CN109975637B - 一种用于汽车电能系统的综合效率量化测试与计算方法 - Google Patents

Abstract

本发明公开了一种用于汽车电能系统的综合效率量化测试与计算方法，其步骤包括：首先确定整车环境下循环工况、实验常值参数、试验的次数和负载需求功率的集合；通过对集合中的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，得到总的采样集合；通过拉依达准则对粗大误差剔除和优化数据处理算法进行数据处理，得到试验纠正后的测试值集合；将纠正后的测试量代入整车复合电源系统平均效率计算公式进行计算，得到复合电源系统平均效率。本发明使测试的平均效率更加准确，评价试验车在不同需求功率下平均效率的对比，可为后续复合电源系统相关控制策略的优化与改进提供一定的数据支持，以达到优化能量管理控制的目的。

Description

一种用于汽车电能系统的综合效率量化测试与计算方法

技术领域

本发明属于整车能量管理领域，具体的说是一种用于汽车电能系统的综合效率量化测试与计算方法。

背景技术

随着汽车尤其是新能源汽车产业的发展，越来越多的电子控制单元被集成在整车内，用电负载功耗占整车电源系统比重越来越大，因此对于整车复合电源系统的研究尤为重要，目前和未来一段时间内都将是整车能量管理领域内研究的热门问题。

常见传统电源系统逐渐无法满足目前整车电气系统的需求，因此，电源系统正向着蓄电池精细化管理、发电机智能化管理以及蓄电池与超级电容并联的复合电源系统的方向发展。

现有技术中，大多的研究者针对新能源汽车的复合电源系统效率的研究，但是在传统汽车和混合动力汽车中研究较少。而且针对传统汽车和混合动力汽车的研究中，大多是通过建立电池、优化目标函数、超级电容模型等，采用台架仿真电脑建模的形式进行分析，但是汽车的实时驾驶工况复杂多变，台架仿真对于复合电源系统效率的估测缺乏准确性。另外现有的实验设计方法考虑因素过于单一，缺乏系统的实验方法的策略制定，因而实验结果和数据的准确性也较为不理想。此外，针对实验数据的处理过于简单，缺乏对实时实验数据采集准确性的考虑，因而得到的最终效果也会有所偏差，因此无法系统的从数值层面去衡量复合电源系统的平均效率。

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，提出一种用于汽车电能系统的综合效率量化测试与计算方法，以期能通过研究传统汽车复合电源系统，来完善复合电源系统平均效率的测试方法，从而实现提高平均效率的测试准确性目的，为后续整车复合电源系统相关控制策略的实验设计和数据处理制定提供重要依据，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，并对新能源汽车复合电源系统的研究领域提供参考案例。

本发明为解决技术问题采用如下技术方案：

本发明一种用于汽车电能系统的综合效率量化测试与计算方法的特点是按如下步骤进行：

步骤1、选择一种实车试验工况；

步骤2、确定试验之前相关参数；

步骤2.1、设定整车实验常值参数，包括：平均传动系效率α、整车蓄电池平均放电效率η_Bout、超级电容平均充电效率η_Ein和蓄电池荷电状态SOC；

步骤2.2、根据实验状态下实际用电负载来确定负载需求功率数组{P₀,P₀+1×ΔP,P₀+2×ΔP,…,P₀+a×ΔP,…,P₀+m×ΔP}，其中，P₀为初始的负载需求功率，ΔP为负载需求功率增量，a为任意一次试验，m为试验的总次数，1≤a≤m；令P₀+a×ΔP记为P_L ^a表示第a次试验的负载需求功率；

步骤3、当整车负载需求功率为

时，对所设定的整车常值参数进行第a次循环工况测试，并记录第a次试验工况下t采样时刻的蓄电池的荷电状态SOC^a(t)、发动机输出的扭矩T^a(t)、发动机转速n^a(t)、超级电容充电电压

超级电容充电电流

和发电机功率

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^a(t)、发动机转速n^a(t)、驱动轮系驱动力

车速V^a(t)、基础负载功率

蓄电池放电电压

放电电流

从而得到第a次试验工况下t采样时刻的采样值，记为：

进而得到m次试验工况下所有采样时刻的采样值并构成采样集合Φ＝{Φ¹…Φ^a…Φ^m}；

步骤4、利用式(1)建立第a次试验工况下的整车复合电源系统的平均效率η^a：

步骤5、设计正交实验并进行数据采集：

将蓄电池状态SOC、负载需求功率P和车速V作为正交实验因子；

令蓄电池状态SOC的状态范围为[α₁,α₂]，40％≤α₁＜α₂≤100％；

令需求负载功P的取值集合为P_β＝{(i-1)×ΔP|1≤i≤β}；其中，ΔP为负载功率增量；β为正交实验的总水平；i为正交实验的任意一次水平；

令车速V的取值集合为

ΔV为发动机转速增量，V₀为发动机怠速状态下的转速；χ为正交实验的总维度，j和k为自定义变量，且j＜k；

由所述正交实验因子和正交实验的水平和维度构成L_β(χ-1)(β^χ)正交表；

步骤6、对实验数据的过滤处理：

步骤6.1、首先通过拉依达准则剔除所述采样集合Φ中的粗大误差数据，得到剔除后的采样集合Φ′；

步骤6.2、通过优化数据处理算法对所述剔除后的采样集合Φ′进行处理，得到纠正后的采样集合Φ″′；

步骤6.2.1、利用式(2)建立剔除后的第a次试验工况下所有采样时刻的采样值Φ′^a的数据向量系统方程：

式(2)中，K_a为第a次试验工况下的权值系数，K_a+1为第a+1次试验工况下的权值系数，K_a+2为第a+2次试验工况下的权值系数，ΔΦ′^a为第a次试验工况下的均值偏差；基于第a次试验工况下的采样值Φ′^a和第a+1次试验工况下的采样值Φ′^(a+1)和第a+2次试验工况下的采样值Φ′^(a+2)，从而预测出第a次试验工况下的估计值Φ″^a；

步骤6.2.2、根据第a次试验工况下的估计值Φ″^a和采样值Φ′^a，利用式(3)建立系统矫正方程，得到第a次试验工况下的纠正值Φ″′^a：

步骤6.2.3、将第a次试验工况下的纠正值Φ″′^a替换为第a+1次试验工况下的采样值Φ′^(a+1)；

步骤6.2.4、当负载需求功率为

时，将第a次试验工况下的纠正值Φ″′^a代入式(1)中，得到第a次试验工况下的整车复合电源系统的平均效率；

步骤6.2.5、将a+1赋值给a后，判断a>m是否成立，若成立，则表示得到m次试验工况下的整车复合电源系统的平均效率；否则返回步骤6.2.1顺序执行。

与现有技术相比，本发明的有益效果在于：

1、本发明一种综合效率量化测试与计算方法，在不同复合电源系统的工作模式和实验条件下，提出了通用的平均效率的计算方法；在整车环境下进行多次循环工况实车测试，从而得到了不同负载需求功率下的实验参数测试值，通过提出优化数据处理算法，对实验参数测试值进行纠正，从而得到更加准确地平均效率计算参数，进而实现了平均效率的准确测量，并且完善了复合电源系统瞬时效率的测试方法。

2、本发明提供的数据处理方式，具有很强的通用性和可移植性，可扩展应用于其他领域，为其他领域的数据处理和参数纠正提供思路策略。

3、本发明提供了正交实验在汽车复合电源系统应用思路，可以更加系统全面的考虑整车实验过程中的因素影响，为后续汽车复合电源系统其他方面研究提供了个例。

4、本发明提供的测试方法，单次测试时间取决于循环工况时长，测试的数据由采样率决定，因而该方法具有较强兼容性，可灵活适应多种汽车整车测试需求；在整车环境下实车测试所得数据较为可靠，试验过程易于实现；

附图说明

图1为本发明的测试方法流程图；

图2为本发明的汽车复合电源系统能量流动示意图；

图3为本发明的优化数据处理算法流程图。

具体实施方式

本实施例中，一种用于汽车电能系统的综合效率量化测试与计算方法是：首先确定整车环境下循环工况、实验常值参数、试验的次数和负载需求功率的集合；通过对集合中的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，得到总的采样集合；提出通用性整车复合电源系统平均效率计算公式；通过拉伊达准则和优化数据处理算法进行数据处理，得到试验纠正后的的测试值集合；将纠正后的测试量代入整车复合电源系统平均效率计算公式进行计算，得到复合电源系统平均效率，具体的说，测试流程如图1所示，并按如下步骤进行：

步骤1、选择一种实车试验工况；具体实验实施中，循环工况一般采用是标准循环工况，或者多种标准工况组合，取决于测试要求；

步骤2、确定试验之前相关参数：

步骤2.1、设定整车常值参数，包括：平均传动系效率α、整车蓄电池平均放电效率η_Bout、超级电容平均充电效率η_Ein和蓄电池荷电状态SOC；

复合电源系统的工作模式取决于蓄电池荷电状态SOC的初始值，本实验例中拟定SOC＝80％，为了使实验数据更加覆盖面愈发广泛，尽可能使得每次循环工况下测试时包含多种工作模式；具体实验中，平均传动系效率α、蓄电池平均放电效率η_Bout和超级电容平均充电效率η_Ein的数值均与所选试验车有关，可视为常值参数。

步骤2.2、根据实际用电负载来确定负载需求功率数组{P₀,P₀+1×ΔP,P₀+2×ΔP,…,P₀+a×ΔP,…,P₀+m×ΔP}，其中，P₀为初始的负载需求功率，ΔP为负载需求功率增量，a为任意一次试验，m为试验的总次数，1≤a≤m；令P₀+a×ΔP记为

表示第a次试验的负载需求功率；本实验中，取(P₀+m×ΔP)≤1200W，负载需求功率增量ΔP＝200W，若ΔP的取值过小会使试验次数增多，增加实验非必要复杂度，ΔP的取值过大，会导致收集实验数据不能准确反映实车实时状态；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。

本实验中，所研究的汽车复合电源系统架构示意图如图2所示，传统汽车的复合电源系统主要由发电机、蓄电池、超级电容等构成，以发电机提供电能为主，不同工作模式下的电能需求不同因为供电模式也不同。

步骤3、当负载需求功率为

时，对所设定的整车常值参数进行第a次循环工况测试，并记录第a次试验工况下t采样时刻的蓄电池荷电状态SOC^a(t)、发动机输出的扭矩T^a(t)、发动机转速n^a(t)、超级电容充电电压

超级电容充电电流

和发电机功率

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^a(t)、发动机转速n^a(t)、驱动轮系驱动力

车速V^a(t)、基础负载功率

蓄电池放电电压

放电电流

从而得到第a次试验工况下t采样时刻的采样值，从而得到第a次试验工况下t采样时刻的采样值，记为：

进而得到m次试验工况下所有采样时刻的采样值并构成采样集合Φ＝{Φ¹…Φ^a…Φ^m}；

采样集合Φ中包含了m次循环工况测试的所有采样时刻的数据，发动机输出的扭矩T^a(t)，单位为N·m，n^a(t)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。

发动机是汽车唯一的动力来源，视为整车电源系统输入功率，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，根据能量守恒定律，可以简易表示为：

步骤4、利用式(1)建立第a次试验工况下的整车复合电源系统的平均效率η^a：

步骤5、设计正交实验并进行数据采集：

将蓄电池状态SOC、负载需求功率P和车速V作为正交实验因子；

令蓄电池状态SOC的状态范围为[α₁,α₂]，40％≤α₁＜α₂≤100％；

令需求负载功P的取值集合为P_β＝{(i-1)×ΔP|1≤i≤β}；其中，ΔP为负载功率增量；β为正交实验的总水平；i为正交实验的任意一次水平；

令车速V的取值集合为

ΔV为发动机转速增量，V₀为发动机怠速状态下的转速；χ为正交实验的总维度，j和k为自定义变量，且j＜k；

由正交实验因子和正交实验的水平和维度构成L_β(χ-1)(β^χ)正交表；

本实验中，α₁＝40％、α₄＝100％、β＝7、χ＝8，即设计正交表为L₄₉(7⁸)，其他实验中，根据试验车的蓄电池性能确定α₁、α₄、β和χ的其他取值。

步骤6、对实验数据的过滤处理：

步骤6.1、首先拉依达准则剔除采样集合Φ中的粗大误差数据，得到剔除后的采样集合Φ′；首先计算测得值的标准偏差σ和平均值

若某测得值x_i的残余误差v_i满足|v_i|＞3σ，则认为测得值为异常值需剔除。

步骤6.2、通过优化数据处理算法对剔除后的采样集合Φ′进行处理，得到纠正后的采样集合Φ″′；采样集合Φ′通过优化数据处理算法得到纠正后的采样集合Φ″′的流程图如图3。

步骤6.2.1、利用式(2)建立剔除后的第a次试验工况下所有采样时刻的采样值Φ′^a的数据向量系统方程：

式(2)中，K_a为第a次试验工况下的权值系数，K_a+1为第a+1次试验工况下的权值系数，K_a+2为第a+2次试验工况下的权值系数，ΔΦ′^a为第a次试验工况下的均值偏差；基于第a次试验工况下的采样值Φ′^a和第a+1次试验工况下的采样值Φ′^(a+1)和第a+2次试验工况下的采样值Φ′^(a+2)，从而预测出第a次试验工况下的估计值Φ″^a；K_a通过偏差公式K_a＝(Φ′^a)×[(Φ′^a)²+(Φ′^(a+1))²+(Φ′^(a+2))²]^-1求得，K_a+1、K_a+2依次类推求出相应值。

步骤6.2.2、根据第a次试验工况下的估计值Φ″^a和采样值Φ′^a，利用式(3)建立系统矫正方程，得到第a次试验工况下的纠正值Φ″′^a：

步骤6.2.3、将第a次试验工况下的纠正值Φ″′^a替换为第a+1次试验工况下的采样值Φ′^(a+1)；

步骤6.2.4、当负载需求功率为

时，将第a次试验工况下的纠正值Φ″′^a代入式(1)中，得到第a次试验工况下的整车复合电源系统的平均效率；

步骤6.2.5、将a+1赋值给a后，判断a>m是否成立，若成立，则表示得到m次试验工况下的整车复合电源系统的平均效率；否则返回步骤6.2.1顺序执行。

Claims (1)

1.一种用于汽车电能系统的综合效率量化测试与计算方法，其特征是按如下步骤进行：

步骤1、选择一种实车试验工况；

步骤2、确定试验之前相关参数；

步骤2.1、设定整车实验常值参数，包括：平均传动系效率α、整车蓄电池平均放电效率η_Bout、超级电容平均充电效率η_Ein和蓄电池荷电状态SOC；

步骤2.2、根据实验状态下实际用电负载来确定负载需求功率数组{P₀,P₀+1×ΔP,P₀+2×ΔP,…,P₀+a×ΔP,…,P₀+m×ΔP}，其中，P₀为初始的负载需求功率，ΔP为负载需求功率增量，a为任意一次试验，m为试验的总次数，1≤a≤m；令P₀+a×ΔP记为

表示第a次试验的负载需求功率；

步骤3、当整车负载需求功率为

时，对所设定的整车常值参数进行第a次循环工况测试，并记录第a次试验工况下t采样时刻的蓄电池的荷电状态SOC^a(t)、发动机输出的扭矩T^a(t)、发动机转速n^a(t)、超级电容充电电压

超级电容充电电流

和发电机功率

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^a(t)、发动机转速n^a(t)、驱动轮系驱动力

车速V^a(t)、基础负载功率

蓄电池放电电压

放电电流

从而得到第a次试验工况下t采样时刻的采样值，记为：

进而得到m次试验工况下所有采样时刻的采样值并构成采样集合Φ＝{Φ¹…Φ^a…Φ^m}；

步骤4、利用式(1)建立第a次试验工况下的整车复合电源系统的平均效率η^a：

步骤5、设计正交实验并进行数据采集：

将蓄电池状态SOC、负载需求功率P和车速V作为正交实验因子；

令蓄电池状态SOC的状态范围为[α₁,α₂]，40％≤α₁＜α₂≤100％；

令需求负载功P的取值集合为P_β＝{(i-1)×ΔP|1≤i≤β}；其中，ΔP为负载功率增量；β为正交实验的总水平；i为正交实验的任意一次水平；

令车速V的取值集合为

ΔV为发动机转速增量，V₀为发动机怠速状态下的转速；χ为正交实验的总维度，j和k为自定义变量，且j＜k；

由所述正交实验因子和正交实验的水平和维度构成L_β(χ-1)(β^χ)正交表；

步骤6、对实验数据的过滤处理：

步骤6.1、首先通过拉依达准则剔除所述采样集合Φ中的粗大误差数据，得到剔除后的采样集合Φ′；

步骤6.2、通过优化数据处理算法对所述剔除后的采样集合Φ′进行处理，得到纠正后的采样集合Φ″′；

步骤6.2.1、利用式(2)建立剔除后的第a次试验工况下所有采样时刻的采样值Φ′^a的数据向量系统方程：

式(2)中，K_a为第a次试验工况下的权值系数，K_a+1为第a+1次试验工况下的权值系数，K_a+2为第a+2次试验工况下的权值系数，ΔΦ′^a为第a次试验工况下的均值偏差；基于第a次试验工况下的采样值Φ′^a和第a+1次试验工况下的采样值Φ′^(a+1)和第a+2次试验工况下的采样值Φ′^(a+2)，从而预测出第a次试验工况下的估计值Φ″^a；

步骤6.2.2、根据第a次试验工况下的估计值Φ″^a和采样值Φ′^a，利用式(3)建立系统矫正方程，得到第a次试验工况下的纠正值Φ″′^a：

步骤6.2.3、将第a次试验工况下的纠正值Φ″′^a替换为第a+1次试验工况下的采样值Φ′^(a+1)；

步骤6.2.4、当负载需求功率为

时，将第a次试验工况下的纠正值Φ″′^a代入式(1)中，得到第a次试验工况下的整车复合电源系统的平均效率；

步骤6.2.5、将a+1赋值给a后，判断a>m是否成立，若成立，则表示得到m次试验工况下的整车复合电源系统的平均效率；否则返回步骤6.2.1顺序执行。

Images