JLG蓄电池电动汽车混合电池-超级电容器储能解决方案的建模与影响评估
来源：JLG电瓶 2026-03-26 09:58:51 点击：
本文提出了一种针对配备电池-超级电容混合储能系统的电动汽车（EV）的全面建模与控制框架。该方案包含对道路载荷、动力总成部件热电行为的详细表征，以及针对电机转速与转矩调节的先进控制策略，同时涵盖超级电容组与电池组的主动管理方案。基于PI结构并采用最大转矩电流比（MTPA）与弱磁技术的电机控制器，通过引入基于安全运行区（SOA）的约束条件来确保电池和超级电容在不同荷电状态（SoC）下的安全运行。此外，作为本文提出的主动混合拓扑结构性能核心的超级电容组功率控制，在两种经H∞调谐的控制策略下进行了测试验证。∞采用控制理论以确保鲁棒性和动态性能。模拟结果表明，在降低电池功率应力与提升再生制动效率方面，主动混合方案显著优于被动配置及基准案例（无混合方案）。值得注意的是，电池峰值放电功率最高可降低53.2%，功率循环频率与严重性也得到缓解。通过将充电需求转移至超级电容器，再生制动性能获得提升，但需权衡尺寸参数：较大容量的电池组虽能增强缓冲能力，却会增加车辆重量与能耗。这些发现凸显了主动控制式混合储能方案在提升电动汽车性能与耐久性方面的潜力。
交通运输是全球温室气体排放的主要来源之一（目前占欧洲总排放量的25%[1]），同时也是空气污染、噪声污染、水体污染、交通事故、交通拥堵及生物多样性丧失的成因，这些因素均对人类健康与福祉造成影响。
当前，道路运输电气化正通过发展纯电动与混合动力传动系统得以推进。混合动力系统将内燃机与电动机的推进方式相结合。对于纯电动汽车而言，关键挑战在于提高续航里程与电池寿命的同时，减小电池体积并降低整车成本。
缓解电池应力的一项策略——从而延长其自主运行时间与使用寿命——是将电池与超级电容器等其他储能技术进行混合配置。电池与超级电容器具有本质不同的特性，混合化设计可利用二者的互补性，从而形成强化的储能解决方案。电池具有高能量密度但功率密度较低，其使用寿命通常可达数万次循环。相比之下，超级电容器虽能提供高功率密度但能量密度有限，其使用寿命可达数十万次循环，因其工作原理并非基于电化学反应[2]。
关于电动汽车混合储能系统的文献研究主要集中在拓扑结构优化设计、理论建模与控制策略等方面[3]-[7]。在拓扑结构方面，电动汽车混合储能系统可分为被动式、半主动式与主动式三类[3][8][9]。被动式混合储能通过电池组与超级电容端子的直接并联实现，其优势在于成本较低。然而该方案要求超级电容与电池组必须具有相同的额定电压，这极大限制了系统设计的灵活性。此外，由于电压波动范围受限，不仅无法控制两储能元件间的功率分配，还会导致超级电容的能量容量无法得到充分利用。
在半主动与主动式方案中，超级电容组通过专用功率转换器集成至车辆动力总成，从而实现独立控制并最大化混合动力系统的潜在效益。
在主动控制策略中，核心思想是利用超级电容滤除牵引电机功率需求的高频分量（充分发挥其高斜率速率与循环能力），同时将低频分量分配给电池组，从而降低电池的循环应力并延长其使用寿命。这种功率分配策略可通过多种方式实现，由此催生了大量关于混合储能系统能量管理体系的文献。例如文献[10]采用鲁棒H-∞控制理论实现频域分离，∞控制器连接至公共直流母线的电压端，该母线将储能装置的DC-DC变换器与电机驱动单元的主逆变器相互连接。文献[11]采用了类似的方法。
作为滤波器的替代方案，可采用如文献[12]提出的基于小波变换的方法。该论文还提出在滤波功率需求后增加第二决策层级：首先利用神经网络监督驾驶模式，随后通过模糊逻辑区块确保超级电容电压始终维持在允许范围内。相比其他确定性控制方法，模糊逻辑的优势在于无需被控对象或系统的精确数学模型——例如在调节与之相连的DC-DC变换器的电流控制器时，无需知晓电池内阻[13][14]。但其存在计算成本较高的固有缺陷。事实上，计算成本也可能制约其他先进且高效的混合储能系统优化技术的实施，例如模型预测控制（MPC）方法[15][16][17]。文献[15][16]中应用MPC技术，通过最小化混合储能系统的能耗与老化程度来实现电动汽车的最优运行。为降低计算成本（同时优化所有控制要求），可采用分层预测控制策略实现MPC的分布式计算，如文献[18]所论证的方案。在该研究中，控制器的分层式实现允许采用非线性系统的多段线性模型，从而简化了系统实现过程，并有助于在线辨识系统组件的参数。文献报道的另一项先进技术是动态规划（Dynamic Programming, DP）[19][20]，该方法同样基于优化问题，旨在最小化电池电流水平（从而降低电池应力）及整体能量损耗。
采用H-∞、MPC和DP等先进控制技术的优势在于，能有效解决控制鲁棒性以及电池组与超级电容器组运行限制等问题。%%相比之下，当采用基于启发式规则的控制器时——如文献[8][21][22][23][24]所述——这些问题必须通过个案分析逐一解决。这些研究提出的高效启发式方法主要基于SoC状态、需求响应时间及车辆驱动单元的读档工况，在不同储能装置间分配净功率需求。%%启发式方法的主要优点在于其潜在的低计算成本实现优势。∞, MPC, and DP, for instance, is that control robustness and the operational limitations of the battery and supercapacitor packs can be effectively addressed. In contrast, when adopting controllers based on heuristic rules — as in [8], [21], [22], [23], [24]- these issues must be solved on a case-by-case basis. These works propose effective heuristics that, primarily based on the SoC, required time response, and loading conditions of the vehicle’s drive unit, allocate the net power demand among the different storage devices. The main benefit of heuristic approaches is their potentially low computational cost for implementation.
超级电容器在商用汽车中的应用仍存在局限。目前可见的实例包括[25]等研究，但超级电容器的运行与电池尚未实现完全协同，其主要功能仍局限于实现微混合动力电动汽车的再生制动。此外，基于上述文献综述，大多数已报道的<经验值>仍通过<模拟>或在实验室环境中验证。总体而言，量化该技术对车辆性能的影响仍存在困难。
本文旨在拓展前人研究成果——这些研究已证实混合储能系统是降低电池能量吞吐量与功率应力的有效解决方案（从而可能延长电池寿命），同时也能增强电动汽车的再生制动能力。基于前文所述的最新研究综述，且据作者所知，此前引用的文献均未专门探讨以下方面，故这些方面构成本文的主要贡献：
引言
当前，道路运输电气化正通过发展纯电动与混合动力传动系统得以推进。混合动力系统将内燃机与电动机的推进方式相结合。对于纯电动汽车而言，关键挑战在于提高续航里程与电池寿命的同时，减小电池体积并降低整车成本。
缓解电池应力的一项策略——从而延长其自主运行时间与使用寿命——是将电池与超级电容器等其他储能技术进行混合配置。电池与超级电容器具有本质不同的特性，混合化设计可利用二者的互补性，从而形成强化的储能解决方案。电池具有高能量密度但功率密度较低，其使用寿命通常可达数万次循环。相比之下，超级电容器虽能提供高功率密度但能量密度有限，其使用寿命可达数十万次循环，因其工作原理并非基于电化学反应[2]。
关于电动汽车混合储能系统的文献研究主要集中在拓扑结构优化设计、理论建模与控制策略等方面[3]-[7]。在拓扑结构方面，电动汽车混合储能系统可分为被动式、半主动式与主动式三类[3][8][9]。被动式混合储能通过电池组与超级电容端子的直接并联实现，其优势在于成本较低。然而该方案要求超级电容与电池组必须具有相同的额定电压，这极大限制了系统设计的灵活性。此外，由于电压波动范围受限，不仅无法控制两储能元件间的功率分配，还会导致超级电容的能量容量无法得到充分利用。
在半主动与主动式方案中，超级电容组通过专用功率转换器集成至车辆动力总成，从而实现独立控制并最大化混合动力系统的潜在效益。
在主动控制策略中，核心思想是利用超级电容滤除牵引电机功率需求的高频分量（充分发挥其高斜率速率与循环能力），同时将低频分量分配给电池组，从而降低电池的循环应力并延长其使用寿命。这种功率分配策略可通过多种方式实现，由此催生了大量关于混合储能系统能量管理体系的文献。例如文献[10]采用鲁棒H-∞控制理论实现频域分离，∞控制器连接至公共直流母线的电压端，该母线将储能装置的DC-DC变换器与电机驱动单元的主逆变器相互连接。文献[11]采用了类似的方法。
作为滤波器的替代方案，可采用如文献[12]提出的基于小波变换的方法。该论文还提出在滤波功率需求后增加第二决策层级：首先利用神经网络监督驾驶模式，随后通过模糊逻辑区块确保超级电容电压始终维持在允许范围内。相比其他确定性控制方法，模糊逻辑的优势在于无需被控对象或系统的精确数学模型——例如在调节与之相连的DC-DC变换器的电流控制器时，无需知晓电池内阻[13][14]。但其存在计算成本较高的固有缺陷。事实上，计算成本也可能制约其他先进且高效的混合储能系统优化技术的实施，例如模型预测控制（MPC）方法[15][16][17]。文献[15][16]中应用MPC技术，通过最小化混合储能系统的能耗与老化程度来实现电动汽车的最优运行。为降低计算成本（同时优化所有控制要求），可采用分层预测控制策略实现MPC的分布式计算，如文献[18]所论证的方案。在该研究中，控制器的分层式实现允许采用非线性系统的多段线性模型，从而简化了系统实现过程，并有助于在线辨识系统组件的参数。文献报道的另一项先进技术是动态规划（Dynamic Programming, DP）[19][20]，该方法同样基于优化问题，旨在最小化电池电流水平（从而降低电池应力）及整体能量损耗。
采用H-∞、MPC和DP等先进控制技术的优势在于，能有效解决控制鲁棒性以及电池组与超级电容器组运行限制等问题。%%相比之下，当采用基于启发式规则的控制器时——如文献[8][21][22][23][24]所述——这些问题必须通过个案分析逐一解决。这些研究提出的高效启发式方法主要基于SoC状态、需求响应时间及车辆驱动单元的读档工况，在不同储能装置间分配净功率需求。%%启发式方法的主要优点在于其潜在的低计算成本实现优势。∞, MPC, and DP, for instance, is that control robustness and the operational limitations of the battery and supercapacitor packs can be effectively addressed. In contrast, when adopting controllers based on heuristic rules — as in [8], [21], [22], [23], [24]- these issues must be solved on a case-by-case basis. These works propose effective heuristics that, primarily based on the SoC, required time response, and loading conditions of the vehicle’s drive unit, allocate the net power demand among the different storage devices. The main benefit of heuristic approaches is their potentially low computational cost for implementation.
超级电容器在商用汽车中的应用仍存在局限。目前可见的实例包括[25]等研究，但超级电容器的运行与电池尚未实现完全协同，其主要功能仍局限于实现微混合动力电动汽车的再生制动。此外，基于上述文献综述，大多数已报道的<经验值>仍通过<模拟>或在实验室环境中验证。总体而言，量化该技术对车辆性能的影响仍存在困难。
本文旨在拓展前人研究成果——这些研究已证实混合储能系统是降低电池能量吞吐量与功率应力的有效解决方案（从而可能延长电池寿命），同时也能增强电动汽车的再生制动能力。基于前文所述的最新研究综述，且据作者所知，此前引用的文献均未专门探讨以下方面，故这些方面构成本文的主要贡献：
- •
开发完整的电动汽车动力总成及其混合储能解决方案控制系统，包括：(i) 转速和转矩控制器——通过应用最大转矩电流比(MTPA)与弱磁控制策略——同时解决电机在低速与高速工况下的运行限制，并将超级电容器组和电池组的安全工作区(SOA)图表作为限制因素进行集成。(ii) 针对超级电容器组的两种控制策略比较：一种基于成熟的PI控制器，另一种基于反馈(IP)控制器，两者均采用H-∞方法进行调参∞控制理论以确保鲁棒性和动态性能，将这种储能装置视为本文提出的混合储能拓扑结构的基石。 - •
通过建立商用中型电动掀背车的完整且真实的模型，评估被动式和主动式混合电池-超级电容储能方案在缓解电池应力及车辆再生制动中的影响。该模型及相关控制方法具有以下可靠性特征：(i) 通过现场数据验证；(ii) 能准确表征驱动单元核心组件（包括电机、功率逆变器、DC-DC变换器以及电池组与超级电容组）的电气应力及动态控制回路；(iii) 可反映电池的热应力；(iv) 控制方法能确保储能设备在功率与能量限制范围内的安全运行。