CN103863084A - 行程导向的能量管理管制 - Google Patents

Abstract

本发明公开了行程导向的能量管理管制，运转车辆的发动机、电机和电池使得电池的荷电状态大体下降并在随后车辆已经行驶高于车辆的纯电动行程范围的距离之后近似达到荷电耗尽向荷电维持转变的阈值。

Description

行程导向的能量管理管制

技术领域

本发明涉及插电式混合动力电动车辆中的电能管理。

背景技术

插电式混合动力电动车辆（PHEV）是已有的混合动力电动车辆（HEV）的扩展，具有能量添加灵活性。传统的HEV缓存燃料能量并以电能的形式回收动能以改善总体的车辆系统运转效率。燃料通常是HEV的唯一能量源。PHEV使用比标准HEV更大容量的电池组，并且PHEV具有两个能量源（燃料和来自电力网的电力）。燃料通常更贵但是当行驶时由于现有的基础设施使得容易获取。电力不太贵但是受电池容量和电荷状态限制。这个额外的能量提供源增加控制系统策略的复杂性。控制系统可以使PHEV偏向电力推进以增加燃料效率。

PHEV的能量经济性源于PHEV系统设计、扩展的能量存储系统和PHEV能量管理控制策略。PHEV的能量管理控制（EMC）策略与HEV的大体相似，主要目标是最小化能量运转成本和排放而不损害车辆驾驶性能和系统约束。标准的EMC策略传统上设计为在下一个插电再充电事件之前以电动驱动（EV）模式运转PHEV或以混合运转模式最大化电池电力输出。添加的电能能源以及其更加频繁的再充电期望增加了PHEV能量管理问题的复杂性从而使解决方案更加具有挑战、复杂。

发明内容

插电式混合动力电动车辆可以包括发动机、电机、电池以及至少一个控制器。至少一个控制器可以运转发动机和电机使得在车辆已经行驶高于车辆的纯电动行程范围的距离之后电池的荷电状态近似达到电量耗尽向电量持续（charge-depletion-to-charge-sustaining）转变的阈值。

根据本发明的一个实施例，多个部分定义为高于车辆的纯电动行程范围的距离。

根据本发明的一个实施例，至少一个控制器进一步配置用于起动或停止发动机使得在路线的终点附近而不是终点附近之前荷电状态近似达到阈值。

根据本发明的一个实施例，每个指定比率基于对应于路线的一部分的至少一个特征。

根据本发明的一个实施例，至少一个特征包括道路坡度、标示的速度、交通、一周中的某天或一天中的时间。

附图说明

图1是行程导向的能量管理控制系统的框图；

图2a说明现有技术中在标准的插电混合动力控制策略中荷电状态随行程怎样改变的示例图表；

图2b说明在使用相对于再充电循环行驶距离构建的线性SOC模型（profile）控制的插电混合动力系统中荷电状态随行程距离怎样改变的示例图表；

图2c说明在使用相对于再充电循环行驶距离构建的多项式SOC模型控制的插电混合动力系统中荷电状态随行程距离怎样改变的示例图表；

图2d说明在使用相对于再充电循环行驶距离构建的逐段线性荷电耗尽SOC模型以及连续计算的荷电耗尽SOC模型控制的插电混合动力系统中荷电状态随行程距离怎样改变的示例图表；

图3是一种示例插电混合动力的动力传动系统配置的示意图；

图4a说明现有技术中与用于PHEV的发动机转速相对于发动机扭矩相关的示例发动机效率图；

图4b说明与用于PHEV的发动机转速相对于发动机扭矩相关的另一个示例发动机效率图；

图5是动力来源分配优化流程框图；

图6根据车速和车轮处需求动力说明电池电力，车轮处需求动力根据燃料消耗速率与相关于电池SOC的电力消耗速率的能量消耗比率确定；

图7是能量管理策略流程图；以及

图8说明根据车辆动力相对于车速的最佳发动机转速的图。

具体实施方式

根据需要，本说明书中公开了本发明具体的实施例；然而，应理解公开的实施例仅为本发明的示例，其可以多种替代形式实施。附图无需按比例绘制；可放大或缩小一些特征以显示特定部件的细节。所以，此处所公开的具体结构和功能细节不应解释为限定，而仅为教导本领域技术人员以多种形式实施本发明的代表性基础。

PHEV能量优化具有多个不同途径；该发明中将讨论一些不同的途径。这些方法中的一者应用动态规划（DP）基于详细的行程资料确定最佳动力传动系统运转状态以及燃料和电力之间的能量消耗分配。由于其非因果（non-causal）的特点以及繁重的计算负荷，所以通常在能探究并优化能量经济性潜能的线下评估基于DP的PHEV能量管理控制策略。从DP控制程序获取的见解可以充当包括基于规则的控制设计和校准的多个替代方法的准则。已经存在比较电力-中心（electric-centric）荷电耗尽混合动力车辆控制策略和近似最佳的动态规划优化的控制策略的表现的研究。另一种途径利用在线/实时可执行的PHEV能量管理控制规则。一种方法是等效消耗最小化策略（ECMS）。该策略利用瞬时等效燃料消耗的原理。理论上基于Pontryagin的最小值原理，该方法提供标准使得可以朝全局最优化目标同时评估燃料能量消耗和电池电力能量消耗。存在一些已知的策略，比如将实时行驶循环信息集成进ECMS控制设置点的调节的适应性ECMS控制策略以及基于随机优化控制的PHEV能量管理策略。这些基于DP并且可以使用一个特定行程的详细行程资料实现优化的能量管理程序。然而，该结果不能在线应用到现实世界的行驶循环。上述可执行的能量管理方法假设没有行程预知或仅仅短范围的预览信息。结果是它们在控制上的优化仅对普通的驾驶员使用和行驶模型有效。

基于优化控制理论，本发明涉及包括基于可扩展的（scalable）行程预知优化特定行程的PHEV能量经济性的行程导向的能量管理控制（TEMC）策略。TEMC策略通过提供能使用有限的可用行程信息优化PHEV能量管理的系统控制构架而覆盖基于DP和规则的方法之间的缺口。可以在两个优化层面上解决行程导向的能量管理问题。在较高层面（即行程域优化）处，执行全局能量使用/消耗优化使得基于可扩展的行程预知和能量存储状态预先计划电池电能和燃料使用。产生最佳的电池荷电状态（SOC）耗尽/使用模型。行程域SOC模型用作为PHEV在线能量管理控制的前馈准则以相对于给定的行驶计划朝向全局能量经济性改善。然后，通过反馈控制机构自适应在线搜索特定行程最佳燃料消耗与电力耗尽比率的索引，使得总体控制的能量消耗程序近似地实现预先计划的最佳程序。在车辆系统层面，针对特定PHEV相对于车辆状态、系统约束和行程域能量消耗比率索引优化地解决最高效的PHEV系统动力分离状态和动力来源状态。

可能希望具有依赖于关于驾驶员的能量使用模式和驾驶模式的资料的优化解决方案。然而，该数据并不是总是可以获取的。PHEV能量管理优化目标的一个目的可以是通过最小化的运转功耗来优化系统效率。还可能希望找到同时优化系统运转和能量消耗的驾驶员使用导向的解决方案。本说明书中的特定示例集中在行程域反馈控制和车辆域系统优化。本发明中使用的电池SOC模型的产生讨论最小水平的行程预知是直到下一次充电的行程距离，但是SOC模型不限于行程距离并且可以包括其它行程特征（比如路线特征、实时数据、驾驶员特征或期望的驾驶员行为）。路线特征包括但不限于地图信息比如道路类型（高速路、城市路等）、标示的速度限制以及道路坡度，该坡度是在海拔上的方向改变。实时数据包括但不限于交通、施工、事故、气候和车道关闭。驾驶员特征包括但不限于历史的驾驶员模型、通勤是否基于一周中的某天和一天中的某个时间的确定。驾驶员希望的行为包括但不限于驾驶员输入（性能、经济性、城市等）或驾驶员需求。集成行程距离信息的PHEV能量管理策略通过允许延展尺度的系统优化范围而能实现更好的燃料经济性。

图1示意地显示了行程导向的能量管理控制系统。动力传动系统控制（PCM）框100基于基本的动力传动系统模型，比如：

$J_{\mathrm{eng}}\frac{d{\mathrm{\ω}}_{\mathrm{eng}}}{\mathrm{dt}}={\mathrm{\τ}}_{\mathrm{eng}}+T_{e2g}{\mathrm{\τ}}_{\mathrm{sun}}$

$J_{\mathrm{gen}}\frac{d{\mathrm{\ω}}_{\mathrm{gen}}}{\mathrm{dt}}={\mathrm{\τ}}_{\mathrm{gen}}-{\mathrm{\τ}}_{\mathrm{sun}}$

在这些方程式中，J_i是惯量，τ_i项是扭矩，ω_i是通常用rpm（转每分）表达的转速，而T_i项是传动系部件之间的转速和扭矩传输比率（T_e2g是发动机与发电机的传动比，T₁是中间轴与环形齿轮的传动比，T₂是马达轴与中间轴的传动比，T_g是驱动轴与中间轴的传动比）。这还可以使用角速度估算，角速度通常用rad/sec（幅度/秒）表达。（下标i=eng、mot、gen、dft、sun，分别指示发动机、电动马达、电动发电机、驱动轴和中心齿轮。）这些方程式覆盖特定的电机实施例，即电动马达和电动发电机，但是这些原理不限于这些实施例。发动机、电动马达和电机每者具有最大扭矩。可用于提供车辆推进的总扭矩约为τ_eng与τ_mot的和（τ_eng+τ_mot）减去传动系损失。当以高于τ_mot的扭矩点运转车辆时，则可以运转发动机和马达两者以实现希望的扭矩。如果希望的扭矩小于τ_mot，则可以仅使用马达提供希望的扭矩。

请求的扭矩发动机扭矩（τ_eng）、发电机扭矩（τ_gen）、马达扭矩（τ_mot）通信至车辆110，并且包括但不限于车速和行驶距离的车辆运转数据通信至电池荷电耗尽模型生成器（DP）120，该生成器产生参考的荷电状态（SOC_ref）122。可以使用多种方法（比如线性、多项式、预先计划的逐段线性以及预先计划的连续计算）确定参考荷电状态。离散的行程位置处的线性参考荷电状态（SOC_{ref_lnr}(s)）在图2b中说明并且可以使用下面的方程式将其计算为线性方程式：

${\mathrm{SOC}}_{\mathrm{ref}\_\ln r}\left(s\right)=\mathrm{SOC}\left(s_0\right)-\frac{\mathrm{DOD}}{S_{\mathrm{temc}}}s$

其中s是离散的行程距离208，SOC（s₀）是在行程200开始处的离散行程距离处的荷电状态，DOD是等于SOC（s₀）–SOC（CS）202的放电深度，而S_temc是行程能量管理控制行程距离210（S_temc=S_ccd(1-k_em)）。K_em提供缓冲距离以确保当达到再充电点206时电池耗尽，而S_ccd是总的充电循环距离204。该参考荷电状态还可以使用下面的方程式计算为如图2c说明的多项式方程式：

$\begin{array}{c}{\mathrm{SOC}}_{\mathrm{ref}\_\mathrm{apr}}\left(s\right)=\frac{{\mathrm{\η}}_{\mathrm{\δ}}}{S_{\mathrm{temc}}^{n-1}}{(S_{\mathrm{temc}}-s)}^n\\ +k_0(S_{\mathrm{temc}}-s)+{\mathrm{soc}}_{\mathrm{cs}}\end{array}$

$k_0=\frac{\mathrm{DOD}}{S_{\mathrm{temc}}}-\frac{{\mathrm{\η}}_{\mathrm{\δ}}}{S_{\mathrm{temc}}^2}$

其中，η_δ是在电池耗尽SOC范围中平均放电电力水平处的两个极限值η之间的差异。SOCcs是设计的电池荷电持续的SOC水平202。

在图2d中说明在离散行程位置处预先计划的逐段线性和连续计算的参考荷电状态（SOC_ref（s））。

在图1中，可以多种方式实施反馈控制点124，例如，一种方法可以是反馈控制点设计成如下评估SOC瞬时误差（ε_SOC）：

ε_SOC=sign(SOC_ref(s)–SOC(s))

max(|SOC_ref(s)–SOC(s)|-SOC_cb，0)

其中SOC_cb定义参考的SOC周围未控制的小片邻近区域以减小控制敏感度。可以多种方式计算能量消耗改变率Δλ，一种示例是在电池耗尽控制框126中的空间域中通过下面的方程式计算：

Δλ＝λ(k)-λ(k-1)＝Ctrl_fb(ε_SOC)

其中λ(k)是空间域控制站kΔs<s<(k+1)Δs中的λ值。Δs是站的长度而k是量化单元。控制策略通过相对于S_ccd的值以及其它预览行程信息（如果可以获取）而预先校准的λ(0)开始。Ctrl_fb代表可通过不同的追踪控制方法设计的一组反馈控制函数。由于SOC模型是连续的并且通常变化缓慢，所以可以利用多个不同的控制策略，例如可以使用比例积分微分（PID）控制器用于对电池SOC模型的追踪进行控制。在PID控制器中，积分部分是行程域积分并且进一步通过抗饱和方法限制。可以使用的另一种控制策略是用于变量控制增益和控制台长度调节以适应不同的现实行驶模型的一层模糊逻辑。

在框128中从设置点确定并且根据Δλ调节λ的值。在动力来源分配优化（PSD）框130中利用产生的λ值以及来自车辆110和驾驶员132的其它数据，关于此将在图5和图6中提供更多的细节。框130的输出是电池功率（P_batt），该P_batt被能量管理策略（EMS）框134利用。将会在图7和图8中提供关于框134的更多细节。EMS框134的输出控制PCM100。

存在PHEV的两个基本运转状态：以比补充更快的速率耗尽电池中存储的荷电状态的电荷耗尽（CD）模式，以及补充电池中存储的荷电状态使得总的荷电状态大体上保持在特定水平的荷电保持（CS）模式。当车辆以荷电耗尽模式运转到达荷电持续水平202时发生荷电耗尽向荷电持续的转变。此时，车辆运转模式从荷电耗尽模式转变为荷电持续模式。在图2a显示的示例中，快充满电的PHEV（显示为小于完全充电200的水平）在CD212状态上行驶第一部分行程，在该第一部分行程中电池荷电状态（SOC）表现出在SOC水平200和202之间净减小（net decrease）。由于与燃料相比电力的花费更低，所以在下一个PHEV插电再充电事件之前可用的电池电能用于车辆使用功能以主要取代燃料消耗。由于通常不知道下一次电池再充电事件发生的资料，默认地，通过CD程序开始PHEV运转以确保在行程终止之前电池耗尽。

在CD运转状态期间，根据基本PHEV能量管理策略，主要使用电池的电能推进车辆，从而最大化或接近最大化耗尽存储在电池中的电能。通过在行程早期主要利用电池能量推进车辆，当行程距离接近纯电动行程范围（PER）处于EV/PEV模式（电动车辆运转或尽可能少的使用内燃发动机的混合运转）运转时，最小化PHEV燃料消耗。例如，完全充电的PHEV在特定行程循环中具有10-40英里的PER，而PER取决于设计目标、电池组的尺寸和行程循环。如图2a中S_ccd204显示的行驶时间段期间，车辆以最大值的荷电耗尽（CD）212或荷电维持（CS）214状态运转。在时间零200处，控制器以最大值的荷电耗尽速率212运转系统直到SOC达到阈值水平202。一旦达到阈值水平202，控制器对于行程S_ccd204的剩余部分以荷电维持状态（CS）214运转系统。

与最大值的荷电消耗或荷电维持状态相比，用于PHEV的替代的动力管理策略可以更加优化地平衡的方式在两个推进装置之间分配驾驶员动力需求。通过提供或假设在下一次电池充电事件之前PHEV计划行驶的总距离的资料，扩展了新PHEV电池运转状态产生荷电耗尽（CD）状态216（如图2b、图2c和图2d显示的），该状态通过取代CD加上CS程序（图2a中显示的）将电池荷电耗尽状态扩展至全部S_ccd204或者行程的部分S_ccd加上安全余量206。在扩展的CD状态216期间，以混合运转模式管理PHEV动力传动系统，在该模式中基于图2b、图2c和图2d中提供的控制策略示例优化地协调发动机和电池来满足行驶动力需求（扭矩需求）。对两个能量源的行驶动力分配动态调节以实现相对于电力消耗速率（EDR）最小化燃料消耗速率（FCR）的最佳能量消耗比率（ECR）。燃料消耗速率可以基于距离或时间并且电力消耗速率可以基于距离或时间。结果，在程序的控制下电池SOC遵循空间域中希望的参考SOC模型（见图2b、2c和2d）。取决于可获取性，可以通过可扩展的行程信息设计参考的SOC模型。在最小水平处，需要连续的电池充电之间的行驶距离。该电池SOC模型不仅确保在行程S_ccd终止之前电池耗尽至CS水平，而且还通过沿参考的SOC模型的ECR指示沿行程的电池电力。电池SOC模型可以设计用于燃料经济性改善、电池保护、电池持久性最大化、能量节约等。电池SOC模型可以是线性的（图2b）、多项式曲线（图2c）、阶梯式的或展现任何其它的下降和/或保持恒定的组合的模型（图2d）。不丧失通用性，本发明中主要讨论的参考SOC模型通过假设充电循环距离信息资料为先验（priori）而设计用于燃料经济性改善。

图3说明了动力分离的PHEV配置。然而，因为本发明可应用到任何适当构架的PHEV，该配置是仅出于示例的目的并不意欲限制。车辆308的控制可以具有多种配置。在图3显示的示例中，车辆系统控制器（VSC）310与电池/电池控制模块（BCM）312以及用于变速器314的控制模块366通信。通过控制器310控制的发动机316通过扭矩输出轴318分配扭矩至变速器314。

变速器314包括行星齿轮单元320，该单元包含环形齿轮322、中心齿轮324和行星齿轮架总成326。环形齿轮322分配扭矩至阶梯变速（step ratio）齿轮，包含啮合齿轮元件328、330、332、334和336。用于驱动桥的扭矩输出轴338通过差速器及轴（differential-and-axle）机构342可驱动地连接至车辆牵引车轮340。

齿轮330、332和334安装在中间轴上，齿轮332啮合马达驱动的齿轮344。电动马达346驱动齿轮344，该齿轮充当用于中间轴传动的扭矩输入。

模块312的电池通过电力传输路径348传输电力至马达。如显示的352处，发电机350以已知的方式电连接至电池和马达。

在图3中，车辆系统控制器310接收包括但不限于变速器范围选择器输入信号（PRND）360、加速器踏板位置传感器输入信号（APPS）362、制动踏板位置传感器输入信号（BPPS）364以及直到下一次再充电的距离358的输入。如368、370、372处显示的，以已知方式电连接至发动机316、变速器控制模块366以及电池/BCM312的车辆系统控制器310输出信号。VSC310还输出信息至驾驶员信息控制台以通知系统运转的操作员。

如前面提到的，有两个动力源用于传动系。第一动力源是发动机和发电机子系统的组合，使用行星齿轮单元320将它们连接在一起。其它的动力源涉及包括马达、发电机和电池的纯电动驱动系统，其中电池充当用于发电机和马达的能量存储媒介。

如上文提到的，插电式混合动力电动车辆（PHEV）是已有的混合动力电动车辆（HEV）技术的扩展，其中通过电池组和电机补充内燃发动机以进一步获得增加的里程数和减小的车辆排放。PHEV利用比标准混合动力车辆容量更大的电池组并加强电池从标准电力输出再充电的能力以减小车载的燃料消耗，从而以电动驱动模式或以燃料/电力混合的驱动模式进一步改善车辆的燃料经济性。参考图3，如果HEV38是PHEV，它包括连接至电力网或外部的电源并且可以通过电池充电器/转换器382连接至电池312的插座380。

在一些应用中，车辆进一步包括系统输入或用户输入装置，比如按钮358、键盘、无线界面输入或用于向VSC310提供到下次电池充电事件的充电站的期望/估算的行驶距离的其它输入装置。此外，PHEV308可以包括提供信息（比如GPS输出）的驾驶员显示器356以及驾驶员可以向其提供路线信息或请求额外信息的界面。这些信息系统提供感知或预测的行程信息（比如直到下次充电的距离（DUC）、驾驶模式、驾驶员需要的动力模型等）至PHEV控制策略。

传统的HEV缓存燃料能量并以电力的形式回收动能以改善总体的车辆系统运转效率。燃料是唯一的能量源。对于PHEV，存在额外的能量源（电池充电事件期间从电网存储在电池中的电能量）。用于PHEV的动力管理策略可以在两个能量源之间分配驱动动力需求以实现更好的燃料经济性或改善的驾驶性能同时还满足其它目标。传统的HEV运转为将荷电状态（SOC）保持在恒定水平附近，而PHEV在下次电池充电事件之前尽可能多的使用预先存储的电池电力（电网）能量，即希望在每个插电充电事件之后完全使用相对便宜的电网供应的电能。电池SOC耗尽至最低保存水平之后，PHEV运转为在电池的最低保存水平附近运转的传统HEV。

图4a说明基于利用标准控制策略的PHEV系统的示例发动机效率分配图谱和发动机运转分配。发动机效率图谱和发动机运转分配描绘为发动机扭矩400和发动机转速402的函数。发动机转速显示为从1000rpm到4000rpm而发动机扭矩显示为从20Nm到180Nm。在该说明中，发动机显示为在多个位置集群运转；一个集群在2000rpm附近当发动机扭矩约为40Nm时产生约26%的发动机效率404。同样，在2000rpm处存在从40Nm处的集群域404到约120Nm处的运转406的运转范围。另一个运转集群出现在约1400rpm处当发动机扭矩约为70Nm，产生约31%的发动机效率408。第三个运转集群出现在当发动机转速为2500rpm而发动机扭矩约为130到140Nm时，产生约34%的运转效率410。在该标准运转期间，发动机效率显示为降低到低至24%。

图4b说明基于利用行程导向的能量管理控制策略（TEMC）控制策略的示例发动机效率分配图谱和发动机运转分配分配。发动机效率图谱和发动机运转分配描绘为发动机扭矩400和发动机转速402的函数。发动机效率遵循轮廓线412而发动机运转描绘为直方图，在该直方图中单点（single point）是深色点，在414处该深色点变得越淡发生频率越高。发动机转速显示为从1000rpm到4000rpm而发动机扭矩显示为从20Nm到180N。在该说明中，发动机显示为在2400rpm附近当发动机扭矩约为120Nm时集群运转，产生约34.7%的发动机效率414。还有一些运转点416在统计上无关紧要，因为它们是具有低发生频率的异常值。使用该TEMC控制策略，运转效率主要集中在约2500rpm和120Nm处高度集中的点说明的效率为34%的周围。该数据说明了TEMC控制策略改善的效率。

图5说明从图1计算动力来源分配优化130的示例实施例。该示例说明用于生成一系列图谱表格的示例流程图，其可以线下生成并随后迅速访问以改善运行时间性能或者可以实时计算它们。在图5中，状态点的组合包括但不限于优化的共态λ500（λ可以是瞬时λ值或者它可以是来自一组允许值的λ值使得可以计算出表格）、车速V_spd502（车速可以是V_spd的瞬时值或者它可以是来自一组允许值的V_spd值使得可以计算出表格）以及驾驶员行驶动力请求P_whl504（该请求可以是P_whl的瞬时值或能它可以是来自一组允许值的P_whl值使得可以计算出表格）和SOC。在框506中，汉密尔顿（Hamiltonian）值H设置成任意高值（例如H=10），而在508处从容许的电池组选择候选的电池功率P_batt（例如P=1）。

在510处可以计算最佳发动机转速和关联的电力功率损失，或者可以从系统运转优化表格512选择该值；T_{au_eng}是确定的发动机扭矩。在框514中，基于包括但不限于发动机转速和发动机扭矩的变量计算燃料流量，或者可以经由使用静态发动机运转图谱516确定燃料流量。

使用下面的方程式计算汉密尔顿值：

$\begin{array}{c}{u}^{*}\left(s\right)=\arg \underset{{u|}_{{\mathrm{\&omega;}}_{\mathrm{eng}}^{*}}\&Element;C}{\min }H\left(s\right){|}_{\mathrm{\&lambda;}}\\ =\arg \underset{{u|}_{{\mathrm{\&omega;}}_{\mathrm{eng}}^{*}}\&Element;C}{\min }({\stackrel{\&CenterDot;}{m}}_f^s\left(u\right)+\frac{\mathrm{\&lambda;}}{\mathrm{\&eta;}\left(x\right)}\frac{u}{Q_{\mathrm{batt}}{V}_{\mathrm{veh}}{V}_{\mathrm{oc}}^h}){|}_{{\mathrm{\&omega;}}_{\mathrm{dft}},{\mathrm{\&tau;}}_{\mathrm{dft}}}\end{array}$

其中相对于燃料消耗速率（FCR）与电力耗尽速率（EDR）的给定值执行PHEV动力来源优化，该值是称为λ的能量消耗速率（ECR），u^*(s)是最佳行程域电池电力轨迹，

是对应的系统运转设定点，稳态控制输入u(s)=P_batt，η定义为代表在劣化的（degraded）电池开路电压水平处有用的电池功率比率与总的电池功率消耗的等效电池放电功率效率，

是当车辆正在移动时的瞬时燃料流量，s是行程域距离变量，Q_batt是高压电池容量，V_oc是电池开路电压，而

是在最高SOC水平处的标称电池开路电压。

框518是决策树，如果汉密尔顿值小于或等于之前的值，在524处选择不同的电池功率设置点并且在框510和514中再计算发动机输出扭矩（τ_eng）和燃料消耗变量（m_f）。如果汉密尔顿值小于之前的值，在520处选择最佳电池功率（P_{batt_opt}）。在框522处执行检查以完成所有的候选电池功率设置。如果完成所有设置，记录相对于给定的V_spd、P_whl、λ和SOC的汉密尔顿值。可以实时完成该计算，或者可以在526处根据所有设置V_spd、P_whl和λ通过计算所有允许值的结果来计算。该结果可以存储在图5的流程图中说明的一系列图谱表格中，在图6中说明生成的一系列图谱。

图6说明基于给定能量消耗比率λ616确定P_batt610的一种方法。在该示例中，使用车速V_spd612、行驶动力请求P_whl614、电池荷电状态（SOC）618以及能量消耗比率λ616计算P_batt610。在该示例说明中，6个图谱显示用于能量消耗比率λ616和电池荷电状态（SOC）618的6个离散值。也可以是其它场景。由于这些表格可以被校准用于特定系统，使用这些图谱允许更快的执行速度。类似地，可以实时计算该数据。

图7说明从图1计算能量管理策略134的示例。这说明了用于产生一系列图谱表格的示例，可以线下产生该表格并随后迅速访问以改善运转时间性能。然而，还可以实时执行该流程。利用来自动力来源分配优化框130的包括但不限于车速502、驾驶员行驶动力请求504以及电池功率P_batt700的状态点组合。可以实时完成该计算，或者可以在724处根据所有设置V_spd、P_whl和P_batt通过计算用于所有容许值的结果来计算。

在框702，选择来自容许的发动机转速组的候选发动机转速设置点并且J₁（J₁是用于优化问题的成本函数）的初始值设置为零。下面是显示η、ω和J₁之间关系的示例方程式：

$\underset{{\mathrm{\&omega;}}_{\mathrm{eng}}\&Element;C}{\max }{J}_1={\mathrm{\&eta;}}_{\mathrm{sys}}\left({\mathrm{\&omega;}}_{\mathrm{eng}}\right){|}_{{\mathrm{\&omega;}}_{\mathrm{dft}},{\mathrm{\&tau;}}_{\mathrm{dft}},P_{\mathrm{batt}}}=\frac{P_{\mathrm{whl}}}{P_{\mathrm{fuel}}+P_{\mathrm{batt}}}$

在框704中说明估算电力功率损失；在706中说明电力路径功率损失（P_{epath_loss}），P_{elec_loss}是电力功率损失；在框708中计算发动机功率（P_eng），可以使用下面的方程式解决发动机功率：

P_eng=P_whl–P_batt+P_{epath_loss}

在框710和712中基于子系统属性使用下面的方程式实时或线下计算发电机扭矩、转速和功率损失（τ_gen、ω_gen和P_{gen_loss}）以及马达扭矩、转速和功率损失（τ_mot、ω_mot和P_{mot_loss}）：

P_{gen_loss}＝fig(ω_gen，τ_gen)

P_{mot_loss}＝fim(ω_mot，τ_mot)

而ω代表转速而ρ代表行星传动比，其动能关系是：

${\mathrm{\&omega;}}_{\mathrm{dft}}=\frac{T_2}{T_g}{\mathrm{\&omega;}}_{\mathrm{mot}}$

在框714中，通过下面的关系确定电力路径功率损失Pepath_loss：

$\begin{array}{c}{P}_{\mathrm{epat}{h}_i\mathrm{oss}}=P_{\mathrm{batt}}-{\mathrm{\&omega;}}_{\mathrm{gen}}{\mathrm{\&tau;}}_{\mathrm{gen}}-{\mathrm{\&omega;}}_{\mathrm{mot}}{\mathrm{\&tau;}}_{\mathrm{mot}}\\ =P_{\mathrm{mot}\_\mathrm{loss}}+P_{\mathrm{gen}\_\mathrm{loss}}+P_{\mathrm{elec}\_\mathrm{loss}}\end{array}$

在框716中，估算电动马达损失以确定它是否趋同（converge），如果当前趋同，可以更新J₁、P_{epath_loss}和ω_{eng_opt}。在框718中，通过最大化用于车辆推进的输出功率而确定电力路径和机械路径两者的最大效率的动力分离状态。这通过最大化下面的方程式而最大化中间轴的惯性来执行：

$\underset{{\mathrm{\&omega;}}_{\mathrm{eng}}\&Element;C}{\max }{J}_1={\mathrm{\&eta;}}_{\mathrm{sys}}\left({\mathrm{\&omega;}}_{\mathrm{eng}}\right){|}_{{\mathrm{\&omega;}}_{\mathrm{dft}},{\mathrm{\&tau;}}_{\mathrm{dft}},P_{\mathrm{batt}}}=\frac{P_{\mathrm{whl}}}{P_{\mathrm{fuel}}+P_{\mathrm{batt}}}$

使用最佳ω_eng确定最佳动力分离状态并随后通过下面的方程式最小化瞬时燃料消耗：

${\mathrm{\&omega;}}_{\mathrm{eng}}^{*}{|}_{u,{\mathrm{\&tau;}}_{\mathrm{dft}},{\mathrm{\&omega;}}_{\mathrm{dft}}}=\arg \underset{{\mathrm{\&omega;}}_{\mathrm{eng}}\&Element;C}{\min }H\left(s\right)=\arg \underset{{\mathrm{\&omega;}}_{\mathrm{eng}}\&Element;C}{\min }{\stackrel{\&CenterDot;}{m}}_f^s{|}_u$

$P_{\mathrm{ice}\_\mathrm{loss}}=P_{\mathrm{fuel}}\left({\stackrel{\&CenterDot;}{m}}_f({\mathrm{\&omega;}}_{\mathrm{eng}},{\mathrm{\&tau;}}_{\mathrm{eng}})\right)-P_{\mathrm{eng}}$

该方程式的燃料流量可以被实时计算或者被计算为表格图谱并存储在存储器中以减小运行时的计算负荷。如果表格图谱是希望的，该燃料流量将遵循框720，并且在722内该燃料流量用于完成ω_eng的一组允许值。在720处，omega_eng_opt_table是最佳发动机转速表格，omega_eng（ω_eng）是发动机转速；P_{loss_tbl}是功率损失表格，P_loss是功率损失。该计算可以实时完成，或者在724处可以根据所有设置V_spd、P_whl和P_batt通过计算所有允许值的结果来计算。随后保存ω_eng和P_eng的值并转发至动力传动系统控制模块100。图8说明最佳发动机转速ω_eng810作为行驶动力请求P_whl812、车速V_spd814和电池功率P_batt616的函数。这可以被实时计算或者可以被计算用于如说明的特定电池功率P_batt616。由于可以校准这些表格用于特定系统，使用这些图谱允许更快的执行速率。

由于PHEV运转中在总的功率损失中内燃发动机损失P_ice-loss和电力功率传输损失P_epath-loss占主要地位，所以在该计算中机械功率传输损失是无关紧要的。在上面的方程式中，P_whl是车轮处的行驶动力请求、P_fuel是以当前燃料流率从燃料提供的总的功率、P_batt是采用放电的正标记和充电的负标记的电池功率而P_loss是PHEV系统功率传输损失。通过以当前驱动轴转速ω_dft推进车辆的驱动轴扭矩τ_dft在外部确定整个PHEV系统的运转点。

尽管上文描述了示例性实施例，并非意味着这些实施例说明并描述了本发明的所有可能形式。相反，说明书中使用的词语为描述性词语而非限定，并且应理解可作出各种改变而不脱离本发明的精神和范围。此外，可组合各种执行实施例的特征以形成本发明进一步的实施例。

Claims (10)

1.一种插电式混合动力电动车辆，包含：

发动机；

具有扭矩极限的电机；

具有荷电耗尽向荷电维持转变阈值的电池，并且在行程的开始初始荷电状态高于所述阈值；以及

至少一个控制器，配置用于在所述行程期间运转所述发动机和电机使得所述车辆已经行驶高于指定距离的距离之后所述电池的荷电状态近似达到所述阈值，其中所述指定距离是当总扭矩需求保持小于或等于所述扭矩极限时所述车辆单独通过所述电机驱动直到所述荷电状态近似达到所述阈值的总距离。

2.根据权利要求1所述的车辆，其特征在于，所述至少一个控制器进一步配置用于运转所述发动机和电机使得在所述行程的所述终点附近而不是所述终点附近之前所述荷电状态近似达到所述阈值。

3.根据权利要求1所述的车辆，其特征在于，所述至少一个控制器进一步配置用于当所述车辆当前行驶高于所述指定距离的距离时以荷电耗尽模式运转所述电机和电池。

4.根据权利要求1所述的车辆，其特征在于，所述至少一个控制器进一步配置用于根据用于所述发动机的燃料消耗速率与用于所述电机的能量消耗速率的多个指定比率运转所述发动机和电机使得所述车辆已经行驶高于所述指定距离的所述距离之后所述荷电状态近似达到所述阈值，并且其中所述指定比率对应于所述行程的多个部分。

5.根据权利要求4所述的车辆，其特征在于，所述指定比率中的每者基于所述行程的所述对应部分的至少一个特征。

6.根据权利要求5所述的车辆，其特征在于，所述至少一个特征包括道路类型、道路坡度、标示的速度、交通、一周中的某天或一天中的时间。

7.一种用于控制具有纯电动行程范围的车辆的方法，包含：

基于发动机燃料消耗速率与电机能量消耗速率的多个指定比率运转发动机和电机使得电池的荷电状态大体上下降并且随后在所述车辆已经行驶高于所述纯电动行程范围的距离之后近似达到荷电耗尽向荷电维持转变的阈值。

8.根据权利要求7所述的方法，进一步包含运转所述发动机和电机使得在所述车辆的路线的所述终点附近而不是所述终点附近之前所述荷电状态近似达到所述阈值。

9.一种车辆，包含：

发动机；

电机；

电池；以及

至少一个控制器，配置用于针对路线的多个部分中的每者根据用于所述发动机的燃料消耗速率与用于所述电机的能量消耗速率的指定比率起动或停止所述发动机使得所述电池的荷电状态大体上以希望的速率下降直到所述荷电状态达到荷电耗尽向荷电维持转变的阈值、并且响应于所述荷电状态达到阈值而运转所述发动机以在路线的剩余部分保持所述荷电状态近似为所述阈值。

10.根据权利要求9所述的车辆，其特征在于，所述多个部分定义为高于总距离的距离，所述总距离是当总扭矩需求保持小于或等于所述电机的扭矩极限时车辆单独通过所述电机驱动直到所述荷电状态近似达到所述阈值的距离。

Images