CN110667565B - 一种智能网联插电式混合动力汽车协同优化能量管理方法 - Google Patents

一种智能网联插电式混合动力汽车协同优化能量管理方法 Download PDF

Info

Publication number
CN110667565B
CN110667565B CN201910910202.2A CN201910910202A CN110667565B CN 110667565 B CN110667565 B CN 110667565B CN 201910910202 A CN201910910202 A CN 201910910202A CN 110667565 B CN110667565 B CN 110667565B
Authority
CN
China
Prior art keywords
speed
energy management
time
management method
state
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910910202.2A
Other languages
English (en)
Other versions
CN110667565A (zh
Inventor
刘永刚
黄珍珍
陈峥
韩宁
吴世展
张刘鑫
秦大同
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University
Original Assignee
Chongqing University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing University filed Critical Chongqing University
Priority to CN201910910202.2A priority Critical patent/CN110667565B/zh
Publication of CN110667565A publication Critical patent/CN110667565A/zh
Application granted granted Critical
Publication of CN110667565B publication Critical patent/CN110667565B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W20/00—Control systems specially adapted for hybrid vehicles
    • B60W20/10—Controlling the power contribution of each of the prime movers to meet required power demand
    • B60W20/15—Control strategies specially adapted for achieving a particular effect
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
    • B60W10/06—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of combustion engines
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
    • B60W10/08—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of electric propulsion units, e.g. motors or generators
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/10—Conjoint control of vehicle sub-units of different type or different function including control of change-speed gearings
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2510/00—Input parameters relating to a particular sub-units
    • B60W2510/24—Energy storage means
    • B60W2510/242—Energy storage means for electrical energy
    • B60W2510/244—Charge state
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2530/00—Input parameters relating to vehicle conditions or values, not covered by groups B60W2510/00 or B60W2520/00
    • B60W2530/18—Distance travelled
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/06—Combustion engines, Gas turbines
    • B60W2710/0666—Engine torque
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/08—Electric propulsion units
    • B60W2710/083—Torque
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/10—Change speed gearings
    • B60W2710/1005—Transmission ratio engaged
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2720/00—Output or target parameters relating to overall vehicle dynamics
    • B60W2720/10—Longitudinal speed
    • B60W2720/106—Longitudinal acceleration
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/62—Hybrid vehicles
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/80—Technologies aiming to reduce greenhouse gasses emissions common to all road transportation technologies
    • Y02T10/84—Data processing systems or methods, management, administration

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Hybrid Electric Vehicles (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

一种智能网联插电式混合动力汽车协同优化能量管理方法如下：1)、智能网联插电式混合动力汽车通过智能交通系统获取时间域和空间域的速度限制条件；2)、根据步骤1)的时间域和空间域的速度限制条件的控制变量、状态变量，和该协同优化能量管理方法的限制条件，利用动态规划建立目标函数；3)、根据步骤2)的目标函数，分别在时间域使用行程距离调整因子、在空间域使用行程时间调整因子，实现车辆终端状态约束；4)、结合步骤1)的速度限制条件、步骤2)的控制变量、状态变量和目标函数以及步骤3)的车辆终端状态约束，使用动态规划进行智能网联插电式混合动力汽车协同优化能量管理；5)、对步骤4)的协同优化能量管理方法进行简化。

Description

一种智能网联插电式混合动力汽车协同优化能量管理方法
技术领域
本发明涉及智能网联汽车领域，特别涉及一种智能网联插电式混合动力汽车协同优化能量管理方法。
背景技术
交通工具电动化是解决全球能源危机和环境污染的手段，这种方法在学术界和工业界引起了广泛的关注。但是，众所周知，新能源汽车传动系统的效率和动力源的性能优化已经遇到了瓶颈。随着万物联网和智能化浪潮的逐渐兴起，汽车智能网联化对新能源汽车的能耗排放性能的优化将起到强力的助推作用。由于插电式混合动力电动车(PHEV)相对于纯电动汽车(EV)而言具有更长的续驶里程，以及更低的充电设施依赖程度，并且还拥有比燃料电池汽车(FECV)更加广泛的市场普及率，因此PHEV成为了现阶段实现新能源汽车智能网联化的最合理选择。
从PHEV能量管理的层面看，目前，PHEV能量管理的研究普遍是在有人驾驶的情况下，去解决发动机和电机的转矩分配问题。而在智能网联PHEV能量管理中协调车速曲线自主规划，以及解决动力源扭矩的分配以进一步释放智能网联PHEV节能潜力的相关研究还较少。从智能网联汽车能量管理的层面看，目前智能网联汽车的能量管理大多还是集中在对燃油车、EV、FECV和混合动力汽车HEV的研究上，对于PHEV的研究还较少。从求解方式上来看，目前主流的求解方式是空间域求解，时间域次之，时空域最少，将空间域和时间域两者都做系统性整理以使用不同的速度限制条件给出求解方式的方法还比较少。
发明内容
本发明的目的是针对现有技术的不足，提供一种智能网联插电式混合动力汽车协同优化能量管理方法，它能大幅度地提升车辆的综合能耗经济性能，而且还能通过简化协同优化能量管理方法节省大量的计算时间，具有良好的在线应用潜力。
本发明的技术方案是：一种智能网联插电式混合动力汽车的协同优化能量管理方法如下：
1)、智能网联插电式混合动力汽车通过智能交通系统获取时间域速度限制条件、空间域速度限制条件；
2)、根据步骤1)的时间域速度限制条件和空间域速度限制条件的控制变量、状态变量，以及建立该协同优化能量管理方法的限制条件，利用动态规划建立该协同优化能量管理方法的目标函数；
3)、根据步骤2)得出的目标函数，在时间域使用行程距离调整因子实现车辆终端状态约束，在空间域使用行程时间调整因子实现车辆终端状态约束；
4)、结合步骤1)的时间域速度限制条件、空间域速度限制条件和步骤2)的控制变量、状态变量和目标函数以及步骤3)中的车辆终端状态约束，使用动态规划进行智能网联插电式混合动力汽车协同优化能量管理；
5)、结合动态规划算法简化方法对步骤4)的协同优化能量管理方法进行简化。
步骤2)的目标函数采用以下方法建立：
2-1)、时间域的速度限制条件以速度-时间的限制给出，控制变量为加速度、发动机扭矩和档位，状态变量为电池荷电状态、车速和时间；空间域速度限制条件以速度-距离的限制给出，控制变量为加速度、发电机扭矩和档位，状态变量为电池荷电状态、车速和行程；
2-2)、根据步骤2-1)的控制变量建立协同优化能量管理方法的控制变量函数：
Figure GDA0002728557050000021
Figure GDA0002728557050000022
式(1)中，u(k)即控制变量函数；
k即第k个阶段，在时间域下k表示时间，单位s；在空间域下k表示距离，单位m；
Te即发动机扭矩，单位N·m；
ig即挡位；
a即第k阶段的加速度，单位m/s2；
ve即第k阶段末的速度离散，单位m/s；
vb即第k阶段初的速度离散，单位m/s；
公式(2)即空间域速度限制条件向时间域速度限制条件转换的公式，式中d_d(k)即空间域中第k阶段的距离长度，单位m；
2-3)、根据步骤2-1)的状态变量和步骤2-2)的控制变量函数建立协同优化能量管理方法的状态变量函数：
Figure GDA0002728557050000031
式中，f即系统状态转移函数，x(k)即k阶段的电池荷电状态和车速状态，x(k+1)即k阶段的电池荷电状态和车速状态，x(0)即初始阶段的荷电状态和车速值，u(k)即k时刻的控制变量函数；
2-4)、建立该能量管理方法的限制条件；
2-4-1)建立电机、电池、发动机和挡位的约束：
Figure GDA0002728557050000032
式中，SOCmax即电池荷电状态的上限，SOCmin即电池荷电状态的下限；
ne(k)即发动机转速；
ne_max即发动机转速的上限值；
ne_min即发动机转速的下限值；
Te(k)即发动机在第k阶段的扭矩；
Te_max(ng(k))即发动机在转速为ne(k)时的扭矩上限值；
Te_min(ng(k))即发动机在转速为ne(k)时的扭矩下限值；
nm(k)即电机转速；
Tm(k)即电机扭矩；
Tm_max(nm(k))即电机在转速为nm(k)时的扭矩上限值；
Tm_min(nm(k))即电机在转速为nm(k)时的扭矩上限值；
Treq(k)为发动机在第k阶段的扭矩、电机扭矩和机械制动扭矩之和，作为整车的需求扭矩；
Tbrake(k)即机械制动扭矩；
imax即变速器的最高挡位；
2-4-2)、建立速度和加速度的限制条件：
Figure GDA0002728557050000041
式中，v(i)即i时刻的速度值，vm(i)即i时刻的速度下限值，vM(i)即i时刻的速度上限值，a(i)即i时刻的加速度值，am(i)即i时刻的最小加速度值，aM(i)即i时刻的最大加速度值，vn(i)即i时刻初到i时刻末(即i+1时刻初)的速度的状态转移，vm(i+1)即i+1时刻的速度下限值，vM(i+1)即i+1时刻的速度上限值；
2-4-3)、建立频繁换挡的限制：
Figure GDA0002728557050000051
式中，Qg(k)即k时刻因换挡惩罚而带来的成本矩阵，Gno即下一时刻初的最优挡位矩阵，Gc即当前的挡位矩阵；
2-4-4)、速度频繁波动的限制：
Figure GDA0002728557050000052
式中，Qa(k)即k时刻因速度波动带来的成本矩阵，Ano即下一时刻初的最优加速度矩阵，Ac即当前的加速度矩阵，b即速度波动惩罚值；
2-5)、建立协同优化能量管理方法的目标函数：
Figure GDA0002728557050000053
式中，Qe(k)即k时刻的发动机油耗成本，Qm(k)即k时刻的电机电耗成本，Qg(k)即k时刻因换挡惩罚带来的成本矩阵，Qa(k)即k时刻因速度波动惩罚带来的成本矩阵。
步骤3)采用以下方法实现车辆终端状态约束：
3-1)、建立时间域的终端状态约束：
L(k)＝Qe(k)+Qm(k)+Qg(k)+Qa(k)+δd*v (9)
式中，δd(δd≤0)表示距离调整因子；
3-2)、建立空间域的终端状态约束：
L(k)＝(Qe(k)+Qm(k)+Qg(k)+Qa(k)+δt)*t(k) (10)
式中，δt(δt≥0)表示时间调整因子。
步骤5)可采用以下方法对协同优化能量管理方法进行简化：建立发动机简化模型
Figure GDA0002728557050000061
ηe＝-1.157e-07Pe 4+1.556e-05Pe 3+7.849e-04Pe 2+0.01751Pe+0.163 (12)
式中，Pe即发动机输出功率，单位kW；
Etank即油箱能耗，单位kJ；
ηe即油箱-发动机输出功率的转化效率；
pf即油价，7.8元/L；g即重力加速度，9.8N/kg；
zd即汽油重度，7.1N/L；Hu即汽车的热值，46000kJ/Kg。
步骤5)可采用以下方法对协同优化能量管理方法进行简化：建立电机简化模型
Figure GDA0002728557050000062
ηm1＝-7.668e-07Pm 4+5.894e-05Pm 3-0.001738Pm 2+0.01993Pm+0.7041 (14)
ηm2＝2.342*exp(-((Pm-19.76)/12.52)2)+9.688*exp(-((Pm+3154)/2191)2)(15)
式中，Ebat即电池充放电能耗，kJ；ηm即电机输入功率或输出功率与对应的电池充放电功率之间的转化效率；pe即电价，0.52元/千瓦时；Pm即电机输入功率或输出功率；ηm1即放电状态下电机的输出功率与电池放电功率的转化效率，ηm1<1；ηm2即充电状态下电机的输入功率与电池充电功率的转化效率，ηm2>1。
步骤5)可采用以下方法对协同优化能量管理方法进行简化：建立电机简化挡位决策，提取动态规划全局优化下的最优挡位决策和与之对应的速度及加速度，从而提取出最优挡位的分布图。
步骤5)可采用以下方法对协同优化能量管理方法进行简化：对速度进行两步规划，第一步使用0.1m/s、0.2m/s、0.4m/s的精度将速度限制范围进行离散，把初末速度的离散量的范围控制在20以内，初步规划出一条速度曲线；第二步，把第一步的速度曲线作为参考线，在参考线上0.2m/s到参考线下0.2m/s的范围内，用0.1m/s的离散精度来进行速度轨迹的第二次规划。
步骤5)可采用以下方法对协同优化能量管理方法进行简化：建立电池荷电状态局部规划
Figure GDA0002728557050000071
式中，s即局部规划中的电池荷电状态的遍历范围，sd即电池荷电状态遍历带的宽度，sv即电池荷电状态的可达域，sr(1)即规划范围内的初始参考电池荷电状态值，sr(end)即规划范围内结束参考电池荷电状态值，sr_h即电池荷电状态值的最高值，sr_l即电池荷电状态值的最低值，s_d即电池荷电状态的离散精度。
步骤3-1)的δd可采用二分法进行调整，从而确定合适的δd以实现时间域的行程距离约束，步骤3-2)的δt也可采用二分法进行调整，从而确定合适的δt以实现空间域的行程时间约束。
电池荷电状态的离散精度s_d取值为0.01。
采用上述技术方案：本发明针对智能网联插电式混合动力汽车车速规划和扭矩分配的协同控制的能量管理问题，把车辆加速度、发动机扭矩和挡位作为控制变量，时间域把电池荷电状态、车速和时间作为状态变量，空间域把电池荷电状态、车速和距离作为状态变量，充分而全面地考虑了电机、电池、发动机和挡位约束，速度和加速度限制条件，频繁换挡限制，速度频繁波动限制等限制条件。同时，使用调整因子配合二分法迭代实现了行程距离和行程时间的车辆终端状态约束。相比于传统插电式混合动力汽车的能量管理方法，本发明可以进一步实现车速规划和扭矩分配的协同控制，此方法不仅适用于智能网联插电式混合动力电汽车，还适用于其它速度可自行规划的智能网联汽车。而且，本发明相比于目前学术领域所进行的插电式混合动力汽车的确定工况能量管理方法，还具有更优异的综合能耗经济性表现。
下面结合说明书附图和具体实施例对本发明作进一步说明。
附图说明
图1为本发明所提供的智能网联插电式混合动力汽车协同优化能量管理方法的流程图；
图2为协同优化算法的测试工况；
图3为简化算法的测试工况；
图4为协同优化算法的速度求解曲线；
图5为简化算法的速度曲线对比；
图6为简化算法的电池荷电状态对比。
具体实施方式
参见图1至图6，一种智能网联插电式混合动力汽车协同优化能量管理方法，主要包括以下步骤：
1)、智能网联插电式混合动力汽车通过车载GPS或雷达等方式从智能交通系统获取时间域速度限制条件、空间域速度限制条件，该速度限制条件为通过智能交通系统获得的速度最大值与最小值。
2)、根据步骤1)的时间域速度限制条件和空间域速度限制条件的控制变量、状态变量，以及建立该协同优化能量管理方法的限制条件，利用动态规划建立该协同优化能量管理方法的目标函数，求解时间域和空间域两者的目标函数的优：
2-1)、时间域速度限制条件以速度-时间的限制给出，包括具体时刻下允许的最高车速和最低车速，控制变量为加速度、发动机扭矩和挡位，状态变量为电池荷电状态SOC、车速和时间；空间域速度限制条件以速度-距离的限制给出，包括具体距离下允许的最高车速和最低车速，控制变量为加速度、发电机扭矩和挡位，状态变量为电池荷电状态SOC、车速和行程；
2-2)、根据步骤2-1)的控制变量函数建立协同优化能量管理方法的控制变量函数：
Figure GDA0002728557050000091
Figure GDA0002728557050000092
式(1)中，u(k)即控制变量函数；
k即第k个阶段，在时间域下k表示时间，单位s；在空间域下k表示距离，单位m；
Te即发动机扭矩，单位N·m；
ig即挡位；
a即第k阶段的加速度，单位m/s2；
ve即第k阶段末的速度离散，单位m/s；
vb即第k阶段初的速度离散，单位m/s；
公式(2)即空间域速度限制条件向时间域速度限制条件转换的公式，因此时间域和空间域的求解在算法上可以通用，空间域行程的每一个阶段长度和对应的时间域工况单位时长的行程距离一致，可以确保工况离散大小得当，同时避免了均匀离散时速度阶跃和行程无法完整的情况，式中d_d(k)即空间域中第k阶段的距离长度，单位m；
2-3)、根据步骤2-1)的状态变量和步骤2-2)的控制变量函数建立协同优化能量管理方法的状态变量函数：
Figure GDA0002728557050000093
式中，f即系统状态转移函数，x(k)即k阶段的电池荷电状态和车速状态，x(k+1)即k阶段的电池荷电状态和车速状态，x(0)即初始阶段的荷电状态和车速值，u(k)即k时刻的控制变量函数；
2-4)、建立协同优化能量管理方法的限制条件，该限制条件包括电机、电池、发动机和挡位的约束，速度和加速度的限制条件，频繁换挡限制，速度频繁波动限制，其中：
2-4-1)建立电机、电池、发动机和挡位的约束：
Figure GDA0002728557050000101
式中，SOCmax即电池荷电状态的上限，SOCmin即电池荷电状态的下限；
ne(k)即发动机转速；
ne_max即发动机转速的上限值；
ne_min即发动机转速的下限值；
Te(k)即发动机在第k阶段的扭矩；
Te_max(ng(k))即发动机在转速为ne(k)时的扭矩上限值；
Te_min(ng(k))即发动机在转速为ne(k)时的扭矩下限值；
nm(k)即电机转速；
Tm(k)即电机扭矩；
Tm_max(nm(k))即电机在转速为nm(k)时的扭矩上限值；
Tm_min(nm(k))即电机在转速为nm(k)时的扭矩上限值；
Treq(k)为发动机在第k阶段的扭矩、电机扭矩和机械制动扭矩之和，作为整车的需求扭矩；
Tbrake(k)即机械制动扭矩；
imax即变速器的最高挡位，本实施例中变速器最高挡位为6；
2-4-2)、建立速度和加速度的限制条件：
Figure GDA0002728557050000102
式中，v(i)即i时刻的速度值，vm(i)即i时刻的速度下限值，vM(i)即i时刻的速度上限值，a(i)即i时刻的加速度值，am(i)即i时刻的最小加速度值，aM(i)即i时刻的最大加速度值，vn(i)即i时刻初到i时刻末(即i+1时刻初)的速度的状态转移，vm(i+1)即i+1时刻的速度下限值，vM(i+1)即i+1时刻的速度上限值；
2-4-3)、建立频繁换挡的限制：
Figure GDA0002728557050000111
式中，Qg(k)即k时刻因换挡惩罚而带来的成本矩阵，当汽车出现跳跃换挡或同轴换挡等情况，即不满足换挡约束时，由换挡惩罚带来的成本矩阵Qg不为零，这会影响到后面的成本，因此要对频繁换挡进行限制；
Gno即下一时刻初的挡位矩阵，Gc即当前的挡位矩阵，式中的换挡惩罚值Qg(Gno～＝Gc)＝0.0000119是通过试凑法得到的；
2-4-4)、速度频繁波动的限制：
Figure GDA0002728557050000112
式中，Qa(k)即k时刻因速度波动带来的成本矩阵，Ano即下一时刻初的最优加速度矩阵，Ac即当前的加速度矩阵；
b即速度波动惩罚值，在不同的初始电池荷电状态SOC和行程距离下，速度波动惩罚值会有所不同，在发动机没有启动时其值为0.0002，而当发动机启动时，在保证求解精度的情况下，速度波动惩罚值应该不超过0.002，在保持匀速和匀加速的情况下则不应该进行惩罚，除上述情况以外，如果相邻的两个阶段的加速度相差越大，那么其带来的惩罚也会越大。
2-5)、建立该能量管理方法的目标函数，该目标函数即为成本函数：
Figure GDA0002728557050000121
式中，Qe(k)即k时刻的发动机油耗成本，Qm(k)即k时刻的电机电耗成本，Qg(k)即k时刻因换挡惩罚带来的成本矩阵，Qa(k)即k时刻因速度波动惩罚带来的成本矩阵。
3)、根据步骤2)得出的目标函数，在时间域使用行程距离调整因子实现车辆终端状态约束，在空间域使用行程时间调整因子实现车辆终端状态约束，由于在没有对车辆终端状态进行约束的情况下，时间域求解是把行程时间作为离散阶段，所以仅能约束行程时间，空间域求解是把行程距离作为离散阶段，所以仅能约束行程距离，而本发明在成本函数中增加了行程距离调整因子和行程时间调整因子，所以可以通过调整因子迭代的方式来约束车辆终端状态；采用以下方法实现车辆终端状态约束：
3-1)、建立时间域的终端状态约束：
L(k)＝Qe(k)+Qm(k)+Qg(k)+Qa(k)+δd*v (9)
式(9)即增加了距离调整因子的成本函数，式中，δd(δd≤0)即距离调整因子，由于通过庞特里亚金极小值原理可以证明行程距离会随着δd的减小而增加，即行程距离与δd呈现单调关系，因此δd可采用二分法进行调整，从而确定合适的δd以实现时间域求解下的行程距离约束；
3-2)、建立空间域的终端状态约束：
L(k)＝(Qe(k)+Qm(k)+Qg(k)+Qa(k)+δt)*t(k) (10)
式(10)即增加了时间调整因子的成本函数，式中，δt(δt≥0)即时间调整因子，由于通过庞特里亚金极小值原理可以证明行程时间会随着δt的增大而减小，即行程时间与δt呈现单调关系，因此δt可采用二分法进行调整，从而确定合适的δt以实现空间域求解下的行程时间约束。
4)、结合步骤1)的时间域速度限制条件、空间域速度限制条件和步骤2)的控制变量、状态变量和目标函数以及步骤3)中的车辆终端状态约束，使用动态规划进行智能网联插电式混合动力汽车的协同优化能量管理。
为了便于观察速度的求解曲线，本实施例中时间域工况的平均速度采用五个NEDC连续工况，速度上限值vM设定在NEDC平均速度上0.5m/s，速度下限值vm设定在NEDC平均速度下0.5m/s，如图2(a)所示；空间域工况的平均速度同样采用五个NEDC连续工况，通过步骤2-2)中的公式(2)可知空间域工况的平均车速曲线可以通过时间域平均车速曲线直接转化得到，其速度上限值设定在NEDC平均速度上0.5m/s，速度下限值设定在NEDC参考速度下0.5m/s，且将速度范围中小于0的部分全部按0来处理，如图2(b)所示。
5)、结合动态规划算法简化方法对步骤4)的协同优化能量管理方法进行简化，由于时间域和空间域的求解在算法上可以通用，因此本实施例中以空间域为例，可采用以下方法对其进行简化：
5-1)、建立发动机简化模型
Figure GDA0002728557050000131
ηe＝-1.157e-07Pe 4+1.556e-05Pe 3+7.849e-04Pe 2+0.01751Pe+0.163 (12)
式中，Pe即发动机输出功率，单位kW；
Etank即油箱能耗，单位kJ，通过效率拟合曲线估算可以得到该油箱能耗；
ηe即油箱-发动机输出功率的转化效率，通过拟合油耗与发动机输出功率得到该转化效率；
pf即油价，7.8元/L；g即重力加速度，9.8N/kg；
zd即汽油重度，7.1N/L；Hu即汽车的热值，46000kJ/Kg。
5-2)、建立电机简化模型
Figure GDA0002728557050000132
ηm1＝-7.668e-07Pm 4+5.894e-05Pm 3-0.001738Pm 2+0.01993Pm+0.7041 (14)
ηm2＝2.342*exp(-((Pm-19.76)/12.52)2)+9.688*exp(-((Pm+3154)/2191)2)(15)
式中，Ebat即电池充放电能耗，单位kJ，通过效率拟合曲线估算可以得到该电池充放电能耗；
ηm即电机输入功率或输出功率与对应的电池充放电功率之间的转化效率；
pe即电价，0.52元/千瓦时；
Pm即电机输入功率或输出功率；
公式(14)、(15)为ηm与Pm之间的经验拟合公式：
ηm1即放电状态下电机的输出功率与电池放电功率的转化效率，ηm1<1；
ηm2即充电状态下电机的输入功率与电池充电功率的转化效率，ηm2>1。
5-3)、建立电机简化挡位决策，通过提取动态规划全局优化下的最优挡位决策和与之相对应的速度及加速度，从而提取出最优挡位的分布图，在实际使用中通过查表的方式便可实现挡位决策的降维处理，起到加快算法速度的作用，提升换挡的反应速度和换挡性能。
5-4)、对速度进行两步规划，第一步使用0.1m/s、0.2m/s、0.4m/s的精度将速度限制范围进行离散，把初末速度的离散量的范围控制在20以内，初步规划出一条速度曲线；第二步，把第一步的速度曲线作为参考线，在参考线上0.2m/s到参考线下0.2m/s的范围内，用0.1m/s的离散精度来进行速度轨迹的第二次规划。
5-5)、建立电池荷电状态SOC局部规划：
Figure GDA0002728557050000141
式中，s即局部规划中的电池荷电状态SOC的遍历范围；
sv即电池荷电状态的可达域；
sd即电池荷电状态SOC遍历带的宽度，将sd取值为0.1即可保证覆盖最优的电池荷电状态SOC轨迹范围；
sr(1)即规划范围内的初始参考电池荷电状态SOC值，sr(end)即规划范围内结束参考电池荷电状态SOC值；
sr_h即电池荷电状态SOC值的最高值，sr_l即电池荷电状态SOC值的最低值；
s_d即电池荷电状态SOC的离散精度，在简化研究中，为保证计算实时性，将其值取为0.01，降低为原来的1/5，这将节省大量的计算时间，从而达到简化算法的目的。
本实施例选用HWFET高速工况、MANHATTAN曼哈顿道路循环工况、WVUSUB郊区道路工况、UDDS城市驾驶循环工况和1015日本典型工况这五个标准工况作为测试简化算法效果的工况，如图3所示。
本发明的协同优化能量管理方法，解决了智能网联插电式混合动力汽车车速规划和扭矩分配的协同控制的能量管理问题，在插电式混合动力汽车车速可自行规划的前提下，在时间域和空间域下进行能量管理，本发明不仅解决了行程时间和行程距离的终端约束问题，而且经过将算法进行简化，本发明还具有了在线应用的潜力，以下为本实施例的试验结果。
协同优化算法在时间域及空间域的速度求解曲线如图4(a)和4(b)所示。从图中可以看出，当整体的速度限制范围比较低的时候，速度求解曲线倾向于贴近速度上限，而当整体的速度限制范围比较高的时候，速度曲线则更倾向于贴近速度下限。在发动机工作时，这样的速度求解曲线有助于保证较为适中的负荷，并且能使电机的工作效率更高。可以预见，当速度限制进一步放宽的时候，速度求解曲线也将会更加接近于匀速。设定合理的距离调整因子和时间调整因子，可以保证时间域和空间域下的求解曲线都具有和平均速度曲线相当的行程距离和行程时间，本实施例中的距离调整因子δd＝-0.00034和时间调整因子δt＝-0.00012。
具体的成本对比如表1和表2所示。从表1中可以看出，在终端状态约束的情况下，时间域求解节省了6.9％的综合能耗，从表2中可以看出，空间域求解的节省了6.8％的综合能耗。可以预见，随着速度限制范围的进一步扩大，此策略也将会获得更好的综合能耗经济性。
表1终端状态约束下的时间域求解结果对比(初始SOC为0.7)
Figure GDA0002728557050000161
表2终端状态约束下的空间域求解结果对比(初始SOC为0.7)
控制策略 电耗CNY 油耗CNY 成本CNY 时间s 距离km
协同优化 2.57 6.04 9.03(↓6.8％) 5907.38(<1％) 54.66(--)
全局优化 2.57 7.12 9.69 5925.00 54.66
本实施例中，采用步骤5-1)至5-5)的方法对协同优化管理方法进行简化，在初始电池荷电状态SOC为0.7的情况下，算法简化结果如表3所示，表中的快速规划即简化后的算法，协同优化即未简化前的算法，从表中可以看出，即使是在行程距离较长时，快速规划的计算精度依旧很高，并且与协同优化相比，其综合成本的表现也差别不大，在时间调整因子均为0.0018的情况下，二者的行驶指定距离的行程时间也很接近，在计算时间上，快速规划仅用了242.22s，具有和全局优化在量级上的可比性，相比于未简化之前的协同优化，其计算时间大大缩短了。
表3初始SOC为0.7时的不同控制策略的效果及其计算时间
控制策略 行程距离km 行程时间s 综合成本CNY 单次计算s
协同优化 47.99 5553.6 5.34(↓22.72％) 3401.80
快速规划 47.99 5558.0 5.40(↓21.85％) 242.22
全局优化 47.99 5551.0 6.91 50.83
算法简化后的具体结果如图5所示，从图中可看出，协同优化和快速规划在曲线规划上比较接近，但是二者在不同的速度限制下的表现则存在一些差异。例如在5km处的放大图处，与协同优化的速度求解曲线相比，快速规划在速度求解曲线的波动上要大很多，而二者在其他部分则比较接近，这是由于快速规划对挡位控制变量进行了降维处理，所以在进行挡位配合时，挡位会提前确定，而速度求解曲线尚可以自行规划，所有在部分速度限制下的算法更倾向于波动的速度以实现更优的能耗经济性，但从总体上来看，在速度规划上二者是比较一致的。
对协同优化能量管理方法进行优化时，既可以选择使用五种简化方法同时对协同优化进行简化，也可以只使用一种或针对性地使用某几种简化方法对协同优化进行简化，以达到不同的简化目的。
快速规划、协同优化和全局优化三种策略在不同的行程距离下的电池荷电状态SOC的变化对比如图6所示，从图中可以看出，协同优化和快速规划两条曲线的趋势相对一致，电池荷电状态的总体变化也非常均匀，与全局优化相比，由于速度曲线上在前期是通过适当地在低速区提高速度来增加动力源负载的，因此协同优化和快速规划的电池荷电状态SOC在前期会下降得更快，而它在后期则是通过在高速区以较低的速度来降低风阻和动力源的负载，因此协同优化和快速规划的电池荷电状态SOC在后期会下降相对较慢。
本发明的智能网联插电式混合动力汽车的协同优化能量管理方法，对车速规划和扭矩分配进行协同控制，实现了综合能耗经济性的最优能量管理，并且依托汽车智能网联化和新能源化的背景，在涵盖插电式混合动力汽车日常使用场景的模式下，不仅可以保证行程时间和行程距离的车辆终端状态得到约束，还可以大大提高车辆的综合能耗经济性。而且对该方法进行简化后的算法依然具有良好的求解效果，同时对该方法进行简化还可以节省大量的计算时间，具有良好的在线应用潜力。该方法不仅适用于智能网联插电式混合动力汽车，也同样适用于其他智能网联车辆。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或者基本特征的情况下，能够以其他具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书，按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书这种叙述方式仅仅是为了清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (10)

1.一种智能网联插电式混合动力汽车协同优化能量管理方法，其特征在于：协同优化能量管理方法如下：
1)、智能网联插电式混合动力汽车通过智能交通系统获取时间域速度限制条件、空间域速度限制条件；
2)、根据步骤1)的时间域速度限制条件和空间域速度限制条件的控制变量、状态变量，以及建立该协同优化能量管理方法的限制条件，利用动态规划建立该协同优化能量管理方法的目标函数；
3)、根据步骤2)得出的目标函数，在时间域使用行程距离调整因子实现车辆终端状态约束，在空间域使用行程时间调整因子实现车辆终端状态约束；
4)、结合步骤1)的时间域速度限制条件、空间域速度限制条件和步骤2)的控制变量、状态变量和目标函数以及步骤3)中的车辆终端状态约束，使用动态规划进行智能网联插电式混合动力汽车协同优化能量管理；
5)、结合动态规划算法简化方法对步骤4)的协同优化能量管理方法进行简化。
2.根据权利要求1所述的一种智能网联插电式混合动力汽车协同优化能量管理方法，其特征在于步骤2)的目标函数采用以下方法建立：
2-1)、时间域的速度限制条件以速度-时间的限制给出，控制变量为加速度、发动机扭矩和档位，状态变量为电池荷电状态、车速和时间；空间域速度限制条件以速度-距离的限制给出，控制变量为加速度、发电机扭矩和档位，状态变量为电池荷电状态、车速和行程；
2-2)、根据步骤2-1)的控制变量建立协同优化能量管理方法的控制变量函数：
Figure FDA0002728557040000011
Figure FDA0002728557040000021
式(1)中，u(k)即控制变量函数；
k即第k个阶段，在时间域下k表示时间，单位s；在空间域下k表示距离，单位m；
Te即发动机扭矩，单位N·m；
ig即挡位；
a即第k阶段的加速度，单位m/s2；
ve即第k阶段末的速度离散，单位m/s；
vb即第k阶段初的速度离散，单位m/s；
公式(2)即空间域速度限制条件向时间域速度限制条件转换的公式，式中d_d(k)即空间域中第k阶段的距离长度，单位m；
2-3)、根据步骤2-1)的状态变量和步骤2-2)的控制变量函数建立协同优化能量管理方法的状态变量函数：
Figure FDA0002728557040000022
式中，f即系统状态转移函数，x(k)即k阶段的电池荷电状态和车速状态，x(k+1)即k阶段的电池荷电状态和车速状态，x(0)即初始阶段的荷电状态和车速值，u(k)即k时刻的控制变量函数；
2-4)、建立该能量管理方法的限制条件；
2-4-1)建立电机、电池、发动机和挡位的约束：
Figure FDA0002728557040000023
式中，SOCmax即电池荷电状态的上限，SOCmin即电池荷电状态的下限；
ne(k)即发动机转速；
ne_max即发动机转速的上限值；
ne_min即发动机转速的下限值；
Te(k)即发动机在第k阶段的扭矩；
Te_max(ng(k))即发动机在转速为ne(k)时的扭矩上限值；
Te_min(ng(k))即发动机在转速为ne(k)时的扭矩下限值；
nm(k)即电机转速；
Tm(k)即电机扭矩；
Tm_max(nm(k))即电机在转速为nm(k)时的扭矩上限值；
Tm_min(nm(k))即电机在转速为nm(k)时的扭矩上限值；
Treq(k)为发动机在第k阶段的扭矩、电机扭矩和机械制动扭矩之和，作为整车的需求扭矩；
Tbrake(k)即机械制动扭矩；
imax即变速器的最高挡位；
2-4-2)、建立速度和加速度的限制条件：
Figure FDA0002728557040000031
式中，v(i)即i时刻的速度值，vm(i)即i时刻的速度下限值，vM(i)即i时刻的速度上限值，a(i)即i时刻的加速度值，am(i)即i时刻的最小加速度值，aM(i)即i时刻的最大加速度值，vn(i)即i时刻初到i时刻末(即i+1时刻初)的速度的状态转移，vm(i+1)即i+1时刻的速度下限值，vM(i+1)即i+1时刻的速度上限值；
2-4-3)、建立频繁换挡的限制：
Figure FDA0002728557040000041
式中，Qg(k)即k时刻因换挡惩罚而带来的成本矩阵，Gno即下一时刻初的最优挡位矩阵，Gc即当前的挡位矩阵；
2-4-4)、速度频繁波动的限制：
Figure FDA0002728557040000042
式中，Qa(k)即k时刻因速度波动带来的成本矩阵，Ano即下一时刻初的最优加速度矩阵，Ac即当前的加速度矩阵，b即速度波动惩罚值；
2-5)、建立该能量管理方法的目标函数：
Figure FDA0002728557040000043
式中，Qe(k)即k时刻的发动机油耗成本，Qm(k)即k时刻的电机电耗成本，Qg(k)即k时刻因换挡惩罚带来的成本矩阵，Qa(k)即k时刻因速度波动惩罚带来的成本矩阵。
3.根据权利要求1所述的一种智能网联插电式混合动力汽车协同优化能量管理方法，其特征在于步骤3)采用以下方法实现车辆终端状态约束：
3-1)、建立时间域的终端状态约束：
L(k)＝Qe(k)+Qm(k)+Qg(k)+Qa(k)+δd*v (9)
式中，δd(δd≤0)表示距离调整因子；
3-2)、建立空间域的终端状态约束：
L(k)＝(Qe(k)+Qm(k)+Qg(k)+Qa(k)+δt)*t(k) (10)
式中，δt(δt≥0)表示时间调整因子。
4.根据权利要求1所述的一种智能网联插电式混合动力汽车协同优化能量管理方法，其特征在于步骤5)可采用以下方法对协同优化能量管理方法进行简化：建立发动机简化模型
Figure FDA0002728557040000051
ηe＝-1.157e-07Pe 4+1.556e-05Pe 3+7.849e-04Pe 2+0.01751Pe+0.163 (12)
式中，Pe即发动机输出功率，单位kW；
Etank即油箱能耗，单位kJ；
ηe即油箱-发动机输出功率的转化效率；
pf即油价，7.8元/L；g即重力加速度，9.8N/kg；
zd即汽油重度，7.1N/L；Hu即汽车的热值，46000kJ/Kg。
5.根据权利要求1所述的一种智能网联插电式混合动力汽车协同优化能量管理方法，其特征在于步骤5)可采用以下方法对协同优化能量管理方法进行简化：建立电机简化模型
Figure FDA0002728557040000052
ηm1＝-7.668e-07Pm 4+5.894e-05Pm 3-0.001738Pm 2+0.01993Pm+0.7041 (14)
ηm2＝2.342*exp(-((Pm-19.76)/12.52)2)+9.688*exp(-((Pm+3154)/2191)2) (15)
式中，Ebat即电池充放电能耗，kJ；ηm即电机输入功率或输出功率与对应的电池充放电功率之间的转化效率；pe即电价，0.52元/千瓦时；Pm即电机输入功率或输出功率；ηm1即放电状态下电机的输出功率与电池放电功率的转化效率，ηm1<1；ηm2即充电状态下电机的输入功率与电池充电功率的转化效率，ηm2>1。
6.根据权利要求1所述的一种智能网联插电式混合动力汽车协同优化能量管理方法，其特征在于步骤5)可采用以下方法对协同优化能量管理方法进行简化：建立电机简化挡位决策，提取动态规划全局优化下的最优挡位决策和与之对应的速度及加速度，从而提取出最优挡位的分布图。
7.根据权利要求1所述的一种智能网联插电式混合动力汽车协同优化能量管理方法，其特征在于步骤5)可采用以下方法对协同优化能量管理方法进行简化：对速度进行两步规划，第一步使用0.1m/s、0.2m/s、0.4m/s的精度将速度限制范围进行离散，把初末速度的离散量的范围控制在20以内，初步规划出一条速度曲线；第二步，把第一步的速度曲线作为参考线，在参考线上0.2m/s到参考线下0.2m/s的范围内，用0.1m/s的离散精度来进行速度轨迹的第二次规划。
8.根据权利要求1所述的一种智能网联插电式混合动力汽车协同优化能量管理方法，其特征在于步骤5)可采用以下方法对协同优化能量管理方法进行简化：建立电池荷电状态局部规划
Figure FDA0002728557040000061
式中，s即局部规划中的电池荷电状态的遍历范围，sd即电池荷电状态遍历带的宽度，sv即电池荷电状态的可达域，sr(1)即规划范围内的初始参考电池荷电状态值，sr(end)即规划范围内结束参考电池荷电状态值，sr_h即电池荷电状态值的最高值，sr_l即电池荷电状态值的最低值，s_d即电池荷电状态的离散精度。
9.根据权利要求3所述的一种智能网联插电式混合动力汽车协同优化能量管理方法，其特征在于：步骤3-1)的δd可采用二分法进行调整，从而确定合适的δd以实现时间域的行程距离约束，步骤3-2)的δt也可采用二分法进行调整，从而确定合适的δt以实现空间域的行程时间约束。
10.根据权利要求8所述的一种智能网联插电式混合动力汽车协同优化能量管理方法，其特征在于：电池荷电状态的离散精度s_d取值为0.01。
CN201910910202.2A 2019-09-25 2019-09-25 一种智能网联插电式混合动力汽车协同优化能量管理方法 Active CN110667565B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910910202.2A CN110667565B (zh) 2019-09-25 2019-09-25 一种智能网联插电式混合动力汽车协同优化能量管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910910202.2A CN110667565B (zh) 2019-09-25 2019-09-25 一种智能网联插电式混合动力汽车协同优化能量管理方法

Publications (2)

Publication Number Publication Date
CN110667565A CN110667565A (zh) 2020-01-10
CN110667565B true CN110667565B (zh) 2021-01-19

Family

ID=69079237

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910910202.2A Active CN110667565B (zh) 2019-09-25 2019-09-25 一种智能网联插电式混合动力汽车协同优化能量管理方法

Country Status (1)

Country Link
CN (1) CN110667565B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6744597B1 (ja) * 2019-10-18 2020-08-19 トヨタ自動車株式会社 車両用制御データの生成方法、車両用制御装置、車両用制御システム、および車両用学習装置
CN111267829B (zh) * 2020-03-11 2021-08-03 宁波工程学院 一种混合动力车辆能量管理方法和系统
CN111891110B (zh) * 2020-05-15 2022-02-01 吉林大学 智能网联混合动力汽车能量-热量一体化实时管理系统
CN112009452B (zh) * 2020-10-13 2020-12-29 北京理工华创电动车技术有限公司 一种双电机多挡耦合驱动系统的控制方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105984389A (zh) * 2015-03-19 2016-10-05 丰田自动车株式会社 车辆
JP2016208620A (ja) * 2015-04-20 2016-12-08 三菱電機株式会社 制御装置
JP2017001593A (ja) * 2015-06-15 2017-01-05 スズキ株式会社 ハイブリッド車両の制御装置
CN107284441A (zh) * 2017-06-07 2017-10-24 同济大学 实时工况自适应的插电式混合动力汽车能量优化管理方法
JP2017218069A (ja) * 2016-06-09 2017-12-14 いすゞ自動車株式会社 ハイブリッド車両及びハイブリッド車両の制御方法
CN108216190A (zh) * 2016-12-19 2018-06-29 大陆汽车系统公司 用于自主/自动驾驶车辆的预测性动力总成限制策略
CN109278752A (zh) * 2018-09-26 2019-01-29 郑州轻工业学院 基于合作感知的插电式混合动力汽车能量优化控制方法
CN109606348A (zh) * 2019-01-14 2019-04-12 吉林大学 一种插电式行星混联汽车能量管理控制方法
DE102017223016A1 (de) * 2017-12-18 2019-06-19 Zf Friedrichshafen Ag Verfahren zur Erhöhung der Qualität einer Schaltung eines Automatgetriebes
JP2019131137A (ja) * 2018-02-02 2019-08-08 トヨタ自動車株式会社 ハイブリッド車両
CN110135632A (zh) * 2019-04-29 2019-08-16 吉林大学 基于路径信息的phev自适应最优能量管理方法
CN110194179A (zh) * 2019-06-26 2019-09-03 重庆大学 一种串联式混合动力电动汽车动力模式的确定系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102717797B (zh) * 2012-06-14 2014-03-12 北京理工大学 一种混合动力车辆能量管理方法及能量管理系统
US9067593B2 (en) * 2013-03-08 2015-06-30 Toyota Motor Engineering & Manufacturing North America, Inc. Hybrid vehicle launch control
CN104590247B (zh) * 2014-12-09 2017-02-22 河南理工大学 基于交通信号灯信息的混合动力汽车节能预测控制方法
US9387866B1 (en) * 2015-03-23 2016-07-12 Mitsubishi Electric Research Laboratories, Inc. Automatic train stop control system
JP6878880B2 (ja) * 2016-12-26 2021-06-02 スズキ株式会社 ハイブリッド車両
CN109291925B (zh) * 2018-09-20 2020-08-18 厦门大学 一种节能型智能网联混合动力汽车跟车控制方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105984389A (zh) * 2015-03-19 2016-10-05 丰田自动车株式会社 车辆
JP2016208620A (ja) * 2015-04-20 2016-12-08 三菱電機株式会社 制御装置
JP2017001593A (ja) * 2015-06-15 2017-01-05 スズキ株式会社 ハイブリッド車両の制御装置
JP2017218069A (ja) * 2016-06-09 2017-12-14 いすゞ自動車株式会社 ハイブリッド車両及びハイブリッド車両の制御方法
CN108216190A (zh) * 2016-12-19 2018-06-29 大陆汽车系统公司 用于自主/自动驾驶车辆的预测性动力总成限制策略
CN107284441A (zh) * 2017-06-07 2017-10-24 同济大学 实时工况自适应的插电式混合动力汽车能量优化管理方法
DE102017223016A1 (de) * 2017-12-18 2019-06-19 Zf Friedrichshafen Ag Verfahren zur Erhöhung der Qualität einer Schaltung eines Automatgetriebes
JP2019131137A (ja) * 2018-02-02 2019-08-08 トヨタ自動車株式会社 ハイブリッド車両
CN109278752A (zh) * 2018-09-26 2019-01-29 郑州轻工业学院 基于合作感知的插电式混合动力汽车能量优化控制方法
CN109606348A (zh) * 2019-01-14 2019-04-12 吉林大学 一种插电式行星混联汽车能量管理控制方法
CN110135632A (zh) * 2019-04-29 2019-08-16 吉林大学 基于路径信息的phev自适应最优能量管理方法
CN110194179A (zh) * 2019-06-26 2019-09-03 重庆大学 一种串联式混合动力电动汽车动力模式的确定系统

Also Published As

Publication number Publication date
CN110667565A (zh) 2020-01-10

Similar Documents

Publication Publication Date Title
CN110667565B (zh) 一种智能网联插电式混合动力汽车协同优化能量管理方法
Guo et al. State-of-charge-constraint-based energy management strategy of plug-in hybrid electric vehicle with bus route
CN106080585B (zh) 一种双行星排式混合动力汽车非线性模型预测控制方法
CN107458369B (zh) 一种同轴并联式混合动力电动汽车能量管理方法
CN111301398B (zh) 一种cvt插电式混合动力汽车能量管理方法及系统
Montazeri-Gh et al. An optimal energy management development for various configuration of plug-in and hybrid electric vehicle
CN104742898A (zh) 一种分速汇矩式混合动力功率流控制方法
CN109606348A (zh) 一种插电式行星混联汽车能量管理控制方法
Esfahanian et al. Hybrid electric haulage trucks for open pit mining
Lai et al. Dynamic programming optimized constrained engine on and off control strategy for parallel HEV
CN109177968A (zh) 一种功率分流式混合动力汽车的驱动模式控制方法
Hu et al. Energy Management Optimization Method of Plug-In Hybrid-Electric Bus Based on Incremental Learning
CN106585618B (zh) 一种串联式混合动力汽车能量管理控制方法及装置
Hacioglu et al. Predictive rule based optimization techniques for series hybrid electric vehicle
Li et al. Research on fuzzy logic control strategy for a plug-in hybrid electric city public bus
Liu et al. Adaptive energy management for plug-in hybrid electric vehicles considering real-time traffic information
Ren et al. Research on the Energy Management Strategy of Hybrid Vehicle Based on Pontryagin's Minimum Principle
Lv et al. Research of parameter design and matching of powertrain system in plug-in hybrid electric vehicle
Jin et al. Research on the control strategy optimization for energy management system of hybrid electric vehicle
Wang et al. Energy management of HEV in platoon operation with constant headway policy
Lai et al. Design study of parallel HEV drive train with full size engine
Asaei et al. A new energy control strategy for a through the road parallel hybrid electric motorcycle
Behzadpour et al. Fuzzy based controller design for parallel hybrid electric vehicle: An approach to fuel consumption and emission reduction
Zhang et al. Energy Management Strategy for a certain heavy-duty parallel hybrid electric vehicle
Xu et al. Energy Management and Design Optimization for a Power-Split, Heavy-Duty Truck

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant