Control Strategy for Plug-In Hybrid Electric Bus Based on Optimal Electric Energy Use

针对目前插电式混合动力汽车采用的控制策略在较长行驶里程时燃油经济性较差的问题,提出了一种基于最佳电能使用的控制策略.它根据目标行驶里程和电池SOC,选择最佳的电能使用方式.仿真结果表明,当目标行驶里程较长时,采用所提出的控制策略可显著改善汽车燃油经济性.     

基于等效因子优化的插电式混合动力客车自适应能量管理策略

针对插电式混合动力客车,提出基于等效因子优化的实时能量管理策略。首先,设计了一种等效因子快速计算方法,先根据车辆的动力参数确定等效因子的取值范围,再应用射击算法快速计算等效因子。随后,提出了一种基于电池荷电状态(SOC)线性下降的自适应等效燃油消耗控制策略,利用车辆全球定位系统提供的车辆位置信息,通过在线更新等效因子,实现对参考SOC的实时跟踪。最后,与基于规则的控制策略和标准的ECMS控制策略进行仿真对比,结果表明:无论是在燃油经济性上还是在SOC控制的鲁棒性上,基于等效因子优化的策略都具有最好的控制效果。     

考虑燃料电池衰退的FCHEV反馈优化控制策略

为了提高插电式燃料电池混合动力汽车的经济性和燃料电池耐久性，在构建燃料电池衰退模型的基础上，制定等效氢气消耗最小（ECMS）的反馈优化控制策略。ECMS反馈优化控制策略中目标价值函数的等效氢气消耗除包括燃料电池氢气消耗和动力电池等效氢气消耗外，还将燃料电池开路电压衰退转化成等效的氢气消耗加入到目标价值函数之中，以电机需求功率P_m、动力电池SOC值为状态变量，动力电池目标功率为控制变量，取使目标价值函数最小的动力电池目标功率作为参考动力电池目标功率输出，并根据反馈的燃料电池电压衰退速率对燃料电池系统输出功率限制变化值ΔP_f进行动态调整，最终得到燃料电池目标功率。通过MATLAB/Simulink建立插电式燃料电池汽车前向仿真模型，采用城市道路循环（UDDS）工况进行验证。研究结果表明：相比基于规则的能量管理策略，电量保持（CS）阶段采用ECMS反馈优化控制策略，氢气消耗量降低2.6%，同时燃料电池的开路电压衰退降低4.1%，基于ECMS的反馈优化控制策略相比基于规则的能量管理策略在高效区间的工作点占比更高；与ΔP_f分别为1，2，3 kW时相比，采用燃料电池系统电压衰退速率反馈调节ΔP_f策略的氢气消耗量为0.105 3 kg，相比ΔP_f为1，2 kW的氢气消耗量（0.121 3，0.110 2 kg）有明显优化，接近ΔP_f为3 kW的氢气消耗量（0.102 9 kg），同时燃料电池电压衰退速率有明显的减小，整车经济性与燃料电池耐久性都得到了改善。     

TTR汽车等效燃油消耗最小的能量管理策略研究EI北大核心CSCD

为改善通过路面实现动力耦合与电池充电的TTR汽车经济性,分析TTR汽车结构及工作模式,基于等效油耗最小的能量管理策略(ECMS),计算固定等效因子(CECMS);为使电池SOC保持稳定并控制发动机工作于低燃油消耗区,将行驶所需发动机等价总转矩及电池SOC模糊化,制定等效因子的模糊控制规则,而提出模糊自适应等效燃油消耗最小控制策略(FAECMS)。利用MATLAB/Simulink建立包含TTR汽车动力学的CECMS、FAECMS模型,选取FTP75、CLTC、WLTP 3种标准工况,当电池SOC初始值为60%时进行仿真计算,得出FAECMS相对CECMS在3种工况下电池SOC更稳定,并分别节约燃油5.5%、2.6%、8.3%。     

基于近似ECMS策略的HEV自适应规则能量管理控制研究

为解决当前等效燃油消耗最低策略实时性差的问题,寻求一种近似ECMS的规则控制策略,建立ECMS控制模型,分析等效因子、等效油耗和分配转矩之间的关系,获取ECMS策略下转矩分配的定性规律。基于此规律提出一种基于分段线性SOC反馈的自适应规则策略,并在自定义循环工况下对提出的自适应规则控制策略与传统控制策略进行仿真对比,结果表明:提出的控制策略具有良好的SOC控制能力,与传统规则策略比较,燃油消耗降低了16.37%。搭建硬件在环试验系统,对自适应规则能量管理控制策略进行试验验证,结果表明:所提出的控制策略具有较好的实时性、稳定性和准确性,可应用于实车控制。     

基于实时路况信息的插电式混合动力汽车预测性能量管理算法研究

为提高插电式混合动力汽车的燃油经济性,对基于实时路况信息的预测性能量管理算法展开研究。根据实时路况信息采用能耗分配法规划全局SOC参考轨迹,利用自适应等效燃油消耗最小策略(A-ECMS)跟随目标SOC轨迹实现能量管理。以上海市某行驶工况数据进行仿真,结果表明:全局SOC参考轨迹可在低、高速区间合理分配电量,真实SOC轨迹与参考轨迹变化趋势一致,燃油经济性较电量消耗-电量维持(CD-CS)策略提高7.65%,接近动态规划(DP)算法的全局最优解。     

插电式混合动力汽车能耗优化控制策略的研究

基于插电式混合动力汽车(PHEV)可以通过外网充电的特性,选取发动机消耗燃油的成本与电机消耗电能的成本之和作为优化目标函数,采用庞特里亚金极小值原理进行优化仿真;研究了PHEV不同工作模式(电量消耗-电量维持模式和混合模式)对能耗经济性的影响;分析了行驶里程、电池荷电状态(SOC)初始值和能量价格比对能量分配控制策略的影响;最终制定了实时优化控制策略并与门限值控制策略进行对比仿真,结果表明,与门限值控制策略相比,采用制定的实时优化控制策略能耗经济性在不同的SOC初始值下都有大幅度的提高。     

插电式混合动力汽车能耗优化控制策略的研究EI北大核心CSCD

基于插电式混合动力汽车(PHEV)可以通过外网充电的特性,选取发动机消耗燃油的成本与电机消耗电能的成本之和作为优化目标函数,采用庞特里亚金极小值原理进行优化仿真;研究了PHEV不同工作模式(电量消耗-电量维持模式和混合模式)对能耗经济性的影响;分析了行驶里程、电池荷电状态(SOC)初始值和能量价格比对能量分配控制策略的影响;最终制定了实时优化控制策略并与门限值控制策略进行对比仿真,结果表明,与门限值控制策略相比,采用制定的实时优化控制策略能耗经济性在不同的SOC初始值下都有大幅度的提高。     

插电式混合动力汽车变参数能量管理策略

为进一步提高新型插电式混合动力汽车(PHEV)的整车经济性,考虑到影响整车经济性的2个主要因素——行驶工况和行驶里程,提出了变参数能量管理策略。为减小车辆行驶工况的影响,应用模糊欧几里德贴近度方法,建立了基于典型循环工况的车辆行驶工况识别控制策略;为减小车辆行驶里程的影响,应用模糊识别的方法,建立了以车辆行驶里程和车辆启动时的动力电池荷电状态(SOC)为输入,行驶里程模式为输出的车辆里程模式识别控制策略;最后对整车能量管理策略进行了仿真分析。结果表明:在同等行驶里程的新欧洲行驶循环(NEDC)工况下,与定参数能量管理策略相比,变参数能量管理策略可以降低整车等效百公里油耗5%以上,从而提高了PHEV的整车经济性。     

插电式混合动力汽车等效燃油消耗最小能量管理策略研究

对某插电式混合动力汽车电量保持(CS)阶段的能量管理策略进行了设计和优化研究。首先基于等效燃油消耗最小策略(ECMS)设计了汽车的能量管理策略,然后针对传统遗传算法(SGA)在运行过程中存在的收敛速度慢、种群进化动力不足问题进行了算法改进,并使用改进的遗传算法(IGA)优化燃油等效因子。硬件在环仿真试验结果表明:在电量保持阶段电池荷电状态允许的偏差内,该方法可以获得更高的燃油经济性。     

基于系统效率的PHEV电量消耗模式控制策略优化

为了进一步发挥混合动力汽车的节油性能,插电式混合动力汽车(Plug-in Hybrid Electric Vehicle,PHEV)在电量消耗(Charge-Depleting,CD)模式下,制订系统效率最优的能量管理策略来提高整车的电消耗行驶里程,进而实现提升整车燃油经济性的目的。分析了系统在电量消耗模式下相关典型工作模式,以车辆动力学方程为基础,推导出系统效率模型。以需求转矩、动力电池荷电状态、电机转速作为动力系统的输入,将系统效率最优作为系统的目标价值函数,在动力性指标的约束下,优化获得在电量消耗模式下的电机转矩和无级变速器速比的最佳控制规律,综合数值建模和试验数据建模方法,基于Matlab/Simulink软件平台构建插电式混合动力汽车的发动机、驱动电机、无级变速器(CVT)和动力电池等动力传动系统关键部件效率数值模型和整车动力学模型以及驾驶员模型,在新欧洲行驶循环(New European Driving Cycle,NEDC)工况下进行模型在环循环仿真验证分析。仿真结果表明,插电式混合动力汽车在电量消耗模式下,基于系统效率最优的能量管理策略能够使动力电池运行更加高效,转矩的分配更为合理,无级变速器获得较佳的控制规律。与直观式逻辑控制相比,纯电动续航里程提升了10.9 km,即经济性提高了15.3%,充分体现了所制订的控制策略的有效性。     

基于分层式控制的混合动力汽车生态驾驶研究

智能交通系统技术的发展为进一步提高车辆驾驶性能带来了新的机遇。插电式混合动力汽车的生态驾驶涉及到3个问题，分别为如何利用动态交通信息对纵向行驶速度进行规划，动力电池SOC全局最优快速规划，以及动力系统实时能量管理。为此，本文中设计了一种结合通精度模型的兼顾计算效率与求解精度的分层式控制策略。上层控制融合了动态交通信号灯信息，通过对车辆行驶速度优化提高了驾驶舒适性，中层则通过对动力系统模型拟合近似，利用凸优化算法实现了SOC快速全局最优规划，为消除拟合模型产生的误差，下层则基于原始非线性模型，通过反馈控制，构建了一种自适应等效燃油消耗最小值策略（A-ECMS）。结果表明，车辆的驾驶舒适性相比于没有速度优化的策略提升了75.92%，且燃油经济性相比于两种常用的基于线性规划的策略分别提升了7.39%与10.91%。     

基于自适应卡尔曼滤波的锂离子电池SOC估计

采用自适应卡尔曼滤波方法,基于锂离子动力电池的等效电路模型,在未知干扰噪声环境下,在线估计电动汽车锂离子动力电池荷电状态(SOC)。仿真结果表明,采用自适应卡尔曼滤波方法估计的SOC误差小于2.4%,有效降低了电动汽车行驶时电池管理系统所受到的未知干扰噪声影响,SOC估计精度高于扩展卡尔曼方法,且具有较好的鲁棒性。     

基于模糊逻辑控制的燃料电池汽车能量管理控制策略研究

针对燃料电池汽车频繁过度放电导致其使用寿命缩短、需求模组功率过高急剧增加经济成本的问题,以燃料电池汽车结合动力电池模组的方式,提出了基于微小变量模糊逻辑控制的燃料电池补偿动力电池放电的能量管理控制策略模型。通过对ADVISOR进行二次开发优化,仿真验证了所制定的电-电混动模型能量管理控制策略的合理性,保证了整车的动力性和经济性,又以汽车结束行驶时系统总的能量利用效率为优化目标对其进行了优化,结果表明基于微小变量模糊逻辑控制的电-电混动新能源汽车动力性满足要求,经济性得以提高。     

基于深度学习的混合动力汽车预测能量管理

为了优化混合动力汽车的能量动态分配过程，提升混合动力汽车的燃油经济性和动力电池荷电状态（SOC）平衡性，提高混合动力汽车能量管理策略的鲁棒性，以等效燃油消耗最小化策略为基础，结合对车辆未来行驶工况的预测研究，分析车辆未来行驶需求能量的变化，制定相应的动态调整策略。基于车联网通信技术，实时采集车辆的运行状态信息和交通信息，作为车辆未来工况预测模型的输入变量。以数据驱动为特征，基于混合深度学习建立工况预测模型。利用STL分解算法对各输入变量进行周期性、趋势性等特征分解，并对各输入变量的特征分量，使用混合深度学习网络从数据局部特征及时间维度依赖特征来深度挖掘目标车辆车速与外部信息及历史数据的关系，进而对车辆未来的行驶工况进行预测。利用预测的工况信息，分析车辆未来行驶需求能量的变化，应用于自适应等效消耗最小化策略等效因子的实时动态调整，从而实现对车辆的优化控制，并通过与传统自适应等效消耗最小化策略进行对比，验证该方法的有效性。研究结果表明：基于混合深度学习的工况预测模型预测精度比BP网络预测模型高44.72%；利用精确的预测工况信息预测能量管理，可以实时动态调整发动机和电机的功率输出，降低油耗并维持电池SOC平衡。     

《电动汽车为什么会跑》【拾】插电式混合动力汽车(上)

正第1节谁是插电式混合动力汽车可以使用外接电源为车载动力电池充电的混合动力汽车,就称为插电式混合动力汽车。插电式混合动力汽车有两套动力系统:发动机和电机。这两套动力系统不仅相互独立——都可以独立获得能量补充、都可以独立驱动汽车行驶,又可以相互协作,共同驱动汽车前进。在日常使用过程中,它可以作为一台纯电动车来使用,只要单次行驶不超过动力电池可提供的续驶里程,但一般插电式混合动力汽车的纯电续驶里程都较短,往往不会超过60km。代表车型:比亚迪秦、荣威550 Plug-in、华晨宝马530Le、奥迪A3 e-tron、沃尔沃S60L E、宝马i8、奔驰S500     

插电式混合动力汽车简析

正1插电式混合动力汽车的优缺点分析目前,国家对新能源汽车给出了明确的定义,即新能源汽车包括插电式混合动力汽车、纯电动汽车和燃料电池汽车。传统的混合动力汽车由于能量密度较低(动力电池容量一般低于1.5 kWh),因而不需要外接充电,仅籍由制动时回收动能为动力蓄电池充电或利用车辆在低速行驶时发动机的多余功率通过发电机(电动机反转)为动力电池充电。如图1所示,插电式混合动力汽车可以行驶在纯电动模     

基于DP-ECMS的插电式混合动力城市客车能量管理策略研究

以一款气-电型插电式混合动力城市客车(PHEV)为研究对象,针对能量管理中的最小能耗问题分别应用电量消耗-电量维持(CD-CS)策略、动态规划(DP)、等效能耗最小化策略(ECMS)和自适应等效能耗最小化策略(A-ECMS)进行中国典型城市工况仿真。在对上述几种能量管理策略仿真结果分析的基础上,提出一种将动态规划与等效能耗最小化策略相结合的DP-ECMS策略。结果表明:DP-ECMS的能耗特性接近动态规划,同时具有等效能耗最小化策略的实时性特点,为PHEV的能量管理提供了参考。     

插电式串联混合动力汽车发动机起停控制策略的优化

利用AVL-CRUISE软件对某插电式串联混合动力汽车进行整车建模与仿真,并在不同的行驶循环工况和车辆行驶里程下优化发动机的起停控制策略。结果表明:根据不同的行驶循环工况和行驶里程来修正发动机起停时刻的SOC值,可以有效缩短发动机的运行时间,从而降低油耗和能量损失。该方法也可为增程型电动汽车发动机的起动控制提供参考。     

基于遗传算法系统效率优化的PHEV电量保持模式控制策略

为了提高插电式混合动力汽车（PHEV）在电量保持下的燃油经济性,并解决插电式混合动力汽车在运行过程中动力元件效率对系统能量利用率影响的问题,制定了系统效率最优的控制策略。以PHEV关键动力部件的测试数据为基础,建立发动机、驱动电机、无级变速器（CVT）以及动力电池等关键部件的效率数值模型,并考虑了温度及荷电状态（SOC）对动力电池充放电功率的影响。设计以混合动力系统效率最优为适应度评价函数,将CVT速比、发动机转矩作为优化变量,以车速、加速度和SOC为状态变量,在动力性指标的约束下,运用遗传算法进行迭代寻优,PHEV的系统效率在第20代左右收敛于全局最优值。同时发动机转矩和CVT速比通过多代遗传进化,较快收敛于最佳值。将相关优化结果与车速、加速度拟合成相应的三维控制数表,综合数值建模和试验测试数据建模的方法,基于MATLAB/Simulink搭建插电式混合动力汽车整车控制策略仿真模型,采用新欧洲行驶循环工况进行仿真验证。结果表明：插电式混合动力汽车在电量保持模式下,利用遗传算法优化的系统效率最优控制策略相比优化前,动力电池SOC运行更为平稳,CVT效率有所提升,驱动电机及发动机转矩分配更为合理;百公里燃油消耗量从优化前的5.2 L降至4.5 L,燃油经济性提升了13.5%。