纯电动汽车续驶里程计算研究

为消除驾驶员因纯电动汽车续驶里程计算不准确而产生的"里程焦虑",分析了不同因素对续驶里程的影响,基于纯电动汽车动力电池能量及整车能耗,实现了剩余续驶里程的实时计算及显示,并结合经济性评分及驾驶指引,降低整车能耗,提升纯电动汽车续驶里程。     

基于实际工况的纯电动汽车能耗分析

<正>当前我国纯电动汽车产业快速发展,发展纯电动汽车是减少化石能源消耗和缓解日益严重的气候问题的重要措施之一。但电动汽车普遍存在动力电池能量密度低,导致续航里程短,续航里程估计不精确,驾驶员容易产生里程焦虑的问题,这是阻碍推广纯电动汽车的一个原因。本文以实际道路试验为依托,进行纯电动汽车能量消耗量的讨论,并在此基础上建立基于LSTM网络的纯电动汽车瞬时能量消耗量估算模型。纯电动车作为汽车节能减排技术发展的重要方向之一,已引起各国政府的重视。我国政府制定了与电动汽车续航里程相关的电动汽车购买补贴政策。不断提高动力电池能量密度是解决电动汽车续航里程不足的关键技术。     

基于超声测量及神经网络的锂离子动力电池SOC估算

准确地估算电动汽车动力电池的荷电状态(State of Charge,SOC)对电动汽车的安全驾驶和及时充电至关重要。基于超声测量和神经网络提出一种动力电池SOC估算方法。该方法对动力电池施加一个超声波脉冲,超声信号经过电池后得到反馈脉冲波,并以反馈波形的峰峰值作为神经网络的输入来建立模型,从而对动力电池SOC进行估算。试验结果表明,对于放电以及充电过程,SOC估算误差都仅为1%。     

基于电池能量状态估计和车辆能耗预测的电动汽车续驶里程估计方法研究

本文中提出一种基于动力电池能量状态估计和车辆能耗预测的续驶里程估计模型。电池能量状态估计采用电池状态模型估计电池剩余的可用能量,分析了不同因素的影响。利用纯电动车测试数据,基于递推最小二乘算法辨识车辆能耗参数,结合行驶工况预测汽车能耗,进而计算续驶里程。与传统的续驶里程估计方法相比,基于电池能量状态估计和整车能耗预测的续驶里程估计模型的精度有较大提高。     

基于地图信息和循环SVR模型的纯电动汽车续驶里程预测

针对未来行驶工况未知导致续驶里程预测精度难以提高的现状,提出了一种基于地图信息和循环支持向量回归(SVR)模型的纯电动汽车续驶里程预测方法。该方法根据地图信息预测未来的行驶工况,并将相应的工况参数作为SVR模型的输入,计算该工况下单位里程下降值和剩余值。将这一过程反复迭代,直至SOC值归零,则SVR运行次数即为剩余续驶里程。最后利用实际行驶数据,在ADVISOR中进行仿真,结果证明该方法具有较高的续驶里程预测精度。     

基于模型的新能源汽车动力电池SOC估算方法的仿真研究

本文对目前动力电池SOC现状进行了简要介绍,然后提出了一种基于模型的新能源汽车动力电池SOC估算方法。该方法使用基于化学反应动力学的电池模型来预测动力电池的电荷和放电行为,并利用滤波器和卡尔曼滤波器来估算电池的SOC。仿真实验结果表明,该方法具有比较高的估算精度和稳定性,最后对动力电池SOC以后的发展进行展望。     

电动汽车能耗预测的研究

随着电动汽车的数量日趋增多,人们对于电动汽车能耗的关注度也逐渐增加。电动汽车受到电池性能和容量的约束,同时受到充电桩的位置、数量和充电时间的限制,容易使得驾驶员产生"里程焦虑"。因此续驶里程成为驾驶员关注的重要指标之一。准确的能耗预测能够给予驾驶员出行指导,减缓"里程焦虑"。围绕电动汽车能量消耗的影响因素进行了归纳总结,介绍了近年来能耗预测技术的研究现状和不足,并提出未来研究方向的发展趋势。     

基于平均能耗并融合整车状态的续驶里程估算

续驶里程是当下关于纯电动汽车的热门话题,无论是标称续驶里程,还是使用过程中表显剩余续驶里程,二者的准确性都是人们关注的焦点.在现有技术条件下,着力提高剩余续驶里程估算值的准确性,开发具有广泛实用性的估算算法,是缓解用户续驶里程焦虑,推动电动汽车普及的有效手段.为此基于平均能耗提出了一种适用于纯电动汽车的续驶里程估算算法...     

基于不同热管理方案的动力电池低温动力性研究

动力电池在低温环境中功率特性变差和充放电效率下降是制约电动汽车发展的因素之一。为提升动力电池低温动力性,基于AMESim的1D仿真模型对不同热管理方案下动力电池目标功率的持续时间进行了研究。结果表明,动力电池预加热方案在一定程度上提升了动力电池低温动力性,但是预加热方案不仅受预加热电量来源、动力电池初始SOC以及环境温度的影响,还会在动力电池初始SOC较高时造成电量浪费;动力电池预加热+行驶加热方案不仅能提升动力电池低温动力性,还可以避免动力电池在初始SOC较高时进行预加热造成电量浪费。通过不同热管理方案下动力电池低温动力性的研究,对电动汽车低温行车过程中热管理方案提供一定的指导。     

基于模型融合与自适应无迹卡尔曼滤波算法的锂离子电池SOC估计

为提高电动汽车动力电池SOC的估计精度,本文中对锂离子电池模型与参数辨识算法、自适应无迹卡尔曼滤波(AUKF)算法和基于电池模型融合的SOC估计算法进行研究。建立了具有明确物理意义的电池电路模型,采用基于遗传算法(GA)的模型参数辨识算法,设计了基于AUKF的电池SOC估计方法,并基于贝叶斯信息准则,提出了电池模型融合方法,实现了基于模型融合与AUKF的电池SOC估计。仿真结果验证了该方法具有较高的精度。     

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。     

基于Cruise的ISG混合动力中型卡车能量分配策略研究

文章对ISG混合动力中型卡车发动机、电池、电机的联合工作进行了分析,并基于Matlab/Simulink建立了整车能量分配控制策略,基于AVL/Cruise建立了整车被控对象模型,进行了联合虚拟仿真。对仿真结果,包括整车的经济性、排放、SOC等性能进行了分析和研究,说明采用ISG混合动力系统的中型卡车实现了节油,并且保证了电池SOC平衡,车辆动力性能够满足要求,控制策略是有效的。     

Real-time model predictive control of connected electric vehicles

ABSTRACT

Electric Vehicles (EVs) motors develop high torque at low speeds, resulting in a high rate of acceleration with the added advantage of being fitted with smaller gearboxes. However, a rapid rise of torque in EVs fitted with central drive powertrains can create undesired torsional oscillations, which are influenced by wheel slip and flexibility in the halfshaft. These torsional oscillations in the halfshaft lead to longitudinal oscillations in the vehicle, thus creating problems with regard to comfort and drivability. The significance of using wheel slip in addition to halfshaft torsion for design of anti-jerk controllers for EVs has already been highlighted in our previous research. In this research, we have designed a look-ahead model predictive controller (LA-MPC) that calculates the required motor torque demand to meet the dual objectives of increased traction and anti-jerk control. The designed LA-MPC will improve drivability and energy consumption in connected EVs. The real-time capability of the LA-MPC has been demonstrated through hardware-in-the-loop experiments. The performance of the LA-MPC has been compared to other controllers presented in the literature. A validated high-fidelity longitudinal-dynamics model of the Rav4EV, which is the test vehicle of our research has been used to evaluate the controller.     

燃料电池混合动力汽车能量控制策略仿真研究

燃料电池客车采用多动力源的动力系统结构，需对其能量流动进行有效的控制。文章探讨了动力系统驱动模式下的3种能量分配控制策略，以及在再生制动模式下的一种简单的能量回馈控制。在ADVISOR软件平台上建立了控制策略和整个系统的仿真模型，并基于性能评估函数对汽车性能进行了分析。仿真结果表明，再生制动可以提高整车燃油经济性达20％，与恒压和离线能量分配相比，在线能量分配下燃油经济性好、蓄电池SOC波动小，但要精确估计蓄电池SOC，可能使其性能比预期的低。     

Novel evaluation method of fuel consumption and emission for heavy-duty hybrid electric vehicles

This paper is a continuation of a previous paper titled “A novel way to calculate energy efficiency for rechargeable batteries” published on Journal of Power Sources/2012 describing a new method to calculate energy efficiency for rechargeable batteries. The present paper further describes the application of energy efficiency model on the evaluation of fuel consumption and emission for the heavy-duty hybrid electric vehicles (HD-HEVs). A more accurate calculation method of net energy change for power battery pack is proposed based on energy efficiency model of power battery pack. A more simplified and accurate correction method of fuel consumption and emission is also presented based on equivalent mileage. The fuel consumption and emission on chassis dynamometer are measured in the HD-HEVs. The experiment results show that relative errors of fuel consumption and emission between equivalent mileage correction results and linear regression correction results are less than 3%, which verifies accuracy and validates the proposed evaluation method for HD-HEVs fuel consumption and emission.     

Three-speed transmission system for purely electric vehicles

This paper discusses the necessity of using a transmission system to improve the energy efficiency of purely electric vehicles (EVs). The energy efficiency of an electric motor varies at different operating points to meet the output power demand. The three gear ratios of a transmission system can maintain the motor speed within a stable region with relatively high energy efficiency, while various vehicle speeds are needed. This work is based on a light EV prototype. The optimized gear ratios of this transmission result in a considerably reduced energy consumption of 9.3% compared with conventional EVs with single-speed reducers under the condition of the Urban Dynamometer Driving Schedule driving cycle. Thus, the transmission system is necessary to improve the energy efficiency of EVs.     

教练用电动车能量管理系统状态监测及SOC估算方法

电动汽车蓄电池组的状态参数主要指各电池工作时的端电压、电流、温度和内阻;为了及时了解各电池的状况及剩余电量,我们以教练用纯电动车为依托,设计了一套能量管理系统。详细研究其核心部分——状态参数监测部分,实现电压、电流、温度、电阻信号的实时采集,然后基于开路电压法与安时累积法,运用一定的算法估算出SOC,并且换算成剩余续驶里程,最后将相关参数在仪表上实时显示。     

纯电动汽车动力锂电池SOC估计策略综述

电池管理系统(BMS)采用了防止电池过放电和过充,提供电池均衡控制,能够实现新能源汽车动力锂电池的最佳利用和保护。电池管理系统实时精准估算电池电荷状态(SOC)是提高电动汽车续航里程和延长寿命的关键。然而,SOC不能直接测量,动力电池的充、放电又是一个复杂过程,导致目前现有的SOC估算策略很难精确地估算出实时在线SOC值。因此,如何提高SOC估算精度是当下BMS领域的研究热点。本文通过对各种SOC估算方法进行文献综述,分析和总结各个SOC估算方法的原理及优缺点,提出SOC估计策略未来发展趋势。     

并联混合动力汽车整车控制仿真

新能源汽车3大关键技术包括动力电池及其电池管理系统、驱动电机及其电机控制以及整车能量管理控制策略,整车控制策略直接决定能量流在汽车内部的流动及整车性能的好坏。文章利用模糊控制策略建立了详细的动力总成多能源能量管理控制模块,并通过ADVISOR仿真平台对所设计的控制策略进行仿真分析。仿真结果显示100km油耗仅5．1L,0-100km／h加速时间为23．1s,最大行驶速度168.3km／h;表明该能量管理策略能明显改善燃油经济性。动力性也具有较好表现。