近日，海角视频
车辆工程实验中心在工程科学学报上发表的研究成果《融合工况预测的燃料电池汽车里程自适应等效氢耗最小控制策略》被评为中国精品科技期刊顶尖学术论文，入选2024年度F5000论文。该论文首次提出了基于工况预测的里程自适应等效氢耗最小策略，有效融合工况预测与里程自适应等效因子调整机制，优化燃料电池与动力电池之间的功率分配，从而降低氢气消耗，为提升插电式燃料电池汽车经济性与适应性提供了全新的智能控制解决方案。该成果以海角视频
机械学院为第一署名单位，海角视频
林歆悠教授为第一作者兼通讯作者，硕士研究生叶锦泽为第二作者，王召瑞为第三作者。
1.研究背景：燃料电池汽车能量管理策略在当前新能源汽车领域备受关注，是提高汽车经济性与实现燃料电池和动力电池之间功率最优分配的关键技术。现有方法通常基于瞬时优化策略进行功率分配，但难以应对动态变化的实际行驶工况。主要原因在于实际行驶工况、剩余里程与电池荷电状态（SOC）之间的复杂耦合关系直接影响等效因子，从而影响动力电池与燃料电池之间的功率分配，导致在复杂多变的交通场景下经济性不佳。为解决这一问题，论文提出了一种基于短期行驶工况预测的新策略——PTDA-ECMS。该方法创新性地将瞬时优化策略ECMS与预测短期时域内行驶工况相结合，开创了全新的研究思路；一方面基于BP神经网络的车速预测算法预测车辆功率需求；另一方面提出了里程自适应的等效因子动态调整机制，以进一步合理分配动力电池和燃料电池功率。大量实验结果表明，提出的策略在多种测试工况下氢气消耗显著减少，为提升插电式燃料电池汽车在真实场景下的经济性提供了全新的解决方案。
2.研究方法：论文创新地将瞬时优化ECMS和预测工况相结合，转换成短期预测时域内的局部优化问题，提出了PTDA-ECMS能量管理策略；设计了基于BP神经网络算法预测未来短时域内的车速序列以精准预测未来的功率需求；提出了引入融合剩余行驶里程与电池SOC的等效因子动态调整机制，以解决行驶工况、剩余里程与电池状态的多变量协同优化问题；进一步利用以预测时域内等效氢耗最小化为目标的SQP算法优化分配动力电池和燃料电池功率。
3.研究内容：一方面，设计未来短期工况预测以分析未来车辆功率需求变化。该方法利用BP神经网络对未来短时域内的车速进行高精度预测，有助于改善能量管理策略的控制效果。另一方面，构建基于里程自适应的等效因子动态调整机制，其包含两个核心组件：基于剩余行驶里程的等效因子计算模块和基于参考SOC轨迹的惩罚修正模块，实现随行驶工况动态调整的等效因子，进一步降低氢气消耗量。
4.研究结论：充分的实验结果表明，提出的方法能够根据预测工况合理分配燃料电池和动力电池的功率，充分利用动力电池的电量、降低氢气消耗量，实现燃料电池和动力电池之间的最优功率分配。
论文链接：//doi.org/10.13374/j.issn2095-9389.2022.11.22.005
作者简介
林歆悠教授，博士生导师，重庆大学博士，美国西弗吉尼亚大学访问学者，国家自然科学基金同行评审专家，以及担任国内高水平期刊《中国公路学报》及《Applied Energy》《Energy Conversion and Management》《Energy》《IEEE Transactions on Intelligent Transportation Systems》《IEEE Transactions on Industrial Electronics》和《Proc. IMechE. Part D: Journal of Automobile Engineering》国际知名学术期刊同行评审，长期从事新能源汽车电驱动与智能驾驶控制关键技术的研究。
