协调的自适应权重非线性模型预测控制与比例-积分控制在客舱和电池并联热系统中的应用

《Journal of Energy Storage》：Coordinated adaptive-weight nonlinear model predictive control and proportional–integral control for cabin and battery parallel thermal systems

　　**Jiesong Jian | Yingchao Zhang**
**吉林大学汽车底盘集成与仿生学国家重点实验室，长春，130022，中国**

**摘要**
为了克服高环境温度下插电式混合动力电动汽车（PHEVs）的座舱和电池并行热管理挑战，本文提出了一种结合比例-积分（PI）控制的自适应权重非线性模型预测控制（NMPC）算法。由于相变过程建模的复杂性，该算法基于深度学习的状态空间模型（训练准确率为96.28%，验证准确率为96.30%）作为其核心。该模型的目标函数包括压缩机和鼓风机的能耗、座舱温度跟踪，以及一个自适应跟踪权重，用于将座舱温度维持在25°C。另外，还使用了一个独立的PI控制器来调节水泵的占空比，以保持电池温度在23–27°C范围内。驾驶循环采用中国轻型车辆测试循环（CLTC）。仿真结果表明，所提出的策略使座舱温度的标准偏差仅为0.19°C，显著优于基准策略1（三个PI控制器，偏差为0.52°C）和基准策略2（固定权重NMPC + PI，偏差为0.28°C）。与基准策略1和基准策略2相比，所提出的策略分别使最终电池温度降低了0.30°C和0.13°C（优化后：25.97°C，基准策略1：26.27°C，基准策略2：26.10°C）。在所提出的策略下，热系统的总能耗为1101.81 kJ，相比基准策略1和基准策略2分别降低了9.27%和0.29%。尽管相对于基准策略2，所提出的策略仅实现了0.29%的节能效果，但在温度控制稳定性和准确性方面表现出显著优势。

**术语表**
- PHEVs：插电式混合动力电动汽车
- NMPC：非线性模型预测控制
- PI：比例积分
- CLTC：中国轻型车辆测试循环
- EXV：电子膨胀阀
- MSE：均方误差
- LSTM：长短期记忆
- TBAT_MAX：瞬态过程中的最高电池温度
- TBAT_MIN：瞬态过程中的最低电池温度
- TBAT_FIN：瞬态过程中的最终电池温度
- TBAT_STD：瞬态过程中电池温度的标准偏差
- TCAB_MAX：最高座舱温度

**系统建模**
本文中，电池冷却系统通过冷却器与座舱冷却系统并联连接。该空调系统的主要组件如图1所示，包括压缩机、冷凝器、冷却器、两个EXV、水泵、风扇、鼓风机和座舱蒸发器，系统使用R134a制冷剂。冷却风扇以2000 rpm的固定速度运行。整个系统的仿真使用GT-SUITE软件建立。

**基准策略的建立**
为了研究所提出的自适应权重模型预测控制与PI控制器协同控制策略（优化策略）在座舱/电池温度控制和热系统能效方面的优势，本研究设计了两种基准控制策略。

**自适应权重NMPC + PI控制器设计**
在本节中，自适应权重NMPC与PI控制器协同工作，以调节座舱和电池温度。具体而言，自适应权重NMPC调整压缩机转速和鼓风机占空比以维持座舱温度在25°C的目标值，而PI控制器调节水泵占空比以保持电池温度在25°C。控制目标与固定权重NMPC+PI策略相同。

**联合座舱和电池冷却下的仿真结果分析**
本节比较了优化策略和基准策略下的座舱温度、电池温度、累计热系统能耗、压缩机转速和鼓风机占空比，以研究优化策略在温度控制和节能方面的优势。图13展示了优化策略与基准策略1和2的座舱温度曲线。对于基准策略2，座舱温度达到...

**结论**
随着电池液冷技术的广泛应用，PHEVs的空调系统必须同时管理座舱冷却和电池热调节，尤其是在高温条件下。本文提出了一种集成这两种系统的并行热管理架构。为了解决复杂相变过程带来的建模难题以及MPC无法直接优化能耗的问题，我们开发了一种基于深度学习的控制方法。

**作者贡献声明**
Jiesong Jian：撰写——审稿与编辑、撰写——原始草案、软件开发、方法论、形式分析。
Yingchao Zhang：软件开发、方法论、形式分析、数据整理。

**利益冲突声明**
作者声明不知道任何可能影响本文工作的竞争性财务利益或个人关系。

**致谢**
本工作得到了国家自然科学基金（项目编号52372355和52235006）的支持。