有轨电车动力系统设计及参数优化

有轨电车动力系统设计及参数优化
栗伟周1,葛新锋1,2,李建秋3
(1.许昌学院工程技术中心,河南许昌461000;2.武汉科技大学机械与自动化学院,湖北武汉430081;
3.清华大学汽车安全与节能国家重点实验室,北京100084)来稿日期：2019-02-08
基金项目：河南省科技厅科技攻关项目(182102210508);许昌学院科研项目(2017ZD013);国家自然科学基金资助项目(U1564209)作者简介：栗伟周,(1988-),男,河南许昌人,硕士研究生,助教,主要研究方向:先进制造技术等方面的研究;
葛新锋,(1978-),男,河南许昌人,博士研究生,副教授,主要研究方向:先进制造技术,机器人以及其控制
1引言
近年来环境问题一直受到人们的关注,清洁能源的开发和
利用也随之被重视起来。

氢燃料电池技术是全球清洁能源开发利用的主流方向,通过氢与氧的直接电化学反应发电,是电解水的逆过程,能量密度高、噪音低、无污染,不产生氮氧化合物,唯一的排放物质只有水,是真正的“零排放”。

有轨电车在缓解城市交通压力方面具有先天的技术优势,近年来随着氢能源的发展,燃料电池有轨电车得到越来越多的关注,成为研究的热点。

文献[1]设计了由燃料电池、动力电池、超级电容3个动力单元组成的氢燃料电池有轨电车混合动力系统结构,解决了燃料电池与复合储能系统双模式运行条件下的动力匹配问题。

通过实车测试,分析了燃料电池功率变化情况,验证了
摘要：基于燃料电池有轨电车的整车工况,设计了“燃料电池+动力电池”的动力系统结构。

以燃料电池功率和动力电池
单体并联数量作为优化参数,设计了联合优化算法结构。

采用庞特里亚金极小值原理分配燃料电池和动力电池功率,确定燃料电池功率和动力电池容量参数组合可行区域,并解决在不同参数组合条件下最优状态初值的选取问题,得到了成本最小的最佳参数组合并作为参数优化结果。

研究结果表明:随着燃料电池功率逐渐增加,燃料电池工作点移动到高效率区域,同时燃料电池最大效率点在约为占总功率的18%上,参数优化结果为今后的工程化设计提供技术支撑。

关键词：燃料电池有轨电车；动力系统；联合参数优化；功率分配中图分类号：TH16;U415.52+1
文献标识码:A
文章编号:1001-3997(2019)10-0140-04
Power System Design and Parameter Optimization of Locomotive
LI Wei-zhou 1,GE Xin-feng 1,2,LI Jian-qiu 3
(1.Centre of Engineering Technology ,Xuchang University ,He ’nan Xuchang 461000,China ;2.School of Machinery and Aut-omation ,Wuhan University of Science and Technology ,Hubei Wuhan 430081,China ;3.State Keylaboratory of Automotive Safety and Energy ,Tsinghua University ,Beijing 100084,China )
粤遭泽贼则葬糟贼：Based on the whole vehicle working condition of fuel cell trams ,the power system structure of "fuel cell+power cell"is designed.The structure of joint optimization algorithm is designed by taking fuel cell power and parallel number of power cells as optimization parameters.The pontryagin minimum principle is adopted to distribute the power of fuel cell and power cell ,to determine the feasible area of the combination of fuel cell power and power cell capacity parameters ,and to solve the problem of selecting the optimal initial value of state under different combination of parameters.The best parameter combination with the lowest cost was obtained and used as the parameter optimization result.The results show that with the increasing of fuel cell power ,the working point of fuel cell moves to the high efficiency region ,and the maximum efficiency point of fuel cell is about 18%of the total power.The results of parameter optimization provide technical support for future engineering design.
Key Words :Fuel Cell Locomotive ;Power System ;Joint Parameter Optimization ;Power Distribution
Machinery Design &Manufacture
机械设计与制造
第10期2019年10月
140
混合动力系统结构和控制方法的可行性。

文献[2]介绍了XQG45-600P 新能源燃料电池轻轨车的结构特征、总体布置、技术性能特
点,技术创新及使用范围等。

文献[3]采用二等分算法对FC 、电池和电机的功率进行优化,优化后的系统动态性能和经济性能均有所提高。

结合机车动力学模型模拟了有轨电车运行工况,基于动力系统的工作原理建立了各个部件的仿真模型。

建立参数匹配与功率分配联合优化算法,采用庞特里亚金极小值原理计算得到燃料电池和动力电池组成的混合动力系统的最优参数组合,为日后工业化设计提供依据。

2动力系统建模及整车工况
2.1动力系统构型
燃料电池有轨电车动力系统包括燃料电池、动力电池、DC/DC 和电机等部件。

根据连接方式和储能部件的不同,研究以“燃
料电池+动力电池”并联结构动力源构型的有轨电车混合动力系统,如图1所示。

燃料电池通过单向升压型DC/DC 变流器并联到高压母线,动力电池由DC/DC 变流器并联到高压母线,达到调节动力源功率输出的目的[4]。

氢气瓶燃料电池D C /D C 变换器
高
压母线
动力电池及管理系统制动电阻
空调
电机及其逆变器
图1燃料电池机车动力构型
Fig.1Fuel Cell Locomotive Power Configuration
2.2动力系统建模
有轨电车混合动力系统示意图,如图2所示。

功率分配模块结合电机目标功率、动力电池SOC 等计算DC/DC 目标功率。

根据DC/DC 目标功率、总线电压和燃料电池输出功率限制计算DC/DC 实际输出功率。

结合燃料电池模型,计算燃料电池功率和氢气
消耗。

DC/DC 实际功率需求决定了动力电池输出功率,从而根据动力电池模型计算动力电池SOC 和燃料电池系统的氢气消耗量[5]。

图2混合动力系统模型Fig.2Hybrid System Model
动力电池荷电状态SOC bat 为[6]:SOC bat =SOC bat ,ini -∫
ηcolmn I bat d t /Q bat
(1)
式中:SOC bat ,ini —电池荷电状态;
ηcolmn —库仑效率;I bat —放电电流;Q bat —电池容量。

动力电池效率ηbat 分为充电效率ηchg 和放电效率ηdis :
ηdis =
U ocv -I bat R dis U ocv =
12
1+
1-4R dis P bat
U 2
ocv √
(),P bat ≥0时ηchg =U ocv
U ocv -I bat R chg
=21+
1-
4R chg P bat
U 2
ocv
√
()
,P bat <0时
⎧⎩
⏐⏐⏐
⏐⏐⏐⎨⏐⏐⏐⏐
⏐⏐(2)
式中:U ocv —开路电压;
R dis —放电电阻;
P bat —电池功率;R chg —充电电阻。

动力电池效率ηbat 为电池功率和SOC 的函数,三者关系,如图3所示。

有轨电车单个电机最大扭矩2270N.m ,最大功率46kW ,电机特性曲线,如图4所示。

仿真所需的燃料电池有轨电
车参数,如表1所示。

SOC (%)
P bat (kW )
100959085
8010000
-10000
50
100
图3动力电池效率曲线
Fig.3Power Battery Efficiency Curve
电机转速(r/min )
3000
200010000-1000-2000-3000
100
200300
400
图4电机特性曲线
Fig.4Motor Characteristic Curve
表1有轨电车运行参数
Tab.1Trolley Operating Parameters
参数Parameter 数值Value 整车质量/t 61.6最高车速/(km/h )50最大加速度/(m.s -2)0.72最大纵向冲击/(m.s -3)0.75单向DC/DC 变流器效率0.95双向DC/DC 变流器效率0.9燃料电池额定功率(kW )
200燃料电池重量/t 1.2DC/DC 变流器重量/t 0.8动力电池重量/t
2.2动力电池单体并联数目基线
6
第10期栗伟周等:有轨电车动力系统设计及参数优化
141
2.3整车工况
根据有轨电车示范线路,全线10个站点,对应9个站间距。

司机操作手柄过程为:加速、保持加速、加速结束、制动、停车。

完整线路的手柄序列和车速里程,如图5所示。

20-20
200
400
600
800
1000
1200(a )
时间(s )
0200400
6008001000
1200
706050403020100
76543210(b )
图5电车运行工况
Fig.5Tram Operating Conditions
3动力系统仿真及参数优化
3.1优化方法
采用PMP 算法对“燃料电池+动力电池”构型进行分析,优化的过程,如图6所示。

首先确定车重量和附件功率等影响因素下的运行工况,计算功率需求,对动力系统参数可行域进行初选,得到多个参数组合[7]。

动力系统优化的参数为燃料电池额定功率
和动力电池容量。

然后应用双循环优化算法进行功率分配,比较计算结果并选出最小成本,然后比较所有参数组合选出最小成本的最小值,完成所需最优参数的选择[8]。

图6PMP 算法优化过程Fig.6Joint Optimization Process
3.2工况约束的参数组合范围
当有轨电车运行时,燃料电池和动力电池所输出的总功率必须满足峰值驱动所需的功率。

动力电池功率的可变参数取决于电池单体的并联数目N D ,基于工况需求功率,动力系统参数匹配的规则为[9]
:
P fc ,rated ηfc ,aux ηdc +P bat ,max ≥P dmd ,max P fc ,rated ηfc ,aux ηdc +P bat ,min <P dmd ,min P
fc ,rated ≥P dmd ,avg +P
bat ,loss ,avg
ηfc ,aux ηdc
⎧⎩
⏐
⏐⏐⏐⏐
⏐⎨⏐⏐⏐⏐
⏐⏐(3)
式中:P fc ,rated —燃料电池功率;
ηfc ,aux —燃料电池附件功率;
ηdc —DC 工作效率;
P bat ,max —最大放电功率;
P dmd ,max —峰值驱动功率;
P bat ,min —最小放电功率;
P dmd ,min —动力系统最小功率;P dmd ,avg —平均功率;
P bat ,loss ,avg —电池充放电内阻损耗。

计算得到:P fc ,rated ×0.95×0.9+N p
6
497.6≥710P fc ,rated ≥190
{
(4)
3.3状态初值的选择
状态初值λ0表示某种工况下基于优化目标的能量分配比
例,分析λ0对SOC 轨迹的影响从而找到最优的λ0,初值搜索过
程,如图7所示。

设置不同的λ0,通过仿真得到动力电池SOC 的末值,经过插值求解得到λ0的最优值。

迭代20组参数组合,分别
求解各最优λ0,经过循环20组参数组合后所选择的状态初值,如图8所示。

进一步地,动力电池SOC 在运行结束后的SOC 与初始值的偏差,如图9所示。

仿真结果表明,最大偏差约为0.4,在可接受的范围内。

λ0=-118λ0=-116λ0=-114
时间(s )
200
400
600
80010001200
6462605856545250图7状态初值搜索过程
Fig.7State Initial Value Search Process
参数组合编号
5
10
1520
-80-100-120-140-160-180
图8最佳状态初值
Fig.8Initial Value of Optimal State
机械设计与制造
No.10
Oct.2019
142
参数组合编号
5
10
15
20
0.50.40.30.20.10-0.1-0.2
图9动力电池SOC 偏差
Fig.9SOC Deviation of Power Battery
3.4参数组合寻优
从图10可以看出,随着燃料电池功率逐渐增加,燃料电池工作点移动到高效率区域。

由于受限于电车提供给燃料电池的空间,且不能选择超过300kW 的燃料电池,燃料电池最大效率点在约为占总功率的18%点上。

由于工作条件要求高的平均功率,燃料电池的功率不能调节到最佳工作点,解决的方案是在电车安装空间允许的情况下,选择较大容量的电池,并利用更多的电力来抵消燃料电池的功率需求。

燃料电池功率占总功率比例(%)
605550450
20406080100
(a )
220kW 240kW 260kW 280kW
燃料电池功率占总功率比例(%)
20406080100
40200(b )
图10燃料电池工作点分布
Fig.10Distribution of Fuel Cell Operating Points
4试验研究
为了验证优化后的有轨电车混合动力系统工作是否正常,
对混合系统进行联合测试。

设计的有轨电车用混合动力系统测试台,包括燃料电池系统、动力电池系统、控制系统和冷却系统,如图11所示。

图11动力系统测试台
Fig.11Power System Test Bench
选取1个机车运行工况循环详细分析,如图12所示。

车辆运行里程10.0km ,从(0~2100)s ,机车经过12个站,每个站间距后停车一段时间,期间给电容充电;从2100s 到3200s ,机车停车给电池充电。

车速
加速度
里程
时间(s )
402000
500
1000
15002000
2500
3000
3500
500
1000
1500
2000250030003500
10-1201000
500
1000
15002000
250030003500
图12测试工况下的车速、加速度和里程Fig.12Vehicle Speed ,Acceleration and
Mileage Under Test Conditions
对燃料电池混合动力系统进行联合测试,测试后的动力系统的功率分配结果,如图13所示。

例如,400s 至1200s 是稳态测试周期,燃料电池稳定地输出约140kW 的功率,电流变流器输出功率约为110kW 。

1600s 至3500s 为动态负荷试验阶段,燃料电池按20kW 递进负荷至额定功率240kW ,燃料电池、动力电池和电流变流器均能正常工作,测试结果验证了所匹配的动力系统的有效性。

燃料电池功率动力电池功率D C /D C 功率负载消耗功率
时间(s )
250200150100500
-50
-100-150-200
5001000150020002500300035004000
图13试验结果
Fig.13Test Result
5结论
以燃料电池有轨电车动力系统为研究对象,设计了“燃料电
池+动力电池”结构,根据机车动力学原理,建立了动力系统部件及整车工况模型,基于实验数据建立了燃料电池模型,基于RC 等效电路模型分别建立了动力电池模型并且计算出了动力电池的效率Map 图,最后对燃料电池有轨电车动力系统进行了参数优化。

设计了参数匹配与功率分配联合的双循环优化算法结构,根据不同工况下的功率需求确定可行域,采用庞特里亚金极小值原理进行功率分配,解决了动力电池电量维持约束条件下的极小值原理中状态初值的选择关键问题,并获得了不同工况条件下的
燃料电池功率和动力电池容量最佳参数组合,参数优化结果为今后的工程化设计提供技术支撑。

（下转第149页）
机械设计与制造No.10Oct.2019
143
参考文献
[1]韩庆军,姚正斌.氢燃料电池有轨电车结构设计及控制方法研究[J ].
机车电传动,2016,1(2):48-51.
(Han Qing-jun ,Yao Zheng-bin.Structure design and control method for hydrogen fuel cell tramcar [J ].Electric drive for locomotives ,2016(2):48-51.)
[2]雒焕骥,李伟宏,李向庆.XQG45-600P 新能源燃料电池轻轨车[J ].铁
道机车车辆,2011,31(3):53-55.
(Luo Han-ji ,Li Wei-hong ,Li Xiang-qing.XQG45-600P light rail vehic-les using new energy fuel cell [J ].Railway locomotives ,2011,31(3):53-55.)[3]魏跃远,詹文章,林逸.燃料电池混合动力汽车动力系统匹配与优化研
究[J ].汽车工程,2008,30(10):918-920.
(Wei Yue-yuan ,Zhan Wen-zhang ,Lin Yi.A study on the matching and optimization of FCHEV powertrain [J ].Automotive Engineering ,2008,30(10):918-920.)
[4]栾君,赵慧萌,谢苗.超前支架速度、压力稳定切换控制策略研究[J ].机
械强度,2017,39(4):747-753.
(Luan Li-jun ,Zhao Hui-meng ,Xie Miao.Research on speed and press-ure control strategy of stable switch about forepoling equipment [J ].Jour-
nal of mechanical strength ,2017,39(4):747-753.)
[5]李明,石俊杰,汪星华.有轨电车混合动力系统容错控制方法研究[J ].
机车电传动,2016(4):82-85.
(Li Ming ,Shi Jun-jie ,Wang Xing-hua.Study on fault-tolerant control me-asures of hybrid power system for tramcar [J ].Electric drive for locomo-tives ,2016(4):82-85.)
[6]Fares D ,Chedid R ,Panik F.Dynamic programming technique for optim-izing fuel cell hybrid vehicles [J ].International Journal of Hydrogen En-ergy ,2015,40(24):7777-7790.[7]Xu L ,Ouyang M ,Li J.Application of pontryagin ’s minimal principle to the
energy management strategy of plugin fuel cell electric vehicles [J ].Int-ernational Journal of Hydrogen Energy ,2013,38(24):10104-10115.
[8]Shtessel Y B ,Zinober A S I ,Shkolnikov I A.Sliding mode control of bo-ost and buck-boost power converters using method of stable system cen-tre [J ].Automatica ,2003,39(6):1061-1067.
[9]牛继高,郭小锋,徐春华.增程式电动汽车增程器的小型化研究[J ].机
械设计与制造,2017(11):246-250.
(Niu Ji-gao ,Guo Xiao-feng ,Xu Chun-hua.Study on range extender min-iaturization for an extended-range electric vehicle [J ].Machinery Design &Manufacture ,2017(11):246-250.)机械设计与制造
No.10Oct.2019
（上接第143页）
for the optimal-quality-path routing problem with multi-constraints [J ].Journal of Xidian University ,2016,43(3):185-189.)
[11]孟祥萍,片兆宇,沈中玉.基于方向信息素协调的蚁群算法[J ].控制
与决策,2013(5):782-786.
(Meng Xiang-ping ,Pian Zhao-yu ,Shen Zhong-yu.Ant algorithm based on direction-coordinating [J ].Control and Decision ,2013(5):782-786.)
[12]杜鹏桢,唐振民,孙研.一种面向对象的多角色蚁群算法及其TSP 问
题求解[J ].控制与决策,2014(10):1729-1736.
(Du Peng-zhen ,Tang Zhen-min ,Sun Yan.An object-oriented multirole ant colony optimization algorithm for solving TSP problem [J ].Control and Decision ,2014(10):1729-1736.)
[13]孟冠军,杨大春.基于遗传-蚁群算法的装配序列规划研究[J ].组合
机床与自动化加工技术,2018(4):153-156.
(Meng Guan-jun ,Yang Da-chun.Assembly sequence planning based on genetic-ant colony algrithm [J ].Modular Machine Tool &Automatic Manufacturing Technique ,2018(4):153-156.)[14]吕红芳,顾幸生.基于蚁群神经网络的两级信息融合算法[J ].上海交
通大学学报,2016,50(8):1323-1330.
(Lv Hong-fang ,Gu Xing-sheng.A two level information fusion algorithm based on ant colony neural network [J ].Journal of Shanghai Jiaotong Un-iversity ,2016,50(8):1323-1330.)
[15]Jiang D.A novel hybrid optimization algorithm based on ACO and GA
and its application [J ].Recent Patents on Computer Science ,2015,8
(2):152-158.
[16]汪冲,李俊,李波.改进的蚁群与粒子群混合算法求解旅行商问题
[J ].计算机仿真,2016,33(11):274-279.
(Wang Chong ,Li Jun ,Li Bo.Improved ant colony-particles swarm hyb-rid algorithm for solving TSP [J ].Computer Simulation ,2016,33(11):274-279.)
[17]乔东平,裴杰,肖艳秋.蚁群算法及其应用综述[J ].软件导刊,2017,
16(12):217-221.(Qiao Dong -ping ,Pei Jie ,Xiao Yan -qiu.A General overview on ant colony algorithm and its application [J ].Software Guide ,2017,16(12):217-221.)
[18]Liang Z ,Sun J ,Lin Q.A novel multiple rule sets data classification alg-orithm based on ant colony algorithm [J ].Applied Soft Computing ,2016,38(C ):1000-1011.
[19]St 俟tzle T ,Hoos H H.MAX-MIN ant system [J ].Future Generation Com-puter Systems ,2000,16(9):889-914.
149。