燃料电池混合动力系统被认为是电动无人机最有前途的新型动力系统之一，已成为航空业和学术界的研究热点。为了提高燃料效率和锂电池的使用寿命，在实际应用中，需要高效、稳健的在线能源管理策略。
本文设计了一个能量管理系统，旨在控制电动无人机的燃料电池混合动力系统。为了减轻重量，本文仅使用一个可编程的DC/DC作为功率分配组件来实现功率管理，DC/DC的输出电压和电流由独立的能量管理控制器控制。此外，本文提出了一个可执行的在线模糊能量管理策略流程，根据需求功率和电池充电状态，该在线模糊能量管理策略根据能量平衡原则调节DC/DC的输出电流，直接控制燃料电池的输出电流，并间接控制锂电池的充放电电流。
本文设计了一种面向燃料电池混合动力系统的实验台，其原理图如图1所示。除了燃料电池控制器外，还有一个独立的能量管理系统，包括一个能量管理控制器和一个可编程DC/DC转换器，旨在实现对燃料电池的直接控制和对电池的间接控制。其中，能量管理控制器采用带有STM32F767IGT芯片的ALIENTEK Apollo开发板。主板上有一个液晶显示模块、一个SD卡存储模块、一个CAN接口、多个A/D转换器和按键。此外，MF4000质量流量计、SD卡存储模块和可编程电负载采用了3个异步串行通信端口。CAN接口用于与可编程DC/DC转换器进行通信。系统的所有状态和控制信息以2Hz的更新速率显示在液晶屏上，并以50Hz的频率保存在SD卡中。
图1 混合动力系统实验台的原理图[1]
针对设计的燃料电池混合动力系统，实际应用的在线模糊能量管理策略的流程图如图2所示。该过程的核心算法是基于两个输入变量和一个输出变量的模糊逻辑控制，即需求功率和锂电池荷电状态作为输入变量，而燃料电池的输出功率则作为输出变量。
为验证所设计策略的性能，本文还引入被动控制策略和状态机策略，并对它们在电池管理和燃料效率方面的表现进行了比较。
图2 在线模糊能量管理策略执行过程的流程图[1]
以脉冲功率曲线作为负载需求的变化曲线，在三种能量管理策略下得到的燃料电池的输出功率、锂电池的输出功率以及锂电池的SOC变化如图3所示。不同的能量管理策略下燃料电池的输出功率是不同的：在功率需求较高的场合，基于被动策略和基于状态机策略的控制效果几乎相同；当几乎没有任何功率需求时，不同策略下燃料电池输出功率的差异最大。
图3 脉冲任务下：(a)燃料电池功率；(b)锂电池功率；(c)锂电池SOC[1]
在被动控制策略下，燃料电池的输出功率在脉冲产生和结束的时刻快速变化，如图3(b)所示，这会使得锂电池的充放电功率变得极高，对锂电池的寿命不利。对于状态机策略和在线模糊策略而言，尽管燃料电池功率也会发生瞬时变化，但这两种策略下的最大充电功率分别为220W和70W。这种变化幅度是可以接受的。
在被动策略下，当测试结束时，锂电池的SOC几乎恢复到初始状态，如图3(c)所示。对于在线模糊策略而言，锂电池的SOC整体会不断减小。在三种策略中，在线模糊策略下锂电池末时刻的SOC是最低的。这意味着，在在线模糊策略中，锂电池提供了更多地能量。末时刻锂电池的SOC在[0.75-0.8]区间，仍处于较高水平。
图4为无人机的飞行任务曲线及功率需求曲线，其中数字表示航路点。假设螺旋桨、电机和电调速器的效率分别为 60%、90% 和 90%。
图5显示了三种能量管理策略下燃料电池和电池之间的功率流以及飞行功率曲线测试中相应的SOC变化。图5（a）显示，在被动策略测试中，从燃料电池获得的功率始终高于其他两个测试。
图5 (a)燃料电池输出功率；(b)锂电池输出功率；(c)锂电池SOC[1]
在被动策略测试中，燃料电池几乎总是在其最大功率水平（约550W）附近运行，波动幅度不超过60W。锂电池大部分时间都在充电，仅当需求功率高于燃料电池所能承受的功率时，提供额外的功率输出。
在状态机策略测试中，燃料电池输出功率也很高，一般在480W以上。当需求功率快速变化时，燃料电池输出功率呈现较小的波动，而锂电池则快速响应需求功率的大幅波动。此外，当需求功率低于燃料电池的额定功率时，燃料电池会对锂电池进行充电。
在在线模糊策略测试中，燃料电池在需求功率相对稳定的阶段尽可能少地提供功率。锂电池提供主要的输出来满足动力需求，并且很少从燃料电池充电，如图5(b)所示。
在飞行功率曲线测试中，三种能量管理策略的的 SOC 变化如图5(c)所示。在被动控制测试和状态机测试中，即使锂电池的SOC仍然很高，也仍会出现燃料电池向锂电池供电的情况。在在线模糊策略测试中，SOC从1逐渐下降到0.75。
在三种能源管理策略下，执行任务期间的氢气消耗量如图6所示。可以看到，在线模糊策略消耗的氢气最少，被动策略消耗的氢气最多。对于长续航任务而言，被动策略和状态机下的氢气消耗量几乎相同。
在脉冲任务测试中，与被动策略下的氢气消耗量相比，状态机策略节省了19%的燃料，在线模糊策略节省了46%的燃料。在飞行任务测试中，状态机策略节省了7%的燃料，在线模糊策略节省了31%的燃料。在长续航任务测试中，在线模糊策略节省了6%的燃料。
本文搭建了一种适用于无人机的燃料电池混合系统的动力模型，并提出了一种在线模糊策略来进行电源间的能量管理。通过脉冲功率曲线、实际飞行功率曲线等来评估所提出的在线模糊能量管理策略的有效性和实时性，被动策略和状态机策略这两种常见的策略被用来与所提策略进行比较。得出结论如下：
-
使用所提出的在线模糊策略不仅在短续航任务中表现出良好的有效性和灵活性，而且在长续航任务中也表现出良好的性能。
-
由于电池的快速响应，混合电源系统可以确保瞬时高功率需求。混合电源系统的最大功率甚至可以达到燃料电池的最大功率的两倍。
-
与被动策略和状态机策略相比，所提出的在线模糊策略更倾向于利用锂电池提供动力。在线模糊策略倾向于使锂电池的SOC保持在正常水平，而被动策略和状态机策略则都倾向于使锂电池的SOC保持在较高水平以支持长时间续航。
-
从氢耗量来看，三种策略中，在线模糊策略性能最佳。对于长时间续航任务来说，三种策略下的氢气消耗差异并不明显。
【来源标注】
[1] Xiaohui Zhang, Li Liu, Yueling Dai, Tianhe Lu,Experimental investigation on the online fuzzy energy management of hybrid fuel cell/battery power system for UAVs,International Journal of Hydrogen Energy,Volume 43, Issue 21,2018,Pages 10094-10103,ISSN 0360-3199.
- THE END -
本推送旨在分享信息，内容来自公开渠道，版权归原作者和原发刊所有。如涉及版权及其他问题，请联系后台删除，谢谢。
原文始发于微信公众号（济美动力）：无人机燃料电池在线模糊能量管理
Chinese