基于质子膜燃料电池和锂电池的混合联应急供电系统设计

我国幅员辽阔，各种自然灾害频发，在抢险救灾和突发事件处置中常用的应急供电设备汽油发电机比较笨重、噪音大且释放有害气体，锂电池、镍氢电池、铅酸电池等连续供电时间短且在应急场合无法提供充电恢复。本文提出一种利用PEM燃料电池、锂电池联供的应急供电系统，储氢容器更换时期间也可以保证连续供电，控制系统采用模糊算法，根据锂电池SOC、燃料电池最佳工作状态以及负载情况，进行能量动态分配与管理。研制了在应急场合使用的样机，该系统连续供电时间长（是目前常用设备的2～3倍），无噪音、零排放，可取得良好的效果，是抢险救灾应付突发事件的理想应急供电装备。

1 系统组成

燃料电池应急供电系统组成如图1所示。

系统由120 W质子膜燃料电池、燃料电池控制器、锂电池及管理系统、能量管单元组成。锂电池的指标为13.2 V/10 Ah，以保证燃料电池故障状态下或燃料耗尽更换不及情况下应急满功率支持1 h的战术要求。燃料电池电堆指标：功率为120 W，输出电压为15 V～28 V。燃料电池控制器主要完成对电堆温度、输入氢气和空气压力、流量、以及电堆异常情况进行控制和监测，并通过CAN总线将信息传输至系统控制器。系统控制器主要完成对负载大小、锂电池SOC以及燃料电池电堆工况实时检测并根据模糊算法动态进行能量管理，使应急供电系统个部件工作在最佳状态，以提高整机效率和关键部件使用寿命。

2 电路设计

2.1 充电与电池管理电路

锂电池充电电路如图2所示。直流电压经过隔离二极管D5加到MAX1873的15脚。Ql为充电驱动信号输出开关管。R4为充电电流检测电阻，用于检测输出电流的大小。R2为系统电流的检测电阻。R5、R6为输出充电电压调整电阻。

燃料电池输出的15 V～28 V电压经过隔离二极管D5和总电流检测电路，一路经过R2、DC/DC电路至输出端，另一路通过Q1、电感L1、D6和R4向锂电池充电。R4上的电压与充电电流成正比，经电压误差放大器放大，转换成直流分量输人微处理器，微处理器将从MAX1873的14脚输出反向控制电压，使Ql的导通电流减小。如果流经R4上的电流过小，由MAX1873的14脚输出控制电压使Ql的电流相应增加，则会使电池组有一个恒定的电流值。当电流很小且达到充电电流最小值或0时，MAX1873从14脚输出低电平的脉冲控制信号，关断BGl，停止对电池充电。当控制输入端为低电平时，BG2导通，充电控制脚6脚（ICHG/EN）为低电平，14脚输出低电平，BG1关断，停止充电，此时充电电流仅为1 μA，处于关闭状态（充电被禁止）。

2.2 直流变换与控制电路

DC/DC变换电路采用XL4012集成变换器，输入电压3.6 V~36 V，2 800 kHz的开关频率，输出电压可以从0.8 V~28 V可调，转换效率高达95%，最大输出电流12 A，外围电路简单。

应急供电系统需要检测的参数比较多：燃料电池的输出电压、输出电流；充电与BMS的充电电流、电池电压和电池SOC；输出端的输出电流、输出电压。因此需要扩展A/D接口，系统控制采用89S51CPU，A/D采用TLV2543芯片，该芯片有10路模拟电压输入，与单片机采用串行接口，占用口线资源较少，转换速度比较快，显示采用LCD1602液晶显示，不采用背光时液晶动态电流不大于5 mA，主要显示燃料电池工作状态，锂电池SOC及充放电情况，输出电压、输出电流信息，整机效率等供电信息。

3 模糊控制算法

让燃料电池处于最佳状态，同时让锂电池荷电状态在SOCmin以上。 以分配给燃料电池的功率份额为约束条件，调节锂电池的输出功率。对锂电池而言, 当蓄电池SOC最小极限值(SOCmin)小于或等于30%时，锂电池必须充电；当SOC在50%～70%时，视负载需求功率情况，可以充电也可以放电；当SOC大于90%时不充电。以负载功率Pg和锂电池荷电状态SOC为模糊控制的输入变量，以燃料电池分配输出功率Pfc和锂电池输出功率Pb为模糊控制器的输出变量。模糊输入变量Pg和SOC基本论域为[0，100] W和[30，90]%，将输入变量模糊化，模糊子集为{ZO（零）， PS（正小），PM（正中），PB(正大)}；模糊输出变量Pb的论域为[-100，110] kW，模糊子集也为{NB（负大），NM（负中），NS（负小），ZO（零），PS（正小），PM（正中），PB（正大）}，模糊输出变量Pfc的论域为[0，110] kW，模糊子集也为{ZO（零），PS（正小），PM（正中），PB（正大）}。

模糊控制器以负载功率Pg和锂电池的荷电状选择输入、输出模糊变量的隶属度函数为三角形如图3、图4、图5和图6所示。


模糊控制规则由一系列关系词连接而成， 最常用的关系词有if-then 、also、or 和and， 确定各输出量与输入
量的模糊控制规则， 模糊控制算法给出的控制量需进行去模糊化处理， 将其转换到控制对象所能接受的基本论域中， 去模糊化处理算法采用质心法。