周美兰　刘俊鹏　杨明亮

摘 要：针对纯电动客车复合储能系统中动力电池输出功率高的问题，制定了模糊控制策略和基于滤波思想的控制策略。在MATLAB-CRUISE联合仿真环境下搭建整车模型，分别在中国城市道路工况和哈尔滨城市道路工况下进行仿真。给出了复合储能系统采用模糊控制策略和滤波控制策略时的功率曲线、动力电池荷电状态变化曲线以及动力电池电流分布曲线。仿真结果表明，在中国城市道路工况下，相比于滤波控制策略，采用模糊控制策略，动力电池最大输出功率降低0.82kW，SOC （state of charge）值提高0.062%，节约能量1.1603kW·h。在哈尔滨城市道路工况下，相比于采用滤波控制策略，采用模糊控制策略，动力电池最大输出功率降低0.99kW，SOC值提高0.125%，减少能耗1.6825kW·h。仿真结果表明制定的复合储能系统模糊控制策略能够降低动力电池输出功率，提高制动能量回收效率。

关键词：纯电动客车;复合储能;控制策略;超级电容

DOI：10.15938/j.jhust.2020.06.005

中图分类号： TM912

文献标志码： A

文章编号： 1007-2683（2020）06-0030-10

Compound Energy Storage System and Energy

Management Strategy for Pure Electric Bus

ZHOU Mei-lan， LIU Jun-peng， YANG Ming-liang

（School of Electric and Electronic Engineering， Harbin University of Science and Technology， Harbin 150080， China）

Abstract：Given the excessive battery power in the composite energy storage system， two power allocation control strategies were developed， namely， fuzzy control strategy and the filter control strategy. The vehicle model was constructed based on the MATLAB-CRUISE，and simulation is carried out in the urban road conditions in China and urban road conditions in Harbin respectively. The power curve of the composite energy storage system， the change curve of the state of charge and the current distribution curve of the battery with fuzzy control strategy and filter control strategy are given.Simulation results show that compared with the filter control strategy， the fuzzy control strategy improves SOC （state of charge） of the battery by 0.062%，the energy saving is 1.1603kW·h and the maximum output power is reduced by 0.82kW in the urban road conditions in China. Compared with the filter control strategy， the fuzzy control strategy improves SOC of the battery by 0.125%，reduces energy consumption by 1.6825kW·h and the maximum output power is reduced by 0.99kW in the urban road conditions in Harbin. The simulation and results show that proposed the fuzzy control strategy of composite energy storage system can reduce the output power of the battery and recover braking energy effectively.

Keywords：pure electric bus;composite energy storage;control strategy;ultra-capacitor

0 引 言

純电动汽车主要以动力电池作为驱动能源，但动力电池都有难以解决的固有缺陷，例如大电流放电能力较弱、循环使用寿命有限。近年来，国内外的研究机构或汽车厂商开始研究采用超级电容作为纯电动汽车的辅助能源，超级电容具有比能量高，可大电流充放电以及循环使用寿命较长的优点，这在一定程度上能够缓解纯电动汽车续航里程短的问题[1]。

在复合储能系统能量管理系统中，常用的控制策略主要有基本规则控制策略、基于滤波思想的控制策略、模糊逻辑控制策略及模型预测控制策略[2-3] 4大类。Schupbach等[4]提出了一种按工作模式划分的控制策略，划分标准是基于超级电容当前荷电状态以及此时整车行驶状态对复合储能系统的需求功率。实验结果显示，采用此控制策略后，复合储能系统总质量可以降低42 kg，并且加速性能有所提高。Carter等[5]提出了一种利用动力电池最低输出功率与超级电容参考电压进行功率分配的控制策略，并对如何根据动力电池最低输出功率来调整当前状态下对超级电容充电功率进行了详细阐述，在欧洲行驶工况（ECE-15）仿真结果表明，当采用500 F超级电容时动力电池的峰值输出电流可减小51%。张丹红等[6]提出了一种基于模糊思想的控制策略，通过多输入-输出的模糊控制器可以将动力电池的输出电流限制在阈值以下，在新欧洲行驶工况（NEDC）下整车百公里能耗降低7.31%，复合储能系统整体效率提高2.86%，再生制动能量回收效率明显提高。Hredzak等[7]提出了复合储能系统模型预测控制策略，通过仿真分析表明采用模型预测控制策略后，动力电池峰值输出电流减小了61%，使用寿命延长了2.5倍。

尽管当前形势下复合储能系统得到了越来越多的关注，并且在减少能耗，高效回收制动能量方面取得了一定的成果，但是在对复合储能系统中动力电池与超级电容的功率分配方面还有待提高[8-10]。本文主要针对纯电动客车复合储能系统的拓扑结构进行分析，同时，针对电动客车复合储能系统的功率分配问题，制定基于滤波思想的控制策略和模糊控制策略两种功率分配方法。在专业的汽车仿真软件中搭建整车模型，选择了中国城市道路工况和哈尔滨城市道路工况进行仿真，通过仿真结果对控制策

略合理分配功率的有效性。

1 复合储能系统

1.1 拓扑结构分析

拓扑结构的选择取决于功率需求等级和应用环境[11]。纯电动客车复合储能系统主要分为4种拓扑结构：①超级电容与动力电池直接并联后同负载电机相连，此种连接结构简单、成本较低、维护简单，但是由于动力电池与超级电容不经过控制器直接相连，所以要求两者时时端电压相同，所以超级电容并不能够随时对负载进行供电，利用率较低[12]。②超级电容、双向DC-DC变换器连接后再与动力电池并联，此种结构中由于动力电池属于能量密度型器件，端电压变化平稳，超级电容属于功率密度型器件，端电压变化较快，故将动力电池连接在高压端，超级电容连接在低压端，充分发挥超级电容自身优势，提高复合储能整体效率[13-14]。③动力电池、双向DC-DC变换器连接后与超级电容并联，此种结构中复合储能系统能够提供更高的总线电压。这种结构还被应用于超级电容端电压的管理，由于DC-DC变换器的存在，动力电池的充放电性能得到更好的改善[15]。④动力电池和超级电容分别与双向DC-DC变换器串联后再并联，此种结构中由于存在两个双向DC-DC变换器，可以更加灵活的控制复合储能系统的端电压，防止动力电池因输出电流过大而受到损伤，但由于具有两个双向DC-DC变换器，故成本较高[16]。

结合以上4种复合储能系统拓扑结构的优缺点，本文采用第2种结构作为纯电动客车复合储能系统的拓扑结构。

1.2 工作模式分析

根據复合储能系统的基本工作原理、控制目标以及纯电动客车的行驶状态，将复合储能系统的工作划分为3种模式，工作模式结构如图2所示。

模式1：此工作模式只有动力电池单独提供驱动功率，超级电容处于待机状态。动力电池属于能量密度型器件，能够持续为纯电动客车提供巡航状态时的能量[17]。此工作模式主要针对纯电动客车巡航状态和小功率加速场景，此状态下电机需求功率相对较低，动力电池可以单独提供需求功率，复合储能系统结构如图2（a）所示。

模式2：此工作模式是由动力电池和超级电容两者共同提供驱动功率。当纯电动客车运行在加速或爬坡等需求功率较大的状态下需要动力电池与超级电容共同工作提供驱动功率[18]。双向DC-DC变换器同超级电容相连，需要将超级电容电压升高至驱动电机所需电压，在这种情况下双向DC-DC变换器工作在升压模式，复合储能系统结构如图2（b）所示。

模式3：此工作模式是复合储能系统回收纯电动客车再生制动状态所产生能量。当纯电动客车处在制动、减速状态时，驱动电机向复合储能系统回馈能量，通过DC-DC变换器实现对复合储能系统能量回收的控制。此时根据动力电池与超级电容各自的荷电状态SOC值来对制动回馈的能量进行分配[19-20]。由于回馈能量电压高于超级电容额定电压，所以需要将电压降低，这时双向DC-DC变换器工作在降压模式，复合储能系统结构如图2（c）所示。

2 能量分配控制策略

在确定了纯电动客车复合储能系统工作模式的基础上，需要制定出复合储能系统的控制策略，来安全、高效、合理地分配动力电池与超级电容间的能量与功率。通常设定动力电池来承担行驶过程中的平均功率，以此来保证行驶中最基本的需求;超级电容提供余下波动较大的功率，充分发挥超级电容能量密度型器件的优势，复合储能系统兼顾动力电池与超级电容各自的优点，使两者做到优势互补。本文提出了基于滤波思想的基本规则控制策略和模糊控制策略。

2.1 基于滤波思想的控制策略

所提控制策略的基本思想为：动力电池无论是处在充电还是放电状态，提供的功率小于或等于设定的阈值功率，且输出功率的变化要平缓，以免遭受频繁变化大电流的冲击造成损伤，超级电容提供余下部分的功率。基于滤波思想的控制策略流程图如图3所示。

基于滤波思想的控制策略具体规则如下：

1）若电机需求功率Preq大于设定的电机正平均功率P+，当SOCuc>SOCuc_min时，则动力电池与超级电容共同工作，满足驱动电机的功率需求，动力电池输出功率经过一阶滤波函数滞后一定时间缓慢提供给纯电动客车，余下部分由超级电容提供;当SOCuc

2）若电机需求功率Preq小于设定的电机正平均功率P+且大于零，超级电容目标荷电状态SOCuc_tag根据当前速度约束计算得出，当超级电容SOCuc低于该值时，此时需求功率较低，动力电池不仅提供全部需求功率，还提供超级电容充电功率Pch，以备加速或爬坡等大功率场合;当SOCuc>SOCuc_tag时，超级电容不工作，则动力电池提供全部驱动功率。

3）若电机需求功率Preq小于或等于设定的电机负平均功率P-，当SOCuc>SOCuc_max时，则超级电容不接收制动回馈的能量，只对动力电池进行充电，且经过一阶滤波函数滞后一定时间缓慢对电池充电，防止大功率对电池组造成损坏。

4）若电机需求功率Preq大于设定的电机负平均功率P-，当SOCuc>SOCuc_max时，则超级电容不接收制动回馈能量，只对动力电池进行充电，此时功率较小不需经过滤波函数;当SOCuc

其中，一阶滤波函数表达式为

f（s）=1ts+1（1）

式中：t为滤波时间常数。

此一阶滤波函数为惯性环节，t为惯性环节的时间常数，t的取值会对系统的响应时间产生影响，取值越大则环节的惯性越大，响应时间也越长。在滤波控制策略中，利用惯性环节来延缓动力电池的响应速度，让动力电池滞后一定时间后再向驱动电机提供功率。为了更加合理的选择滤波时间常数，分别在中国城市道路工况和哈尔滨城市道路工况下进行仿真，得到不同滤波时间常数下动力电池最大输出功率曲线如图4所示。仿真结果表明动力电池最大输出功率随着滤波时间常数的增加而呈现先减小后增加的趋势，在滤波时间常数取10时，动力电池最大输出功率有最小值，所以本文中滤波时间常数t取10。

为了保证制动能量安全、高效的回收，当车速为v时，当前超级电容目标荷电状态SOCuc_tag与车速的关系为

SOCuc_tag=SOCuc_max-v2v2max（SOCuc_max-SOCuc_min）（2）

式中：vmax为纯电动客车设计最高车速，km/h。

当动力电池对超级电容进行充电时，为保证动力电池的安全，最大充电功率应小于设定的电机正平均功率P+，超级电容荷电状态与充电功率Pch关系为

Pch=P+SOCuc_tag-SOCucSOCuc_max-SOCuc_min（3）

2.2 模糊控制策略

2.2.1 主模糊控制器设计

复合储能系统输出功率受到动力电池以及超级电容的荷电状态制约，从动力电池和超级电容的荷电状态入手能够更有效的实现动力电池与超级电容之间的功率分配，减少大电流对动力电池的冲击，同时发挥出超级电容的优势，保证纯电动客车安全稳定行驶。

选取纯电动客车需求功率Preq、动力电池荷电状态SOCbat和超级电容荷电状态SOCuc作为主模糊控制器的输入量，将动力电池输出功率分配系数K1作为输出量。

需求功率Preq的隶属度函数论域为[-3，3]，将其划分为7个子集，即Preq={NB，NM，NS，ZO，PS，PM，PB}，其隶属度函数如图5所示。将动力电池荷电状态SOCbat的隶属度函数论域设为[0，1]，并将其划分为3个子集，即SOCbat={S，M，B}，其隶属度函数如图6所示。

将超级电容荷电状态SOCuc的隶属度函数论域设为[0，1]，并将其划分为3个子集，即SOCuc={S，M，B}，其隶属度函数如图7所示。

将动力电池输出功率分配系数K1的隶属度函数论域设为[0，1]，并将其划分为5个子集，即K1={TS，S，M，B，TB}，其隶属度函数如图8所示。

根据隶属度函数，制定了63条控制规则，具体如表1所示。

2.2.2 子模糊控制器设计

子模糊控制器采用两输入单输出结构，输入变量为需求功率Preq、超级电容SOCuc与SOCuc_tag的差值ΔSOC，输出变量为动力电池输出功率分配系数的修正系数K0，通过K0对K1进行修正。需求功率Preq隶属度函数如图5所示，超级电容ΔSOC的隶属度函数论域设为[-1，1]，并将其划分为5个子集，即ΔSOC={NB，NS，ZO，PS，PB}，其隶属度函数如图9所示。动力电池输出功率分配系数的修正系数K0的论域设为[-0.1，0.1]，并将其划分为5个子集，即K0={NB，NS，ZO，PS，PB}，其隶属度函数如图10所示。

根据隶属度函数，制定了35条控制规则，具体如表2所示。

2.2.3 整车模型的构建

CRUISE是一款应用于分析车辆动力性，燃油经济性的仿真软件。将上述控制策略在MATLAB软件建立SIMULINK模型，通过生成相应的MATLAB_DLL文件，导入到整车模型中，整车模型如图11所示。仿真所用的纯电动客车参数如表3所示。

3 仿真及结果分析

3.1 中国城市道路工况

图12与图13分别为中国城市道路工况以及该工况下的整车需求功率。

在中国城市道路工况下，分别对动力电池单独供电、模糊控制策略以及滤波控制策略进行联合仿真，得到的动力电池与超级电容功率分配曲线如图14所示。

动力电池SOC变化曲线如图15所示。3种条件下的动力电池电流分布曲线如图16所示，图中横坐标为电流分布区间，纵坐标为分布数量。

由图14与图15可知，在中国城市道路工况下，动力电池单独供电时，动力电池最大输出功率为176.10kW，动力电池SOC下降1.743%;采用模糊控制策略时，动力电池最大输出功率为36.74kW，动力电池SOC下降1.312%，节约能量1.1603kW·h;采用滤波控制策略时，动力电池最大输出功率为37.56kW，动力电池SOC下降1.374%，节约能量0.9933kW·h。采用复合储能系统控制策略后动力电池最大输出功率有明显下降，并且可以节约更多能量。

由图16可以看出，动力电池输出电流在不同控制策略下有很大差异。动力电池单独供电时，输出电流处于60A以上部分较大;采用滤波控制策略时，大部分电流分布在60A以下，60A以上部分较少，采用模糊控制策略时，近乎全部输出电流分布在60A以下，并且小于40A占绝大部分。可以看出采用复合储能系统控制策略能够有效降低动力电池输出电流，避免动力电池因大电流放电受到冲击而缩短使用寿命，保护动力电池。

3.2 哈尔滨城市道路工况

图17～18分别为哈尔滨城市道路工况以及该工况下的整车需求功率。

在哈尔滨城市道路工况下，对动力电池单独供电、模糊控制策略和滤波控制策略进行仿真，得到动力电池與超级电容功率分配曲线如图19所示。

動力电池SOC变化曲线如图20所示。3种条件下的动力电池电流分布曲线如图21所示，图中横坐标为电流分布区间，纵坐标为分布数量。

由图19与图20可知，在哈尔滨城市道路工况条件下，动力电池单独供电时，动力电池最大输出功率为215.21kW，采用模糊控制策略时，动力电池最大输出功率为42.20kW，采用滤波控制策略时，动力电池最大输出功率为43.19kW，采用复合储能系统控制策略后，动力电池最大输出功率大幅下降，避免大功率造成的冲击。动力电池单独供电时SOC下降1.875%，相比于动力电池单独供电，采用模糊控制策略、滤波控制策略动力电池的SOC值分别提高了0.625%和0.5%，相应节约能量分别为1.6825kW·h和1.346kW·h。

由图21可以看出，动力电池的输出电流在不同控制策略下有很大差异。动力电池单独供电时，输出电流处于60A以上部分较大;采用滤波控制策略时，大部分电流分布在60A以下，60A以上部分较少，而采用模糊控制策略时，全部输出电流分布在60A以下，并且小于40A占绝大部分。可以看出采用复合储能系统控制策略能够有效降低动力电池输出电流，避免动力电池由于过大电流放电而导致的不必要的损坏，延长使用寿命。

4 结 论

为了实现降低复合储能系统中动力电池功率以及整体系统能量消耗的目标，制定相应的模糊控制策略以及滤波控制策略，分别在中国城市道路工况以及哈尔滨城市道路工况下进行仿真，通过仿真验证，得到以下结论：

1）在中国城市道路工况下，相比于动力电池单独供电，采用滤波控制策略时，动力电池最大输出功率降低138.54kW，SOC值提高0.369%，节约能量0.9933kW·h，输出电流大部分处于60A以下，60A以上占比明显减小;采用模糊控制策略时，动力电池最大输出功率降低139.36kW，SOC值提高0.431%，减少能量消耗1.1603kW·h，输出电流近似全部处于60A以下，60A以上占比极小。

2）在哈尔滨城市道路工况下，相比于动力电池单独供电，采用滤波控制策略时，动力电池最大输出功率降低172.02kW，SOC值提高0.5%，节约能量1.346kW·h，输出电流大部分处于60A以下，60A以上占比明显减小;采用模糊控制策略时，动力电池最大输出功率降低173.01kW，SOC值提高0.625%，减少能量消耗1.6825kW·h，输出电流全部处于60A以下，其中40A以下占绝大部分。

3）仿真结果表明，在两种工况条件下，复合储能系统采用模糊控制策略能够合理分配动力电池和超级电容各自功率，实现降低复合储能系统中动力电池功率以及整体系统能量消耗的目标，从而延长了动力电池使用寿命和纯电动客车的行驶里程。

参考文献：

[1] 唐葆君， 刘江鹏. 中国新能源汽车产业发展展望[J].北京理工大学学报， 2015， 17（2）： 1.

TANG Baojun， LIU Jiangpeng. Prospects for the Development of China′s New Energy Automobile Industry[J]. Journal of Beijing Institute of Technology， 2015， 17（2）： 1.

[2] MURPHEY Y L， PARK J， KILIARIS L， et al. Intelligent Hybrid Vehicle Power Control-Part II： Online Intelligent Energy Management[J]. IEEE Transactions on Vehicular Technology， 2013， 62（1）： 69.

[3] LALDIN O， MOSHIRVAZIRI M， TRESCASES O. Predictive Algorithm for Optimizing Power Flow in Hybrid Ultracapacitor/Battery Storage Systems for Light Electric Vehicles[J]. IEEE Transactions on Power Electonics， 2013， 28（8）： 3882.

[4] SCHUPBACH R M. The Role of Ultracapacitors in an Energy Storage Unit for Vehicle Power Management[C]// IEEE 58th Vehicular Technology Conference， 2013，5：3236.

[5] CATER R， CRUDEN A， PETER J H. Optimizing for Efficiency or Battery Life in a Battery/Supercapacitor Electric Vehicle[J]. 2012， 61（4）： 1526.

[6] 张丹红， 汪江卫. HEV车载复合电源系统控制策略优化研究[J].电源技术， 2012， 36（5）： 650.

ZHANG Danhong， WANG Jiangwei. Research on Optimization of Control Strategy of Hybrid Power Supply System on HEV[J]. Chinese Journal of Power Sources， 2012， 36（5）： 650.

[7] HREDZAK B. A Low Complexity Control System for a Hybrid Battery/Ultracapacitor Power Source[C]. IEEE ECCE Asia， 2013.

[8] 周美兰， 赵靖纹， 赵立萍. 纯电动汽车复合储能系统及其控制策略[J].哈尔滨理工大学学报， 2018， 23（3）： 79.

ZHOU Meilan， ZHAO Jingwen， ZHAO Liping. Compound Energy Storage System and Energy Management Strategy for Electric Vehicles[J]. Journal of Harbin University of Science and Technology， 2018， 23（3）： 79.

[9] SHEN J， DUSMEZ S. Optimization of Sizing and Battery Cycle Life in Battery/Ultracapacitor Hybrid Energy Storage Systems for Electric Vehicle Applications[J]. IEEE Transactions on Industrial Informatics， 2014， 10（4）： 2112.

[10]ARAUJO R E， DE CASTRO R. Combined Sizing and Energy Management in EVs with Batteries and Super-capacitors[J]. IEEE Transactions on Vehicular Technology， 2014， 63（7）： 3062.

[11]CAO Jian， Emadi A. A New Battery/Ultracapacitor Hybrid Energy Storage System for Electric， Hybrid and Plug-in Hybrid Electric Vehicles[J]. IEEE Trans. Power Electron， 2012， 27（1）： 122.

[12]LIU Zhe， WANG Dan， JIA Hongjie， et al. Power System Operation Risk Analysis Considering Charging Load Self-Management of Plug-in Hybrid Electric Vehicles[J]. Applied Energy， 2014， 136（31）： 662.

[13]王琪， 孙玉坤， 罗印升. 混合动力电动汽车的复合电源功率分配控制策略[J].电工技术学报， 2017， 32（18）： 143.

WANG Qi， SUN Yukun， LUO Yinsheng. A Power Distribution Control Strategy of Hybrid Energy Storage System in Hybrid Electric Vehicles[J]. Transactions of China Electrotechnical Society， 2017， 32（18）： 143.

[14]LU L， HAN X. A Review on the Key Issues for Lithium-ion Battery Management in Electric Vehicles[J]. Journal of Power Sources， 2013， 226： 272.

[15]胡建军， 肖军， 晏玖. 纯电动车车用复合储能装置控制策略及参数优化[J].重庆大学学报， 2016， 39（1）： 1.

HU Jianjun， XIAO Jun， YAN Jiu. Control Strategy and Parameter Optimization of Composite Energy Storage Device for Pure Electric Vehicle[J]. Journal of ChongqingUniversity， 2016， 39（1）： 1.

[16]MORTEZA M， MEHDI M. Optimized Predictive Energy Management of Plug-in Hybrid Electric Vehicle Based on Traffic Condition[J]. Journal of Cleaner Production， 2016， 139： 935.

[17]王庆年， 曲晓冬， 于远彬. 复合电源式混合动力公交车功率匹配策略研究[J].汽車工程， 2014， 36（4）： 389.

WANG Qingnian， QU Xiaodong， YU Yuanbin. Research on Power Matching Strategy of Hybrid Electric Bus[J]. Automotive Engineering， 2014， 36（4）： 389.

[18]王琪， 孙玉坤. 一种混合动力汽车复合电源能量管理系统控制策略与优化设计方法研究[J].中国电机工程学报， 2014， 34： 195.

WANG Qi， SUN Yukun. Research on the Control Strategy and Optimal Design Method of a Hybrid Power Supply Energy Management System[J]. Proceedings of the CSEE， 2014， 34： 195.

[19]胡建军， 郑勇， 胡志华， 等. 纯电动汽车复合储能系统参数匹配及控制策略[J].中国公路学报， 2018， 31（3）： 142.

HU Jianjun， ZHENG Yong， HU Zhihua， et al. Parameter Matching and Control Strategies of Hybrid Energy Storage System for Pure Electric Vehicle[J]. China J. Highw. Transp.， 2018， 31（3）： 142.

[20]周美兰， 冯继峰， 张宇. 纯电动汽车复合储能系统及其能量控制策略[J].电机与控制学报， 2019， 23（5）： 51.

ZHOU Meilan， FENG Jifeng， ZHANG Yu.Control Strategies of Hybrid Energy Storage System for Pure Electric Vehicle[J]. Electric Machines and Control， 2019， 23（5）： 51.

（编辑：温泽宇）

收稿日期： 2019-03-27

基金项目： 国家自然科学基金（51877057）.

作者简介：

刘俊鹏（1995—），男，硕士研究生;

杨明亮（1993—），男，硕士研究生.

通信作者：

周美兰（1962—），女，博士，教授，硕士研究生导师，E-mail：zhoumeilan001@163.com.