电动汽车混合电池-超级电容器储能系统的建模与影响评估
2026-06-01 19:42:15 点击： 次
本文提出了一种针对配备电池-超级电容器混合储能系统的电动汽车(EV)的全面建模与控制框架。该方案包含道路读档、动力总成部件热力学与电气行为的详细表征，以及用于电机转速与扭矩调节的先进控制策略，同时涵盖超级电容器组与电池组的主动管理方案。这些基于PI结构的控制器通过电机最大转矩电流比(MTPA)与弱磁控制技术进行增强，并结合基于安全操作区(SOA)的约束条件，以确保电池与超级电容器在不同荷电状态(SoC)下安全运行。此外，作为本文提出的主动混合拓扑结构性能核心，超级电容器组的功率控制采用两种经H∞调参的
引言
交通运输是全球温室燃料费排放的主要来源之一（目前占欧洲总排放量的25%[1]），同时也是空气、噪音和水污染、交通事故、拥堵以及生物多样性丧失的诱因，这些都对人类健康与福祉造成影响。
当前，道路运输电气化主要通过开发电动和混合动力系统实现。后者将内燃机与电动机的推进系统相结合。对于电动汽车而言，关键挑战在于提升续航里程与电池寿命的同时，减小电池体积并降低整车成本。
缓解电池应力并由此延长其自主运行时间和寿命的一种策略，是将电池与其他储能技术（如超级电容器）进行混合使用。电池与超级电容器具有本质不同的特性，因此混合化能够利用二者的互补性，从而产生性能更优的储能解决方案。电池具有高能量密度但功率密度较低，其使用寿命通常可达数万次循环。相比之下，超级电容器能提供高功率密度但能量密度有限，由于其工作原理不依赖于电化学反应[2]，其使用寿命可达数十万次循环。
关于电动汽车混合储能系统的现有文献主要集中在拓扑结构优化设计、理论建模及控制策略相关研究[3][4][5][6][7]。在拓扑结构方面，电动汽车混合储能系统可分为被动式、半主动式与主动式三类[3][8][9]。被动式混合储能通过电池组与超级电容端子的直接并联实现，其优势在于成本较低。然而该方案要求超级电容组与电池组必须具有相同额定电压，这极大限制了系统设计的灵活性。此外，由于无法控制两个储能元件之间的功率分配，且受限于电压变化范围，超级电容的能量容量无法得到充分利用。
在半主动和主动方案中，超级电容组通过专用功率变换器集成至车辆动力总成，从而实现独立控制并可能最大化混合动力的优势。
在主动控制方案中，核心思想是利用超级电容过滤牵引电机功率需求的高频分量——充分发挥其高斜率速率和循环能力——同时将低频分量分配给电池，从而降低电池循环应力并延长其使用寿命。该功率分配策略可通过多种方式实现，由此产生了大量关于混合储能能量管理系统的文献。例如文献[10]中，滤波基于鲁棒H-控制理论实现；控制器连接至公共直流母线的电压端，该母线将储能设备的DC-DC变换器与电机驱动单元的主逆变器相互连接。文献[11]采用了类似的方法。
替代滤波器使用的一种方法是小波变换，如文献[12]所述。该论文还提出了在滤波功率需求后的第二决策层级：采用神经网络监督驾驶模式，随后通过模糊逻辑区块确保超级电容电压维持在允许范围内。相较于其他确定性控制方法，模糊逻辑的优势在于无需被控对象或系统的精确模型——例如，在调节与之相连的DC-DC变换器电流控制器时，无需知晓电池内阻[13][14]。然而其缺点在于伴随的计算成本较高。事实上，计算成本也可能成为实施其他先进有效的混合储能系统优化技术的限制因素，例如模型预测控制（MPC）方法[15][16][17]。文献[15][16]中，MPC被应用于通过最小化混合储能系统的能耗与老化来实现电动汽车的最优运行。为降低计算成本（同时优化所有控制需求），可采用分层预测控制策略对MPC进行分布式处理，如文献[18]所论证的方案。在该研究中，控制器的分层实现允许采用非线性系统的多段线性模型，从而简化了实施过程并促进了系统组件的在线参数辨识。文献报道的另一项先进技术是基于优化问题的动态规划（Dynamic Programming, DP）[19][20]，其目标同样在于最小化电池电流水平（从而降低电池应力）及整体能量损耗。
采用先进控制技术（如H-控制、MPC和DP）的优势在于，能够有效解决电池组和超级电容器组的控制鲁棒性与运行限制问题。%% 相比之下，基于启发式规则的控制器（如文献[8]、[21]-[24]所述）则需要针对具体案例逐一解决这些问题。这些研究提出的有效启发式方法主要基于荷电状态（SoC）、所需响应时间及车辆驱动单元的读档条件，将净功率需求分配至不同储能装置。%% 启发式方法的主要优势在于其实现过程中可能具有较低的计算成本。, MPC, and DP, for instance, is that control robustness and the operational limitations of the battery and supercapacitor packs can be effectively addressed. In contrast, when adopting controllers based on heuristic rules — as in [8], [21], [22], [23], [24]- these issues must be solved on a case-by-case basis. These works propose effective heuristics that, primarily based on the SoC, required time response, and loading conditions of the vehicle’s drive unit, allocate the net power demand among the different storage devices. The main benefit of heuristic approaches is their potentially low computational cost for implementation.
超级电容器在商用车领域的应用仍存在局限。目前可见的少数应用案例（如文献[25]所示）表明，其与蓄电池的协同运行尚未实现完全优化，主要功能仍局限于实现微混合电动汽车的再生制动。此外，基于前述文献综述可知，多数已报道的<经验值>仍通过<模拟>或实验室环境进行验证。总体而言，该技术对车辆性能的影响仍难以量化评估。
本文旨在基于前人研究发现——混合储能系统作为有效解决方案，既可降低电池能量吞吐量与功率应力（从而可能延长电池寿命），又能增强电动汽车再生制动能力。根据前文所述的最新研究综述，且据作者所知，此前引用的文献均未专门探讨以下方面，这些因此构成本文的主要贡献：
- •
针对电动汽车动力总成及其混合储能解决方案开发完整的控制系统，包括：(i) 通过应用最大转矩电流比(MTPA)和弱磁控制策略，同时解决电机在低速和高速工况下的运行限制，并整合超级电容与电池组的安全工作区(SOA)图表作为约束条件，实现速度与转矩的协调控制。(ii) 对超级电容组两种控制策略进行对比研究：一种基于成熟的PI控制器，另一种采用反馈(IP)控制器，二者均通过H∞方法进行参数整定控制理论以确保鲁棒性和动态性能，将本存储装置视为本文提出的混合储能拓扑结构的基石。
- •
通过建立商用中型电动掀背车的完整真实模型，评估被动式与主动式混合电池-超级电容器储能方案对缓解电池应力及实现车辆再生制动的影响。该模型及其控制方法具有可靠性，具体表现为：(i) 采用现场数据进行验证；(ii) 能准确表征驱动单元核心部件（包括电机、功率逆变器、DC-DC转换器以及电池组与超级电容器组）的电气应力及动态控制回路；(iii) 可反映电池的热应力；(iv) 控制方法能在遵循储能装置功率与能量限制的前提下确保其安全运行。电机、功率逆变器、DC-DC转换器以及电池组与超级电容器组；(iii) 能准确表征电池的热应力；(iv) 控制方法能在遵循储能装置功率与能量限制的前提下确保其安全运行。