CN108957359B - 一种用于整车环境下复合电源系统瞬时效率的测试方法 - Google Patents

Abstract

本发明公开了一种用于整车环境下复合电源系统瞬时效率的测试方法，首先确定整车环境下试验车的测试条件、试验的次数和负载需求功率的集合；对集合中的所有负载需求功率进行循环工况测试，记录每次试验采样时刻的数据，得到总的采样矩阵；将单次的采样矩阵作为输入，用所有采样时刻的状态向量依次判别采样数据所属工作模式，对不同工作模式下的采样数据应用不同的瞬时效率的公式进行计算，从而得到负载需求功率下三种工作模式的瞬时效率均值；最终得到试验的输出矩阵。本发明完善复合电源系统瞬时效率的测试方法，从而实现量化瞬时效率的目的，为后续整车复合电源系统相关控制策略的制定提供重要依据。

Description

一种用于整车环境下复合电源系统瞬时效率的测试方法

技术领域

本发明属于整车能量管理领域，主要涉及一种用于整车环境下复合电源系统瞬时效率的测试方法。

背景技术

汽车总线技术以及车载用电设备的增多，电能消耗占整车能量消耗的比例也越来越大。对于整车复合电源系统的研究，目前也成为整车能量管理领域内研究的热门问题。

复合电源系统最开始只应用于电动汽车，随着电源管理技术的普及，逐渐应用于混合动力和传统汽车中。它在传统汽车电源系统的基础上，新增了智能发电机、蓄电池传感器和超级电容等部件，利用蓄电池的分区管理和监测用电设备，从而实现发电机的智能动态控制。

现有技术中，大多的研究者针对复合电源系统效率的研究，仅通过建立电池和超级电容模型、优化目标函数等，采用仿真建模的形式进行分析，以期提高复合电源系统效率的目的。但由于汽车行驶工况的复杂性和多变性，仿真的结果仅能部分地反映复合电源系统的效率，缺乏整车试验条件下瞬时效率的具体测试方法。目前针对复合电源系统能量效率的研究大多停留在电动车方面，但是针对传统汽车复合电源系统的研究却很少，虽划分了工作模式，但未对具体影响因素的进行划分，不利于电源系统控制策略的制定。此外，现有的研究尽管搭建了复合电源系统测试平台，但是仅为了测试其稳定性和相关性能，并未给出瞬时效率的测试方法，因此无法从数值层面去衡量复合电源系统的瞬时效率。

发明内容

本发明是为了解决上述现有技术存在的不足之处，提出一种用于整车环境下复合电源系统瞬时效率的测试方法，以期能在研究传统汽车复合电源系统的基础上，完善复合电源系统瞬时效率的测试方法，从而实现量化瞬时效率的目的，为后续整车复合电源系统相关控制策略的制定提供重要依据，并且该方法可扩展至混合动力汽车复合电源系统的研究领域。

本发明为解决技术问题采用如下技术方案：

本发明一种用于整车环境下复合电源系统瞬时效率的测试方法的特点是按如下步骤进行：

步骤1、确定整车的测试条件：

步骤1.1、选择一种循环工况；

步骤1.2、设定整车参数的数值，包括：蓄电池荷电状态SOC、平均传动系效率β、蓄电池平均放电效率η_Bout和超级电容平均充电效率η_ESRin；

步骤1.3、确定负载需求功率集合其中，为第i次试验的负载需求功率，P_LRmax为负载最大需求功率，ΔP为负载需求功率增量，k为所需试验的总次数；

步骤2、对设定参数的整车进行负载需求功率为时的第i次循环工况测试，并记录循环工况周期内第θ个采样时刻t^θ的蓄电池荷电状态SOC^i,θ、智能发电机的电压智能发电机的电流发动机输出的扭矩T^i,θ、发动机转速n^i,θ、驱动轮系驱动力车速V^{i ,θ}、基础负载功率蓄电池放电电压放电电流超级电容充电电压超级电容充电电流和发电机至压缩机功率得到第θ次的采样数据，记为从而记录循环工况周期内所有采样时刻的采样数据，得到第i次试验的采样矩阵Sⁱ，进而完成k次循环工况测试，并得到采样矩阵S＝[S¹...Sⁱ...S^k]；

步骤3、初始化i＝1；

步骤4、选取第i次采样矩阵Sⁱ作为输入，利用第θ个采样时刻t^θ的状态向量判别第θ次的采样数据所属的工作模式，从而利用所有采样时刻的状态向量判别各自采样数据所属的工作模式：

若负载需求功率且蓄电池电量区间为[α₁,α₂]，则判别所述第θ次的采样数据所属的工作模式为智能发电机供电模式IGPS，并将第θ次采样数据存入IGPS预处理矩阵A^IGPS中；

若负载需求功率且蓄电池电量区间为(α₂,α₃]，则判别所述第θ次的采样数据所属的工作模式为智能发电机和蓄电池协同供电模式CPS，并将第θ次采样数据存入CPS预处理矩阵B^CPS中；

若负载需求功率且蓄电池电量区间为(α₃,α₄]，则判别所述第θ次的采样数据所属的工作模式为蓄电池供电模式BPS，并将第θ次采样数据存入BPS预处理矩阵C^BPS中；其中，40％≤α₁＜α₂＜α₃＜α₄≤100％为蓄电池的荷电状态，取值取决于车载蓄电池的性能；

步骤5、利用式(1)得到智能发电机供电模式IGPS下，负载需求功率为时的第i次循环工况测试的第θ个采样时刻t^θ的瞬时效率η^IGPS,i,θ，从而得到智能发电机供电模式IGPS下第i次循环工况测试的所有采样时刻的瞬时效率矩阵η^IGPS,i以及瞬时效率均值

式(1)中：为第i次循环工况测试中第θ个采样时刻t^θ的发动机输出功率；

步骤6、利用式(2)得到智能发电机和蓄电池协同供电模式CPS下，负载需求功率为时的第i次循环工况测试的第θ个采样时刻t^θ的瞬时效率η^CPS,i,θ，从而得到智能发电机和蓄电池协同供电模式CPS下第i次循环工况测试的所有采样时刻的瞬时效率矩阵η^CPS,i以及瞬时效率均值

式(3)中：表示第i次循环工况测试中第θ个采样时刻t^θ的复合电源系统输出功率的总和，并有：

步骤7、利用式(4)得到蓄电池供电模式BPS下，负载需求功率为时的第i次循环工况测试的第θ个采样时刻t^θ的瞬时效率η^BPS,i,θ，从而得到蓄电池供电模式BPS下第i次循环工况测试的所有采样时刻的瞬时效率矩阵η^BPS,i以及瞬时效率均值

步骤8、由所述第i次试验的负载需求功率智能发电机供电模式IGPS下第i次循环工况测试的瞬时效率均值智能发电机和蓄电池协同供电模式CPS下第i次循环工况测试的瞬时效率均值以及蓄电池供电模式BPS下第i次循环工况测试的瞬时效率均值构成第i次循环工况测试的输出矩阵

步骤9、将i+1赋值给i，并判断i＞k是否成立，若成立，完成所述采样矩阵S的k列数据处理，并得到输出矩阵E＝[E¹...Eⁱ...E^k]；否则，返回步骤4顺序执行。

与现有技术相比，本发明的有益效果在于：

1、本发明一种用于整车环境下复合电源系统瞬时效率的测试方法，划分了复合电源系统的工作模式，提出了各工作模式下瞬时效率的计算方法；在整车环境下进行多次循环工况测试，从而得到了不同负载需求功率下的三种工作模式的瞬时效率，进而实现了量化瞬时效率计算的目的，并且完善了复合电源系统瞬时效率的测试方法。

2、本发明可扩展至混合动力汽车复合电源系统的瞬时效率研究领域，该测试方法可移植性强，可应用于多种复合电源系统的测试。

3、本发明提供的测试方法，单次测试时间由循环工况时长决定，测试的数据根据采样率决定，因此该方法兼容性较强，可灵活适应多种测试需求；在整车环境下测试所得数据较为可靠，试验过程方便实现；

4、本发明提出的测试方法在整车环境下进行，得到不同负载需求功率下的输出矩阵，可方便比较三种工作模式的瞬时效率数值，为后续整车复合电源系统相关控制策略的制定提供重要依据，继而提高了汽车的经济性和动力性。

附图说明

图1为本发明的测试方法流程图；

图2为本发明的复合电源系统架构示意图；

图3为本发明整车功率分配示意图。

具体实施方式

本实施例中，一种用于整车环境下复合电源系统瞬时效率的测试方法是：首先确定整车环境下试验车的测试条件，包括循环工况的选择和整车相关参数的设定，进而确定试验的次数和负载需求功率的集合；对集合中的所有负载需求功率进行循环工况测试，记录每次试验采样时刻的数据，从而得到总的采样矩阵；将单次的采样矩阵作为输入，用所有采样时刻的状态向量依次判别采样数据所属工作模式，对不同工作模式下的采样数据应用不同的瞬时效率的公式进行计算，从而得到负载需求功率下三种工作模式的瞬时效率均值；对所有的采样矩阵进行处理，最终得到负载需求功率与瞬时效率的输出矩阵，具体测试流程如图1所示，并按如下步骤进行：

步骤1、确定整车的测试条件：

步骤1.1、选择一种循环工况；具体实施中，循环工况可以是标准循环工况，也可以是自定义测试工况，取决于测试要求；

步骤1.2、设定整车参数的数值，包括：蓄电池荷电状态SOC、平均传动系效率β、蓄电池平均放电效率η_Bout和超级电容平均充电效率η_ESRin；

蓄电池荷电状态SOC的初始值关系到复合电源系统的工作模式，本实施例中取SOC＝80％，尽可能使得每次循环工况下测试的数据均包含三种工作模式；具体实施中，平均传动系效率β、蓄电池平均放电效率η_Bout和超级电容平均充电效率η_ESRin的数值均与所选试验车有关，可视为常数。

步骤1.3、确定负载需求功率集合其中，为第i次试验的负载需求功率，P_LRmax为负载最大需求功率，ΔP为负载需求功率增量，k为所需试验的总次数；负载最大需求功率的数据取决于试验车的性能，本实施例中，取P_LRmax＝1200W，负载需求功率增量ΔP＝200W，若ΔP的取值过大则导致输出矩阵E中负载需求功率与三种工作模式瞬时效率的对应关系不明显，若ΔP的取值过小则导致试验次数增多；具体实施中，可根据具体的测试要求和试验车性能决定ΔP的取值。

本实施例中，所研究的复合电源系统架构示意图如图2所示，传统汽车复合电源系统以发电机提供电能为主，蓄电池、超级电容提供电能为辅，蓄电池通过充放电来平衡电源系统在不同工况下的电能需求。

步骤2、对设定参数的整车进行负载需求功率为时的第i次循环工况测试，并记录循环工况周期内第θ个采样时刻t^θ的蓄电池荷电状态SOC^i,θ、智能发电机的电压智能发电机的电流发动机输出的扭矩T^i,θ、发动机转速n^i,θ、驱动轮系驱动力车速V^{i ,θ}、基础负载功率蓄电池放电电压放电电流超级电容充电电压超级电容充电电流和发电机至压缩机功率得到第θ次的采样数据，记为从而记录循环工况周期内所有采样时刻的采样数据，得到第i次试验的采样矩阵Sⁱ，进而完成k次循环工况测试，并得到采样矩阵S＝[S¹...Sⁱ…S^k]；

采样矩阵S中包含了k次循环工况测试的所有采样时刻的数据，具体实施中，每次循环工况的周期由所选工况类型决定，采样时刻点的个数由采集设备的精度和测试要求决定；发动机输出的扭矩T^i,θ，单位为N·m，n^i,θ为发动机转速，单位为rpm，由于不能在整车试验条件下直接测量，取单位为W。

传统汽车整车功率分配如图3所示，由此示意图可知，整车唯一动力来源发动机，发动机输出功率分别传递至驱动轮系功率发电机功率以及压缩机功率三部分，因此部分的传递功率可以简易表示为：

步骤3、初始化i＝1；依次对采样矩阵Sⁱ进行数据处理；

步骤4、选取第i次采样矩阵Sⁱ作为输入，利用第θ个采样时刻t^θ的状态向量判别第θ次的采样数据所属的工作模式，从而利用所有采样时刻的状态向量判别各自采样数据所属的工作模式：本实施例中，对复合电源工作模式的判别条件主要是蓄电池荷电状态SOC和负载需求功率P_LR，因此状态向量d包含这两个因素。

若负载需求功率且蓄电池电量区间为[α₁,α₂]，则判别第θ次的采样数据所属的工作模式为智能发电机供电模式IGPS，并将第θ次采样数据存入IGPS预处理矩阵A^IGPS中；

若负载需求功率且蓄电池电量区间为(α₂,α₃]，则判别第θ次的采样数据所属的工作模式为智能发电机和蓄电池协同供电模式CPS，并将第θ次采样数据存入CPS预处理矩阵B^CPS中；

若负载需求功率且蓄电池电量区间为(α₃,α₄]，则判别第θ次的采样数据所属的工作模式为蓄电池供电模式BPS，并将第θ次采样数据存入BPS预处理矩阵C^BPS中；其中，40％≤α₁＜α₂＜α₃＜α₄≤100％为蓄电池的荷电状态，取值取决于车载蓄电池的性能；

本实施例中，α₁＝40％、α₂＝60％、α₃＝80％、α₄＝100％，具体实施中，根据试验车的蓄电池性能确定α₁、α₂、α₃和α₄的取值。

步骤5、利用式(1)得到智能发电机供电模式IGPS下，负载需求功率为时的第i次循环工况测试的第θ个采样时刻t^θ的瞬时效率η^IGPS,i,θ，从而得到智能发电机供电模式IGPS下第i次循环工况测试的所有采样时刻的瞬时效率矩阵η^IGPS,i以及瞬时效率均值

式(1)中：为第i次循环工况测试中第θ个采样时刻t^θ的发动机输出功率；式(1)中的3.6是车速V^i,θ的单位换算系数：车速V^i,θ的单位由km/h换算成1m/s；本实施例中，需要对预处理矩阵A^IGPS中的数据进行转换，构成如式(1)中矩阵的形式。

步骤6、利用式(2)得到智能发电机和蓄电池协同供电模式CPS下，负载需求功率为时的第i次循环工况测试的第θ个采样时刻t^θ的瞬时效率η^CPS,i,θ，从而得到智能发电机和蓄电池协同供电模式CPS下第i次循环工况测试的所有采样时刻的瞬时效率矩阵η^CPS,i以及瞬时效率均值

式(2)中的3.6是车速V^i,θ的单位换算系数：车速V^i,θ的单位由km/h转换成1m/s；本实施例中，需要对预处理矩阵B^CPS中的数据进行转换，构成如式(2)中矩阵的形式。

式(3)中：表示第i次循环工况测试中第θ个采样时刻t^θ的复合电源系统输出功率的总和，并有：

步骤7、利用式(4)得到蓄电池供电模式BPS下，负载需求功率为时的第i次循环工况测试的第θ个采样时刻t^θ的瞬时效率η^BPS,i,θ，从而得到蓄电池供电模式BPS下第i次循环工况测试的所有采样时刻的瞬时效率矩阵η^BPS,i以及瞬时效率均值

本实施例中，需要对预处理矩阵C^CPS中的数据进行转换，构成如式(4)中矩阵的形式。

步骤8、由第i次试验的负载需求功率智能发电机供电模式IGPS下第i次循环工况测试的瞬时效率均值智能发电机和蓄电池协同供电模式CPS下第i次循环工况测试的瞬时效率均值以及蓄电池供电模式BPS下第i次循环工况测试的瞬时效率均值构成第i次循环工况测试的输出矩阵

步骤9、将i+1赋值给i，并判断i＞k是否成立，若成立，完成采样矩阵S的k列数据处理，并得到输出矩阵E＝[E¹…Eⁱ…E^k]；否则，返回步骤4顺序执行。

Claims (1)

1.一种用于整车环境下复合电源系统瞬时效率的测试方法，其特征是按如下步骤进行：

步骤1、确定整车的测试条件：

步骤1.1、选择一种循环工况；

步骤1.2、设定整车参数的数值，包括：蓄电池荷电状态SOC、平均传动系效率β、蓄电池平均放电效率η_Bout和超级电容平均充电效率η_ESRin；

步骤1.3、确定负载需求功率集合其中，为第i次试验的负载需求功率，P_LRmax为负载最大需求功率，ΔP为负载需求功率增量，k为所需试验的总次数；

步骤2、对设定参数的整车进行负载需求功率为时的第i次循环工况测试，并记录循环工况周期内第θ个采样时刻t^θ的蓄电池荷电状态SOC^i,θ、智能发电机的电压智能发电机的电流发动机输出的扭矩T^i,θ、发动机转速n^i,θ、驱动轮系驱动力车速V^i,θ、基础负载功率蓄电池放电电压放电电流超级电容充电电压超级电容充电电流和发电机至压缩机功率得到第θ次的采样数据，记为从而记录循环工况周期内所有采样时刻的采样数据，得到第i次试验的采样矩阵Sⁱ，进而完成k次循环工况测试，并得到采样矩阵S＝[S¹ … Sⁱ … S^k]；

步骤3、初始化i＝1；

步骤4、选取第i次采样矩阵Sⁱ作为输入，利用第θ个采样时刻t^θ的状态向量判别第θ次的采样数据所属的工作模式，从而利用所有采样时刻的状态向量判别各自采样数据所属的工作模式：

若负载需求功率且蓄电池电量区间为[α₁,α₂]，则判别所述第θ次的采样数据所属的工作模式为智能发电机供电模式IGPS，并将第θ次采样数据存入IGPS预处理矩阵A^IGPS中；

若负载需求功率且蓄电池电量区间为(α₂,α₃]，则判别所述第θ次的采样数据所属的工作模式为智能发电机和蓄电池协同供电模式CPS，并将第θ次采样数据存入CPS预处理矩阵B^CPS中；

若负载需求功率且蓄电池电量区间为(α₃,α₄]，则判别所述第θ次的采样数据所属的工作模式为蓄电池供电模式BPS，并将第θ次采样数据存入BPS预处理矩阵C^BPS中；其中，40％≤α₁＜α₂＜α₃＜α₄≤100％为蓄电池的荷电状态，取值取决于车载蓄电池的性能；

步骤5、利用式(1)得到智能发电机供电模式IGPS下，负载需求功率为时的第i次循环工况测试的第θ个采样时刻t^θ的瞬时效率η^IGPS,i,θ，从而得到智能发电机供电模式IGPS下第i次循环工况测试的所有采样时刻的瞬时效率矩阵η^IGPS,i以及瞬时效率均值

式(1)中：为第i次循环工况测试中第θ个采样时刻t^θ的发动机输出功率；

步骤6、利用式(2)得到智能发电机和蓄电池协同供电模式CPS下，负载需求功率为时的第i次循环工况测试的第θ个采样时刻t^θ的瞬时效率η^CPS,i,θ，从而得到智能发电机和蓄电池协同供电模式CPS下第i次循环工况测试的所有采样时刻的瞬时效率矩阵η^CPS,i以及瞬时效率均值

式(3)中：表示第i次循环工况测试中第θ个采样时刻t^θ的复合电源系统输出功率的总和，并有：

步骤7、利用式(4)得到蓄电池供电模式BPS下，负载需求功率为时的第i次循环工况测试的第θ个采样时刻t^θ的瞬时效率η^BPS,i,θ，从而得到蓄电池供电模式BPS下第i次循环工况测试的所有采样时刻的瞬时效率矩阵η^BPS,i以及瞬时效率均值

步骤8、由所述第i次试验的负载需求功率智能发电机供电模式IGPS下第i次循环工况测试的瞬时效率均值智能发电机和蓄电池协同供电模式CPS下第i次循环工况测试的瞬时效率均值以及蓄电池供电模式BPS下第i次循环工况测试的瞬时效率均值构成第i次循环工况测试的输出矩阵

步骤9、将i+1赋值给i，并判断i＞k是否成立，若成立，完成所述采样矩阵S的k列数据处理，并得到输出矩阵E＝[E¹ … Eⁱ … E^k]；否则，返回步骤4顺序执行。