本研究的通讯作者为西南交通大学电气工程学院的李奇教授，第一作者为陈维荣教授，合作作者包括燕雨。该项研究成果于2019年发表在该校的学报《Journal of Southwest Jiaotong University》（西南交通大学学报）第54卷第4期，论文标题为《基于状态机的燃料电池混合动力系统控制策略》（Control Strategy Based on State Machine for Fuel Cell Hybrid Power System）。
本研究属于新能源动力系统与轨道交通电气化学科交叉领域。随着城市交通拥堵问题日益严重，具有建设成本低、环保节能等优点的现代有轨电车得到快速发展。其中，采用储能供电方式的有轨电车因其绿色环保、无需架空接触网、对城市景观影响小而备受青睐。然而，传统的单一储能或动力系统在应对有轨电车复杂多变的运行工况（频繁启停、加减速）时，往往面临峰值功率不足、系统效率不高、能源经济性差以及可靠性有限等问题。为此，由燃料电池、超级电容和动力电池构成的混合动力系统成为解决方案，其核心挑战在于如何设计高效、可靠的能源管理策略（Energy Management Strategy, EMS），以实现多个能量源之间的功率合理分配与协同工作。此前的研究多集中于单一燃料电池或动力电池系统，或在系统效率与可靠性之间存在矛盾。鉴于此，本研究旨在针对一套由两套大功率氢燃料电池、两套超级电容和两套动力电池构成的、用于现代有轨电车的复杂混合动力系统，开发一种基于状态机（State Machine）的先进能量管理控制策略。该策略的核心目标是：1）满足有轨电车各种严苛运行工况下的动态功率需求；2）优化系统整体效率，降低运行氢耗；3）确保多套并联系统的均衡使用，提高硬件寿命；4）增强系统容错与故障处理能力，保障运营安全与可靠性。
本研究的工作流程系统而完整，主要包含以下几个步骤：
第一步，系统构型设计与状态机框架建立。 研究首先明确了研究对象——一辆2动1拖3模块编组的燃料电池混合动力有轨电车样车。该车的动力系统拓扑结构（如图1所示）是研究的基础，它包含两套质子交换膜燃料电池（PEMFC）、两套超级电容模组和两套钛酸锂动力电池模组，通过多台DC/DC变换器与750V直流母线连接，峰值功率可达近900kW。基于此硬件平台，研究提出了以状态机为核心的控制架构。状态机将有轨电车的连续运行过程离散化为四个明确的状态：牵引（Traction）、惰行（Coasting，即匀速或滑行）、制动（Braking）和故障（Fault）。状态之间的切换并非仅由驾驶员手柄档位信号决定，而是综合了档位信号和实时车速信号，形成了严谨的切换逻辑条件（文中定义了t0至t4共五个切换条件）。例如，从惰行进入牵引状态的条件包括手柄推到高位，或在特定档位下车速超过阈值。这种设计使状态判断更贴合实际物理过程，避免了误判。
第二步，分状态能量管理策略的详细设计与算法开发。 这是本研究的核心创新环节，针对每个运行状态，设计了定制化的功率分配算法。 1. 牵引状态（S1）策略：此状态下需求功率高且变化快。研究采用基于功率跟随（Power Tracking）的框架，并辅以PID控制平滑功率指令以保护硬件。放电优先级设定为：燃料电池 > 超级电容 > 动力电池。针对两套超级电容，本文提出了基于自适应放电系数的均压算法，这是该部分的亮点。该算法旨在解决两套超级电容因初始电压或负载差异导致的放电不均衡问题。算法根据两套超级电容的实时电压，动态计算各自的放电系数a和b（a+b=1）。计算公式（式4）的关键是引入了一个“均衡电压”Uo（式5），其值根据电压较低的一套电容的电压值以50V为梯度向上取整确定。电压较高者获得更大的放电系数，从而承担更多功率，促使两者电压趋向一致。对于动力电池，则根据其荷电状态（State of Charge, SOC），在SOC处于40%至90%区间时以最大功率的一半放电，否则不放电，以保护电池。 2. 惰行状态（S2）策略：此状态下需求功率低且稳定，是优化系统效率的关键工况。研究采用改进的最大效率点跟随（Maximum Efficiency Point Tracking, MEPT）算法。燃料电池系统在满足车上负载和给储能元件充电的需求下，优先工作在高效区间。算法的“改进”之处在于：仅当燃料电池效率低于50%时才激活MEPT算法，确保效率始终高于此阈值。效率的计算（式8）基于氢耗的实时测量（通过储氢罐压力、温度计算氢气质量），能够反映实际效率。同时，策略设置了“快速充电标志位”，若系统预判即将进入大功率需求工况，会指令超级电容以最大充电功率的0.8倍快速补电，提升系统响应预备能力。 3. 制动状态（S3）策略：此阶段牵引电机变为发电机，回馈制动能量。为防止母线电压过高冲击燃料电池，策略会关闭燃料电池的DC/DC变换器，使其与母线隔离。制动能量由超级电容和动力电池回收吸收。当制动档位较高时，两者均以最大充电功率工作，以迅速稳定母线电压。两套动力电池的充电功率采用均分方式。 4. 故障状态（S4）策略：为提高系统鲁棒性，策略将故障分为三个等级。一级故障仅报警；二级、三级故障则会隔离故障子系统（如断开对应DC/DC），并将整车转入惰行状态。若燃料电池故障，则禁用储能元件的充电功能，并依靠超级电容和动力电池作为主能量源，维持最低限度运行至安全位置。
第三步，策略验证与整车实验。 研究并非停留在仿真层面，而是在实际下线的有轨电车样车上进行了运行测试。测试包括两种典型工况：一是全牵引加速至高速后制动的极端工况（图6），用于验证策略在峰值功率下的动态响应和各能量源的协同；二是模拟站间运行的常规工况（图7，图8），包含加速、惰行、制动、停车等完整循环，用于验证策略在日常运行中的有效性和经济性。在实验中，通过车载数据采集系统记录了速度、各能量源（燃料电池、超级电容、动力电池）的电压、电流、功率等关键参数。
第四步，性能对比与数据分析。 这是评估策略优越性的关键环节。研究将提出的状态机控制策略与传统的功率跟随策略进行了对比实验。对比的指标主要有两个：一是氢耗量，在载重65吨、以最高50km/h持续运行的相同条件下，测量行驶相近距离（约19公里）所消耗的氢气质量；二是燃料电池电堆效率，通过积分计算燃料电池的输出总能量与所消耗氢气的总能量（基于低热值）之比得到。数据处理工作主要是对实验采集的时序数据（电压、电流、氢气压力等）进行积分和比值计算，以得到总能耗和平均效率。
本研究取得了明确且具有说服力的结果，这些结果逐步验证了所提策略的有效性和优越性。
在牵引状态的实测结果中，基于自适应放电系数的均压算法效果显著。图4展示了两套超级电容在加速过程中的电压曲线。初始阶段，由于DC/DC设定点差异，第一套电容先放电，产生了约15V的压差。应用该算法后，电压较高的第一套电容被分配了更多放电功率，电压较低的第二套电容放电较少，两者电压差在约7秒内缩小至小于1V，实现了快速均衡。图5显示了两套电容的放电功率曲线，虽然投入时间不同，但通过算法的动态调整，两者在整个加速过程中贡献的功率和能量实现了基本均分，有效避免了单套电容过度使用，达到了延长硬件寿命的设计目标。
在惰行状态，改进的MEPT算法成功提升了燃料电池的工作效率。通过与未采用此算法的基线情况对比，算法使得燃料电池在惰行状态下的平均运行效率提高了3.91%。这意味着在列车长时间匀速或滑行时，能够更经济地使用氢气，为整体节能奠定了基础。
最重要的是整体系统性能的对比结果。如表2所示，在近乎相同的行驶条件下，状态机控制策略的平均氢耗量为0.3589 kg/km，而传统的功率跟随策略为0.3708 kg/km，状态机策略节省了约3.2%的氢气消耗。效率计算结果表明，状态机策略下的燃料电池电堆整体效率达到61.89%，显著高于功率跟随策略的57.98%，效率绝对值提升了3.91个百分点（相对提升约6.74%）。这些数据强有力地证明，通过状态机的精细化管理，特别是惰行状态下的效率优化算法，能够将局部效率提升转化为可观的全局节能效益。
此外，整车实验结果表明（图6，图8），所提出的策略能够保证有轨电车正常的动力性能，0-30km/h和0-60km/h的加速能力均达到常规有轨电车标准，并且在模拟站间运行中，各能量源响应协调，超级电容有效承担了功率缓冲和制动能量回收的角色。
本研究得出结论：针对多套燃料电池、超级电容和动力电池构成的复杂混合动力有轨电车系统，所提出的基于状态机的能量管理策略是成功且高效的。它不仅满足了车辆动态运行的需求，更通过一系列创新算法实现了多重优化目标：自适应均压算法保障了并联储能单元的均衡使用与寿命；改进的最大效率点跟随算法显著提升了燃料电池在常用工况下的工作效率；故障分级处理机制增强了系统的可靠性与安全性。最终，该策略在实车应用中取得了比传统功率跟随策略更低的氢耗（节省3.2%）和更高的电堆效率（达到61.89%），综合性能突出。
本研究的价值体现在以下几个方面：在科学价值上，它将状态机这一经典控制理论工具创造性地应用于多源混合动力系统的实时能量管理，并提供了一套完整的、包含四个状态的分状态优化设计方法论，特别是自适应放电系数和条件触发式MEPT等具体算法，丰富了混合动力系统控制的理论体系。在应用价值上，该研究直接服务于工程实际，其策略已在真实有轨电车样车上得到验证，为燃料电池混合动力轨道交通车辆的能量管理系统开发提供了可直接参考或移植的技术方案，对推动新能源轨道交通装备的产业化、降低运营成本、提高可靠性具有重要意义。
本研究的亮点突出：第一，研究对象的特殊性：针对的是由两套大功率燃料电池、超级电容和动力电池构成的“六能量源”复杂系统，兼顾了高功率输出与高可靠性，具有鲜明的工程前沿特色。第二，方法的新颖性：提出了“基于自适应放电系数的均压算法”和“改进的最大效率点跟随算法”，前者巧妙利用电压反馈动态调整功率分配，后者通过设定效率阈值优化算法激活条件，二者均具有明确的创新点。第三，验证的完备性：研究超越了仿真，通过实车在不同工况下的运行测试，获得了真实可靠的数据，并将新策略与传统策略进行量化对比，结论扎实可信。第四，策略的系统性：构建了从状态划分、切换逻辑到各状态子策略的完整控制框架，并考虑了故障处理，形成了一个面向工程应用的闭环解决方案。
其他有价值的内容还包括论文对混合动力系统拓扑（图1）和状态机体系（图2）的清晰展示，以及对燃料电池效率、氢耗等关键参数计算方法的详细说明，这些都为相关领域的研究人员提供了有益的技术参考。