混合动力重型卡车的综合能源和热量管理

《混合动力重型卡车的综合能源和热量管理》由会员分享，可在线阅读，更多相关《混合动力重型卡车的综合能源和热量管理（11页珍藏版）》请在装配图网上搜索。

1、混合动力重型卡车的综合能源和热量管理H.T. Pham and P.P.J. van den Bosch Technische U niversiteit Eindhoven, Dept. of Electrical Engineering,P.O. Box 513, 5600 MB Eindhoven, The Netherlands. t.pham.hong, P.P.J.v.d.Bosch TUE.nlJ.T.B.A. Kessels and R.G.M. Huisman DAF Trucks N.V., P.O. Box 90065, 5600 PT Eindhoven, The Ne

2、therlands. John.Kessels, Rudolf.Huisman D 摘要一一本文提出了一种综合的能源和热管理（IETM）策略的并联式混合动力电动重型卡 车。基于等效油耗最小策略开发了监控策略（ECM）优化功率分配（内燃机（ICE）之间和 电机）和加热/冷却功率的电池组。该方法考虑了状态函数的概念（SOF）,描述了电池的性 能函数的充电状态（SOC）和温度。仿真结果表明，对于环境温度的全球燃料消耗的依赖。 混合动力系统电池加热/冷却的损失大于收益的情况被确定。因此，一个集成的方法包含能 量和热能管理是被需要的。关键词一一能源管理，热管理，混合动力电动汽车，最优控制。一、引言混合动

3、力电动汽车（HEV）已经成为一个领先的技术，以满足市场的燃料消耗和排放 要求。通过一个额外的电源与传统的冰，这些车辆在最小的燃料消耗与传统电力火车车辆相 比有了显著的改善20。混合动力电动汽车需要适当的能源管理（EM）,以确定冰与电机之 间的功率5, 7，9，20。此外，减少在混合动力汽车的整体燃料消耗，EM策略需要控 制不仅是化学和机械功率流，还有热功率流。热缓冲区，如在冰和电池温度，影响车辆的燃 料消耗22,因为冰的燃料效率是在冷启动期间减少，而电池温度是低于/高于预定水平不充 分运作。分离控制回路，每个缓冲区现有的解决方案10，可能在所有情况下无法实现全球能源 效率。因此，一个集成的方法

4、是可取的。这种整合带来了更多的挑战和机会，由于存在额外 的存储缓冲器和控制输入，需要解决能源管理问题。在ECMS的更一般的框架中，一些研究 描述了综合能源和热管理，例如见12, 8中有参考文献。然而，这些方法只限于热缓冲 区，不考虑自己的高电压电池及其相关的能量要求的加热/冷却回路。这是一个问题，加热/ 冷却电路在最大限度地提高组件的性能和寿命以及其效率中都起着至关重要的作用。据作者 所知，没有学者注意这个话题在混合动力电动汽车能量管理。显然，正确的加热/冷却电路是重型卡车必不可少的。由于电池的温度是影响电池的性 能和耐久性的一个重要因素2，19。此外，电池的加热/冷却电路的功率消耗是不可忽略

5、 的。因此，加热/冷却作用与混合动力系统效率的效益成本之间的权衡。根据上述结果，本文的目的是将电池的热管理混入混合动力汽车的能量管理中。一个 IET M的战略基于ECMS的混合动力汽车，拓扑结构如图1所示，在第二节中系统描述。解决 方法的制定问题是第三节。在第四节中开发的仿真结果表明改进的IET M的燃料消耗量。结 论和未来的工作是在第五节中给出。二. 系统描述ENGINEPne5BATTERYBAI reavEFTICIENCrMOTOR GEKEflATORDRIVE LlMHvdl-ri1EdiHfT hMrilnH/ cwKncckuiU图1.PHEV配置包括电池加热/冷却回路重型卡车

6、不仅需要大量的电力需求（在加速或上坡），由于其巨大的质量，也带来了再 生制动能量的显着量（在制动或下坡）。因此，在传动系电池需要在最佳的温度范围内操作 能够存储和提供高功率需求。然而，它对于最佳的温度范围内操作（电池的电池制造商所需 的）是已知的，是比车辆到指定的工作范围内工作更窄的（由车辆制造商识别）17。因此, 加热/冷却系统所需要的最佳区域驱动电池温度。由于这一观察，所考虑的加热/冷却系统在 本文中是一个活跃的流体加热/冷却电路10。由于混合动力汽车的动力学模型是相当复杂的，IETM的策略为了一个简化的模型来描 述汽车的主要特点而被开发。该模型是指在一个并行的HEV功率流之间的静态关系。

7、这些 关系是由以下方程描述(1)(2)m f = f (t i , Ni)fice icP = P + PicedemPsign (Pem) PeemP = P + Pebh / cP = P + Pbsb _ loss当m fg / s是燃油流量，PicW是冰力，等于Pice =t iceX Nice加 当工iceNm和Nicerpm 分别是曲轴的转矩和速度。Pem和PeW是相应的电动发电机的机械和电力（毫克）。Pem和 Pe是正的，当电机工作在发电机模式。在另一方面，Pem和Pe在电机模式下成为负值。PdW从车轮上是电力需要。PbW是电池供电。Ph/cW是电池的加热/冷却电路的功率需求和P

8、h/c0。PsW是网络存储电池供电。Pb_lossW电池充电和放电的功率损耗。它被认为是在电池电损失出现热。通过建立二次电池储存电力损失，电池的功率损耗被得到6)Pb_ loss (Tb) Ps 2当0 （Tb）是电池损耗系数取决于电池温度TboK，参见16为一个类似的方法。积分器是用来跟踪的能量Es J 存储在电池:7)Es (k +1) = E(k) + Ps (k )At与At采样时间。电池加热/冷却电路需要照顾的电池温度被认为是其他热系统，如发动机分离，电机与电力电子。一阶的加热/冷却模型选择:Tb (k +1) = Tb (k) + ATb(k) At包含：9)RbATb(k)=丄0

9、 (Tb(k)Ps2(k)-)了泅(k)+ Ph(k)-Pc(k) Cb在这个方程，CbJ / K闲RbK / W分别是等效热容和热电池的性能。TamboK是环境温度。Ph =%Ph/c是加热功率包含j%加热效率。pc =ncPh/c是冷却功率包含讥%冷却效率。请注意，P和PC是互补的，所以如果p尹o,pc = o,反之亦然。二、综合能源和热管理策略电池空调是导致系统整体性能的一个重要因素19。在21，通过电池退化定义，内容 包括电池的寿命的能源管理。这是三个变量Soc的功能，充电/放电率和电池温度。一个严重 的地图是用来描述这种依赖性。然而，衰老的作用相对于温度的变化被忽略。妥用了电池的 性

10、能和寿命，本文着眼于电池温度和SOF电池的概念SOF的一个一般的定义被提出在13。 它包括电池三种状态参数，即健康状态(SOH), SOC和温度，来描述在执行某一特定义务 的电池的性能。在本文中，SOF被认为是电池进入或退出不影响电池寿命的最大功率。它取决于电池 的SOC和温度。具体而言，SOF的充电和放电的值是非常有限的分别包含高低电池SOC。 此外，一个非常低的和高的温度的电池，SOF也减少和限制电池电源。它可以从事实解释, 在寒冷的工作温度，高功率不能防止锂电镀。相反，高温度影响减少寿命，由于热失控并导 致潜在的不可逆的损害2。在10中，作者认为，能源和热管理分别优化功率分流和最大限度的

11、SOF独立。在所有 情况下，电池加热/冷却电路驱动电池温度，尽可能快的操作温度范围和保持它。SOF，因 此，最大的温度系数。这个解决方案，不可能达到HEV在全球最小化燃料消耗，因加热/冷却所需要的能量是 不考虑。在这一部分，提出了综合能源和热管理的一种方法。通过将电池温度和加热/冷却 的电力需求，之间的权衡利益和加热/冷却的成本是在混合动力汽车中的处理与能源管理。 最优控制问题归结为如下： 最优控制问题：给出了定义在一个并联式混合动力汽车模型(2)- (5)和一个预定义的长 度Np驾驶循环。找到最佳的控制输入：Pso和Poh / c成本最小化功能J :J=先 m f (P.ce(k), w(k

12、)(10)k =1负责维持约束：竣Ps(k) (11)k=1 和-SOFTS(k) Ps(k) 阿畑(k)(12)(14)(15). Tb(k) Tbmin b/ bmax(16)0 Ph(k) Phh /h _ max0 P (k) Pc /c _ maxE . E (k) 0是一个预定义的值。约束(11)是防止电池耗尽时在行驶循环的 最后。SOFdis(k) = SOFdis(Tb(k),Es(k)和SOFchay(k) = SOF畑(Tb(k),Es(k)是瞬间的电池温度Tb(k)的功能和能量Es(k)。Ph_max和匚_max分别是最大加热/冷却的电池和加热/冷却 回路电源，Es_mi

13、n和Es_max电池能量的下界和上界。Tb _ min和Tb _ max电池的温度上下限。注1：这是值得注意的是，冰燃料质量流量的函数m f可以表示为发动机的功率和转速6，因此，方程(1)的形式是m f = m f (Plce, w)改写，w弧度/秒是角发动机转速。此外， 对策略的简单性和示范的缘故，在电池只损失和加热/冷却电路被考虑的。功率损耗的ISG 和其他助剂被忽视。此外，采样时间At是被假定为1S。他们的策略，在一般情况下，主要分为两组，即，启发式和优化技术。启发式方法如规 则10和模糊逻辑是通常适合于实时实现。然而，这些方法的主要缺点是敏感于它们的规则 和有经验的设计师。最佳的策略，

14、另一方面，可以提供一个明确的解决方案来解决所述的电 磁问题。除了许多的离线优化方法如动态规划(DP)和二次编程(QP) 11, 个众所周 知的和前瞻性的在线能源管理系统(相当于消耗最小化)5, 1。本文利用ECM战略5为 解决上述最优控制问题。利用离散时间的Pontryagin哈密顿函数15,等效的燃料成本函数 在每一个瞬间k构造如下4 ：H(k)二 m f (Ps(k), Ph / c(k),Tb(k), Pd(k), w(k) + 和k + 1)Ps(k) + X2(k + 1)ATb(k)在如和九2 的拉格朗日共态。请注意，Pice(k)二 Ps(k) + 0 (Tb(k)Ps2(k)

15、+ Ph / c(k) + Pd(k)。目标函数H代表了下面的物理意义。它增加了能量交换包含增加/减少蓄电池温度的需要，冰 的燃料消耗的电池及电池组。共态山反映了相应的燃料成本时从电池中能量的投入或退出。 共态九2表示等效燃油成本的能量时，要求升温或降温的电池温度的量的AT。以下的必要 条件导出的最优解，H(Pso，Ph/ co，Tbo，Pd，。九 1O，九2o) H(Ps，Ph/ c，TbO，Pd，OU，九2o)(17)对于所有的Ps(k)和尸/c(k)来自(12)(13)和(14)。 这两个因素(15)和(16)被认 为是软约束，通过适当的调整共态人和如。众所周知，如果整个驱动周期的信息知

16、道， “和九2o可以得到。然而，这种假设是不现实的。在文献中，有几个九1o适当值的估算方 法(见7, 11, 3，14，18。)在本文中，我们利用从7的方法计算拉格朗日共态的比例积分(PI )控制器的方法。在九2中，我们观察到，如果九2的值太大，电池的温度可以超过上限Tb min。相反，九2 值太小，会使电池温度小于下限Tb_min。通过这种观察的启发，在7的自适应方法扩展来 估计拉格朗日的共态九2。得到的解决方案是最理想的是人。和 2的值通过对PI控制器的方 法估算，而不是由一个耗时的优化(10) - (17)。一种自适应PI控制策略的共态M和九2估 计值是表示如下：九 1(k)二 KP1(

17、Es(0) - Es(k) + K2(Es(0) - Es(i)(18)i =1九 2(k) = K 2(Tref - Tb(k ) + K Z (J - T()(19)i =1在驾驶循环期间，Kp, Kf, Kp和冷 分别适当调整到满足约束条件的(15)和(16)。具体p 1 1 2 p 21 2而言，Kp和仕的优化过程是由驱动周期7进行功率谱分析。然后，该参数乞2和匕是手 动调节，以获得期望的性能。作为一个结果，这种方法容易在线实现。注意，与给定值的共 态，在每一个时刻k,条件(17)的数值被Pso(kPPh/co(k)求解。此外，从方程(17)和(19)可知，选择电池参考温度Tref影响

18、共态九2的价值，因此， 最终影响加热/冷却电力需求Ph/c的和全球燃料消耗。对于全球燃料消耗量最小，对卩脅最 优值可以通过考虑Tref作为一个额外的决策变量求解时的条件(17)。然而，它会导致高的 计算负荷问题。建议的解决办法在23 是解决离线优化的一系列相关元件的特性，然后存 储在一个查找表的解决方案。对于这种特殊情况，获得Tref的最优值，优化是解决一系列的 离线环境温度值。然后将所得的最佳参考温度值Tref存储在一个查找表，所提出的方案是在 图2所示。图2.IET M的控制策略三、仿真结果这是很重要的重申了电池SOF的减少，当电池温度很低或高时。因此，电池的使用是 有限的，如果需要的话，

19、它可能不能够吸收可用的再生制动能量或支持推进功率(当车辆在 升压模式)。从混合动力驱动的好处是减少的。此外，在16 表明，当电池温度较高时，电 池的内部电阻降低。因此，电池的功率损耗与较高的电池温度比是小的。因此，从燃油经济 性的角度，得出以下结论：加热电池提高了电池的效率和扩大的SOP。如果加热作用的功 耗小于节电降低电池的功率损耗，那么利用车辆的混合模式，然后加热作用使燃料消耗效益。 另一方面，冷却电池主要是为了延长电池寿命。模拟实现了一个卡车的长距离航线速度，海拔和电力需求如图3所示。结合IETM,另外 两个战略的实施进行比较和分析的性能优势。第一个是在没有加热/冷却功率的允许，然后 电

20、池的温度，因此，只影响通过电池的功率损耗和环境温度。为方便起见，这种策略称为 EM1,。第二个策略是与分离的能量和热管理（SETM）的热管理驱动器，保持电池温度总 是在预定范围内，不考虑能量管理。EMI和SETM的能量管理策略是ECM战略7与PI控制 器估计的等价因子。所有的策略开始SOC = 50% .对IETM的策略，在每一时刻的k,必要的 条件（17）的数值求解是通过搜索Pso（k）和戶/（k）在其定义的范围（12）,（13）和（14）。 能量Es和温度Tb的电池状态分别是通过更新方程（7）和（8）。对共态人和九2的下一时刻 （k+1）是相应的估计通过两个PI控制器的（18）和（19）。

21、全球燃料消耗和电池的平均温度在环境温度的关系如图4所示的所有三个考虑的策略。 环境温度T1分离的混合加热/冷却回路的加热和冷却区和随后讨论中更多的细节。相比于 EM1, SETM策略获得更好的燃油经济性，温度T2代表环境温度。SETM和EM1的比较，如图4所示的上层，当SETM （绿色线）大于EM1 （红色线）时, 电池的平均温度Tambi T1。反之亦然，TambM T1。这意味着当乙“勿 T1时，SETM 让加热/冷却回路的冷却电池的温度从红线降低到绿色。因此，作为冷却区，如團所示的下 层，对于Tambi = T2, SETM的加热作用只能达到全球燃料效益。高于此值，相比EM1, SETM

22、 的加热/冷却作用导致更高的全球燃料消耗。对于IETM的策略，Tamb. T1, IETM和EM1的全球燃料消耗量均低于SETM和它们之间的差 异是微不足道的。它是通过查看图4的上图解释的。电池的平均温度，当使用IETM和EM1 高于使用SETM时（蓝色和红色线均高于绿色的那个）。这意味着SETM消耗功率冷却电池, 从而导致更高的全球燃料消耗。然而，电池的平均温度当使用IET M稍微不同于使用EM1。 这说明，IETM是能够决定不加热或冷却电池，如果这有利于燃油经济性。因此，类似的情 况下使用EM1时，电池的温度是影响电池的功率损耗和环境温度的。总之，它变得清晰是 结合电池热管理的混合动力重型

23、汽车的能量管理，全球燃料消耗可减少。图3.车辆的速度，模拟海拔高度和功率要求的长途驾驶循环应用-Q.4!s=rtiidE-lLmLU 右ZIRt1|3.一匚=旦山E口匚耳=-eq-Jio图4全球燃料消耗和电池的平均温度依赖环境温度四、结论和未来工作展望通过将电池温度和加热/冷却电力需求提出了综合能源和热管理的一种方法。一个加热 冷却作用的效益和成本之间的权衡能够达到最佳的全球能源效率的能源管理策略考虑在内。 IETM的问题是基于ECMS策略如何求解。仿真结果表明，相比于非整合策略的SETM和 EM1, IETM潜在的节省燃油。更多的工作需要模型和验证复杂的车辆模型伴随着加热/冷却系统。本文利用

24、一阶加热/ 冷却模型模拟了 IETM与SETM策略。测量在电池加热/冷却系统中做了分析简化的有效性。文献1 D. Ambuhl, O. Sundstrom, A. Sciarretta, and L. Guzzella. Explicit optimal control policy and its practical application for hybrid electric powertrains. Control Engineering Practice, 18(12):1429-1439,2010.2 K. Buford, J. Williams, and M. Simonini.

25、 Determining most energy efficient cooling control strategy of a rechargeable energy storage system. In Proc. of the SAE World Congress, December 201l. SAE Paper 2011-01-0893.3 J.-S. Chen and M. Salman. Learning energy management strategy for hybrid electric vehicles. In Proc. of the IEEE Vehicle Po

26、wer and Propulsion Conference (V PPC), pages 68-73, Chicago, IL, September 2005.4 H. P. Geering. Optimal Control with Engineering Applications. SpringerVerlag Berlin Heidelberg, 2007.5 L. Guzzella and A. Sciarretta. Vehicle Propulsion Systems - Introduction to Modeling and Optimization. Springer-Ver

27、lag, Berlin Heidelberg, n2d edition, 2007.6 J.T. B. A. Kessels. Energy Management for Automotive Power Nets. PhD thesis, Technische Universiteit Eindhoven, 2007.7 J. T. B. A. Kesse l s, M. W. T. Koot, P. PJ. van den Bosch, and D. B. Kok. On l i ne energy management for hybrid electric vehicles. IEEE

28、 Trans on Vehicular Tech, 57(6):3428-3440, November 2008.8 J.T. B. A. Kessels, F.P.T. Willems, w.J. Schoot, and P.PJ. van den Bosch. Integrated energy and emission management for hybrid electric truck with SCR aftertreatment.InProc.oftheIEEEVehiclePowerandPropulsionConference(VPPC), Lille, France, S

29、eptember 2010.9 N. Kim, S.W. Cha, and H. Pengo Optimal equivalent fuel consumption for hybrid electric vehicles. IEEE Trans on Control Systems Tech, 2011.10 P. Klaus, A. Martin, H. Josef, W. Martin, and N. Heimo. Simulation and energy management of hybrid commercial vehicles with attention to the th

30、ermal system behaviour. In Proc. of the FISTA World Automotive Congress, Budapest, Hungary, 30 May - 4 June. 2010.11 M. Koot, J.T. B.A. Kessels, Bram de Jager, W. P.M.H. Heemels, P.P.J. van den Bosch,andM.Steinbuch.Energymanagementstrategiesforvehicularelectricpower systems. IEEE Trans on Vehicular

31、Tech, 54(3):771-782, May 2005.12 J. Lescot, A. Sciarretta, Y. Chamaillard, and A. Charlet. On the integration ofoptimalenerymanagementandthermalmanagementofhybridelectricvehicles.In Proc. of theIEEEVehicle Powerand Propulsion Conference (V PPC) , Lille, France, September 2010.13 E.MeissnerandG.Richt

32、er.Batterymonitoringandelectricalenergymanagement precondition for future vehicle electric power systems. Journal of Power Sources, 116:79-98, 2003.14 c.Musardo,G.Rizzoni,andB.Staccia.A-ecms:Anadaptivealgorithmforhybrid electric vehicle energy management. In Proc. of the Joint 4t4h IEEE Con! Decisio

33、n Control, Eur. Control Con!, pages 1816-1823, Seville, Spain, December 2005.15 D.S. Naidu. Optimal Control Systems. CRC Press, 2003.16 c.ParkandA.K.Jaura.DynamicthermalmodelofIi-ionbatteryforpredictive behavior in hybrid and fuel cell vehicles. In Proc. of the Future Transportantion Technology Con!

34、, Costa Mesa, California, June 2003. SAE Paper 2003-01-2286.17 A.A.Pesaran.BatterythermalmanagementinEVsandHEVs:Issuesandsolutions.I n Proc. of the Advanced Automot ive Battery Conference, Las Vegas, Nevada, February6-8 2001.18 P. Pisu and G. Rizzoni. A comparative study of supervisory control strat

35、egies for hybrid electric vehicles. IEEE Trans on Control Systems Tech., 15(3):506-518, May 2007.19 Z. Rao and S. Wang. A review of power battery thermal energy management. Renewable and Sustainable Energy Reviews, 15(9):4554- 4571, December 2011.20 A. Sciarretta and L. Guzzella. Control of hybrid e

36、lectric vehicles. IEEE Control Systems Magazine, 27(2):60-70, April 2007.21 L. Serrao, S. Onori, A. Sciarretta, Y. Guezennec, and G. Rizzoni. Optimal energy management of hybrid electric vehicles including battery aging. In Proc. of the American Control Conj, San Francisco, CA, USA, June 29 - July 0

37、1. 2011.22 N. Shidore, E. Rask, R. Vijayagopal, F. Jehlik, and J. Kwon. PHEV energy management strategies at cold temperatures with battery temperature rise and engine efficiency improvement considerations. In Proc. Of the SAE World Congress, December 2011. SAE Paper 2011-01-0872.23 Thijs van Keulen, Dominique van Mullem, Bram de Jager, John T. B.A. Kessels, and Maarten Steinbuch. Design, implementation, and experimental validation of optimal power split control for hybrid electric trucks. Control Engineering Practice, 20:547-558, 2012.