Разработка имитационной модели водородного транспортного средства и подсистемы управления запросом мощности

Обложка


Цитировать

Полный текст

Аннотация

Обоснование. Водородные технологии позволяют значительно снизить выбросы парниковых газов в городской среде, так как при использовании водорода в качестве продуктов выхлопа образуются воздух и вода. Это отвечает мировым тенденциям в борьбе с изменением климата и уменьшении загрязнения воздуха в крупных городах. Водород можно производить из различных источников, включая возобновляемые источники энергии. Это является причинами интегрирования в автомобиль водородной топливной установки, содержащей топливный элемент. Разработка алгоритмов управления мощностью, вырабатываемой водородным топливным элементом, является актуальной научно-технической задачей, позволяющей увеличить пробег автомобиля и эффективность использования водородного топлива.

Цель — разработка и выбор наиболее эффективного алгоритма и реализация его в составе модели управления запросом мощности водородным топливным элементом с применением различных стратегий управления энергопотреблением, а также на основе анализа результатов моделирования при сравнении рабочих параметров системы распределения мощности.

Методы. В данной работе представлена разработка имитационной модели гибридного водородного транспортного средства с использованием библиотеки Simscape в пакете MATLAB Simulink. С помощью основных блоков Simulink были созданы модели и алгоритмы управления запросом мощности для водородного топливного элемента, а также имитационная модель транспортного средства, которая позволяет тестировать разработанные алгоритмы.

Результаты. В данной работе представлена стратегия управления мощностью топливного элемента. Реализован алгоритм, включающий различные типы стратегий, такие как ПИД-регулятор, машина состояний, алгоритм эквивалентной минимизации потребления и контроллер нечёткой логики. Кроме того, в работе изложены требования к системе транспортного средства и представлена разработка имитационной модели гибридного водородного транспортного средства. В результате сравнения рабочих параметров системы распределения мощности выделен наиболее эффективный алгоритм управления запросом мощности.

Заключение. Практическая ценность данного исследования заключается в анализе алгоритмов управления запросом мощности и выявлении наиболее эффективных из них. Это значительно ускоряет процесс выбора алгоритмов управления топливным элементом для водородных транспортных средств.

Об авторах

Евгений Игоревич Рахматуллин

Московский политехнический университет; Центральный научно-исследовательский автомобильный и автомоторный институт «НАМИ»

Email: evgenii.rahmatullin@nami.ru
ORCID iD: 0009-0006-5651-4176

инженер Центра программного обеспечения Сектора калибровочных работ гибридных транспортных средств

Россия, Москва; Москва

Владимир Валентинович Дебелов

Московский политехнический университет; Центральный научно-исследовательский автомобильный и автомоторный институт «НАМИ»

Автор, ответственный за переписку.
Email: vladimir.debelov@nami.ru
ORCID iD: 0000-0001-6050-0419
SPIN-код: 8701-7410

канд. техн. наук, доцент, начальник отдела технологии программного обеспечения центра программного обеспечения

Россия, Москва; Москва

Список литературы

  1. Bethoux O. Hydrogen Fuel Cell Road Vehicles and Their Infrastructure: An Option towards an Environmentally Friendly Energy Transition. Energies. 2020(13):6132. doi: 10.3390/en13226132
  2. Tran D-D, Vafaeipour M, El Baghdadi M, et al. Thorough state-of-the-art analysis of electric and hybrid vehicle powertrains: Topologies and integrated energy management strategies. Renewable and Sustainable Energy Reviews. 2019; 119(80). doi: 10.1016/j.rser.2019.109596
  3. Trinh H-A, Truong, H-V-A, Ahn K-K. Energy management strategy for fuel cell hybrid power system using fuzzy logic and frequency decoupling methods. 24th International Conference on Mechatronics Technology (ICMT). Singapore; 2021:1–6. doi: 10.1109/ICMT53429.2021.9687291
  4. Yao G, Du C, Ge Q, et al. Traffic-Condition-Prediction-Based HMA-FIS Energy-Management Strategy for Fuel-Cell Electric Vehicles. Energies. 2019;12(23):4426. doi: 10.3390/en12234426
  5. Zhang P, Wu X, Du C, et al. Adaptive Equivalent Consumption Minimization Strategy for Hybrid Heavy-Duty Truck Based on Driving Condition Recognition and Parameter Optimization. Energies. 2020;13(20):5407. doi: 10.3390/en13205407
  6. Zavatsky AM, Debelov VV, Malyshev AN, Keller AV. Mathematical model of the algorithm for distributing torque along the axles of an electric vehicle with a two-motor scheme. Bulletin of MGTU MAMI. 2023;17(2):187–194. doi: 10.17816/2074-0530-123092 (In Russ.).
  7. Mizin MD, Malyshev AN, Zavatsky AM, Debelov VV. Development of a simulation model for testing the torque distribution function along the axles of an electric vehicle with a two-motor scheme. Bulletin of MGTU MAMI. 2023;17(3):295–304. doi: 10.17816/2074-0530-321934 (In Russ.)
  8. Malyshev AN, Debelov VV, Endachev DV, et al. Mathematical and simulation model for testing the management system of high voltage batteries for hybrid and electric vehicles. AIP Conference Proceedings. Moscow, April 01–02, 2020. Moscow; 2022:020010. doi: 10.1063/5.0074952
  9. Malyshev AN, Panarin AN, Debelov VV, Mizin MD. Simulation and physical modeling of synchronous electric drive for electric and hybrid vehicles. Journal of Physics: Conference Series. Novorossiysk, Virtual, June 15–16, 2021. Novorossiysk, Virtual; 2021:012050. doi: 10.1088/1742-6596/2061/1/012050
  10. Malyshev AN, Debelov VV, Kozlovsky VN, Stroganov VI. Analysis and prospects for the development of design and production processes of hybrid vehicles. AutoGasFilling Complex + Alternative Fuel. 2021;20(2):82–89. (In Russ.)
  11. Yakunov DM, Debelov VV, Kozlovsky VN, Brachunova UV. Trends in scientific and technical development of lithiumion batteries in motor transport. Truck. 2021(11):3–7. doi: 10.36652/1684-1298-2021-11-3-7 (In Russ.).
  12. Yakunov DM, Debelov VV, Kozlovsky VN, Zayatrov AV. Actual problems and directions of development of electrical energy storage devices in cars with electrical technologies. Truck. 2021(12):3–7. (In Russ.)
  13. Malyshev AN, Debelov VV, Kozlovsky VN. Development of the concept of a complex for simulation and physical modeling of a hybrid power plant of a vehicle. Truck. 2020(11):3–13. doi: 10.36652/1684-1298-2020-11-3-13 (In Russ.).
  14. Skripko LA. On the issue of developing a fuzzy logic controller for a hybrid hydrogen car. Works of NAMI. 2021(2):87–92. doi: 10.51187/0135-3152-2021-2-87-92 (In Russ.).
  15. Toyota Mirai. [Electronic resource]. Wikipedia: [site]. URL: https://en.wikipedia.org/wiki/Toyota_Mirai (access date: 03/29/2024).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Топология модели водородного ТС при прямом подходе моделирования.

Скачать (99KB)
3. Рис. 2. Структура Simulink-модели гибридного водородного транспортного средств: WLTC — всемирный гармонизированный цикл тестирования легковых автомобилей; RefSpd — референсная скорость.

Скачать (89KB)
4. Рис. 3. Ездовой цикл WLTC: Low (Низкий) — отражает движение на низких скоростях, обычно в городских условиях; Medium (Средний) — включает умеренные скорости и более разнообразные условия, включая как городские, так и пригородные участки; High (Высокий) — представляет собой более высокие скорости, часто встречающиеся на трассе или в условиях более интенсивного движения; Extra High (Очень высокий) — включает в себя максимальные скорости, которые могут быть достигнуты современными легковыми автомобилями на высокоскоростных трассах.

Скачать (117KB)
5. Рис. 4. Подсистема электрической силовой установки: MotSpd — скорость вращения электромотора; MotTrqCmd — запрос момента электромотора; FCCurCmd — запрос тока топливной ячейки; FCVolt — напряжение ячейки; FCCurr — ток ячейки; Pt — электрическая потребляемая мощность топливной ячейки; H2Flow — скорость потока водорода; “+” — плюсовая клемма; “-” — минусовая клемма; H — температура; Hamb — температура окружающей среды; H_DCDC — температура преобразователя; H_mot — температура электромотора; AmbTemp — температура окружающей среды; Pc — электрическая потребляемая мощность охладителя; TotPwr — полная мощность; MotTrq — момент двигателя; Bat_Info — диагностические параметры батареи высокого напряжения; Electrical Reference — точка с нулевым потенциалом (земля); P_Acc — мощность потребителей электроэнергии.

Скачать (147KB)
6. Рис. 5. График эффективности электрической машины.

Скачать (163KB)
7. Рис. 6. Эквивалентная схема аккумулятора.

Скачать (43KB)
8. Рис. 7. Модель структуры топливной ячейки: A — анод; SA — площадь анода; FAi — входящий поток анодного газа; FAo — исходящий поток анодного газа; C — катод; SC — площадь катода; FCi — входящий поток катодного газа; FCo — исходящий поток катодного газа.

Скачать (203KB)
9. Рис. 8. Подсистема «Блок управления»: FCVolt — напряжение топливного элемента; MtrSpd — скорость двигателя (мотора); SOC — состояние заряда (аккумулятора); MotTrqCmd — команда крутящего момента двигателя (мотора); AccelPdl — положение педали акселератора; VehSpd — скорость транспортного средства; DecelPdl — положение педали замедления (торможения); BrkPrsReq — требуемое давление торможения; FCCurrCmd — команда тока топливного элемента (или контроллера топливного элемента); TrqCmd — команда крутящего момента (общая); BattPwrDischrgLmt — предел мощности разряда батареи (аккумулятора); BattPwrChrgLmt — предел мощности заряда батареи (аккумулятора); MotTrqCmdRegen — команда крутящего момента двигателя (мотора) регенеративного торможения; BrkCmd — команда торможения; MotTrqCmdTrac — команда крутящего момента двигателя (мотора) для управления тягой.

Скачать (248KB)
10. Рис. 9. Модель подсистемы запроса мощности с использованием ПИД регулятора: MotTrqCmd — команда крутящего момента двигателя; MtrSpd — скорость двигателя; BattSoc — состояние заряда батареи (SOC); FCVolt — напряжение топливного элемента; FCCurrCmd — команда тока топливного элемента; FCctrl.SOCtrgt — целевое состояние заряда контроллера топливного элемента.

Скачать (80KB)
11. Рис. 10. График зависимости КПД и выходной мощности водородной установки при : Efficiency (%) — КПД (%); Power (kW) — мощность (кВт); Pmin — минимальная мощность; Pmax — максимальная мощность; Popt — оптимальная мощность.

Скачать (69KB)
12. Рис. 11. Диаграмма состояний с использованием машины состояний: Battery — аккумулятор; SOC — заряд; Pfcopt — оптимальная мощность заряда; Pbatopt — оптимальная мощность батареи; Pload — мощность нагрузки; Pfcmax — максимальная мощность заряда; Pref — эталонная мощность; Pfcmin — минимальная мощность заряда; Poptchar — оптимальная мощность заряда; Poptdis — оптимальная мощность разряда.

Скачать (507KB)
13. Рис. 12. Блок-схема алгоритма запроса мощности с заранее определёнными состояниями работы системы: SOC — заряд; SOCmax — максимальный заряд; SOCmin — минимальный заряд; Pfc_opt — оптимальная мощность заряда; Pload — мощность нагрузки; Pfc_max — максимальная мощность заряда; Pfc_min — минимальная мощность заряда; Pbat_ch — мощность заряда.

Скачать (250KB)
14. Рис. 13. Модель запроса мощности при реализации стратегии ECMS: MotTrqCmd — команда крутящего момента двигателя; MtrSpd — скорость двигателя; BattSoc — заряд батареи (SOC — State of Charge); FCVolt — напряжение ячейки; FCCurCmd — команда тока топливного элемента.

Скачать (36KB)
15. Рис. 14. График функций принадлежности Pload: NH — сильно отрицательная; NM — средне отрицательная; NL — слабо отрицательная; Z — нулевая; PL — слабо положительная; PM — средне положительная; PH — сильно положительная.

Скачать (87KB)
16. Рис. 15 График функций принадлежности SOC: VL — очень низкий; L — низкий; M — средний; H — высокий; VH — очень высокий.

Скачать (80KB)
17. Рис. 16. График функций принадлежности : Min — минимальная; OL — ниже среднего; OPT — средняя; OH — выше среднего; Max — максимальная.

Скачать (81KB)
18. Рис. 17. График мощности водородной установки в зависимости от нагрузки и SOC.

Скачать (223KB)
19. Рис. 18. График значений SOC при различных стратегиях: PID — стратегия с использованием ПИД регулятора; ECMS — стратегия с использованием алгоритма ECMS; STATEFLOW — стратегия с использованием машины состояний; MATLABF — стратегия с использованием машины состояний; FUZZY — стратегия с использованием нечёткой логики.

Скачать (231KB)
20. Рис. 19. График значений SOC с 450 по 850 секунду; PID — стратегия с использованием ПИД-регулятора; ECMS — стратегия с использованием алгоритма ECMS; FUZZY — стратегия с использованием нечёткой логики.

Скачать (177KB)
21. Рис. 20. Графики тока FC при различных стратегиях: PID — стратегия с использованием ПИД-регулятора; ECMS — стратегия с использованием алгоритма ECMS; FUZZY — стратегия с использованием нечёткой логики.

Скачать (222KB)
22. Рис. 21. Увеличенный графики тока FC при различных стратегиях: PID — стратегия с использованием ПИД-регулятора; ECMS — стратегия с использованием алгоритма ECMS; FUZZY — стратегия с использованием нечёткой логики.

Скачать (192KB)
23. Рис. 22. График значения тока батареи при различных стратегиях: PID — стратегия с использованием ПИД-регулятора; ECMS — стратегия с использованием алгоритма ECMS; FUZZY — стратегия с использованием нечёткой логики.

Скачать (179KB)
24. Рис. 23. График расхода H₂ при различных стратегиях: PID — стратегия с использованием ПИД-регулятора; ECMS — стратегия с использованием алгоритма ECMS; FUZZY — стратегия с использованием нечёткой логики.

Скачать (99KB)
25. Рис. 24. График расхода H₂ при различных стратегиях в крупном масштабе: PID — стратегия с использованием ПИД-регулятора; ECMS — стратегия с использованием алгоритма ECMS; FUZZY — стратегия с использованием нечёткой логики.

Скачать (108KB)

© Эко-Вектор, 2025

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».