作者列表：
杨博阳（Boyang Yu）| 贾新怡（Xinyi Jia）| 韩天意（Tianyi Han）| 李建秋（Jianqiu Li）| 徐良飞（Liangfei Xu）| 方传（Chuan Fang）| 张龙海（Longhai Zhang）| 孟德水（Deshui Meng）| 胡尊彦（Zunyan Hu）| 欧阳明高（Minggao Ouyang）
清华大学车辆与移动性学院，北京 100084，中国
摘要
燃料电池混合动力电动汽车（FCHEVs）具有零排放、高效率以及快速加注的优点，但由于质子交换膜燃料电池（PEMFCs）响应速度较慢，需要与二次能源存储系统结合以实现瞬时动力供应。然而，由于缺乏关于关键内部物理化学状态的实时信息，有效的能量管理面临挑战。为了解决这一问题，我们开发了一种跨尺度动力总成模型，该模型将PEMFC的电化学和质传输机制与车辆动态及驾驶员行为联系起来，从而能够实时追踪内部堆栈状态，如反应物浓度、膜含水量和催化剂层退化过程。基于这一建模平台，我们提出了一种基于退化状态的能量管理策略（DEMS），该策略根据催化剂层状态（包括电化学活性表面积、液态水饱和度和氧浓度）动态调整PEMFC的输出。利用燃料电池的运行数据进行的仿真表明，DEMS能够将寿命结束时的电压下降幅度降低3.45%，减少反应物不足现象，并保持比传统策略更好的膜水合状态。在典型驾驶循环中，系统效率提高了7.08%。这些结果表明，将内部状态的可观测性和退化动态纳入建模与控制中，显著提升了FCHEV在现实应用中的性能和耐久性。
引言
燃料电池以其零排放、低碳足迹和无噪音运行特性而广泛应用于各个领域[1,2]。在交通领域，其快速冷启动能力和短加注时间加速了燃料电池汽车的普及[3]。由于燃料电池的动态响应速度较慢，通常需要与锂离子电池或超级电容器结合使用，以确保功率密度和可靠性[4,5]。因此，质子交换膜燃料电池（PEMFC）与其他能源系统之间的功率分配成为实际应用中的关键问题。因此，必须精心设计能量管理策略（EMS），以提高两种能源的效率和寿命[6]，同时满足驾驶员的功率需求和系统约束。由于在真实车辆上进行EMS开发和验证成本高昂、耗时且可能存在安全隐患，因此广泛采用基于模型的仿真平台来加速EMS的开发[7]。
图1展示了FCHEV的仿真架构，其中规定的速度曲线被转换为功率需求，然后由EMS分配以满足牵引力需求。大多数EMS研究仍采用低阶集总模型，例如丰田Mirai I所使用的模型[8]，因为这些模型能够快速提供关键的动力总成状态，并支持高效的控制评估[9][10][11]。为了更好地模拟PEMFC的多相热质传输过程，一些研究扩展了系统模型，加入了全厂平衡（BoP）组件：Xing等人构建了一个详细的BoP模型来研究运行条件的影响[12]，Yan等人估计了进气歧管和通道中的热力学和加湿状态，以检测氧气不足和淹水现象，从而重新设计EMS[13]。然而，这些模型仍然忽略了从歧管/通道到MEA（膜电极组件）的传输过程，而液态水饱和度和催化剂层中的反应物浓度直接影响性能和膜含水量，进而影响质子传导。各种状态观测器[14][15][16]和高保真物理化学模型解决了这些限制，但它们的计算成本通常阻碍了其在嵌入式车辆控制器中的直接应用。
能量管理策略是混合动力总成中的一个通用挑战，通常分为基于规则的方法和基于优化的方法[17]。基于规则的EMS主要依赖工程师的专业知识来制定控制规则和校准阈值，而基于优化的EMS则利用目标系统的物理特性来寻找最优解[18]。在基于规则的EMS中，基于实践经验的经验性启发式方法提供了一种方便、稳健且易于实施的方案，在多种场景中得到广泛应用[19]。典型的基于规则的策略根据车辆功率需求和电池充电状态调整燃料电池功率，并已被许多FCHEV原型和商用产品采用[20,21]。相比之下，基于优化的EMS包括动态规划、等效消耗最小化和模型预测等方法，能够最小化与燃料消耗或运行损失相关的成本函数，并为实时控制器提供性能基准[22,23,33,34]。这些研究表明，详细的动力总成建模和先进的EMS可以显著提升FCHEV的性能和耐久性。然而，燃料电池堆通常通过静态映射或集总模型表示，且EMS中并未明确考虑详细的内部物理化学状态。
最近，为了延长燃料电池和其他组件的使用寿命，研究人员开始研究考虑退化状态的EMS。燃料电池是一个多物理系统，其能量性能强烈依赖于运行条件和退化状态。然而，由于缺乏实时的MEA状态估计能力，大多数EMS研究忽略了燃料电池堆的内部变量，这增加了反应物不足或淹水的风险，最终降低了效率并缩短了使用寿命[18,22]。为了解决这一挑战，提出了多种状态观测器[14][15][16]，以从有限的测量数据中重建内部状态，并开发了多目标或预测性EMS来平衡燃油经济性和组件退化[23,24]。Cheng等人通过经验相关性将运行条件与退化率关联起来，并采用数据驱动的多目标优化来优化EMS[24]，表明明确考虑燃料电池健康状态可以提高动力总成的效率和耐久性。为了进一步提升控制性能，通常会加入额外信息。Zhang等人添加了热模型以保持电池和PEMFC的温度稳定性[25]，而Li等人利用环境和预览路线数据更合理地分配功率[26]。然而，当前的研究很少从燃料电池内部状态的角度进行优化，而这可以实现对堆内多相流动的精细调节，从而在通用运行条件下进一步提升车辆性能和寿命[8,22]。表1总结了关于燃料电池建模和EMS的代表性研究，突出了建模范围、内部状态和退化的考虑以及实时控制的适用性。因此，仍需要一个能够捕捉MEA内质量传输和电化学动力学的高效动态模型来支持EMS的开发。
在本研究中，我们构建了一个计算效率高的基于物理的伪一维PEMFC模型，并将其嵌入到车辆动力总成中，作为内部状态观测器，能够从有限的测量数据中准确重建关键的MEA变量。估计的内部状态被作为额外输入纳入到基于退化状态的能量管理策略中，形成一个统一的建模和控制框架，该框架明确利用了热电化学信息来进行监督性功率分配。该模型使用来自北京张家口燃料电池公交车的实际驾驶数据进行了校准和验证，证明了其在实际运行条件下的适用性。
本研究开发的架构如图1所示。规定的驾驶循环作为目标速度曲线提供。驾驶员模块模拟加速或制动动作，并向动力总成控制器输出相应的牵引力或再生制动功率需求。动力总成模型包括控制器、驱动电机、燃料电池堆（FCS）、锂离子电池组和单向升压DC/DC转换器。控制器接收总车辆功率请求。
燃料电池的输出电压是影响退化过程的关键因素之一，也直接影响效率，因此EMS必须采用电压钳位控制将其保持在指定范围内，并在效率与退化速率之间取得平衡。当前模型包含两种EMS：一种是基于固定电压钳位规则的实时车辆EMS（REMS），另一种是考虑内部状态的基于退化状态的EMS（DEMS）。REMS是根据实际车辆部署数据开发的。
本研究使用2022年在张家口收集的氢燃料电池混合动力公交车的实际驾驶数据作为校准和验证数据。该公交车累计运行时间为1317.6小时，我们从中提取了重复出现的驾驶段[30]。图5显示了这些典型驾驶段中锂离子电池的SOC（状态容量）轨迹和燃料电池的功率输出。数据A用于所有模型的校准。
本研究开发了一个跨尺度的耦合框架，整合了机械化的PEMFC堆模块、车辆动力总成动态模块和驾驶员行为模块。堆模型通过使用集总伪一维子模型明确解决了MEA的质量传输问题，平衡了计算效率和预测准确性，实现了实时应用。将这种人-车-堆模型与详细的退化模型相结合，生成了一种能够自适应更新控制参数的基于退化状态的EMS（DEMS）。
杨博阳（Boyang Yu）：撰写 – 审稿与编辑、初稿撰写、验证、项目管理、方法论研究、数据分析、数据整理。
贾新怡（Xinyi Jia）：软件开发、方法论研究。
韩天意（Tianyi Han）：验证、软件开发。
李建秋（Jianqiu Li）：撰写 – 审稿与编辑、监督、概念化。
徐良飞（Liangfei Xu）：撰写 – 审稿与编辑、监督、数据分析、数据整理。
方传（Chuan Fang）：资金获取、数据分析。
张龙海（Longhai Zhang）：软件开发。
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文的研究结果。
本项工作得到了北京Nova计划（Fangchuan-2022113）、国家自然科学基金（编号52372358）、清华大学智能绿色车辆与移动性国家重点实验室的独立研究项目（编号ZZ-GG-20250106）以及清华大学发起的碳中和与能源系统转型项目的支持。
