一种用于氢电混合动力系统的容量优化配置方法与流程

1.本发明涉及氢电混合动力技术领域，特别涉及一种用于氢电混合动力系统的容量优化配置方法。


背景技术：

2.化石能源的日渐匮乏以及尾气排放问题使得新型清洁能源逐步进入人们的视野，其中，质子交换膜燃料电池(pemfc)具有零排放、功率密度高、启动速度快、工作温度低以及能量转化效率高等诸多优势，在交通领域各类动力系统中得到广泛关注和应用。
3.目前，pemfc应用于交通领域时，由于运行工况的随机性，其负载功率中含有大量高频部分，而pemfc动态响应较慢，且频繁的变载将导致pemfc寿命的快速衰减，因此通常配合动力电池而共同组成氢电混合动力系统，从而pemfc和动力电池联合供电以满足动力系统的负载需求。在氢电混合动力系统中，燃料电池和动力电池的容量配比对系统动力性能以及运行经济性有着显著的影响，不合理的容量配置不仅会增加系统的运行氢耗，还会加速燃料电池以及动力电池的寿命衰减，使得系统运行成本大幅增加，同时，氢电混合动力系统的功率分配策略以容量配置为基础，使用不合理的容量配置将导致功率分配策略优化困难。
4.因此，寻求一种氢电混合动力系统的容量优化配置方法对提高系统经济性具有重要意义。


技术实现要素：

5.本发明的目的是提供一种降低系统运行损耗的氢电混合动力系统的容量优化配置方法。
6.为达到上述目的，本发明采用的技术方案如下：
7.一种用于氢电混合动力系统的容量优化配置方法，其包括：
8.根据所述氢电混合动力系统的约束条件，确定燃料电池额定功率p0的可行域[p
0_min
,p
0_max
]和动力电池额定容量q0的可行域[q
0_min
,q
0_max
]；
[0009]
基于系统氢耗燃料电池寿命损耗l
fc_loss
及动力电池损耗l
bat_loss
建立目标函数c1为氢气单价，c2为燃料电池单价，c3为动力电池单价；
[0010]
确定p0和q0在各自可行域内使所述目标函数最小的p0和q0的值，并根据其分配所述氢电混合动力系统的燃料电池额定功率和动力电池额定容量，其方法包括：
[0011]
设置粒子群组数为n和迭代次数为m，并初始化局部最小值为正无穷、全局最小值为正无穷以及当前迭代次数j为0，同时初始化粒子初始位置和粒子速度
[0012]
计算每组粒子群的目标函数值并比较得到其中的最小值从而根据所述更新和并得到当前全局最小值所对应的粒子位置
[0013]
判断当前迭代次数j是否达到m，若是，则令且否则，令j＝j+1，更新粒子位置和速度，并重新计算每组粒子群的目标函数值，直至当前迭代次数j达到m。
[0014]
进一步地，所述氢电混合动力系统的约束条件包括系统平均功率需求约束条件、系统装配空间限制条件、动力电池soc波动限制条件及系统瞬时需求功率约束条件；
[0015]
所述系统平均功率需求约束条件为：
[0016][0017]
式中，p0为燃料电池额定功率，为系统平均功率；
[0018]
所述系统装配空间限制条件为：
[0019][0020][0021]
式中，p0为燃料电池额定功率，ρ
v_fc
为燃料电池比功率，v
conf_fc
为系统预留燃料电池装配空间，q0为动力电池额定容量，ρ
v_bat
为动力电池比能量，v
conf_bat
为系统预留动力电池装配空间；
[0022]
所述动力电池soc波动限制条件为：
[0023][0024]
δe
max
＝e
max-e
min
[0025][0026]
式中，q0为动力电池额定容量，η
dischar
为动力电池平均放电效率，soch为动力电池允许的soc最高值，soc
l
为动力电池允许的soc最低值，δe
max
为波动能量的最大变化值，e
max
为测试工况下的波动能量e的最大值，e
min
为测试工况下的波动能量e的最小值，e为测试工况下的波动能量，k为历史数据总时长，p
req
为系统需求功率，为系统平均功率；
[0027]
所述系统瞬时需求功率约束条件为：
[0028][0029]
式中，p0为燃料电池额定功率，q0为动力电池额定容量，η
dischar
为动力电池平均放电效率，i
c_max
为动力电池最大放电倍率，p
req_max
为需求功率最大值。
[0030]
进一步地，所述容量优化配置方法还包括：根据下式初始化粒子初始位置
[0031][0032][0033]
式中，p
0_min
和p
0_max
来自于燃料电池额定功率的可行域[p
0_min
,p
0_max
]，q
0_min
和q
0_max
来自于动力电池额定容量的可行域[q
0_min
,q
0_max
]，rand(0,1)为随机函数，i为n组粒子群中的第i组粒子群；
[0034]
根据下式初始化粒子速度
[0035][0036][0037]
式中，v
min
为粒子最小速度，v
max
为粒子最大速度，rand(0,1)为随机函数，i为n组粒子群中的第i组粒子群。
[0038]
进一步地，所述容量优化配置方法还包括：根据的值配置所述燃料电池额定功率p0，且根据的值配置所述动力电池额定容量q0，并基于k个小时的历史需求功率数据运行氢电混合动力系统模型以得到k个小时的系统氢耗燃料电池寿命损耗l
fc_loss
、动力电池寿命损耗l
bat_loss
，从而计算每组粒子群的目标函数值。
[0039]
进一步地，所述更新和的方法包括：
[0040]
若则令并得到当前局部最小值所对应的粒子位置
[0041]
若则令并得到当前全局最小值所对应的粒子位置混合动力系统的燃料电池额定功率和动力电池额定容量，其方法包括：
[0042]
设置粒子群组数为n和迭代次数为m，并初始化局部最小值为正无穷、全局最小值为正无穷以及当前迭代次数j为0，同时初始化粒子初始位置和粒子速度
[0043]
计算每组粒子群的目标函数值并比较得到其中的最小值从而根据所述更新和并得到当前全局最小值所对应的粒子位置
[0044]
判断当前迭代次数j是否达到m，若是，则令且否则，令j＝j+1，更新粒子位置和速度，并重新计算每组粒子群的目标函数值，直至当前迭代次数j达到m。
[0045]
进一步地，所述氢电混合动力系统的约束条件包括系统平均功率需求约束条件、系统装配空间限制条件、动力电池soc波动限制条件及系统瞬时需求功率约束条件；
[0046]
所述系统平均功率需求约束条件为：
[0047][0048]
式中，p0为燃料电池额定功率，为系统平均功率；
[0049]
所述系统装配空间限制条件为：
[0050][0051][0052]
式中，p0为燃料电池额定功率，ρ
v_fc
为燃料电池比功率，v
conf_fc
为系统预留燃料电池装配空间，q0为动力电池额定容量，ρ
v_bat
为动力电池比能量，v
conf_bat
为系统预留动力电池装配空间；
[0053]
所述动力电池soc波动限制条件为：
[0054][0055]
δe
max
＝e
max-e
min
[0056][0057]
式中，q0为动力电池额定容量，η
dischar
为动力电池平均放电效率，soch为动力电池允许的soc最高值，soc
l
为动力电池允许的soc最低值，δe
max
为波动能量的最大变化值，e
max
为测试工况下的波动能量e的最大值，e
min
为测试工况下的波动能量e的最小值，e为测试工况下的波动能量，k为历史数据总时长，p
req
为系统需求功率，为系统平均功率；
[0058]
所述系统瞬时需求功率约束条件为：
[0059][0060]
式中，p0为燃料电池额定功率，q0为动力电池额定容量，η
dischar
为动力电池平均放电效率，i
c_max
为动力电池最大放电倍率，p
req_max
为需求功率最大值。
[0061]
进一步地，所述容量优化配置方法还包括：根据下式初始化粒子初始位置
[0062][0063][0064]
式中，p
0_min
和p
0_max
来自于燃料电池额定功率的可行域[p
0_min
,p
0_max
]，q
0_min
和q
0_max
来自于动力电池额定容量的可行域[q
0_min
,q
0_max
]，rand(0,1)为随机函数，i为n组粒子群中的第i组粒子群；
[0065]
根据下式初始化粒子速度
[0066][0067]
[0068]
式中，v
min
为粒子最小速度，v
max
为粒子最大速度，rand(0,1)为随机函数，i为n组粒子群中的第i组粒子群。
[0069]
进一步地，所述容量优化配置方法还包括：根据的值配置所述燃料电池额定功率p0，且根据的值配置所述动力电池额定容量q0，并基于k个小时的历史需求功率数据运行氢电混合动力系统模型以得到k个小时的系统氢耗燃料电池寿命损耗l
fc_loss
、动力电池寿命损耗l
bat_loss
，从而计算每组粒子群的目标函数值。
[0070]
进一步地，所述更新和的方法包括：
[0071]
若则令并得到当前局部最小值所对应的粒子位置
[0072]
若则令并得到当前全局最小值所对应的粒子位置
[0073]
进一步地，所述容量优化配置方法还包括：若当前迭代次数没有达到m，则令j＝j+1，并根据下式更新粒子位置和速度：
[0074][0075][0076]
式中，为第j次迭代下第i组粒子群的粒子位置，为第j-1次迭代下第i组粒子群的粒子位置，为第j-1次迭代下第i组粒子群的粒子速度，为第j次迭代下第i组粒子群的粒子速度，w为权重系数，c1、c2为加速度常数，为第j-1次迭代下当前局部最小值所对应的粒子位置，r1、r2为随机函数，x
global_min
为当前全局最小值所对应的粒子位置。
[0077]
进一步地，所述权重系数w和所述加速度常数c1、c2的取值被配置为令所述目标函数在所述迭代次数内收敛。
[0078]
进一步地，所述系统氢耗根据下式确定：
[0079][0080]
式中，k为系统运行时长，p
fc
为燃料电池输出功率，为燃料电池节电压平均值。
[0081]
进一步地，所述燃料电池寿命损耗l
fc_loss
根据下式确定：
[0082][0083]
式中，l为工况修正系数，k为系统运行时长，n1为k小时内燃料电池启停次数，v0为燃料电池寿命到达极限时相对额定功率下的平均节电压，a为燃料电池v0的衰减比，v1为燃料电池启停时的节电压衰退率，v2为燃料电池变载时的节电压衰退率，u1为燃料电池高负载运行下的节电压衰退率，u2为燃料电池低负载运行下的节电压衰退率，t1为k小时内燃料电池高负载运行时间，t2为k小时内燃料电池低负载运行时间，δp
fc
为燃料电池功率变化率。
[0084]
进一步地，所述动力电池损耗l
bat_loss
根据下式确定：
[0085][0086]
式中，α、β为前指因子，soc为动力电池的荷电状态，r为气体常数，t为运行温度，ic为充放电倍率，ah为动力电池安时通量，q0为动力电池寿命到达极限时的相对额定容量，b为动力电池q0的衰减比。
[0087]
本发明具有的优点：在系统的功率约束和能量约束条件下，通过二维粒子群优化方法得到燃料电池额定功率和动力电池额定容量的最优配置方案，能够大幅降低系统运行过程中的损耗，提高系统的经济性，并且，基于系统氢耗、燃料电池损耗、动力电池损耗以及各自市场价格构建优化目标函数，将系统主要损耗统一为经济损耗，从而实现氢电混合动力系统的多目标优化。
附图说明
[0088]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0089]
图1是本发明实施例提供的氢电混合动力系统的示意框图；
[0090]
图2是本发明实施例提供的用于氢电混合动力系统的容量优化配置方法的逻辑示意图；
[0091]
图3是本发明实施例提供的氢电混合动力系统的历史需求功率p
req
曲线图。
具体实施方式
[0092]
为了使本技术领域的人员更好地理解本发明方案，更清楚地了解本发明的目的、技术方案及其优点，以下结合具体实施例并参照附图对本发明实施例中的技术方案进行清楚、完整地描述。需要说明的是，附图中未绘示或描述的实现方式，为所属技术领域中普通技术人员所知的形式。另外，虽然本文可提供包含特定值的参数的示范，但应了解，参数无需确切等于相应的值，而是可在可接受的误差容限或设计约束内近似于相应的值。显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。除此，本发明的说明书和权利要求书中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0093]
在本发明的一个实施例中，提供了一种用于氢电混合动力系统的容量优化配置方法。
[0094]
如图1所示，氢电混合动力系统包括燃料电池、动力电池、dc/dc变换器、dc/ac变换器、电动机等，其中，燃料电池和动力电池协调为系统供电；dc/dc变换器为单向dc/dc转换器，其用于燃料电池至直流母线的电压变换；dc/ac变换器用于连接直流母线与电动机；电
动机为三相交流电机，用于为系统提供动力。
[0095]
本容量优化配置方法包括以下步骤：
[0096]
s1、根据氢电混合动力系统的约束条件，确定燃料电池额定功率p0的可行域[p
0_min
,p
0_max
]和动力电池额定容量q0的可行域[q
0_min
,q
0_max
]。
[0097]
具体地，氢电混合动力系统的约束条件包括以下四个方面：
[0098]
(1)系统平均功率需求约束条件，即系统所配燃料电池额定功率应大于系统平均功率：
[0099][0100]
式中，p0为燃料电池额定功率；为系统平均功率。
[0101]
(2)系统装配空间限制条件：
[0102][0103][0104]
式中，p0为燃料电池额定功率；ρ
v_fc
为燃料电池比功率，单位为kw/l；v
conf_fc
为系统预留燃料电池装配空间，单位为l；q0为动力电池额定容量；ρ
v_bat
为动力电池比能量，单位为kw/l；v
conf_bat
为系统预留动力电池装配空间，单位为l。
[0105]
(3)动力电池soc波动限制条件：
[0106][0107]
δe
max
＝e
max-e
min
[0108][0109]
式中，q0为动力电池额定容量；η
dischar
为动力电池平均放电效率；soch为动力电池允许的soc最高值；soc
l
为动力电池允许的soc最低值；δe
max
为波动能量的最大变化值，e
max
为测试工况下的波动能量e的最大值，e
min
为测试工况下的波动能量e的最小值，e为测试工况下的波动能量，k为历史数据总时长，单位为h；p
req
为系统需求功率；为系统平均功率。
[0110]
(4)系统瞬时需求功率约束条件：
[0111][0112]
式中，p0为燃料电池额定功率；q0为动力电池额定容量；η
dischar
为动力电池平均放电效率；i
c_max
为动力电池最大放电倍率，单位为c；p
req_max
为需求功率最大值，单位为kw。
[0113]
根据上述四个约束条件可得出燃料电池额定功率的可行域边界p
0_min
和p
0_max
以及动力电池额定容量的可行域边界q
0_min
和q
0_max
的取值如下：
[0114][0115]
在本实施例中，结合上式并根据各项参数计算得到：
[0116][0117]
s2、基于系统氢耗燃料电池寿命损耗l
fc_loss
及动力电池损耗l
bat_loss
建立优化目标函数：
[0118][0119]
式中，p0为燃料电池额定功率；q0为动力电池额定容量；c1为氢气单价，单位为元/kg；c2为燃料电池单价，单位为元/kw；c3为动力电池单价，单位为元/kwh。
[0120]
在本实施例中，c1取60元/kg，c2取11000元/kw，c3取7500元/kwh。
[0121]
s3、通过粒子群寻优算法确定p0在[p
0_min
,p
0_max
]范围内和q0在[q
0_min
,q
0_max
]范围内使目标函数最小的p0和q0的值，如图2所示，s3主要包括以下几步：
[0122]
s31、初始化粒子种群大小n＝50；迭代次数m＝20，初始化迭代次数j＝0，初始化局部最小值和全局最小值均为正无穷。在本发明的一个实施例中，n≥20，m≥10，具体数值根据实际情况选择，不以此限定本发明的保护范围。
[0123]
并且，随机分布粒子初始位置至可行域范围内：
[0124][0125][0126]
式中，p
0_min
和p
0_max
来自于燃料电池额定功率的可行域[p
0_min
,p
0_max
]，q
0_min
和q
0_max
来自于动力电池额定容量的可行域[q
0_min
,q
0_max
]，rand(0,1)为随机函数，i为n组粒子群中的第i组粒子群。
[0127]
以及，初始化粒子初始位置至设定速度范围内：
[0128][0129][0130]
式中，v
min
为粒子最小速度，v
max
为粒子最大速度，rand(0,1)为随机函数，i为n组粒子群中的第i组粒子群。在本实施例中，v
min
取值为-2，v
max
取值为+2。
[0131]
s32、按照的值配置燃料电池额定功率p0，且按照的值配置动力电池额定容量q0，并选择k个小时(在本实施例中，k取12)的历史需求功率数据(如图3所示)，通过运行氢
电混合动力系统模型得到k个小时的系统氢耗燃料电池寿命损耗l
fc_loss
、动力电池寿命损耗l
bat_loss
，从而计算每组粒子群的目标函数值然后从这些目标函数值中选择最小的值作为下一步更新的基础参数，具体过程见s33。
[0132]
系统氢耗根据下式确定：
[0133][0134]
式中，k为系统运行时长，单位为h；p
fc
为燃料电池输出功率，p
fc
由系统功率分配策略给出，单位为kw；为燃料电池节电压平均值，由燃料电池模型给出，单位为v。
[0135]
燃料电池寿命损耗l
fc_loss
根据下式确定：
[0136][0137]
式中，l为工况修正系数；k为系统运行时长；n1为k小时内燃料电池启停次数；v0为燃料电池寿命到达极限时相对额定功率下的平均节电压；a为燃料电池v0的衰减比；v1为燃料电池启停时的节电压衰退率；v2为燃料电池变载时的节电压衰退率；u1为燃料电池高负载运行下的节电压衰退率；u2为燃料电池低负载运行下的节电压衰退率；t1为k小时内燃料电池高负载运行时间；t2为k小时内燃料电池低负载运行时间；δp
fc
为燃料电池功率变化率。
[0138]
动力电池损耗l
bat_loss
根据下式确定：
[0139][0140]
式中，α、β为前指因子，α、β与动力电池类型相关；，soc为动力电池的荷电状态，r为气体常数，t为运行温度，ic为充放电倍率，ah为动力电池安时通量，q0为动力电池寿命到达极限时的相对额定容量，b为动力电池q0的衰减比。
[0141]
s33、更新若则令并得到当前局部最小值所对应的粒子位置由于初始化迭代次数j＝0，初始化局部最小值为正无穷，此时，若s32计算得到的小于局部最小值的初始值即正无穷，则将s32计算得到的赋给局部最小值，从而当前的值为s32计算得到的并保存当前局部最小值的值所对应的粒子位置，即从而为s34中更新全局最小值做准备。
[0142]
s34、更新若则令并得到当前全局最小值所对应的粒子位置由于初始化全局最小值为正无穷，此时迭代次数j＝0，若s33更新后的小于全局最小值的初始值即正无穷，则将s33更新后的赋给全局最小值，从而当前的值为s33更新后
的也就是s32计算得到的并保存当前全局最小值所对应的粒子位置，即
[0143]
s35、判断当前迭代次数j是否达到m即20：
[0144]
若j达到m，则将s34中的作为本次目标函数的最优解，令且结束迭代，根据p0和q0来对系统进行优化管理。
[0145]
若j没有达到m，则令j＝j+1，按照下式更新粒子位置和速度，并返回s32以重新计算每组粒子群的目标函数值，直至当前迭代次数j达到m：
[0146][0147][0148]
式中，为第j次迭代下第i组粒子群的粒子位置；为第j-1次迭代下第i组粒子群的粒子位置；为第j-1次迭代下第i组粒子群的粒子速度；为第j次迭代下第i组粒子群的粒子速度；w为权重系数，w用于调整搜索范围；c1、c2为加速度常数即粒子的最大加速度；为第j-1次迭代下当前局部最小值所对应的粒子位置；r1、r2为随机函数，r1＝r2＝rand(0,1)；x
global_min
为当前全局最小值所对应的粒子位置。需要注意的是，权重系数w和加速度常数c1、c2的取值需要令目标函数在迭代次数内实现收敛。
[0149]
s4、根据s3确定的本次目标函数的最优解来分配燃料电池额定功率和动力电池额定容量，完成系统容量的分配。在本实施例中，寻优结果为p0＝38kw，q0＝47kwh。
[0150]
本发明通过建立关于系统氢耗、燃料电池寿命衰减以及动力电池衰减的目标函数，并以该目标函数为优化目标，结合粒子群优化方法寻求在系统约束下的最优容量配置方案，根据本容量优化配置方法可大幅降低系统的运行成本。
[0151]
以上所述仅为本发明的优选实施例，并非因此限制其专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。