Modeling and Experimental Study of PEM Fuel Cell Transient Response for Automotive Applications

This paper presents an analysis of the dynamic response of a low pressure proton exchange membrane (PEM) fuel cell stack to step changes in load, which are characteristic of automotive fuel cell system applications. The goal is a better understanding of the electrical and electrochemical processes when accounting for the characteristic cell voltage response during transients. The analysis and experiment are based on a low pressure 5 kW proton exchange membrane fuel cell (PEMFC) stack, which is similar to those used in several of Tsinghua's fuel cell buses. The experimental results provide an effective improvement reference for the power train control scheme of the fuel cell buses in Olympic demonstration in Beijing 2008.     

串联混合电动车辆动力系统的实时仿真

论述了串联混合电动车辆动力系统仿真模型和实时仿真方法。基于MATLAB/Simulink平台,通过CAN通讯将dSPACE和xPC目标仿真环境集成,dSPACE模拟控制单元,xPC环境运行模型,一台个人计算机同时监控dSPACE和xPC环境,并且记录数据。实践表明,串联混合电动车辆动力系统模型的实时仿真明晰了系统过程,验证了实时控制算法的有效性,建立了车辆控制单元快速原型。     

燃料电池混合动力系统镍氢电池特性

结合Rint模型分析某80 Ah镍氢动力电池单体特性,以确定其在燃料电池混合动力系统中的最佳工作范围,并加以实验验证.结果显示,在燃料电池混合动力系统中镍氢电池SOC应保持在40%～60%之间,充放电电流应处于-160～240 A的范围,温度应维持在常温附近,以确保系统安全性和经济性.台架实验显示,通过稳态分配结合动态滤波的算法模式和恰当的参数匹配,整车控制器可以使镍氢电池工作在目标区域,从而使混合动力系统满足城市公交工况的动力性和经济性需求,并限制燃料电池发动机的输出功率波动.     

面向能量管理的燃料电池混合动力模型辨识

燃料电池混合动力能量管理算法离线及在线优化需要建立一套有效的模型辨识方法.根据混合动力系统的部件特性,使用TTCAN数据,基于最小二乘原理建立系统辨识算法,辨识出系统模型.离线仿真结果表明,所辨识的模型能反映当前系统性能,可作为能量管理算法优化的依据.为提高能量管理算法的自适应调整能力,需要将离线辨识改为在线辨识,并整合到整车控制器中.在Matlab/Simulink环境中搭建在线辨识算法,并通过自动代码生成与整车控制器底层代码无缝结合.增加了在线辨识算法的能量管理算法远行时间从原先的0.58ms提高到3.2ms,但仍然小于TTCAN网络的最小闲置时间4ms.在线辨识算法虽然增加了整车控制器运算负荷,但并未影响TTCAN通讯时序.中国城市公交典型工况测试表明,采用在线辨识算法后的系统氢气消耗从8.2kg/100km降低到7.9kg/100km,约降低3.6%.为控制燃料电池输出功率波动,进一步工作中需要将燃料电池模型加入在线辨识算法,并采用递推算法降低整车控制器计算负荷.     

增程式纯电驱动城市客车能量管理策略对比研究(英文)

针对一辆12m 增程式城市客车,对比研究了几种常见的能量管理算法.该城市客车由锂离子电池驱动,并配有一个功率辅助单元(auxiliary power unit,APU)作为里程延长器.功率辅助单元由发动机和发电机组成,可以将燃料中的化学能转化为电能,补充动力电池的电量.首先,建立了该动力系统的动态模型.基于该模型,定义了一个以日行驶燃油消耗量最小为目标的全局优化问题.采用动态规划方法(dynamicprogramming,DP)进行求解;其次,对比分析了动态规划策略、耗尽-维持(charge depleting and chargesustaining)策略、混合(blended)策略等几种常见的能量管理方法.仿真结果表明,对于本文所研究的特定动力系统,采用全局最优策略,日行驶工况下燃油经济性为26.1L/100km;采用混合策略,日行驶工况下燃油经济性为29.1L/100km;采用耗尽-维持策略,日行驶工况下燃油经济性为28.2L/100km.由于全局优化策略无法投入使用,相较于混合策略,耗尽-维持策略可降低油耗3%.将耗尽-维持策略应用于实际车辆.道路实验表明,空载状况下实际油耗为23.6L/100km,满载情况下为24.9L/100km.相较于传统车平均 30L/100km 的水平,满载情况下耗尽-维持策略可降低油耗17%.