一種應用于混合動力汽車車載復合電源的制作方法
【專利摘要】本發明公開了一種應用于混合動力汽車車載復合電源，采用動力電池與負載直接相連，而超級電容器與雙向DC/DC變換器串聯后再與動力電池并聯的結構。功率總線將電機需求總功率送入DC/DC變換器控制策略中，由DC/DC變換器控制策略將總功率按照實際工況需求分配給動力電池和超級電容器。本發明能控制整車的電功率需求在電池和超級電容器之間的流動，充分發揮超級電容器快速、高效充放電的特性來緩解大電流對電池的沖擊，回收制動能量，延長電源工作壽命，實現復合電源“削峰填谷”的思想。
【專利說明】一種應用于混合動力汽車車載復合電源
【技術領域】
[0001]本發明涉及一種混合動力汽車車載復合電源的能量存儲裝置，動力電池為主要能源，超級電容器為輔助能源，控制策略采用自適應模糊神經網絡控制，實現能量的合理分配。
【背景技術】
[0002]隨著全球環境的惡化，能源日益緊缺，混合動力汽車成為新型汽車開發的熱點。混合動力汽車電源裝置性能和成本是其發揮節能減排作用的重要基礎和前提條件。目前，混合動力汽車使用的高比能量動力電池和滿足混合動力汽車使用的高比功率動力電池均難以獨立滿足混合動力汽車對動力電池兼顧功率和能量的雙重需求,而將動力電池和超級電容器組成復合電源使用，可以使動力電池和超級電容器的優勢互補，獲得良好的比能量和比功率特性，成為有效的解決途徑。
[0003]混合動力汽車復合電源的控制拓撲結構和控制策略是目前研究的熱點，文獻:Jesse Park, Besty Raju, Ali Emad1.Effects of an Ultracapacitor and BatteryEnergy Storage System in a Hybrid Electric Vehicle [J].SAE 2005-01-3452 和文獻:J.N.Marie-Francoise.42V Power Net with supercapacitor and battery forautomotive applications [J].Journal of Power Sources 143 (2005): 275-283,均米用了邏輯門限控制策略對復合電源進行了研究，同時對控制效果進行評價，但是由于邏輯門限控制策略中控制規則固定，不能很好地解決動力電池和超級電容器在助力放電時的功率分配問題，因此采用邏輯門限控制策略，動力電池的充放電電流仍然很大，電源效率提高幅度有限，整車的燃油經濟性改善程度不佳，達不到超級電容器對動力電池的“削峰填谷”的作用；文獻:Yingming L v, Haiwen Yuan, Yingyi Liu, Qiusheng Wang.Fuzzy logicbased energy management strategy of battery-ultracapacitor composite powersupply of HEV[C].First International Conference on Pervasive Computing, 2010:1209-1214和文獻:Guiping Wang, Panpan Yang, Jinjin Zhang.Fuzzy optimal controland simulation of battery-ultracapacitor dual-energy source storage system forpure electric vehicle[C].1nternational Conference on Intelligent Control andInformation Processing, Dalian China 2010: 555-560,都米用了模糊邏輯控制算法作為復合電源的控制策略，所不同的就是前者采用兩個模糊控制器分別對電機需求正功率和電機需求負功率進行模糊化控制,而后者將電機正功率需求和負功率需求作為一個整體，采用一個模糊控制器實現模糊化控制。模糊控制策略相比于邏輯門限控制策略，進一步實現了功率的合理配置，優化了動力電池的充放電過程，電源利用率有所提高。但是，模糊邏輯控制策略在確立模糊化和解模糊的方法時，缺乏系統的方法，主要靠經驗和試湊；總結模糊控制規則比較困難；控制規則一旦確定，不能在線調整，不能很好地適應工況的變化。
[0004]邏輯門限控制和模糊邏輯控制都是基于規則的控制策略，只是模糊邏輯控制策略中的門限值被模糊化了，規則的制定往往是靠人工經驗和不斷地試湊來獲得，難于自動獲取，缺乏系統的學習方法。
【發明內容】
[0005]為了克服以上兩種控制策略的不足，這里我們提出一種應用于車載復合電源的自適應模糊神經網絡控制策略，它將模糊邏輯算法豐富的人工控制經驗和神經網絡自學習、自適應的優點相結合，充分發揮兩者的長處。自適應模糊神經網絡控制更好地發揮了超級電容器的主動性和高比功率特性,優化了蓄電池的充放電過程,提高了混合動力汽車的啟動和加速性能，改善了再生能量的回收效率。
[0006]本發明解決其技術問題所采用的技術方案是:
一種應用于混合動力汽車車載復合電源，其特征在于:包括動力電池、超級電容器、DC/DC變換器、功率總線、DC/DC變換器控制策略，所述動力電池與負載直接相連，超級電容器通過雙向DC/DC變換器與負載連接，超級電容器與DC/DC變換器串聯，再與動力電池并聯，功率總線將電機需求總功率送入DC/DC變換器控制策略中，由DC/DC變換器控制策略將總功率按照實際工況需求分配給動力電池和超級電容器。
[0007]作為本發明的進一步改進，所述雙向DC-DC變換器采用非隔離半橋結構，能夠實現兩象限運行，即變換器兩端電壓方向不變，電流方向改變，在功能上相當于buck變換器和boost變換器的組合。
[0008]作為本發明的進一步改進，所述雙向DC-DC變換器采用自適應模糊神經網絡控制策略，將動力電池和超級電容器的荷電狀態以及電機需求總功率作為控制器的輸入，輸出為經過控制器合理分配后的動力電池和超級電容器需求功率。
[0009]作為本發明的進一步改進，所述自適應模糊神經網絡控制策略中的神經網絡采用網絡分割結構，模糊系統采用T-S型，模糊規則為160條，均由神經網絡通過自主學習制定。
[0010]本發明的有益效果是:
在自適應模糊神經網絡控制策略下，隨著工況的不斷變化，電池電流變化相對平穩，沒有出現較大的尖峰電流。零值下方動力電池的電流幅值變化非常小，電池在再生制動過程中基本沒有被充電，這樣減少了電池的循環充放電次數，避免了對電池的大電流沖擊，有利于提高動力電池的壽命；電池的荷電狀態和溫度變化較緩慢，變化幅度較小；超級電容器充分表現出其大電流充放電的優點:在加速和制動過程中超級電容器能夠快速響應，加速時提供車輛所需的峰值電流，制動回收時吸收反向尖峰電流。超級電容器荷電狀態變化范圍較大，充分發揮了其快速充放電的優勢，最大限度地吸收了再生制動能量，對動力電池進行“削峰填谷”的作用明顯，既節約了能源又將有效延長車輛行駛里程。
【專利附圖】
【附圖說明】
[0011]圖1是本發明一種應用于混合動力汽車車載復合電源的結構圖；
圖2是雙向DC-DC控制模型圖；
圖3是雙向DC-DC變換器的結構圖；
圖4是自適應模糊神經網絡控制策略的訓練樣本誤差圖；
圖5是自適應模糊神經網絡結構圖；
圖6是自適應模糊神經網絡控制策略的第一輸入隸屬函數圖； 圖7是自適應模糊神經網絡控制策略的第二輸入隸屬函數圖；
圖8是自適應模糊神經網絡控制策略的第三輸入隸屬函數圖。
【具體實施方式】
[0012]下面結合附圖對本發明作進一步詳細說明。
[0013]本發明一種應用于混合動力汽車車載復合電源結構采用動力電池與負載直接相連，超級電容器與DC/DC變換器串聯后再與動力電池并聯；這種結構形式由動力電池直接對外輸出功率，能量轉換效率較高；超級電容器作為輔助能源通過DC/DC跟蹤檢測動力電池端電壓，并調節自身電壓與動力電池匹配工作，進而保護動力電池；由于動力電池端電壓變化比超級電容器端電壓平緩，因而電壓調控容易實現。
[0014]雙向DC/DC變換器選用非隔離半橋結構，該結構元器件數量少，造價低廉，沒有變壓器損耗，效率高，易于包裝和集成。雙向DC/DC變換器能夠實現兩象限運行，即變換器兩端電壓方向不變，電流方向改變，在功能上相當于buck變換器和boost變換器的組合。
[0015]雙向DC-DC變換器的控制策略則采用自適應模糊神經網絡控制，將動力電池和超級電容器的荷電狀態以及電機需求總功率作為控制器的輸入，動力電池和超級電容器所要分擔的功率作為輸出，從而實現兩者能量的合理配置。
[0016]以上技術方案均在混合動力汽車仿真軟件ADVISOR 2002下進行開發和設計，從而保證方案的可行性。
[0017]在圖1中，超級電容器與DC/DC變換器串聯，再與動力電池并聯，功率總線將電機需求總功率送入DC/DC變換器控制策略中，由控制策略將總功率按照實際工況需求分配給動力電池和超級電容器。
[0018]在圖2中，將動力電池和超級電容器的荷電狀態，以及電機需求功率作為自適應模糊神經網絡控制器的輸入，輸出則是通過控制策略分配給動力電池和超級電容器的功率。
[0019]在圖3中，雙向DC-DC變換器能夠實現兩象限運行，即變換器兩端電壓方向不變，電流方向改變，在功能上相當于buck變換器和boost變換器的組合。當開關管
SI以一定占空比開關,D2為續流二極管時，變換器等效為buck變換器，能量由Vi流向Uc ,超
級電容器吸收能量。同理，當開關管32以一定占空比開關，Dl為續流二極管時，變換器等
效為boost變換器，能量由K流向％，超級電容器釋放能量。
[0020]在圖4為訓練樣本誤差圖，縱坐標為誤差，橫坐標為樣本數，訓練誤差很小，幾乎趨近于O。圖5表示自適應模糊神經網絡的結構圖，神經網絡采用網絡分割結構，從圖中不難發現，第一層中輸入變量為3，因此神經元的數量為3個；第二層中，神經元的個數為14，語言變量也應為14個；第三層為規則層，由神經網絡自動設計完成，使用的邏輯方法為“and”，共160條規則，因此該層神經元的個數為160 ;第四層表示模糊規則所得出的結論，神經元的個數均由網絡自動分配；第五層為輸出層，神經元的個數與輸出數據相同。圖6至圖8為由神經網絡自動生成的三輸入隸屬函數圖，需要注意的是，自適應模糊神經網絡的輸出并不是以隸屬函數的形式出現的，而是一組結論數據。
[0021]以上所述僅為本發明的較佳實施例而已，并不用以限制本發明。凡在本發明的精神和原則之內所作的任何修改、等同替換和改進等，均應包含在本發明的保護范圍之內。
【權利要求】
1.一種應用于混合動力汽車車載復合電源，其特征在于:采用動力電池與負載直接相連，超級電容器與雙向DC/DC變換器串聯后再與動力電池并聯的結構。
2.根據權利要求1所述的一種應用于混合動力汽車車載復合電源，其特征在于:包括動力電池、超級電容器、DC/DC變換器、功率總線、DC/DC變換器控制策略，所述動力電池與負載直接相連，超級電容器與DC/DC變換器串聯，再與動力電池并聯，功率總線將電機需求總功率送入DC/DC變換器控制策略中，由DC/DC變換器控制策略將總功率按照實際工況需求分配給動力電池和超級電容器。
3.根據權利要求1或2所述的一種應用于混合動力汽車車載復合電源，其特征在于:所述雙向DC-DC變換器采用非隔離半橋結構，能夠實現兩象限運行，即變換器兩端電壓方向不變，電流方向改變，在功能上相當于buck變換器和boost變換器的組合。
4.根據權利要求1或2所述的一種應用于混合動力汽車車載復合電源，其特征在于:所述雙向DC-DC變換器采用自適應模糊神經網絡控制策略，將動力電池和超級電容器的荷電狀態以及電機需求總功率作為控制器的輸入，輸出為經過控制器合理分配后的動力電池和超級電容器需求功率。
5.根據權利要求4所述的一種應用于混合動力汽車車載復合電源，其特征在于:所述自適應模糊神經網絡控制策略中的神經網絡結構采用網格分割算法來確定，模糊系統采用T-S型，模糊規則為160條，均由神經網絡通過自主學習制定。
【文檔編號】H02M3/10GK103490494SQ201310426784
【公開日】2014年1月1日 申請日期:2013年9月18日 優先權日:2013年9月18日
【發明者】王琪, 孫玉坤, 黃永紅 申請人:江蘇大學