
p
＝Q
d
+116ζnQ
a
＝m
a
Cp
air
(T
out
‑
T
in
)其中，Q是车舱总热负荷，Q
s
是太阳辐射热负荷，Q
c
是传导热负荷，Q
p
...

【专利技术属性】
技术研发人员：何洪文，贾淳淳，李建威，周稼铭，魏中宝，李昆昂，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：