用于评估真实驾驶工况下插电式燃料电池混合动力汽车控制策略性能的灰箱框架

《Energy Conversion and Management-X》：A gray-box framework for evaluating control strategy performance in plug-in fuel cell hybrid vehicles under real-world driving conditions

　　

针对插电式燃料电池混合动力汽车（PFCHV）在真实驾驶工况（如德黑兰循环）下的控制策略性能评估，研究人员提出了一种创新的灰箱建模框架。该框架的核心创新在于采用多阶段神经网络架构作为黑箱代理模型，替代计算密集型机理方程来预测燃料电池系统（FCS）行为，在有效捕捉复杂非线性相互作用的同时，将可训练参数数量较传统单阶段模型减少28%以上，平均决定系数（R2）达到0.9448。研究人员将该框架应用于基于2017款丰田Mirai验证模型的PFCHV改造，并对关键控制参数——全电动模式速度阈值进行了详细的敏感性分析。主要发现表明，最优速度阈值并非固定通用值，而是随驾驶工况动态特性和优化目标（最小化氢气消耗或最大化每加仑行驶里程）显著变化。例如，在德黑兰循环中，PFCHV在实现最佳等效氢气消耗时的速度阈值为15?m/s，而在实现最高每加仑行驶里程时的速度阈值为5?m/s。此外，针对PFCHV的井到轮（WTW）全生命周期评估显示，其碳足迹与基线FCHV几乎相同，这是因为减少氢气消耗带来的运行阶段排放降低，目前被更大容量电池组的制造碳排放及充电电网的碳强度所抵消。

研究背景与意义

交通运输部门约占全球温室气体（GHG）排放的四分之一，传统内燃机车辆（ICEV）依赖化石燃料且存在里程焦虑与排放问题，而纯电动汽车（BEV）受限于电池能量密度与充电基础设施。燃料电池混合动力汽车（FCHV）虽具备较高能量密度，但燃料电池动态响应受限且面临耐久性挑战。插电式燃料电池混合动力汽车（PFCHV）通过集成可外接充电的大容量电池组，结合燃料电池与电池优势，既能通过电网供电完成短途出行，又能利用燃料电池实现长途驾驶，从而减少氢气消耗并缓解加氢基础设施不足的压力。然而，现有研究缺乏适用于从量产FCHV扩展到概念PFCHV架构的综合灰箱框架，且对基础控制参数（如全电动模式激活阈值）与多样真实驾驶工况的交互作用分析不足。为此，伊朗科技大学的研究人员开发了新型灰箱框架，结合多阶段神经网络与物理模型，系统评估PFCHV在真实工况下的性能、燃料经济性与全生命周期排放，相关成果发表于《Energy Conversion and Management-X》。

关键技术方法

研究人员基于2017款丰田Mirai量产车型构建基准模型，将燃料电池系统（FCS）采用多阶段神经网络作为数据驱动（黑箱）代理模型，其余部件（电池、纵向动力学）采用AMESim环境中的物理（白箱）模型。通过将原镍氢电池升级为锂离子电池，将电池能量容量从1.6?kWh提升至9.6?kWh，构建PFCHV模型。采用规则式控制策略系统（CSS），以速度阈值（v_th）为核心变量，在德黑兰循环、NEDC、WLTC、FTP-72四种驾驶工况下进行敏感性分析。利用皮尔逊相关分析揭示FCS变量间线性关系，通过消融实验验证多阶段神经网络的参数效率与泛化能力。全生命周期评估（LCA）采用GREET模型，基于井到轮（WTW）框架量化不同电网碳强度下PFCHV与FCHV的温室气体排放差异。

研究结果

1. 模型验证与保真度

物理模型部分在FTP、NEDC、WLTC工况下的功率预测均方根误差（RMSE）分别为1.46?kW、1.27?kW、2.05?kW，验证了纵向动力学与电池模型的高精度。数据驱动的FCS模型在测试集上的R2均超过0.87，其中空气压缩机功率、氢气流量预测的R2分别达0.9823与0.9741，仅冷却液泵功率与转换器输入电压因热动态与电气瞬态复杂性略低。消融研究表明，多阶段顺序架构仅需8070个参数，较单阶段全连接网络减少28.6%，且在保持物理因果链的前提下实现与树模型相当的预测精度，推理时间约45.5?ms，满足车辆级仿真实时性需求。

2. PFCHV在德黑兰循环下的性能

当速度阈值设为0?m/s（无纯电模式）时，PFCHV的电池荷电状态（SOC）波动范围缩小至2.5%，最低SOC维持在61.0%，避免了深度放电，氢气消耗较基线FCHV降低约0.2?g/km。引入速度阈值后，阈值升高会延长纯电驱动比例，推迟燃料电池启动。在15?m/s阈值下，燃料电池主要在高速巡航时高效运行，电池承担大部分瞬态负载，实现最佳等效氢气消耗；而5?m/s阈值下燃料电池频繁启停，虽氢气消耗略高，但综合电网充电与氢气消耗的每加仑行驶里程（MPG）最高，达415.28?mi/gal。

3. 驾驶工况效应

不同工况下最优阈值存在差异：德黑兰循环（高瞬态、低速拥堵）中15?m/s阈值平衡氢气消耗与电池应力；FTP循环（频繁启停）中5?m/s阈值通过更多再生制动回收能量；NEDC循环（稳态为主）中阈值影响较小；WLTC循环（综合工况）中阈值升高导致排放增加。这表明速度阈值需根据工况动态调整，静态标定可能导致次优性能。

4. 全生命周期评估

在当前美国电网平均碳强度（约450?g CO₂/kWh）下，PFCHV的全生命周期温室气体排放较FCHV高出2.5%~3%，主要原因是9.6?kWh锂离子电池制造的隐含碳排放。电网碳强度敏感性分析显示，只有当电网碳强度降至约250?g CO₂/kWh以下时，PFCHV才可能出现净排放收益。NEDC工况中15?m/s阈值的异常高排放（较FCHV高65.4%）源于控制策略与工况不匹配导致的燃料电池非最优循环。

讨论与结论

本研究提出的灰箱框架通过融合物理模型的结构化知识与数据驱动的高效拟合能力，解决了FCS高保真建模的计算效率瓶颈，为PFCHV的能量管理策略开发提供了可靠工具。研究明确否定了“更高速度阈值必然更环保”的简单假设，证实最优阈值取决于工况特性与优化目标：低阈值最大化综合能效，高阈值保护燃料电池免受瞬态损伤。尽管当前电网与电池技术下PFCHV未实现全生命周期减排，但其在缓解燃料电池退化、提升燃料灵活性方面的优势显著，尤其适合高拥堵城市工况。随着电网脱碳与电池制造工艺改进，PFCHV有望成为连接氢能网络与电力网络的关键节点，实现环境效益与运营效益的双重提升。