增程式电动客车能量管理策略优化的研究

本文中对增程式电动汽车进行了能量管理策略研究。在循环工况已知的前提下,分别研究动态规划控制策略和瞬时等效燃油消耗最小策略,得到两者的行驶成本并与采用基于规则的恒温器式管理策略时的行驶成本进行比较。结果表明,动态规划控制策略和瞬时等效燃油消耗最小策略的行驶成本都比采用基于规则的策略时低。虽然动态规划策略行驶成本比瞬时等效燃油消耗最小策略更低,但因实际行驶过程中工况会有变化,很难达到最优。而ECMS控制策略可实现在线应用,兼顾了燃油经济性和实用性,比较适合作为一种可行的增程式电动客车的能量管理策略。     

增程式电动客车动力系统集成与匹配分析

增程式电动客车具备一定里程纯电行驶和长距离增程行驶的特点,能缓解纯电动客车里程忧虑问题。文章针对市场需求和实际应用场景,对增程式电动客车动力系统中的驱动电机、动力电池、增程器总成等核心部件进行了性能匹配设计,并在MATLAB-Simulink软件平台中建立整车动力系统动力学模型。基于纯电为主、增程为辅的使用特点,制定了增程式动力系统总体工作策略,而后对常用车速巡航维持功率、高速巡航维持功率进行计算,并对中国重型商用车辆行驶工况（CHTC-C）下增程器输出功率与动力电池能量变化进行仿真分析,结果表明增程器输出功率越小,需要动力电池补偿的驱动能量越多,当达到某一经济功率时动力电池电量基本平衡。相比于传统单一工况匹配增程器功率的方式,文章考虑特定场景具体需求,并对多种工况下增程器经济功率和最大输出功率进行分析,为增程器选型及后续功率跟随策略的完善提供了思路。     

融合工况识别的增程式电动汽车模糊能量管理策略研究

针对模糊能量管理策略设计仅依赖专家经验很难适应复杂工况的问题，本研究提出了一种基于神经网络工况识别的增程式电动汽车模糊能量管理策略。首先，基于中国货车行驶工况（CHTC-HT）数据，利用改进遗传算法优化的BP神经网络构建工况识别模型；其次，根据所识别的工况类型，融合电池SOC及整车需求功率参数，设计了自适应模糊能量管理策略，通过实时获取发动机功率输出实现能量优化分配；最后，通过硬件在环测试验证了所提出的方法。结果表明自适应模糊策略油耗相比规则策略降低9.67%，比模糊策略降低7.84%，有效提高了整车经济性。     

基于增程式电动汽车的能量管理控制策略研究

针对电动汽车动力电池过度放电导致其使用寿命缩短的问题,以在纯电动汽车上增加插拔式增程器的方式,提出了增程器补偿动力电池放电的能量管理控制策略模型。在对ADVISOR进行二次开发的基础上,通过仿真验证了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。以汽车结束行驶时电池电量下降至设定的荷电区间下限值为优化目标对其进行了优化,结果表明增程器的工作时间明显缩短,燃油消耗和废气排放也较大幅度降低。     

增程式电动环卫车能量管理策略仿真研究

基于Matlab/Simulink搭建了增程式电动环卫车正向仿真模型,在我国典型城市公交工况下,对增程器的开关模式、持续运行模式、恒定功率输出模式和功率随动输出模式等4种能量管理策略进行100 km的连续仿真,结果表明,增程器开关模式和持续运行模式均可使电池组SOC维持在合理的区间,但恒定功率输出模式比功率随动输出模式的等效百公里油耗小,最小为29.13 L;设置较小的增程器输出功率能够使电池SOC变化平稳,避免电池组的频繁充、放电现象。     

增程式电动汽车虚拟测试系统开发及应用

为开展增程式电动汽车能量管理策略优化和排放研究,搭建了增程器半实物平台,在所搭建的半实物平台的基础上集成了测试设备,组成了完善的虚拟测试系统。针对某12 m长增程式电动客车,在所搭建的虚拟测试系统上进行循环测试,测试结果与仿真结果对比表明,虚拟测试系统测试得到的油耗、车速、辅助动力系统(APU)输出功率、SOC等与计算机仿真结果一致,验证了该虚拟测试系统的准确性和可靠性。     

增程式公交客车动力系统设计与仿真研究

为了提高城市公交客车的燃油经济性,针对城市公交客车行驶工况的特点,提出一种功率平衡型的增程式公交客车动力系统设计方案,并对其动力系统零部件(主驱动电机、增程器、动力电池)进行了选型计算。基于AVL-Cruise仿真平台,采用增程器定点能量管理策略,对设计的动力系统的燃油经济性和动力性进行了仿真分析。仿真结果表明,提出的动力系统能够满足整车动力性能要求,并在4种不同城市工况下的百公里油耗平均水平较传统柴油客车降低了30.1%。     

增程式电动汽车最优曲线模糊控制策略研究

针对增程式电动汽车多动力源的能量分配和车辆行驶工况具有较大随机性和不确定性的问题,提出了一种增程式电动汽车最优曲线模糊控制策略。该策略包含两个子模糊控制器,分别施行发动机工作区间的模糊调整和串联功率的模糊分配,以决定发动机最优曲线上的工作区间和串联结构形式下发动机/发电机和动力电池输出功率的分配。离线硬件在环仿真结果表明,所采用的控制策略通用性强且具有较好的鲁棒性,能实现预设的控制目标,获得较优的燃油经济性。     

基于自适应遗传算法的增程式电动汽车能量管理策略优化

建立增程式电动汽车整车仿真模型,以恒温器控制策略为例,以车辆最长续驶里程和百公里油耗为优化目标,利用自适应遗传算法对其能量管理策略进行了优化.优化结果表明,采用自适应遗传算法可使等效燃油消耗较之优化前减少10％.同时研究了蓄电池SOC上、下限值与目标续驶里程的关系以及不同蓄电池初始SOC值对燃料电池输出功率最优值的影响.研究发现,目标续驶里程与蓄电池SOC上限值关系不大,受下限值影响较大;燃料电池恒定输出功率最优值随着蓄电池初始SOC值的增大而减小.     

基于两种运行工况的增程式混合动力客车控制策略研究

一款增程式混合动力客车,根据运行工况,设计定功率点及多功率点切换的两种控制策略,通过综合动力电池荷电状态和整车车速状态,计算增程器单元最佳输出功率,从而有效地实现能量分配控制,并得到实车验证。     

增程器的最佳工作曲线的确定

增程式电动汽车是在纯电动汽车的基础上,增加一个小型的辅助动力系统作为动力补给,当动力电池电量不足时,增程器能配合动力电池一起为车辆提供能源。因此,增程式汽车能有效缓解现阶段下纯电动汽车续航里程不足的问题。研究增程器的最佳工作曲线,是降低增程式混合动力汽车的油耗的基本方法。     

基于串联式增程汽车多种工况的优化控制策略

增程式汽车是纯电动汽车搭载增程器(发动机、发电机和整流装置组成的辅助动力装置),当蓄电池电量充足时,汽车以纯电动模式行驶;电量不足时,启动增程器,利用增程器发电给蓄电池充电或直接驱动电机,从而增加电动汽车的续驶里程。基于增程器的串联混动技术已成为解决新能源汽车里程焦虑的有效途径。本文介绍基于串联式增程电动汽车在不同工况下的优化控制方法。     

增程式电动车整车控制策略研究

以某款增程式电动轿车为研究对象,研究增程器的工作模式、增程系统的能量管理策略,提升整车的能量利用效率,并对整车SOC(电池荷电状态)管理策略及故障诊断策略进行了研究及仿真分析,分析表明控制策略合理、高效、安全,提升了整车性能。     

基于等效燃油消耗理论的增程式电动汽车能量管理策略

根据等效燃油消耗理论,提出一种适用于增程式电动汽车能量管理策略,并搭建等效数学模型和进行仿真分析。结果表明,该策略既满足动力性需求又具有良好的经济性,且电池SOC基本保持稳定。     

浅谈燃气增程器的原理及应用

随着燃油车逐步被淘汰,新能源电动汽车的兴起,越来越多的电动汽车被大家所接受,但电动汽车因为行驶里程短、充电不方便也成为其快速发展的一个瓶颈,而增程式电动车因为清洁环保、可增加续航里程,解决"里程焦虑"等诸多优点也正在被越来越多的人所接受。燃气增程器是燃气增程式电动车的核心部分,本文将从燃气增程器的关键组成、系统原理和应用等多方面进行介绍,分析燃气增程器的优势及未来的发展方向和前景。     

电动汽车增程器的电子节气门控制系统研究

增程式电动汽车的增程器控制系统需自动调节增程器的输出功率,满足整车的发电功率需求。基于该需求领域,研究了电子节气门控制系统方案,按照发动机的停机、起动、怠速、发电4种不同工况,设计了电子节气门的逻辑控制方案。通过试验验证表明,该控制方案可以按照不同发动机工况,实现增程器控制系统的控制功能。     

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。     

增程型电动汽车的增程器系统控制优化与实验研究

为了改善增程式电动汽车的燃油经济性与排放,其搭载的增程器应工作在有限个固定点上。本文中采用Kriging无偏估计方法建立了增程器系统的发电功率与燃油消耗预测模型,并对模型进行了实验验证。经过仿真分析,确定了满足5个发电功率需求的最佳油耗工况点。增程器系统的台架实验和整车实验的结果表明,优化后单个发电功率运行点油耗最大降幅达到了15.96%,而在两种不同的车辆控制模式下整车能耗分别降低了4.62%和3.50%。     

增程式电动环卫车动力系统匹配与仿真

进行增程式电动环卫车动力系统的匹配,对驱动电机、增程器和动力电池组等关键部件进行了选型和指标验证.基于Matlab/Simulink搭建了整车正向仿真模型,对增程器在恒功率模式和功率跟随模式两种控制策略下进行了百公里典型城市公交连续工况仿真.结果表明:匹配的动力系统能够满足增程式电动环卫车的工况要求;增程器能够在动力电池荷电状态下降到设定值时开启,以延长车辆的续驶里程,并能够使电池组荷电状态维持在一定的区间.从能量消耗来看,基于增程器开关运行的恒功率模式和功率随动模式在我国典型城市公交工况下的平均等效百公里油耗分别为28.70 L和29.51 L,即恒功率模式的等效百公里燃油消耗比功率跟随模式的等效百公里燃油消耗少0.81 L.     

电动公交客车增程器开关控制策略和等效能耗最小化策略优化

本文中旨在解决增程式电动公交客车单点恒温器能量管理策略下电量维持阶段油耗较高和锂电池组循环充放电深度较大等问题。首先对增程器开关控制策略和等效燃油消耗最小化策略(ECMS)进行优化和仿真验证,然后在增程式电动公交客车半实物仿真平台上进行了试验验证。结果表明:电量维持阶段,优化增程器开关控制策略后,增程式电动公交客车百公里油耗由原来的39. 1降至36. 23L,锂电池组循环充电系数由19. 8/100km降至13. 2/100km,分别降低了7. 3%和33. 3%,但增程器的起停次数有所增加。进一步采用优化的ECMS能量管理策略后,增程式电动公交客车百公里油耗再降至35. 22L,锂电池组循环充电系数进一步降至9. 9/100km,比原单点恒温器控制策略分别降低了9. 9%和50%。