基于粒子群优化的电力分配策略，用于改进电动汽车中的半主动混合储能系统

《Journal of Energy Storage》：Power allocation strategy based on particle swarm optimization for an improved semi-active hybrid energy storage system in electric vehicles

本文提出基于粒子群优化的锂电/超级电容混合储能系统功率分配策略，通过改进半主动拓扑结构实现高效能转换。实验表明策略在UDDS和NEDC循环下可降低转换损耗1.13%-5.30%，提升系统效率2.98%-3.32%，并有效抑制模式切换频率。

　　

王斌|肖春武|于静业|王德兴|严一哲|王超辉

中国陕西省西安市西安交通大学制造系统工程国家重点实验室，邮编710049

摘要

为了实现锂离子电池和超级电容器（UC）在电动汽车（EV）应用中的有效能量管理，本文提出了一种改进的半主动拓扑结构以及基于粒子群优化（PSO）算法的功率分配策略，用于锂离子电池/UC混合储能系统（HESS）。该PSO基功率分配策略的创新之处在于将超级电容器作为增强型功率滤波器使用，从而使锂离子电池能够为电机逆变器提供最佳功率或为超级电容器充电。为了实现稳定且高效的运行，为改进的半主动HESS设计了一种具有滞回控制的基于规则的功率分配策略。在此基础上，通过PSO算法确定了策略中的两个关键参数：锂离子电池的最佳输出功率和超级电容器的参考状态-of-charge（SOC）。通过建立仿真模型并利用两个驱动周期来验证PSO基功率分配策略的有效性。与传统的基于规则的策略和动态规划策略相比，PSO基功率分配策略可以降低不同运行模式之间的切换频率。在UDDS条件下，升压转换器的能量转换损耗分别降低了1.13%和1.39%，系统效率提高了2.98%和2.46%；在NEDC条件下，能量转换损耗分别降低了1.39%和5.30%，系统效率提高了3.32%和1.72%。敏感性分析结果表明，所提出的策略在不同SOC条件和驱动周期下都是可行的。总之，PSO基功率分配策略简单实用，能够提高锂离子电池/UC HESS在EV应用中的系统稳定性和整体系统效率。

引言

如今，电动汽车（EV）被广泛认为是传统内燃机车辆的高效环保替代品[1]、[2]、[3]。通常，锂离子电池被用作EV中的储能系统。为了实现更长的行驶里程，EV中使用的锂离子电池通常具有较高的能量密度[4]。然而，在EV的启停、爬坡和加速等操作条件下，锂离子电池会面临突然增加的功率需求，这符合高功率需求[5]。目前，除非采用较大的电池包，否则同时实现锂离子电池系统的高能量密度和高功率输出具有挑战性。然而，过大的电池包往往效率较低。更糟糕的是，高电流或高功率操作会导致锂离子电池的不可逆损伤和性能下降。超级电容器（UC）具有高功率密度和快速充放电特性[6]、[7]。这些特性可以防止锂离子电池在高电流操作场景下过度放电。因此，包含锂离子电池和UC的混合储能系统（HESS）将兼具高能量密度和高功率密度的优势[8]、[9]。目前，锂离子电池/UC HESS已广泛应用于EV中，以提高驾驶性能[10]、[11]、[12]。

为了通过协调锂离子电池和UC来优化HESS的运行效率，研究人员探索了不同的拓扑结构或构造。HESS的拓扑结构通常可以分为以下几类：被动式、半主动式和全主动式[13]、[14]、[15]。在被动式拓扑中，锂离子电池和UC直接连接到直流母线上，锂离子电池的电压保持与UC电压相同[16]、[17]。尽管被动连接简单，但它无法有效控制能源的输出功率，因此无法实现HESS的最佳运行。在全主动式拓扑中，两种能源的连接需要两个DC-DC转换器，从而实现独立控制，确保HESS的稳定性、灵活性和高效运行[18]、[19]。然而，选择全主动式HESS时还需要考虑其重量和尺寸的增加。半主动式拓扑包括UC/锂离子电池拓扑和锂离子电池/UC拓扑[20]、[21]。对于UC/锂离子电池半主动HESS，UC通过双向DC-DC转换器连接，而锂离子电池直接连接到直流母线上；对于锂离子电池/UC HESS，UC直接连接到直流母线上，同时锂离子电池由双向DC-DC转换器控制。在现有研究中，更倾向于使用锂离子电池/UC半主动HESS。通过合理的控制或功率分配策略，它可以实现稳定运行并高效供电，以满足EV应用中的不同功率需求[22]、[23]。

模式选择取决于两种能源的特定运行特性以及电机逆变器的功率需求。在此基础上，应在两种能源之间合理分配所需的功率。在之前的研究中，已经研究了多种功率分配策略来提高HESS的运行效率[19]、[24]、[25]。功率分配策略应平衡最适合的运行模式选择和HESS的最佳运行效率。一种常用的方法是基于规则的功率分配策略，该方法以其简单性和易实施性而闻名[26]、[27]、[28]。对于基于规则的功率分配策略，设计了一些逻辑阈值来指导锂离子电池和UC之间的功率分配。这些逻辑阈值通常是根据工程经验确定的。陈等人提出了一种状态机策略来分配锂离子电池/UC HESS中两种能源的输出功率[29]。该状态机策略考虑了多种输入变量，如功率需求、锂离子电池的SOC、UC的SOC以及每种能源的放电/充电容量。在这种状态机策略中，定义的逻辑阈值在实现最佳运行效率方面起着关键作用。

通过将基于规则的策略与优化方法结合，可以进一步提高其性能。基于特定目标函数并受某些约束的优化算法可用于HESS的功率分配[30]、[31]、[32]。陈等人提出了一种基于元规则的功率分配策略，涉及提取驾驶条件特征以建立元规则[26]。在这项研究中，基于实时驾驶条件筛选特征以选择合适的规则参数，从而实现基于规则的能量管理，以达到最佳功率分配。史等人提出了一种基于驾驶模式识别的基于规则的功率分配策略[33]。该方法需要大量离线训练来获得全局最优结果，这些结果随后用于在线操作中的控制规则。尽管上述基于规则的功率分配策略可以与数据驱动方法集成以实现HESS的最佳功率输出，但复杂的计算需要大量驾驶数据，这会耗费时间[34]、[35]。此外，特征提取和参数更新也需要大量的计算资源[36]、[37]、[38]。

尽管对锂离子电池/UC半主动HESS及其相应的能量管理策略进行了大量研究，但仍存在一些需要解决的挑战。通过DC-DC转换器的能量转换损耗无法避免，锂离子电池/UC半主动HESS的运行效率有限。此外，通过数据驱动优化获得合适的逻辑阈值可能需要大量数据和计算资源。在实际应用中，最佳模式选择和功率分配非常难以实现。

为了解决这些限制，本研究提出了一种改进的半主动拓扑结构和基于粒子群优化（PSO）的基于规则的功率分配策略，用于EV应用中的锂离子电池/UC HESS。主要贡献如下：1)

改进的半主动HESS结合了锂离子电池/UC和UC/Lithium电池拓扑的优势。通过模式选择和适当的功率分配策略，它可以降低能量转换损耗并实现高运行效率。

2)

为了减少不同运行模式之间的频繁切换并提高HESS的运行效率，设计了一种具有滞回控制的基于规则的功率分配策略。采用PSO算法来调整滞回控制的间隔，即寻找锂离子电池的最佳输出功率和UC的参考SOC的最优值。

3)

与传统的基于规则的策略和动态规划（DP）策略相比，所提出的基于PSO的功率分配策略具有计算速度快等优点。此外，它可以降低能量转换损耗并提高改进的半主动HESS的运行效率。敏感性分析结果表明，所提出的策略在不同SOC条件和不同的驱动周期下也是可行的。

本文的结构如下：第2节介绍了改进的半主动HESS；第3节开发了基于PSO的功率分配策略；第4节展示了结果和讨论；第5节给出了结论。

部分摘录

改进的半主动混合储能系统

本研究中的改进半主动HESS如图1所示。可以看出，改进的半主动HESS仅使用一个DC-DC转换器（即升压转换器）来简化结构。UC通过软开关（S1）连接到电机逆变器，这样UC可以作为自适应功率滤波器使用。同时，再生制动功率可以直接被UC吸收。锂离子电池由另一个软开关（S2）控制，

具有滞回控制的功率分配

基于规则的功率分配策略简单且易于实施，适用于锂离子电池和UC之间的功率分配。然而，在实际应用中，UC和锂离子电池的充放电频率较高，导致两种能源的运行状态快速变化，从而引起运行模式的频繁切换。因此，首先设计了滞回控制来减轻模式切换

最优参考值的确定

为全面分析改进的半主动HESS及其相应的基于PSO的功率分配策略在EV应用中的表现，构建了一个仿真模型。仿真模型和EV的详细参数分别如图9和表2所示。需要注意的是，本研究中使用UC的实时存储能量来计算其SOC。

对于仿真，$P_{\mathrm{op}}$ 和 ${\mathrm{SOC}}_{\mathrm{ref}}$ 将根据PSO算法确定，如图10所示。

结论

本文成功开发了一种基于PSO的功率分配策略，用于提高EV应用中改进半主动HESS的系统稳定性和运行效率。由于传统的基于规则的功率分配策略及其滞回控制是基于工程经验设计的，因此无法为改进的半主动HESS实现最合适的模式切换和最佳运行效率。为了解决这个问题，提出了两个关键参考

作者贡献声明

王斌：撰写——审稿与编辑、软件、方法论、资金获取、概念化。肖春武：撰写——初稿、可视化、方法论、调查、形式分析。于静业：可视化、方法论、调查、形式分析。王德兴：调查。严一哲：调查。王超辉：监督、项目管理。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。

致谢

本工作得到了中国陕西省重点研发计划（编号2023-YBGY-376）、中国航空科学基金会（资助编号2024Z039070003）和国家自然科学基金（资助编号51907160）的支持。