电动汽车混合储能系统CEEMD-PE能量管理策略.pdf

第51 卷 第13 期 电力系统保护与控制电力系统保护与控制 Vol.51 No.13 2023年7 月1 日 Power System Protection and Control Jul.1,2023 DOI:10.19783/ki.pspc.221497 电动汽车混合储能系统 CEEMD-PE 能量管理策略 申永鹏1,2，谢俊超1，梁伟华1，袁小芳2,3，孙嵩楠1(1.郑州轻工业大学，河南 郑州 450002；2.湖南大学机器人视觉感知与控制技术国家工程研究中心，湖南 长沙 410082；3.湖南大学，湖南 长沙 410082)摘要：针对电动汽车行驶过程中高频需求功率分量引起的锂离子动力电池寿命衰减问题，提出了一种完备集合经验模态分解-排列熵(complete ensemble empirical mode decomposition-permutation entropy,CEEMD-PE)能量管理策略。电动汽车功率需求被分解为有限个本征模态函数分量，并依据排列熵量度的各个本征模态函数分量的数据复杂度，将各个分量重构为低频分量和高频分量。最后，将包含瞬态功率和快速变化的高频分量分配给超级电容器，而将低频分量相应地分配给电池，实现了功率需求低频分量和高频分量在锂离子动力电池和超级电容之间的功率分流。实验结果表明，相较于 Haar 小波混合储能能量管理策略，在中速和高速区间的锂离子动力电池电流的均方根值分别减小 5.91%和 4.17%，电流峰值分别减小 14.70%和 5.77%。所提出的策略有助于抑制锂离子动力电池所承受的高频功率需求，降低大电流对锂离子动力电池的冲击。关键词：电动汽车；混合储能；完备集合经验模态分解；排列熵；能量管理 Electric vehicle hybrid energy storage system CEEMD-PE energy management strategy SHEN Yongpeng1,2,XIE Junchao1,LIANG Weihua1,YUAN Xiaofang2,3,SUN Songnan1(1.Zhengzhou University of Light Industry,Zhengzhou 450002,China;2.National Engineering Laboratory for Robot Visua Perception and Control Technology,Hunan University,Changsha 410082,China;3.Hunan University,Changsha 410082,China)Abstract:There is a problem of the life attenuation of lithium-ion batteries caused by high-frequency demand power components during electric vehicle driving.Thus a complete ensemble empirical mode decomposition-permutation entropy(CEEMD-PE)energy management strategy is proposed.The electric vehicle power demand is decomposed into a finite number of intrinsic mode functions(IMFs),and each component is reconstructed into low-and high frequency components according to the data complexity of each IMF measured by PE.Finally,the high-frequency components containing transient power and fast changes are assigned to the ultracapacitor,while the low-frequency components are assigned to the battery.The experimental results show that,compared with the Haar wavelet strategy,the root mean square(RMS)value of the lithium-ion battery current in the medium-speed and high-speed regions is reduced by 5.91%and 4.17%,respectively,and the current peak value is reduced by 14.70%and 5.77%,respectively.The proposed strategy helps to suppress the high-frequency power demand endured by lithium-ion batteries and reduce the impact of large currents on lithium-ion batteries.This work is supported by the National Natural Science Foundation of China(No.62273313 and No.62073127).Key words:electric vehicle;hybrid energy storage system;CEEMD;PE;energy management 0 引言 近年来，在“双碳”目标和新能源革命的引领 基金项目：国家自然科学基金项目资助(62273313，62073127)；河南省科技攻关项目资助(222102240005)；郑州市协同创新专项资助(2021ZDPY0204)与促进下，电动汽车技术以及市场快速稳步发展1-2。锂离子动力电池作为电动汽车传统车载储能装置，其能量密度高，但功率密度低、高倍率充放电时会衰减容量和寿命3。超级电容功率密度高、充放电速率快、具有更宽的工作温度范围和生命周期，能够满足高频功率需求4。锂离子动力电池-超级电容组成的混合储能系统同时兼具能量型储能和功率型申永鹏，等 电动汽车混合储能系统 CEEMD-PE 能量管理策略 -123-储能的优点，既确保了各种工况下的电动汽车功率需求，又有效地延长了锂离子动力电池的使用寿命5-6。目前针对锂离子动力电池-超级电容混合储能系统能量管理策略，国内外进行了大量的研究7-14。文献7针对锂离子动力电池和超级电容混合储能系统，提出基于列车运行工况的动态比例分配策略，通过判别列车运行工况调整功率分配比例，减少电池的使用次数，以提高混合储能装置的寿命与节能效果。文献8使用多输入单输出模糊逻辑策略，根据锂离子动力电池与超级电容的 SOC 值以及输出功率模糊分配规则得到超级电容功率分配因子，与逻辑门限控制策略相比，有效地实现了锂离子动力电池与超级电容之间的功率分配。文献9则以整车需求功率、超级电容 SOC、汽车速度为输入，以锂离子动力电池功率为输出，建立具有 45 条模糊规则的模糊控制器，降低高频电流波动对锂离子动力电池寿命的影响。上述基于规则的混合储能系统能量管理策略执行效率高，但在定义模糊控制规则时依赖于专家经验，无法做到混合储能系统最优功率分配，智能算法的引入克服了这一缺点。文献11提出一种考虑电池退化的基于 Pontryagins 极小值原理的混合储能电动汽车能量管理策略，显著延缓了电池电量下降和能量消耗，达到节能和保护电池的目的。文献10采用以混合储能系统成本和锂离子动力电池寿命损耗最小为优化目标的动态规划算法，得到在不同驾驶模式下的最佳功率分配结果。文献12以锂离子动力电池、超级电容和 DC/DC 变换器总损耗最小为优化目标，提出了模型预测控制方法，以实现混合储能系统最优功率分配。文献13为使电池退化成本和混合储能系统电力成本最小化，提出一种基于车云互联的电动客车混合储能系统动态规划-模型预测控制分层优化能量管理策略。文献14提出了深度强化学习策略，实现了整车功率在电池和超级电容之间的功率分配，有效减少了系统能量损失，从而提高了电池寿命。然而，以上算法需要较大的计算量，限制了其实际应用。尽管以上混合储能系统能量管理策略在降低电池寿命损耗和减少系统能量损失方面取得一定进展，但忽视了车辆运行中出现的高频功率需求对锂离子动力电池性能产生的负面影响15。基于小波变换的功率分流方法将电动汽车功率需求分解重构为低频分量和高频分量，并将其分别作用于锂离子动力电池和超级电容，降低了高频功率需求对锂离子动力电池的影响16-17。然而，小波基的选择和分解层数的设置不同，可能会导致分解结果出现较大差异，因此存在对小波基和分解层数的优化选择问题18。与小波变换不同，经验模态分解(empirical mode decomposition,EMD)依据待分析的功率需求自身的时间尺度特征进行分解，反映了功率需求自身的变化规律，具有自适应性。完备集合经验模态分解(complete ensemble empirical mode decomposition,CEEMD)可解决经验模态分解存在的模态混叠效应，并提高了计算效率。排列熵(permutation entropy,PE)可衡量分解后的功率需求子序列分量的复杂程度，将其重构为高频部分和低频部分。针对电动汽车行驶过程中高频需求功率分量引起的锂离子动力电池寿命衰减问题以及小波功率分流方法存在的不足，本文提出一种基于 CEEMD和 PE 的能量管理策略，具体贡献和创新如下：1)提出了 CEEMD 电动汽车功率需求分解方法，得到了有限个本征模态函数分量，实现了电动汽车功率需求分解；2)提出了 PE 本征模态函数分量数据复杂度量度方法，实现了电动汽车功率需求低频分量和高频分量的重构。本文第 1 节描述了电动汽车混合储能系统半主动拓扑结构和主要工作模式；第2节介绍了CEEMD分解和 PE 算法，并提出了电动汽车混合储能系统CEEMD-PE能量管理方法；第3节给出了实验结果；在第 4 节中对全文进行了总结。1 电动汽车混合储能系统 电动汽车混合储能系统结构如图 1 所示。电动汽车半主动拓扑结构混合储能系统由锂离子电池及其功率控制电路(a)、超级电容(b)和负载(c)构成，有牵引、制动能量回收和超级电容能量补充 3 种工作模式。牵引模式下能量流动方向如图 2 所示。此时锂离子动力电池和超级电容同时向负载供电。锂离子动力电池电流bi、超级电容电流uci和负载电流dci之间的关系为 bbatdc11dcucb1()()(1)divtvtdtLiii (1)式中：1d为1M占空比；batv为电池电压；dcv为负载端直流母线电压。制动能量回收模式下能量流动方向如图3所示。此时制动回馈能量依次向超级电容锂离子动力电池充电，bi、uci 和dci 满足式(2)。bdc1bat1ucdcb1()(1)()divtdvttLiii (2)-124-电力系统保护与控制电力系统保护与控制 图 1 电动汽车混合储能系统结构 Fig.1 Structure of hybrid energy storage system for electric vehicle 图 2 牵引模式下的能量流向 Fig.2 Energy flow in traction mode 图 3 制动能量回收模式下的能量流向 Fig.3 Energy flow in braking energy recovery mode 电动汽车启动和加速后需要向超级电容补充能量。因此，处于超级电容能量补充模