0 引　言

在全球范围内，能源短缺与环境污染问题日渐凸显，推动各行业探索绿色节能路径。作为国际贸易的支柱产业，航运业具有高能耗、高排放的特点，面临日益严峻的环保压力。国际海事组织（IMO）不断收紧排放法规，使得传统船舶推进系统难以满足要求，混合动力船舶因此成为重要技术方向。

混合动力船舶通过集成多种能源形式^[1]，如传统的燃油动力与电能、太阳能等可再生能源，不仅能够减少燃料消耗，还通过优化能源管理提高整体运行效率。该技术被视为航运业可持续发展的关键路径，但其复杂的系统架构带来能源配置、储能设计和能量管理等技术挑战。如何实现多种能源的高效协同成为决定系统性能的核心问题。其中，能量管理策略是决定混合动力船舶整体性能的核心要素之一。传统的能量管理策略^[2]在船舶负载功率频繁波动时表现不佳，系统效率下降导致燃料消耗增加、排放升高及噪声污染加剧，影响船舶经济性和环保性能。因此，亟需更智能高效的能量管理方法，以优化混合动力系统在复杂工况下的表现。

为解决这些问题，本文提出一种基于频率控制与等效消耗最小（Equivalent Consumption Minimization Strategy，ECMS）相结合的能量管理策略。该策略通过对船舶负载功率波动进行频率解耦，识别并分配不同频段下的能量需求，从而有效降低系统的燃料消耗，改善其整体效率。同时，基于频率-ECMS策略旨在延长储能系统的使用寿命，减少系统中高频功率波动对电池等储能装置的损耗。本文通过仿真验证了能量管理策略在典型航行条件下的有效性，评估了其对提升混合动力船舶性能的潜力。研究成果为混合动力船舶设计优化提供了理论依据，并助力航运业绿色可持续发展。

1 燃料电池混合动力船舶 1.1 目标船舶

本文以全球首艘氢燃料电池游船Alsterwasser为研究对象，该船为欧盟“Zemships”项目成果^[3]。其核心动力采用峰值功率80 kW的质子交换膜燃料电池（PEMFC），经DC/DC转换器接入直流母线。船上还配备360 Ah铅酸蓄电池，共同为100 kW电机供电。燃料电池由12个氢气罐供能，总储氢量50 kg，可支持船舶持续运行2～3天，且加氢仅需约12 min^[4]，其他参数见文献[5]。

Alsterwasser在德国汉堡水域航行，其典型推进负载已见于文献[4,5]。功率需求包括推进与辅助功率，航行工况分为巡航、靠港、靠岸和离岸4种。实测显示：巡航阶段（约90 s）功率稳定于42.6 kW；靠港阶段（45 s）功率在0～110 kW剧烈波动；靠岸阶段（25 s）无功率需求；离岸阶段（35 s）功率迅速升至峰值后趋稳，全程约350 s。

1.2 船舶复合储能设计以及拓扑结构选型与优化

Alsterwasser游船的混合动力系统由质子交换膜燃料电池与铅酸蓄电池组成，存在2个问题：一是燃料电池响应迟缓，难以应对船舶功率的剧烈波动；二是铅酸电池能量密度低、重量大、成本高且寿命短。为此，本文借鉴文献[6]，将铅酸电池替换为锂电池与超级电容组成的复合储能系统。超级电容具备高功率密度与快速放电能力，可吸收高频功率波动；锂电池则兼具较高能量密度和循环寿命。实践表明，该混合储能系统在成本、效率和耐久性方面更具优势。图1展示了燃料电池–锂电池–超级电容混合动力系统的拓扑结构，其中燃料电池提供平均功率，锂电池与超级电容协同平衡负载，显著提升系统动态响应性能。

2 混合动力系统建模 2.1 燃料电池模型

聚合物电解质膜燃料电池（PEMFC）是一种高效的电化学装置，核心组件包括质子交换膜、催化层、气体扩散层和双极板^[7]。其工作过程为：氢气经阳极流道进入扩散层，到达催化层后分解为质子（H+）和电子（e−）。质子通过交换膜迁移至阴极，电子则经外电路形成电流；同时，氧气在阴极催化层与质子和电子反应生成水。

在本文中，燃料电池堆被假设为具有恒定内阻的受控电压源，输出电压基于能斯特电压，受到电化学极化、欧姆极化和浓差极化的压降影响，图2为燃料电池等效电路数学模型。

燃料电池电压输出计算如下：

$ V_{{\mathrm{FC}}} = E_{{\mathrm{OC}}} - (V_{{\mathrm{ohm}}} + V_{{\mathrm{act}}} + V_{{\mathrm{con}}})。$

(1)

式中：V_FC为燃料电池输出电压；E_OC为开路电压；V_con、V_act、V_ohm分别为欧姆电压损失、激活电压损失和浓度电压损失。能斯特电压受到燃料电池堆的温度、氢气分压、氧气分压和电流密度的影响。开路电压计算式为：

$ E_{{\mathrm{OC}}} = K_{\mathrm{C}} E_n ，$

(2)

$ E_n = 1.229 + (T - 298)\frac{-44.43}{2F} + \frac{RT}{2F}\ln\left(p_{{\mathrm{H}}_2} p_{{\mathrm{O}}_2}^{1/2}\right)。$

(3)

式中：K_C为电压常数，由内部的塔菲尔斜率决定。E_n为能斯特电压。T为工作温度；F为法拉第常数（96485 C/mol）；R为气体常数（8.3145 J/mol·K）；$ p_{\mathrm{H}_2} $为氢气分压；$ p_{\mathrm{O}_2} $为氧气分压。气体分压方法计算式为：

$ U_{f_{{\mathrm{H}}_2}} = \frac{60\;000RTNi_{fc}}{2FP_{{\rm{fuel}}}V_{lpmf}x{\text{%}}}，$

(4)

$ U_{f_{{\mathrm{O}}_2}} = \frac{60\;000RTNi_{fc}}{4FP_{{\rm{air}}}V_{lpma}y{\text{%}}}。$

(5)

式中：V_lpmf和V_lpma为氢气和空气的体积流速，L/min。

利用文献[5]中的实际电堆模型参数和实验结果，在Matlab/Simulink中建立PEMFC电堆模型并进行验证，验证结果见文献[8]。

2.2 锂电池模型

如图3所示，根据数学模型建立锂电池串联电阻的可控电压源等效电路，并采用Simulink建模仿真的方法对锂电池输出特性进行研究。电压源分为充电和放电2种状态。文献[9]提出的放电模型可准确表示电流变化时的电压动态。

$ V_{\Delta x t}=E_{{\rm{bat}}}-R_{{\rm{bat}}} i_{{\rm{bat}}}。$

(6)

式中：E_bat为空载电压；i_bat为电池电流；R_bat为电池内阻。假设内阻为常数。在不考虑温度影响时，由电池电流、荷电状态和电池滞后现象决定的电池开路电压有放电和充电2种模式^[10]。放电模式下（i*>0）的电池电压值为^[11]：

$ \begin{split} & E_{\mathrm{bat}}=E_0-K\frac{Q}{Q-\displaystyle\int_{ }^{ }i_{\mathrm{bat}}\mathrm{d}t}\cdot\int_{ }^{ }i_{\mathrm{bat}}\mathrm{d}t-KQ- \\ &\qquad\frac{Q}{Q-\displaystyle\int_{ }^{ }i_{\mathrm{bat}}\mathrm{d}t}\cdot i_{\mathrm{bat}}+A\exp\left(-B\cdot\int_{ }^{ }i_{\mathrm{bat}}\mathrm{d}t\right)。\end{split} $

(7)

式中：E₀为恒定电压；K为极化常数；$ i_{\mathrm{bat}}^{*} $为电池实际电流，电池放电时是正值，充电时为负值；Q为电池容量；$ \int i_{{\rm{bat}}} {\rm{d}}t$为实际容量；A为指数电压，B为指数容量倒数。

充电模型考虑了充电特性的结束，因为当电池充满电时，电压会迅速增加。这种现象大约会改变10%的电池容量。在这种情况下，等式可重写如下：

$ \begin{split} & E_{\mathrm{bat}}=E_0-K\frac{Q}{Q-\displaystyle\int_{ }^{ }i_{\mathrm{bat}}\mathrm{d}t}\cdot\int_{ }^{ }i_{\mathrm{bat}}\mathrm{d}t-KQ- \\ &\qquad\frac{Q}{\displaystyle\int_{ }^{ }i_{\mathrm{bat}}\mathrm{d}t-0.1Q}\cdot i_{\mathrm{bat}}^*+A\exp\left(-B\cdot\int_{ }^{ }i_{\mathrm{bat}}\mathrm{d}t\right)。\end{split} $

(8)

电池荷电状态SOC表示为：

$ Q(t)=Q(0)-\int_0^{t} i\mathrm{_{bat}\mathrm{d}}t。$

(9)

式中：Q(0)为初始SOC；Q(t)为t时刻电池SOC。

基于Matlab/Simulink环境建立锂电池系统的充放电模型如图4所示^[12]。该锂电池模型在船舶能量管理领域的研究被广泛应用，其有效性已在前期实证研究得到验证^[8]。

2.3 超级电容模型

超级电容器是一种基于静电储能原理的器件，由导体极板和介电质组成，具备高容量密度、大电流特性及快速充放电能力。该模型在船舶能量管理领域应用广泛，其可靠性已获多项研究证实^[13]。

超级电容通常可用电阻-电容等效电路表示^[14]，其中电容表征储能能力，电阻反映能量损耗特性，具体结构及等效模型如图5所示。

其关键参数包括额定容量、等效串联电阻、工作电压及功率等。充放电过程及电压关系^[15]可表示为：

$ \begin{split}V_{SC} =& \frac{N_s Q_T d}{N_p N_e \varepsilon \varepsilon_0 A_i} + \frac{2 N_e N_s R T}{F} \sinh^{-1}\\& \left(\frac{Q_T}{N_p N_e^2 A_i \sqrt{8 R T \varepsilon \varepsilon_0 c}}\right) - R_{{\mathrm{SC}}} \cdot i_{{\mathrm{SC}}}。\end{split}$

(10)

式中：V_SC为超级电容电压；i_SC为超级电容电流；N_s为超级电容串联的个数；N_p为超级电容组并联的分支数；N_e为电极层数；R为理想气体常数；T为工作温度；F为法拉第常数；d为分子半径；A_i为电解质和电极之间的边界区域；ε、ε₀、c分别为材料的介电常数、自由空间的介电常数和摩尔浓度；Q_T为电荷量。计算如下：

$ Q_{T}=\int i_{{\mathrm{sc}}} {\mathrm{d}} t。$

(11)

当主要关注宏观充放电特性时，即可视作工程常用的RC等效电路，如图5所示，此时电容电压呈现经典的指数响应特性。

使用Maxwell BMOD0130P056B03超级电容的相关参数^[16]，在Matlab-Simulink中建立一个130 F额定电容和56 V额定电压的超级电容模型，如图6所示。

基于Matlab/Simulink平台构建的仿真模型，可准确量化评估不同能量管理策略下系统的能量变化。

3 ECMS能量管理策略 3.1 ECMS原理

ECMS将锂电池的电能消耗等效为燃料消耗，建立燃料等效模型，并通过函数优化实现能量管理。其核心目标为最小化混合动力系统的燃料消耗，以此作为评估能耗与经济性的基准。本文系统包含电能与氢能2种能量形式，由于电池电能来源于燃料电池，因此可将氢气消耗量作为评估储能功率参数的依据^[17]。ECMS的工作原理^[18]如图7所示。

系统的总瞬时氢耗C由燃料电池的瞬时氢耗C_FC、以及电池和电容对应的等效瞬时氢耗共同构成。在混合发电系统中，储能单元（包括电池和超级电容）的等效氢耗分别记为C_bat和C_SC，两者之和即为储能的整体瞬时氢耗。

$ C = C_{{\mathrm{FC}}} + C_{{\rm{bat}}} + C_{{\mathrm{SC}}} 。$

(12)

式中：燃料电池的氢气消耗量与燃料电池的功率以及燃料电池的氢气使用量有关，可视为关于燃料电池输出功率的一次函数或二次函数，根据实验数据，燃料电池耗氢量C_FC可表示为：

$ \left\{\begin{aligned} &C_{{\mathrm{FC}}} =a P_{{\mathrm{FC}}} + b, P_{{\mathrm{FC}}} \gt P_{{\mathrm{FC}}_0}，\\ &C_{{\mathrm{FC}}} =a P_{{\mathrm{FC}}}^2 + b P_{{\mathrm{FC}}} + c, P_{{\mathrm{FC}}} \lt P_{{\mathrm{FC}}_0}。\end{aligned}\right. $

(13)

式中：P_FC为燃料电池在单向DC/DC变换器侧的输出功率；a、b、c为拟合系数；$P_{{\mathrm{FC}}_0} $为氢耗速率变化的临界点。

如图8(a)所示，当P_FC＜$P_{{\mathrm{FC}}_0} $时，C_FC与P_FC呈非线性关系；当P_FC＞$P_{{\mathrm{FC}}_0} $时，C_FC与P_FC呈线性关系，如图8(b)所示。对于讨论中的混合动力系统，$P_{{\mathrm{FC}}_0} $约为8 kW。由此可以计算燃料电池转换器侧的功率与等效氢之间的关系，并计算出拟合函数的系数。可得a = 0.3651，b = 0.06742。

3.2 基于ECMS的能量管理策略分析

采用Matlab-Simulink对船舶在不同电池初始状态下的典型工况进行仿真评估，并测试其在 ECMS下的电源功率输出情况^[19]。

3.2.1 电池低SOC状态

为便于分析，设电池SOC为30%。此时电量较低，系统初始启动阶段燃料电池（FC）响应较慢，超级电容（SC）在0 s时迅速承担负载功率，如图9(a)所示。进入巡航阶段后，燃料电池以54 kW稳定运行，部分功率驱动负载，余功率为锂电池充电，使SOC逐步恢复，期间 SC 输出功率降至0 kW，锂电池充电功率维持在约10 kW，如图9(b)和图9(c)所示。

在90～170 s的时间段内，船舶负载功率发生剧烈波动，导致燃料电池的输出功率随之波动，最大功率接近其极限发电功率80 kW，最小功率则接近25 kW，呈现出反复振荡的特征。在此期间，锂电池反复在充电和放电状态之间切换，超级电容的工作状态与锂电池类似。负载功率的剧烈波动引发了电池充放电功率的显著变化，放电最大功率最高可达50 kW，电池的SOC在此期间从36.18%下降至32.56%，接近电池的最低限制，如图9(a)所示。同时，超级电容在负载功率波动期间的功率输出也与锂电池类似，峰值功率接近45 kW。在低SOC模式下，燃料电池系统的平均效率为57.4%。

3.2.2 电池高SOC状态

在高SOC（90%）运行模式下，系统呈现出更优的能量分配特性。燃料电池稳定运行于42.6 kW的最佳功率点，锂电池持续输出20 kW基础功率，超级电容提供26 kW动态功率支持，如图10(a)所示。虽然负载波动^[20]仍会引发燃料电池功率波动，但相较于低SOC状态，其波动幅度显著降低，这得益于锂电池对负载的有效分担。

在整个巡航过程中，锂电池的放电作用相对较小，放电功率仅为10 kW。超级电容则主要在功率峰值期间为船舶提供额外的负荷支持。在高SOC模式下，燃料电池系统的平均效率达到63.2%，明显高于低SOC模式下的效率。电池的SOC从初始的90%逐渐下降到78.53%，如图10(b)所示。

4 基于频率-ECMS的能量管理策略

根据ECMS对船舶电源功率输出的分析^[21]，在进出港等负载剧烈波动工况下，燃料电池功率变化显著，而超级电容调节有限，易导致锂电池过充或过放，影响寿命与系统安全。因此，近岸复杂工况下的能量管理系统（EMS）应优先保障电源安全，抑制功率波动冲击。

为兼顾安全与经济性，本文提出基于频率-ECMS策略。该方法通过负载功率的频域解耦，将不同频段功率分配至相应电源，分别响应高、低频需求，并优化燃料使用。该策略能有效平抑功率波动、降低氢耗、提升燃料经济性，实现多能源高效协同与系统安全稳定运行。

4.1 频率解耦基本原理

基于频率控制的能量管理策略通过对负载需求进行频域解耦，实现功率分配优化。借鉴风电与光伏系统的应用经验^{[22 - 23]}，该方法针对船舶推进负载的随机剧烈波动，将不同频段的功率需求合理分配至相应储能单元，以提升系统功率输出的稳定性。

其原理是利用傅里叶变换将时域信号转化为频域信号，并将其分解为独立的频率分量，从而可针对不同频率的功率需求分别控制，实现功率解耦与精细化能量管理^[9]。

具体来说，在功率分解过程中，将原始功率需求P_LOAD信号分解为近似功率信号x₀和详细功率信号x₁、x₂、x₃。详细的功率信号代表高频部分，这此高频功率需求主要由超级电容承担，其计算方法为：

$ P_{\text {detail} }=x_{1}+x_{2}+x_{3}。$

(14)

而近似功率信号代表低频部分，通常由PEMFC和电池共同承担，其计算方法为：

$ P_{ {\rm{app}}}=x_{0}。$

(15)

因此，超级电容的参考功率可表示为：

$ P_{ {{\rm{ref\_SC}} }}=P_{\text{ditail }}。$

(16)

在本文的能量管理策略中，取燃料电池和锂电池分别承担60%和40%的低频功率，即：

$ P_{{\rm{ref\_fc}}} = 0.6 P_{{\rm{app}}} ，$

(17)

$ P_{{\rm{ref\_bat}} }=0.4 P_{{\rm{app}}}。$

(18)

在船舶电力系统中，发电侧功率较为稳定，而负载功率波动明显。基于频率的控制策略为多能源系统的功率稳定提供了有效途径^[24]。通过带宽分割技术，可将负载功率分解为高、中、低频3个部分，分别分配给超级电容、燃料电池和锂电池，以生成参考功率信号并动态调节各电源输出。

在功率频率测量中，高频噪声会影响信号精度与系统稳定性。低通滤波器（LPF）可有效抑制高频干扰，提升信号质量。其关键参数−截止频率决定了信号通过范围：低于该值的频率得以保留，高于该值的则被衰减。本文采用基于一阶低通滤波器原理改进的算法，其传递函数为：

$ L(s)=\frac{1}{\tau_{H F} s+1} 。$

(19)

$ \tau $_HF滤波时间常数是决定电池与超级电容并联系统性能的关键参数，其取值取决于电池内阻、超级电容内阻及电容值。$ \tau $_HF 值越大，对功率波动的抑制效果越明显。该时间常数的设置直接影响超级电容的容量配置，若频率分配不当，超级电容将仅承担较小的功率波动。为确保动力系统在剧烈功率波动下平稳运行，须在并联等效电路中设定合适的$ \tau $_HF值。然而，若滤波时间常数过长，会导致超级电容长期工作于低功率区间，从而降低系统整体能量效率。因此，在确定HF值时，需综合权衡功率平抑效果、设备成本及系统能效等多方面因素。

低通滤波方法的主要目标是选择一个时间常数来确定储能分配的功率。调整滤波时间常数$ \tau $_HF将储能功率分离（见图11）。进而确定超级电容的功率P_SC，并将差值结果转化，得到电池组的功率P_bat，其中s为拉普拉斯算子。

4.2 基于频率-ECMS的能量管理策略构建

基于频率-ECMS的能量管理策略通过带宽分割技术将船舶总的功率需求按频率划分为低频、中频和高频部分。高频部分由动态响应性能较强的超级电容承担；中频部分则由锂电池负责，利用其较好的能量存储与释放特性；低频部分则由动态响应相对较慢的燃料电池承担^[25]。与此同时，ECMS用于最小化系统的氢气消耗，从而优化整个系统的能量管理。

基于频率-ECMS的能量管理框架如图12所示。该策略首先对船舶总负载需求功率 P_LOAD进行频率分解，得到燃料电池、锂电池和超级电容的参考输出功率P_{ref_fc}、P_{ref_bat}和P_{ref_SC}。由于燃料电池与锂电池的功率输出对系统氢气消耗具有关键影响，ECMS 算法进一步以船舶总需求功率P_LOAD、燃料电池和锂电池DC/DC变换器的输出功率作为输入，通过优化计算，输出对应的优化功率指令P_{E_bat}、P_{E_fc}和P_{E_SC}。

在该架构中，频率控制作为主算法生成各能源的初始参考功率；ECMS 则基于此进行功率分配优化，以进一步降低系统总能耗。其输出表征对燃料电池与超级电容参考功率的调节量。最终，结合频率控制给出的锂电池与超级电容参考功率，以及ECMS优化所得的功率调节量，综合确定各动力源的实际输出功率。

$ P_{{\rm{fc}}}=P_{{\rm{ref\_fc}}}-P_{{\rm{E\_fc}}}，$

(20)

$ P_{{\rm{bat}}}=P_{ {{\rm{ref\_bat}} }}-P_{{\rm{E\_bat}}}，$

(21)

$ P_{{\rm{SC}}}=P_{{{\rm{ref\_SC}} }}-P_{{\rm{E\_ SC}}}。$

(22)

4.3 仿真结果和对比分析

本文使用Matlab/Simulink对混合动力系统进行仿真，并测试所开发的频率-ECMS能量管理策略。该混合动力系统^[26]由燃料电池模块、复合储能系统、能量管理模块和负载模块4个部分组成。针对3种不同初始SOC的电池状态，并与上节分析的ECMS进行对比，以评估基于频率控制下的ECMS在维持电源动态特性和减少燃料消耗等方面的性能。

4.3.1 功率需求分析

电源功率需求分析有助于优化容量分配，提升系统可靠性与运行效率。图13为不同SOC（30%、60%、90%）下的功率分布模拟结果^[27]。当SOC为30%时，基于频率-ECMS较传统ECMS具备更快的负载响应能力：在0 s时，锂电池迅速参与负载支撑，助力燃料电池平稳启动并进入高效区间，巡航阶段功率稳定约53 kW，充电功率约12 kW。

在低电量模式下（90～170 s负载波动阶段），超级电容承担高频功率，减轻锂电池中高功率负荷，使燃料电池与锂电池输出更平稳，功率分配更合理，削峰填谷效果显著。当SOC为90%时（图13(b)），锂电池主要承担放电任务，为燃料电池预留调节空间。相比传统ECMS，基于频率控制的策略可显著降低燃料电池功率波动：低功率阶段超级电容输出提升约140%，高功率峰值阶段提升约170%，实现更平稳的多电源协同输出^[28]。

4.3.2 系统功率波动性能分析

电源功率波动不仅影响系统安全，还会加速电源老化，因此是评估电源性能的重要指标^[29]。本研究通过统计船舶航行周期内功率差值的区间分布，分析不同SOC下的功率波动情况，如图14所示。

在30% SOC下，基于频率-ECMS使燃料电池功率波动主要集中于[−500，500] W/s，整体范围缩小至[−1000，1000] W/s，相比传统ECMS降低约28.69%。锂电池波动集中于[−1000，1500] W/s，明显小于传统策略的[−2500，2000] W/s。

在60%和90% SOC下，该策略同样显著改善功率平稳性，燃料电池波动幅度分别降低32.15%和35.63%，锂电池降低28.52%和32.81%。

结果表明，基于频率-ECMS能有效缓解燃料电池动态冲击与锂电池循环负担，并通过超级电容分担高频功率需求，即使在更宽功率范围内仍能保持系统稳定高效运行。

4.3.3 系统能源消耗分析

为评估节能效果，本文对系统等效氢耗进行分析。系统氢耗主要来自3个部分：燃料电池的氢气消耗、锂离子电池的等效氢耗以及超级电容的等效氢耗。超级电容具备高功率密度和低能量密度，仅在负载剧烈波动时辅助稳定功率，因而对氢耗影响较小。由图15(a)可知，在90% SOC模式下，采用ECMS策略时，系统单周期总氢耗为300.16 g。因处于低电量模式，燃料电池还需为锂电池充电，导致氢耗额外增加17.80 g。

相比于ECMS策略，基于频率-ECMS策略在燃料电池的氢气消耗方面表现更加节能。具体来说，在低SOC模式下，基于频率-ECMS燃料电池消耗氢气为264.44 g，锂电池的等效氢为23.29 g，系统整体系统的氢气消耗为284.94 g，相比于ECMS的300.16 g，节省了9.2%的氢气。同样的，在中SOC和高SOC模式下，基于频率-ECMS系统总氢耗分别节省了9.3%和8.5%。

5 结　语

本文构建了船舶燃料电池混合动力系统的能量管理模型，并提出了一种基于频率分解与等效燃料消耗最小化策略（频率-ECMS）相结合的能量管理方法。在Matlab-Simulink平台上对典型工况下进行了仿真分析，以评估该策略在实际应用中的有效性。仿真结果表明，相比于ECMS，基于频率-ECMS的能量管理策略可显著优化系统中多电源间的能量流动，使各类电源根据其自身动态特性承担最适合的负载，从而在应对剧烈负荷波动时提升系统的稳定性。同时，ECMS策略的引入在无需显式考虑氢能与电能转换关系的前提下，有效降低了系统的整体能耗。2种策略的融合显著提升了系统的综合性能。具体而言，基于频率-ECMS的能量管理策略使燃料电池的峰值功率降低约50%，燃料电池与电池的功率波动幅度减少20%～40%，明显增强了系统的动态响应能力。此外，在不同初始SOC条件下进行的氢耗分析进一步验证了该策略的节能潜力：在高SOC（90%）工况下，氢气消耗为228.77 g，较传统ECMS减少约8.5%；在中SOC（60%）工况下，氢耗为258.40 g，减少幅度约为9.3%。