基于决策流优化的电动汽车电池-超级电容器混合储能系统能量管理：提升电池寿命与效率

《Scientific Reports》：Decision-Flux Optimization-based energy management for battery-supercapacitor hybrid storage in electric vehicles: battery lifetime and efficiency enhancement

　　

摘要

电池-超级电容器混合储能系统能够降低电动汽车中锂离子电池的瞬时负荷，但其效果在很大程度上取决于用于在两种储能装置之间分配功率的能量管理参数。本研究提出了决策流优化方法（DFO），这是一种基于仿真的可行下降框架，可用于在完整的驾驶循环约束条件下校准电池/超级电容器能量管理策略的参数。DFO利用候选决策向量的操作轨迹来进行优化，该向量包括电池充电状态、超级电容器充电状态、功率限制、电压限制以及循环结束后的恢复约束。约束满足条件被视为可行性要求，而非目标函数中的项。优化目标为标准化后的电池平均功率、标准化能量损失指标的组合，且只有符合可行轨迹级别的变化才被接受。优化后的参数会在离线状态下计算出来，然后再应用于实时控制层。通过仿真以及实验室规模的控制器验证，对该方法在ARTEMIS驾驶循环上的性能进行了评估。与遗传算法、粒子群优化算法、RB-EMS、MPC、SRCPO、DSCEO和ADRL-EMS等基准方法相比，DFO在所研究的案例中实现了最低的电池平均功率，并且在多次运行中都能保持可行性。老化分析表明，该模型的预估使用寿命为3720个等效循环，此时电池容量仍能保持在80%的水平，这一数值应被视为基于模型的耐用性估算，而非直接的长期使用寿命测量结果。研究结果表明，通过轨迹级可行性控制，可以提高方法的重复性、降低电池负担，并提升能量管理的效率。