电动汽车复合电源多目标跨尺度能量管理与优化控制方法研究

The collaborative optimization of design and control of hybrid energy storage system (HESS) is one of the key development directions of electric vehicles, and the research is challenging. The proposal closely focuses on two key scientific challenges: the overall, fast, robust, multi-state joint estimation method of HESS and multi-objective, cross-scale energy management and optimization control method for HESS. Firstly, to establish a multi-stress HESS modeling method by model fusion, the experimental database of battery and ultracapacitor characteristics under different stress environments was constructed, and the evolution law of performance characteristics under the influence of various stress coupling effects is explored. Secondly, the HESS is regarded as a unit system, and the inherent bidirectional coupling law of battery and ultracapacitor in HESS is analyzed. Based on this, a cross-scale and multi-state joint estimation method for HESS is studied by using the dual-H∞ filter algorithm and Extended kalman filtering. In addition, the scale selection rule is established. Lastly, to study energy management strategy for HESS by using deep reinforcement learning theory, a multi-objective and strong constraint feature parameter adaptive adjustment index system is constructed. This proposal employs a principle prototype for verification and evaluation. The research results of this project will develop and improve the energy management theory of hybrid energy storage system, and provide theoretical foundation and comprehensive technical support for further excavating the potentiality of energy saving of electric vehicles.

电动汽车复合电源协同优化设计与控制是电动汽车的重要发展方向之一，研究具有挑战性。本项目紧密围绕复合电源系统整体、快速、鲁棒、多状态联合估计方法以及复合电源多目标、跨尺度能量管理与优化控制方法两个关键科学问题。拟(1)构建不同应力环境下锂电池和超级电容特性实验数据库，探索各应力耦合效应影响下的性能特征演变规律，建立基于模型融合的多应力复合电源建模方法。(2)解析锂电池和超级电容在复合电源系统中的内在双向耦合规律，在将复合电源系统视为统一整体的基础上，研究基于双H无穷滤波和扩展卡尔曼滤波的复合电源跨尺度、多状态联合估计方法，建立并完善尺度选取规则。(3)构建多目标、强约束特征参数自适应调节指标体系，基于深度强化学习理论研究复合电源能量管理策略，结合原理样机开展硬件在环验证、实车验证及效果评估。研究成果能够扩展和完善复合电源能量管理理论体系，为进一步提高电动汽车节能潜力提供理论依据和技术支持。

大力发展新能源汽车是我国“2030年前实现碳达峰、2060年前实现碳中和”目标的重要手段。近年来，以锂离子电池和超级电容组成的复合电源系统成为新能源汽车重要发展方向之一。随之而来的问题是如何在多应力环境下，高效的协同控制两种能量源以充分发挥各自在能量密度和功率密度方面的优势成为技术瓶颈。本项目主要开展了以下三方面的工作：第一，针对多应力环境因素的干扰易导致复合电源系统模型可靠度、精度、置信度降低的问题，建立不同应力环境下锂电池和超级电容单体和成组特性实验数据库，提出了电池/超级电容高精度融合建模方法。第二，在融合温度、老化、工况等多应力环境基础上，完成了电池/超级电容跨尺度多状态估计方法研究，依托复合电源系统工作模式及其转换路径，创新性的提出了考虑多工作模式的车用复合电源系统整体SOC估计方法，解决了当前锂离子电池或超级电容的SOC估计研究难以反映复合电源系统整体实际剩余可用容量的问题。第三，基于标准行驶工况，建立并完善了多目标、强约束特征参数自适应调节指标体系，利用深度学习方法探索行驶工况的状态特征参数，建立了基于深度强化学习的人工智能能量管理策略，解决了传统强化学习算法中状态动作空间不连续以及Q值总被高估的问题。研究成果为新能源汽车能量管理与优化控制奠定了新的理论基础，具有重要科学意义和工程价值。本项目已顺利完成研究目标，累计发表学术论文7篇，其中SCI论文5篇，EI期刊论文1篇，中文期刊1篇。此外，已录用中文EI论文1篇，SCI论文1篇，会议EI论文1篇。已投稿SCI期刊论文7篇，申报发明专利7项，授权2项，参加学术会议6次，培养硕士研究生16名。

内容获取失败，请点击重试