燃料电池汽车双层优化与V2I协同控制研究

1. 项目背景与核心挑战

燃料电池混合动力汽车（FCHV）作为清洁能源交通的重要发展方向，其能源管理策略一直是学术界和工业界的研究热点。特别是在城市交通场景中，信号交叉口的频繁启停对车辆能耗影响显著。传统单层优化方法往往难以兼顾全局能源分配和实时驾驶策略的协调，这正是本研究的切入点。

我们团队在SCI一区期刊发表的这项研究，创新性地提出了双层凸优化框架。上层处理宏观能量管理，下层专注微观驾驶行为，通过V2I（车路协同）技术获取信号灯相位信息，实现全周期最优能耗控制。Matlab环境下构建的仿真平台验证了该算法可降低12.7%的氢耗量，同时保证与传统方法相当的通行效率。

2. 系统建模与问题分解

2.1 车辆动力学模型构建

采用准静态建模方法，将燃料电池系统效率特性表示为：

matlab复制eta_fc = @(P_fc) 0.68*(1 - exp(-0.02*P_fc)) + 0.32;  % 燃料电池效率曲线

动力电池SOC动态描述为：

matlab复制dSOC/dt = -I_batt / Q_max;  % Q_max为电池容量
I_batt = (P_batt / V_batt) * sign(P_batt);  % 考虑充放电方向

2.2 信号交叉口场景参数化

通过DSRC通信获取的信号灯时序信息，建立时间-距离坐标系：

matlab复制t_red = 30;  % 红灯时长(s)
t_green = 45; % 绿灯时长(s)
v_max = 15;  % 交叉口限速(m/s)

将车辆到达时间窗口离散化为N=50个决策点，形成优化问题的维度基础。

3. 双层优化算法设计

3.1 上层能量管理优化

构建凸优化问题：

matlab复制cvx_begin
    variables P_fc(N) P_batt(N)
    minimize( sum(alpha*P_fc.^2 + beta*abs(P_batt)) )
    subject to
        P_fc + P_batt >= P_demand;  % 功率平衡
        0 <= P_fc <= P_fc_max;      % 燃料电池功率约束
        -P_bat