基于多目标遗传算法的氢电动飞机动力系统智能热能与能量管理

《International Journal of Human-Computer Studies》：Intelligent heat and energy management for hydrogen electric aircraft power system based on multi-objective genetic algorithm

氢电飞机热-质量-流-能耦合模型与多目标优化策略研究。提出整合电推进、氢/空气供应、锂电池储能、液氢储存及冷却管理系统的耦合模型，采用多目标遗传算法优化热能管理策略，实验验证模型误差小于7.44%，氢耗降低21.47%，系统能效提升至50.72%，飞行范围扩展21.19%，为氢能飞机系统设计提供高效分析工具。

　　

王辉|卢宇豪|连宏奎|曲志国

西安交通大学能源与动力工程学院热流体科学与工程教育部重点实验室，中国西安710049

摘要

尽管氢动力飞机因其零碳排放而成为一项关键技术路径，但它们面临着热管理负荷高和动力系统效率低的问题。本文提出了一种耦合的热-质量-流-能量模型，该模型整合了电推进系统、氢/空气供应系统、锂电池储能系统、液氢储存系统和冷却剂热管理系统。随后，基于该模型构建了一种利用多目标遗传算法的智能热能管理策略，以优化能量利用效率。结果表明，所提出的模型具有较高的准确性，与实验数据的最大相对误差为7.44%。总氢消耗量从8.13公斤减少到6.40公斤，系统级能量利用效率从43.25%提高到50.72%。因此，飞行范围可延长21.19%。这项工作可以为氢动力飞机能源系统的设计提供一种计算成本低且迭代效率高的系统级分析工具。

引言

近年来，氢动力飞机由于其零碳排放而成为一项关键技术路径[1]。然而，在电飞机中实现高效的氢利用仍然具有挑战性，因为质子交换膜燃料电池（PEMFC）的运行效率约为50%。因此，大约一半的化学能量转化为废热[2]，这对热管理系统的散热能力提出了巨大要求[3]。氢动力飞机的热管理架构由三种主要的热交换机制组成：储氢罐内氢气从液态到气态转换过程中潜热的吸收、燃料电池中的电化学过程产生的热力学热量释放，以及换热器与周围大气之间的热交换。这些因素形成了一个动态的能量网络，显著增加了系统的复杂性，它们的耦合效率直接影响整个飞机的净功率输出[4]。燃料电池的运行温度直接影响其电化学效率和使用寿命[5]，因为外壳换热器的散热能力受到运行高度和飞行速度的显著影响[6]。因此，在氢动力飞机能源系统的设计中仍存在挑战。

关于氢动力飞机动力系统的热管理研究主要集中在组件级建模上。例如，王等人[7]探索了改善储氢罐内液氢相变行为的方法，提出了一个非平衡模型来描述相变过程，并提出了一种修正的努塞尔特关联式来表征超临界沸腾传热，预测偏差保持在3%以下。随后，桑托斯等人[8]研究了一个258瓦的机载PEM燃料电池堆，分析了其在不同飞行高度下的温度特性，并量化了冷却负荷和最佳运行点的变化。科恩等人[9]建立了一个PEM燃料电池模型，计算了给定功率输出所需的氢气和空气流量，并预测了不同运行点下的电池电压、热量产生和效率。李等人[10]构建了一个氢动力飞机的图形辅助设计模型，发现与初始条件相比，巡航动力系统的比能量可以提高6.5%。赫尔穆特等人[11]提出了一种基于自然制冷剂甲醇的两相冷却系统的氢动力飞机冷却系统。李等人[12]构建了一个燃料电池的三维（3D）数值模拟模型，并提出了一种数据驱动框架，将核极限学习机与改进的灰狼优化器相结合，以实现PEMFC性能的高精度预测和参数优化，最大功率密度达到0.704瓦/平方厘米。瓦伦西亚等人[13]开发了一个五单元PEM燃料电池堆的三维单相计算流体动力学（CFD）模型，准确预测了物种和温度分布，误差在1.3%以内，以支持堆栈设计和冷却优化。马亚斯等人[14]构建了一个集成热电模块的3D PEMFC热模型，实现了精确的时空温度控制，用于优化的汽车冷却和成本效益高的虚拟原型制作。王等人[15]表征了氦气加压液氢罐中的时间依赖性多组分效应、持续蒸发和径向温度梯度。该系统可以实现高的冷却系统效率。然而，上述研究主要集中在氢动力飞机核心组件在特殊运行条件下的性能上，虽然产生了详细准确的结果，但缺乏实时和快速预测的能力。

为了快速分析氢动力飞机的复杂动力系统，开发了零维集总参数建模方法。这种方法将每个组件视为具有平均属性的单一节点，避免了空间离散化，同时捕捉了系统性能和能量流动的主要趋势。张等人[16]开发了一个零维燃料电池模型，使用等效电路来捕捉极化和欧姆损耗。李等人[17]构建了一个集成的电-热-氢模型，其中包括光伏、氢燃料电池和储能系统。他们将运行风险降低了63.2%。格拉齐奥索等人[18]提出了一个任务模型，该模型可以将点质量动力学与基于性能的爬升和下降模块相结合，从而嵌入了一个稳态三源动力装置模型。该模型可以将能量使用量降低7.8%。维尔迪等人[19]设计了一个包括液氢储存、热管理和传输控制的集成系统，并证明了能够提供高达0.25公斤/秒的所需氢质量流量，以满足16.2兆瓦的峰值功率需求。桑卡尔等人[20]提出了一种基于零维非线性瞬态模型的滑模观测器滑模控制器方案，证明其在干扰抑制和设定点跟踪方面优于传统的比例积分控制器，并且可以减少氢消耗并延长燃料电池寿命。尽管这些研究可以实现实时和快速预测，但其范围仅限于单个核心组件，忽略了飞机的独特运行条件。

文献中还考虑了通过协调电源和负载之间的能量流动来优化性能的能量管理系统[21,22]。陈等人[23]为插电式混合动力汽车制定了基于Q学习的随机模型预测控制能量管理策略，以实现接近随机动态规划的燃油经济性，并具有高实时效率。侯等人[24]建立了一个分层车辆云能量管理框架，通过基于云的动态规划优化电池老化，并通过机载模型预测控制减轻不确定性，优于基于规则的方法。江等人[25]为车辆建立了一个集成热管理系统，为系统级热管理研究提供了见解。上述研究将重点从单个核心组件转移到系统级能量管理优化上，通过自适应分层控制等方法有效提高了能量利用效率。然而，它们仍然无法实现实时、快速预测，研究目标主要集中在飞机动力系统的子系统上，而不是整个集成动力系统。

如上所述，现有研究主要集中在组件级建模或动力系统子系统的能量管理策略优化上，没有建立涵盖整个动力系统级别的热和能量领域的综合多物理模型，也没有充分描述飞行空气动力学特性与热管理系统之间的相互作用。现有的模型倾向于将热管理和飞行动力学视为根本分离的子系统，或者以顺序、分层的方式处理它们，阻碍了两者之间的实时动态协同。为了解决这些限制，开发了一个统一的建模框架，包括五个主要模块：电推进系统、氢/空气供应系统、电池储能系统、液氢储存系统和冷却剂热管理系统。引入了一种经过空气动力学和配置校正的外壳换热器热阻算法，以实现动力系统内瞬态热-质量-流-能量耦合过程的快速预测。在此框架的基础上，飞行姿态和动态冷却策略在统一的多目标优化方案中同时得到优化，系统地利用了固有的热力学-空气动力学耦合来最大化氢利用效率。

部分摘录

问题描述

图1（a）和（b）展示了一种以氢燃料电池堆为中心的氢动力飞机动力系统的代表性架构。该配置包括电池能量模块、氢输送单元、空气进气系统、基于冷却剂的温度控制单元和电推进组件[26,27]。燃料电池子系统由多个单个电池组成、能量管理控制器、锂电池组以及直流到

实验步骤

为了验证所开发模型的准确性，在一架氢动力混合飞机上进行了半尺寸风洞测试[42]。使用了一种阵列型电加热器作为等效热源，最大总功率设置为240千瓦，以代表燃料电池堆、直流-直流转换器、锂电池和电机在各种飞行条件下的热生成特性。实验设置和测试环境如图4所示。为了确保测量

模型验证

在半尺寸风洞测试期间，代表飞行过程中热负荷的模拟负载的加热功率是根据制造商提供的组件数据得出的。相应的数学关系在表2中给出。

不同飞行过程中氢动力飞机各组件的功率需求在补充材料的表S2中给出。

实验中的环境温度在25-45摄氏度范围内变化。

结论

提出并验证了一个用于氢动力混合飞机的综合热-质量-流-能量耦合模型，并在此基础上进行了多目标优化，以提高氢能量利用效率。所提出的模型整合了核心组件，包括燃料电池、锂离子电池、直流-直流转换器、液氢储罐和推进电机，同时系统地考虑了飞行参数对空气动力学热的影响

CRediT作者贡献声明

王辉：撰写 – 审稿与编辑，撰写 – 原稿，可视化，验证，项目管理，方法论，资金获取，概念化。卢宇豪：撰写 – 审稿与编辑，撰写 – 原稿，验证，监督，软件，资源，方法论，数据管理。连宏奎：撰写 – 审稿与编辑，撰写 – 原稿，形式分析。曲志国：撰写 – 审稿与编辑，撰写 – 原稿，监督，项目管理，

利益冲突声明

作者声明他们没有已知的竞争财务利益或个人关系可能影响本文报告的工作。

致谢

本工作得到了国家重点研发计划（编号：2023YFB4005200）、国家自然科学基金（编号：52176088）和陕西省自然科学基础研究计划（项目编号：2025JC-JCQN-017）的支持。