摘要：電動(dòng)汽車快充充電樁在高功率工作下功率器件容易超溫造成安全隱患，而現(xiàn)有的冷卻策略采用基于規(guī)則控制的強(qiáng)制風(fēng)冷方式，散熱風(fēng)扇轉(zhuǎn)速大且產(chǎn)生較大的環(huán)境噪聲。為了保護(hù)模塊核心器件的熱安全同時(shí)優(yōu)化冷卻調(diào)節(jié)策略，本文提出了一種基于數(shù)據(jù)驅(qū)動(dòng)模型預(yù)測(cè)控制的電動(dòng)汽車快充模塊優(yōu)化熱管理方法。該方法采用數(shù)據(jù)驅(qū)動(dòng)構(gòu)建基于長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM)的模塊溫度分布的預(yù)測(cè)模型，并結(jié)合模型預(yù)測(cè)控制(MPC)對(duì)風(fēng)扇轉(zhuǎn)速進(jìn)行調(diào)控，優(yōu)化快充模塊熱管理策略并降低風(fēng)扇噪聲。經(jīng)過實(shí)驗(yàn)測(cè)試，驗(yàn)證了該方法在保證各關(guān)鍵器件不超溫的同時(shí)，有效降低風(fēng)扇平均轉(zhuǎn)速1293r/min，降低平均噪聲4.99dB，保障了核心器件熱安全性以及散熱風(fēng)扇耐久性。

關(guān)鍵詞：模型預(yù)測(cè)控制；長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)；快充模塊；熱管理；風(fēng)扇降噪

引言

隨著電動(dòng)汽車的快速增長(zhǎng)和發(fā)展，充電樁的建設(shè)需求也越發(fā)顯著，相比于傳統(tǒng)的交流充電樁，直流充電樁具有充電功率大、充電速度快等特點(diǎn)，但容易導(dǎo)致工作時(shí)內(nèi)部功率器件升溫過快，威脅功率器件的熱安全。充電樁常用強(qiáng)制風(fēng)冷作為其主要散熱方式，現(xiàn)有的策略基于簡(jiǎn)單規(guī)則，較為粗獷，在高功率工作下散熱風(fēng)扇轉(zhuǎn)速過快，會(huì)增大風(fēng)扇噪聲并降低風(fēng)扇的使用壽命，由此限制了直流充電樁的發(fā)展和普及。為了進(jìn)一步提升充電模塊的運(yùn)轉(zhuǎn)安全性并降低風(fēng)扇噪聲，延長(zhǎng)其使用壽命，需要對(duì)直流快充模塊建立預(yù)測(cè)熱模型并優(yōu)化熱管理方法。

采用有限元方法能夠模擬產(chǎn)熱系統(tǒng)的耦合熱效應(yīng)以及溫度分布的細(xì)節(jié)，但較為耗時(shí)無(wú)法實(shí)時(shí)在線運(yùn)行，而建立熱模型的方法可以減少計(jì)算量并提供合理準(zhǔn)確的溫度預(yù)測(cè)。傳統(tǒng)的熱阻網(wǎng)絡(luò)模型基于傳熱學(xué)理論構(gòu)建，但復(fù)雜系統(tǒng)模型的建立以及參數(shù)的標(biāo)定較為困難，而采用數(shù)據(jù)驅(qū)動(dòng)的方法可以避免這些問題。Wallscheid等人采用長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)模型（LSTM）對(duì)電動(dòng)汽車永磁同步電機(jī)的定子軛部、齒部、繞組以及轉(zhuǎn)子永磁體進(jìn)行溫度預(yù)測(cè)，取得了較好的預(yù)測(cè)效果。

此外，現(xiàn)有基于規(guī)則控制的熱管理方法較為簡(jiǎn)單，未能充分利用熱模型有效信息，而模型預(yù)測(cè)控制（MPC）方法便于處理有約束的非線性優(yōu)化問題，受到廣泛的關(guān)注。Vazquez等人詳細(xì)地描述了MPC的工作原理，確定了MPC策略中三個(gè)重要的因素：預(yù)測(cè)模型、代價(jià)函數(shù)、優(yōu)化算法，總結(jié)了其最新的研究進(jìn)展以及不同解決方案。Mantovani等人采用MPC方法來(lái)解決購(gòu)物中心的熱能控制問題，旨在采用先進(jìn)的控制策略來(lái)減少建筑系統(tǒng)的電能和熱能。Amini等人提出了一種層次化MPC（H-MPC）方法，并研究了其在電動(dòng)汽車電池?zé)峁芾砗湍芰抗芾碇械膽?yīng)用。

本文提出一種基于數(shù)據(jù)驅(qū)動(dòng)模型預(yù)測(cè)控制的電動(dòng)汽車快充模塊優(yōu)化熱管理方法，通過電池模擬測(cè)試實(shí)驗(yàn)構(gòu)建數(shù)據(jù)集，基于數(shù)據(jù)驅(qū)動(dòng)的方法建立LSTM充電模塊溫度預(yù)測(cè)模型，采用基于LSTM預(yù)測(cè)模型的MPC控制策略，基于數(shù)據(jù)驅(qū)動(dòng)的預(yù)測(cè)模型能夠提升模型預(yù)測(cè)的精度和可靠性，結(jié)合MPC控制策略能夠?qū)︼L(fēng)扇轉(zhuǎn)速、功率器件溫度進(jìn)行有效優(yōu)化。實(shí)驗(yàn)結(jié)果表明，該方法能夠?qū)㈥P(guān)鍵器件的溫度控制在安全范圍內(nèi)，并降低風(fēng)扇平均轉(zhuǎn)速1293r/min，降低平均噪聲4.99dB，有效保障功率器件熱安全并延長(zhǎng)風(fēng)扇使用壽命。

1 基于LSTM的溫度預(yù)測(cè)模型

1.1 電池充電模擬實(shí)驗(yàn)及訓(xùn)練數(shù)據(jù)集建立

為了構(gòu)建基于LSTM的充電模塊溫度預(yù)測(cè)模型，需要通過充電模擬實(shí)驗(yàn)獲取足夠的訓(xùn)練數(shù)據(jù)。本文采用電池模擬器模擬電池負(fù)載進(jìn)行實(shí)驗(yàn)測(cè)試，控制模塊在不同的充電曲線工況下工作，采集模塊的溫度信號(hào)及電信號(hào)作為實(shí)驗(yàn)數(shù)據(jù)。實(shí)驗(yàn)測(cè)試對(duì)象選取一個(gè)最大功率30kW的充電模塊，其基本參數(shù)信息如表1所示。

表1 充電模塊基本參數(shù)信息

根據(jù)車用動(dòng)力電池充電主要方式，并參考公開的多種不同車型電池包充電工況，設(shè)計(jì)充電曲線工況。本文中的研究及控制目標(biāo)針對(duì)單一充電模塊，設(shè)計(jì)得到單體充電模塊的不同充電曲線，其中參考雪佛蘭Bolt和蔚來(lái)ES6工況得到的充電曲線如圖1所示。

圖1 雪佛蘭 Bolt工況和蔚來(lái)ES6工況的充電曲線

在不同充電曲線工況下進(jìn)行充電模擬實(shí)驗(yàn)，實(shí)驗(yàn)平臺(tái)如圖2所示，模塊采取強(qiáng)制風(fēng)冷散熱方式，在基于簡(jiǎn)單規(guī)則的控制方式下進(jìn)行多組充電測(cè)試實(shí)驗(yàn)，得到充分的測(cè)試數(shù)據(jù)，建立信息全面的數(shù)據(jù)集，為后續(xù)的LSTM神經(jīng)網(wǎng)絡(luò)搭建與訓(xùn)練提供數(shù)據(jù)支撐。

圖2 電池充電模擬測(cè)試及數(shù)據(jù)采集平臺(tái)

1.2 LSTM神經(jīng)網(wǎng)絡(luò)模型

LSTM模型在RNN模型的基礎(chǔ)上增加了輸入門限、輸出門限、遺忘門限三個(gè)邏輯控制單元，使得LSTM能夠真正有效地利用長(zhǎng)距離的時(shí)序信息，常被用于時(shí)序數(shù)據(jù)的預(yù)測(cè)。本文采用數(shù)據(jù)驅(qū)動(dòng)的方法，利用LSTM神經(jīng)網(wǎng)絡(luò)來(lái)構(gòu)建充電模塊溫度預(yù)測(cè)模型，通過當(dāng)前的數(shù)據(jù)信號(hào)預(yù)測(cè)未來(lái)一定時(shí)間后的核心器件溫度。

DCDC板在充電模塊工作中功率最大、發(fā)熱量最多，其中，整流管、MOS管、主變線圈以及主變磁芯對(duì)高溫敏感且升溫較快容易損壞，由此選取作為模型的輸出溫度，其對(duì)應(yīng)位置如圖3所示，最大許可溫度如表2所示。

圖3 LSTM溫度預(yù)測(cè)模型輸出溫度節(jié)點(diǎn)的對(duì)應(yīng)位置

表2 LSTM 溫度預(yù)測(cè)模型的輸出目標(biāo)及對(duì)應(yīng)的最大許可溫度

從模塊反饋的信號(hào)中選取關(guān)鍵信號(hào)與輸出溫度進(jìn)行互相關(guān)性分析，如圖4所示。

圖4 關(guān)鍵輸入信號(hào)與輸出溫度互相關(guān)性分析

考慮互相關(guān)性分析以及環(huán)境因素，選取交流輸入功率、變壓器溫度、二極管溫度、空氣流速、環(huán)境溫度作為輸入?yún)?shù)?；?/span>Tensorflow平臺(tái)的keras庫(kù)搭建LSTM神經(jīng)網(wǎng)絡(luò)，將輸入層與全連接層連接構(gòu)成LSTM基本網(wǎng)絡(luò)結(jié)構(gòu)，激活函數(shù)ReLU相比于Sigmoid和tanh能更加有效地進(jìn)行梯度下降以及反向傳播，利于上機(jī)DSP部署，并簡(jiǎn)化計(jì)算過程，所以本文LSTM神經(jīng)網(wǎng)絡(luò)使用ReLU作為激活函數(shù)，網(wǎng)絡(luò)超參數(shù)如表3所示。

表3  LSTM神經(jīng)網(wǎng)絡(luò)超參數(shù)

2 基于MPC的優(yōu)化熱管理方法

MPC方法的主要特點(diǎn)為預(yù)測(cè)模型、滾動(dòng)優(yōu)化、反饋校正[10]，本文中的MPC方法采用LSTM溫度預(yù)測(cè)模型作為預(yù)測(cè)模型，其在時(shí)間序列上的擬合和預(yù)測(cè)性能整體較優(yōu)，同時(shí)很好的改善了梯度消失和梯度爆炸的問題，對(duì)長(zhǎng)期的時(shí)間序列存在一定記憶能力。LSTM溫度預(yù)測(cè)模型基于數(shù)據(jù)驅(qū)動(dòng)的方法，通過測(cè)試數(shù)據(jù)集進(jìn)行數(shù)據(jù)訓(xùn)練，經(jīng)過不斷的訓(xùn)練提升預(yù)測(cè)模型的精度，根據(jù)輸入能夠有效地預(yù)測(cè)未來(lái)的輸出，具有普遍的適用性，將LSTM預(yù)測(cè)模型作為MPC的預(yù)測(cè)模型，有效地提升了傳統(tǒng)MPC預(yù)測(cè)的效率和精度。

基于LSTM的MPC方法流程圖如圖5所示，選取LSTM預(yù)測(cè)模型輸出溫度作為系統(tǒng)狀態(tài)量，選取充電模塊輸出溫度作為系統(tǒng)輸出量，系統(tǒng)控制量設(shè)定為散熱風(fēng)扇轉(zhuǎn)速。整體控制過程中，在移動(dòng)時(shí)間窗口的有限時(shí)域內(nèi)對(duì)風(fēng)扇轉(zhuǎn)速進(jìn)行滾動(dòng)時(shí)域控制，將設(shè)定的溫度上限參數(shù)以及預(yù)測(cè)模型的預(yù)測(cè)結(jié)果輸入到代價(jià)函數(shù)中進(jìn)行滾動(dòng)優(yōu)化，輸出最優(yōu)控制的風(fēng)扇轉(zhuǎn)速，采用該轉(zhuǎn)速對(duì)充電模塊進(jìn)行有效散熱調(diào)控。

圖5 模型預(yù)測(cè)控制流程圖

由于充電模塊產(chǎn)熱散熱過程具有非線性的特點(diǎn)并且存在約束條件，所以本文采用約束非線性有限狀態(tài)MPC方法，約束條件分為狀態(tài)量約束和控制量約束，如下所示：  

在移動(dòng)時(shí)間窗口的有限時(shí)域內(nèi)，代價(jià)函數(shù)進(jìn)行評(píng)估時(shí)，權(quán)衡關(guān)鍵節(jié)點(diǎn)溫度和風(fēng)扇噪聲帶來(lái)的影響，由此將這兩個(gè)控制目標(biāo)納入代價(jià)函數(shù)，實(shí)現(xiàn)多目標(biāo)的非線性控制，其表達(dá)式如下：

其中xi(t)為t時(shí)刻各個(gè)節(jié)點(diǎn)溫度狀態(tài)量，轉(zhuǎn)速u為控制量，xilim(t)為t時(shí)刻各個(gè)節(jié)點(diǎn)溫度上限，wxi為各個(gè)溫度節(jié)點(diǎn)的溫度權(quán)重系數(shù)，wu為轉(zhuǎn)速權(quán)重系數(shù)，n為輸出溫度節(jié)點(diǎn)數(shù)。

代價(jià)函數(shù)是用來(lái)衡量模型預(yù)測(cè)控制的性能指標(biāo)，代價(jià)函數(shù)越小，說(shuō)明MPC控制效果越好。第一個(gè)參數(shù)是用來(lái)對(duì)溫度的影響進(jìn)行評(píng)估，當(dāng)各個(gè)節(jié)點(diǎn)的溫度越接近溫度上限，第一個(gè)參數(shù)越大，表明控制效果越差；第二個(gè)參數(shù)是用來(lái)對(duì)轉(zhuǎn)速的影響進(jìn)行評(píng)估，轉(zhuǎn)速越接近轉(zhuǎn)速上限，第二個(gè)參數(shù)越大，表明控制效果越差。通過兩個(gè)參數(shù)對(duì)溫度和轉(zhuǎn)速進(jìn)行綜合評(píng)估，在保證溫度在安全范圍的同時(shí)，轉(zhuǎn)速盡可能低。

為了提升控制算法的執(zhí)行效率，采用有限狀態(tài)MPC，即在每一個(gè)有限時(shí)域內(nèi)將控制量在約束條件內(nèi)均勻劃分為不同的狀態(tài)，并對(duì)每個(gè)狀態(tài)計(jì)算一次代價(jià)函數(shù)，根據(jù)計(jì)算結(jié)果選取出最優(yōu)控制量。為進(jìn)一步提升轉(zhuǎn)速精度，在上一個(gè)控制量結(jié)果的附近范圍內(nèi)再均勻劃分狀態(tài)，進(jìn)行二次收斂計(jì)算，實(shí)現(xiàn)控制量平滑的同時(shí)，得到最優(yōu)的轉(zhuǎn)速控制結(jié)果。

3 實(shí)驗(yàn)及驗(yàn)證

首先進(jìn)行LSTM預(yù)測(cè)模型的訓(xùn)練及驗(yàn)證，通過內(nèi)置熱電偶測(cè)量模塊器件節(jié)點(diǎn)溫度，將電池充電模擬實(shí)驗(yàn)得到的數(shù)據(jù)集按照8:2的比例劃分為訓(xùn)練集和測(cè)試集，并留出一定數(shù)據(jù)作為驗(yàn)證集，經(jīng)過訓(xùn)練集和測(cè)試集的訓(xùn)練后，使用驗(yàn)證集對(duì)LSTM預(yù)測(cè)模型進(jìn)行驗(yàn)證，對(duì)4個(gè)目標(biāo)在未來(lái)一定時(shí)間后的預(yù)測(cè)溫度誤差如表4所示。

表4  LSTM溫度預(yù)測(cè)均方根誤差

考慮到功率器件熱安全，MPC控制策略溫度約束條件相比于最大許可溫度留出一定安全空間，其約束條件與控制參數(shù)如表5所示。

表5  MPC參數(shù)

充電模塊的控制芯片型號(hào)為STM32F745，工作頻率達(dá)216MHz，將所提出的MPC策略嵌入部署到該控制器中，并在雪佛蘭Bolt工況和蔚來(lái)ES6工況下進(jìn)行溫升測(cè)試，其工況基本信息如表6所示。

表6  雪佛蘭Bolt工況和蔚來(lái)ES6充電工況基本信息

將雪佛蘭Bolt與蔚來(lái)ES6充電工況在MPC方法下的調(diào)控結(jié)果與基于規(guī)則控制下的調(diào)控結(jié)果進(jìn)行對(duì)比，得到其風(fēng)扇轉(zhuǎn)速、風(fēng)扇噪聲以及關(guān)鍵溫度節(jié)點(diǎn)對(duì)比曲線，如圖6、7、8、9所示。

圖6 雪佛蘭Bolt工況風(fēng)扇轉(zhuǎn)速噪聲對(duì)比圖

圖7 雪佛蘭Bolt工況功率器件溫度對(duì)比圖

圖8 蔚來(lái)ES6工況風(fēng)扇轉(zhuǎn)速噪聲對(duì)比圖

圖9 蔚來(lái)ES6工況功率器件溫度對(duì)比圖

從對(duì)比圖中可以看出，基于LSTM溫度預(yù)測(cè)模型的MPC方法能夠控制四個(gè)關(guān)鍵溫度的在溫度上限以內(nèi)，保證了其熱安全性。同時(shí)相比于基于規(guī)則控制方式，兩個(gè)工況的降速降噪效果十分明顯，如表7所示。根據(jù)對(duì)未來(lái)溫度變化趨勢(shì)的預(yù)測(cè)能力，使用LSTM溫度預(yù)測(cè)模型的MPC能夠有效對(duì)充電模塊冷卻系統(tǒng)進(jìn)行調(diào)控，合理分配冷卻系統(tǒng)的使用，可以對(duì)充電模塊的溫升進(jìn)行科學(xué)可靠的管理和調(diào)控。

表7  雪佛蘭Bolt工況和蔚來(lái)ES6工況降噪效果

4 結(jié)語(yǔ)

針對(duì)直流快充模塊高功率工作過程中的熱安全隱患，本文提出了一種基于數(shù)據(jù)驅(qū)動(dòng)模型預(yù)測(cè)控制的電動(dòng)汽車快充模塊優(yōu)化熱管理方法。采用LSTM神經(jīng)網(wǎng)絡(luò)構(gòu)建預(yù)測(cè)模型，對(duì)未來(lái)溫度預(yù)測(cè)平均誤差為1.96℃，具有較高的精度，由于充電模塊產(chǎn)熱散熱模型是非線性系統(tǒng)，數(shù)據(jù)驅(qū)動(dòng)的方法避免了復(fù)雜系統(tǒng)的模型建立和參數(shù)標(biāo)定問題，具有廣泛的適應(yīng)性。同時(shí)結(jié)合風(fēng)冷的非線性散熱特性，設(shè)計(jì)非線性MPC控制策略，采用滾動(dòng)時(shí)域優(yōu)化的方法對(duì)冷卻策略進(jìn)行有效調(diào)控。經(jīng)過實(shí)驗(yàn)測(cè)試，驗(yàn)證了該方法能有效控制關(guān)鍵器件不超溫，并在雪佛蘭Bolt充電工況下，有效降低風(fēng)扇平均轉(zhuǎn)速1293r/min，降低平均噪聲4.99dB；在蔚來(lái)ES6充電工況下，有效降低風(fēng)扇平均轉(zhuǎn)速629r/min，降低平均噪聲1.57dB，實(shí)現(xiàn)溫度管控的同時(shí)合理調(diào)配冷卻系統(tǒng)性能。所提出的方法，保障了快充模塊內(nèi)部核心器件的熱安全性，同時(shí)減少了風(fēng)扇的噪音，延長(zhǎng)了其使用壽命。

作者：李靖璇，魯巖松，朱翀，盧徐，張希

作者單位：上海交通大學(xué)機(jī)械與動(dòng)力工程學(xué)院