《ENERGY CONVERSION AND MANAGEMENT》：Optimization of energy storage system for electric refrigerated transport by fuzzy thermal management
编辑推荐：
面对高动态热负荷挑战传统制冷控制系统，研究人员提出一种集成控制导向的优化框架，将模糊-PID控制器参数与电池容量等系统变量协同优化。研究发现，减少温度波动可降低压缩机启停次数，但需更大电池容量支持，最优解在能耗、电池质量与温度波动间取得平衡，相比传统策略显著降低能耗与温漂，为电动冷藏车控制感知系统设计提供支持。
随着全球能源需求增长和减排压力加剧，交通运输行业特别是重型卡车的温室气体排放问题日益突出。其中，冷藏运输作为连接食品供应链、保障药品质量的关键环节，不仅消耗大量能源，其运行过程中的高动态、多变的制冷负荷更是对传统内燃机驱动和初步的电动化解决方案构成了严峻挑战。这类车辆在运输过程中，需要同时维持货厢的低温环境和车辆的行驶动力，而传统的稳态模型和基于规则的控制策略往往难以准确捕捉热调节、能耗与电池尺寸之间的瞬态交互作用，尤其是在实际运行约束条件下。这就导致了车辆续航里程缩短、电池需求增加以及温度控制不稳定等一系列问题，直接影响货物品质和运营成本。为了应对这些挑战，来自巴西坎皮纳斯大学综合系统实验室的研究团队在《ENERGY CONVERSION AND MANAGEMENT》上发表了一项研究，提出了一种创新的集成控制导向优化框架，旨在为插电式电动冷藏运输车设计一种智能热管理策略。
研究人员主要运用了集成建模与仿真、模糊逻辑控制和遗传算法优化这几项关键技术方法。首先，他们构建了一个包含制冷货厢、压缩机、电机和电池的动态仿真模型，将原本基于小时平均值的ASHRAE热负荷估算方法扩展到秒级分辨率，以捕捉系统的瞬态行为。其次，他们设计了一个两层控制系统：上层是一个基于模糊逻辑的监督控制器，它根据电池的荷电状态（State of Charge, SoC）、压缩机效率和货厢空气温度，实时生成电机的转速参考值；下层则是一个PID（比例-积分-导数）控制器，确保对上层指令的平滑跟踪。最后，他们将控制参数（如模糊隶属度函数参数、PID增益）和系统级变量（如电池容量）共同作为设计变量，构建了一个多目标优化问题，目标是最小化能耗、电池质量和温度偏差，同时满足压缩机启停次数、最小运行时间等运行约束。他们采用遗传算法（Genetic Algorithm, GA）来探索这个高维、非线性的解空间，寻找最优的权衡方案。
从每小时稳态建模到每秒动态建模
传统的冷藏车热负荷分析通常基于ASHRAE手册，采用小时平均值的稳态或准稳态模型。这种方法虽然能估算总体冷却需求，但无法捕捉热惯性、门开启事件等扰动引起的快速温度变化，限制了先进控制策略的开发。为此，本研究将模型从集总参数的单控制体积（将货厢内空气和货物视为一体）扩展为两个耦合的控制体积，分别代表内部空气和运输的货物。这种分离使得能够区分空气的快速动力学（直接受制冷系统、壁面得热和空气渗透影响）与货物较慢的热响应（由其热惯性和与空气的对流换热决定）。为了模拟瞬态响应，研究采用了常见的一阶模型来描述各热负荷分量（如传热、渗透、产品负荷）随时间的变化，并通过校准确保其一小时内的累积热量与参考实验数据一致。这种动态模型为后续的控制设计和优化提供了必要的平台。
仿真模型
研究建立了一个集成仿真模型，将压缩机、电机和电池的动态与货厢的热负荷耦合起来。
- 1.
连续的热负荷确定：基于前述动态模型，在秒级时间尺度上连续计算热负荷，作为制冷系统的输入。
- 2.
压缩机：选择了与实际动态热负荷匹配的Bitzer 2T.2Y-K压缩机，并严格遵守了制造商关于每小时最大启停次数和最小连续运行时间的限制，以模拟真实运行约束并避免设备过度磨损。
- 3.
电机：将压缩机与一台商用电机的轴直接耦合，省去了离合器或变速箱。这意味着压缩机的转速完全由电机转速决定，减少了机械损失但也限制了控制的灵活性，使得优化问题更具挑战性。研究结合了电机和逆变器的效率图来计算系统的整体电效率。
- 4.
电池：采用了一种等效电路模型来模拟锂离子电池的电热行为。该模型考虑了电池的电压、内阻、容量以及荷电状态（SoC）之间的动态关系。电池的尺寸（质量）是优化框架中的一个关键变量。
优化框架
研究的核心是提出的集成优化框架。它将控制参数（模糊-PID参数）和系统设计变量（电池容量）同时作为决策变量。优化目标有三个：最小化压缩机总能耗（Ec）、最小化电池质量（mb）、最小化货厢内的温度波动（ΔT）。这些目标需要在多种运行约束下实现，包括：压缩机启停次数限制、电池SoC和电压的安全工作范围、以及电机/压缩机的能力限制。遗传算法被用来在解空间中搜索，以揭示在最优解附近，能耗、电池质量和热调节之间的相互影响关系。
研究结论与讨论
研究结果表明，减少货厢内的温度波动会导致更平滑的负载曲线和更低的压缩机启停频率，但这是以更高的能量需求和更大的电池容量为代价的。通过多目标优化，研究找到了一个最优的折中方案。在10小时的模拟运行中，该方案实现了总能耗Ec ≈ 10,130 kJ，温度波动ΔT ≈ 1.3°C，电池质量为71 kg，同时将压缩机启停次数限制在96次。与传统的控制策略相比，所提出的方法显著降低了能量消耗和温度振荡。
这项研究的重要意义在于，它首次将控制设计（模糊-PID参数）与系统级设计（电池尺寸）在一个统一的框架内进行联合优化，专门针对电动冷藏运输车这一应用场景。传统的设计方法通常将两者分开考虑，忽略了它们之间强烈的耦合关系。本研究提出的“控制感知”系统设计框架，能够更准确地揭示在满足热管理要求和运行约束的前提下，能量效率、电池需求（直接影响车辆成本和续航）以及货物保存质量之间的内在权衡。这为开发下一代高效、可靠的电动冷藏运输系统提供了系统的设计工具和深入的理论见解。尽管研究基于特定的组件和操作条件，但其方法论具有通用性，可扩展至其他具有类似动态热-电耦合特性的车辆或移动制冷系统。
