能量控制策略

燃料电池混合动力系统是由多个子系统构成的，这些子系统具有自己的内部控制策略，通过通信网络与其他系统控制器以及整车控制器VCU交换信息， VCU将子系统看作一个独立部件而实施控制策略。因此，能量控制策略是指整车控制器层面的控制策略。

燃料电池车辆能量控制策略是，在满足车辆行驶所需功率和有关约束的条件下，合理分配动力系统各能量源的功率大小和方向，使动力系统达到性能参数最优。燃料电池汽车能量控制策略首先要满足车辆行驶的功率需求，合理地控制功率分配和能量流向，即功率平衡问题；其次是进一步进行精细控制，实现不同目标下的优化。

能量控制策略总体可以分为规则式控制策略、全局最优控制策略和局部（或实时）最优控制策略。

1. 规则式控制策略

设计人员首先根据能量系统的实验结果和自身的工程经验，找出满足能量系统设计要求的基本控制规则，然后应用阀值模式、模糊逻辑、神经网络等形式将上述基本控制规则变成具体的可执行控制算法。由于燃料电池车辆能量系统的结构和参数多样性，具有多个控制目标，因此规则式控制策略中规则的制定通常是折中的，依赖设计人员的判断和经验。

规则式控制策略设计的关键是规则的制定。Michigan大学的Cooky等提出了一个系统提取规则的方法。首先建立目标车辆的动力学模型，该动力学模型的建立分为两步。第一步依据基本物理原理建立车辆各部件的详细模型，这些部件的详细模型包括微分方程、图谱、表格等表达形式。然后通过一系列开关逻辑将这些部件组合起来，形成表达整车的化学、电气和机械功能关系的模型。这个模型应该能够准确地反映各个变量对车辆性能的影响。第二步是模型简化。由于详细模型的变量很多，因此最优化的计算会过于复杂和耗时，有时甚至不可能实现，所以模型简化成为控制规则提取的关键之一。模型简化的原则是忽略次要参数，找到对控制策略的影响最为紧密的参数。

2. 全局最优控制策略

这种控制策略是根据能量系统的动态特性和车辆的整体行驶工况，采用最优控制理论设计使得某个指标最优的控制策略。显然，这种控制策略对于特定的能量系统和行驶条件而言是严格意义上的最优，对于其他系统和工况则不是最优。

根据控制理论可知，所有的瞬时最优加起来并不等于全局最优。虽然目前有许多成熟的最优控制理论能够实现全局最优的控制策略，但是往往需要预先知道车辆的行驶工况，这给这种控制策略的具体应用带来了困难。为了充分发挥全局最优控制策略的优点，相继出现了一些新的或近似全局最优算法。

Michigan大学的Huei Peng等提出了随机动态编程方法（Stochastic Dynamic Programming Approach），并将这一方法应用于Daimler Chrysler 汽车公司开发的Natrium 燃料电池汽车上。这一方法的主要思想是，在对多种典型工况进行分析统计的基础上，应用Markov链模型建立一个驾驶员功率需求的离散随机模型，从而能够根据车辆当前的车速及当前的功率需求有效预测下一时间的功率需求，这一功率需求时间序列实际就是循环工况。

这种方法的主要优点是不用预先知道循环工况，因此可以方便地应用于实际车辆。这种控制策略一般针对特定的结构进行优化，因此不同的车型需要对应的参数设定。另外，由于计算量的原因，系统的状态变量不能过多，一般只包括车速、ESS系统的SOC和功率需求。随机动态编程方法的求解一般采用基于Bellman的最优方程的迭代算法。

3. 局部（或实时）最优控制策略

局部（或实时）最优控制策略一般是将不同能量源的电能全部转换成统一的等效燃料消耗率。控制策略根据每个能量源的效率图谱，计算当前工况下使得这一等效燃料消耗率最优的功率分配比例。

基于规则的控制策略简单，但不是最优的；全局最优控制策略虽然最优，但是依赖于特定工况，实际应用较为困难。因此，局部最优控制策略成为有可能兼顾二者优点的方法。局部最优控制策略的关键是最优的判定依据和相应的算法，以及对全局的统筹兼顾。目前研究较多的是等效消耗最小策略 ECMS （Equivalent Consumption Minimization Strategy）。Waterloo大学的Stevens M B等提出基于ECMS思想的成本最优控制策略（Cost Based Control Strategies）。