CN110682905A - 基于行驶里程的时域中电池荷电状态参考变化量获取方法 - Google Patents
基于行驶里程的时域中电池荷电状态参考变化量获取方法 Download PDFInfo
- Publication number
- CN110682905A CN110682905A CN201910969041.4A CN201910969041A CN110682905A CN 110682905 A CN110682905 A CN 110682905A CN 201910969041 A CN201910969041 A CN 201910969041A CN 110682905 A CN110682905 A CN 110682905A
- Authority
- CN
- China
- Prior art keywords
- charge
- vehicle
- working condition
- battery state
- battery
- 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.)
- Granted
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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
- B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
- B60W2050/0037—Mathematical models of vehicle sub-units
- B60W2050/0039—Mathematical models of vehicle sub-units of the propulsion unit
-
- 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
-
- 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
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Power Engineering (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明涉及插电式混合动力汽车领域,具体涉及一种基于行驶里程的时域中电池荷电状态参考变化量获取方法,包括以下步骤:(1)利用工况识别算法将车辆行驶的样本数据划分成多个不同的典型工况类型;(2)利用动态规划算法计算得到能够代表电池荷电状态下降规律的特征参数,离线仿真得到车辆在同一种典型工况下空间域中平均单位距离的电池荷电状态的变化量;(3)利用车辆在同一种典型工况下空间域中平均单位距离的电池荷电状态的变化量,计算得出车辆在同一种典型工况下时域中的电池荷电状态的参考变化量。本发明解决了插电式混合动力汽车能量管理控制策略中电量使用不均衡的问题,最大限度的发挥了插电式混合动力汽车可以外接电源的优势。
Description
技术领域
本发明涉及插电式混合动力汽车领域,具体涉及一种基于行驶里程的时域中电池荷电状态参考变化量获取方法。
背景技术
插电式混合动力汽车由于能够外接电源充电,同时具有较大的电池容量,所以续航里程较传统混合动力汽车增长了许多,且无电动汽车电量耗尽后无法工作的担忧。
对于传统混合动力汽车的能量管理控制策略,在行程终了时,电池荷电状态的终值与初始值应保持持平,以免电池过冲和过放,即电量保持模式。所以在用优化算法对其进行控制变量决策时,电池荷电状态的参考量即为电池荷电状态的初始值,能量管理策略会使得电池的荷电状态保持在参考值附近。
对于插电式混合动力汽车而言,为了充分发挥其可以外接电源充电的优势,在行程结束时需要尽可能的将电量用至下限值,另外由利用动态规划算法控制得到的电池荷电状态的轨迹的状态曲线可知,在整个行程中用电情况都需要处在电量保持模式。这就需要为插电式混合动力汽车的能量管理策略制定合理的电池荷电状态参考曲线,约束其在整个行程中的用电情况。倘若对插电式混合动力汽车的行程用电不加以约束,只要满足电池荷电状态下降到最低值附近,则控制策略就会优先考虑纯电动行驶,电池荷电状态会迅速下降至最低设定值,接着便维持在了最低值附近,这样与电量消耗-电量保持模式就没有了差别,也就失去了插电式混合动力汽车相对传统混合动力汽车的优势。
现阶段对全局的电池荷电状态的参考轨迹的研究分为三种,一种是根据动态规划算法的电池荷电状态的轨迹结果,然后将其近似的制定成线性下降的电池荷电状态的轨迹。
第二种是基于行驶里程的线性下降的电池荷电状态的参考轨迹。
以上两种规划方法简单易施行,但是精度较低,在复杂工况下误差较大,因此并不适合日趋复杂的交通环境。
第三种是在全球卫星定位系统/地理信息系统/智能交通系统的帮助下,通过对未来工况进行预测,然后利用全局优化算法(例如动态规划,庞德里亚金极小值原理等)在预测得到的全局工况时域内,提前规划电池荷电状态的全局参考轨迹,然后再每隔一段时间更新。但是此方法中预测的工况准确性难以判断,另外全局优化算法有着极大的计算负担,面对各种各样复杂的行驶工况,在更新的时间窗内难以在线应用,如果对全局优化算法进行简化以加快计算速度,那么其优化效果又会大打折扣。
综上所述,现阶段的插电式混合动力汽车的能量管理策略制定较为复杂,无论是使用何种在线能量优化算法都解决不了电池荷电状态下降的过程最优问题。
发明内容
本发明的目的是针对现有技术对应的不足,提供一种基于行驶里程的时域中电池荷电状态参考变化量获取方法,解决了插电式混合动力汽车能量管理控制策略中电量使用不均衡的问题,最大限度的发挥了插电式混合动力汽车可以外接电源的优势,为插电式混合动力汽车在循环工况应用中的能量管理策略解决方案提供了良好的理论支持与技术支撑。
本发明的目的是采用下述方案实现的:一种基于行驶里程的时域中电池荷电状态参考变化量获取方法,包括以下步骤:
(1)利用工况识别算法将车辆行驶的样本数据划分成多个不同的典型工况类型;
(2)利用动态规划算法计算得到能够代表电池荷电状态下降规律的特征参数,离线仿真得到车辆在同一种典型工况下空间域中平均单位距离的电池荷电状态的变化量;
(3)利用车辆在同一种典型工况下空间域中平均单位距离的电池荷电状态的变化量,计算得出车辆在同一种典型工况下时域中的电池荷电状态的参考变化量。
步骤(1)中所述的工况识别算法包括以下步骤:
①将车辆行驶的样本数据进行工况块划分,得到行驶样本工况块;
②利用K均值聚类算法对行驶样本工况块进行了聚类划分,并计算得出每个工况块的K均值聚类中心特征参数;
③根据每个工况块的K均值聚类中心特征参数,将行驶样本工况块划分为多个工况簇来表示不同的典型工况。
步骤②中所述的工况块的K均值聚类中心特征参数是由下列公式计算得来:
式中,T为工况块的时间长度;
vi为i时刻的车速;
Tdrive为该工况块内速度不为零的时间长度;
vmean为车辆的平均速度;rdrive为巡航时间比;
s为车辆i时刻行驶的距离,即车辆在行驶过程中与起点之间的距离。
步骤(2)中所述的代表电池荷电状态下降规律的特征参数是由下列公式计算得来:
式中,socmax表示允许的电池荷电状态最大值;
socmin表示允许的电池荷电状态最小值;
slope表示典型工况在空间域中通过动态规划算法计算得到的单位距离的电池荷电状态变化量;
Ls为电池荷电状态的线性斜率;
Rs为电池荷电状态的相对斜率,即对应同一种典型工况下的电池荷电状态的变化量;
S表示里程长度,即车辆在行驶过程中与终点之间的距离。
步骤(2)中所述的车辆在同一种典型工况下空间域中平均单位距离的电池荷电状态的变化量是由下列公式计算得来:
式中,socmax表示允许的电池荷电状态最大值;
socmin表示允许的电池荷电状态最小值;
Rsn为同一种典型工况下电池荷电状态的相对斜率,即对应同一种典型工况下的电池荷电状态的变化量;
dn表示车辆在同一种典型工况下空间域中平均单位距离的电池荷电状态的变化量;
Sn表示同一种典型工况的总里程长度,即车辆起点到终点之间的距离;
S表示里程长度,即车辆在行驶过程中与终点之间的距离。
步骤(3)中所述的车辆在同一种典型工况下时域中的电池荷电状态的参考变化量是由下列公式计算得来:
Dn=dn·vn
式中,vn表示车速;
Dn表示车辆在同一种典型工况下时域中的电池荷电状态的参考变化量;
dn表示车辆在同一种典型工况下空间域中平均单位距离的电池荷电状态的变化量。
本发明的有益效果包括以下步骤:
(1)利用工况识别算法将车辆行驶的样本数据划分成多个不同的典型工况类型;
(2)利用动态规划算法计算得到能够代表电池荷电状态下降规律的特征参数,离线仿真得到车辆在同一种典型工况下空间域中平均单位距离的电池荷电状态的变化量;
(3)利用车辆在同一种典型工况下空间域中平均单位距离的电池荷电状态的变化量,计算得出车辆在同一种典型工况下时域中的电池荷电状态的参考变化量。
步骤(1)中所述的工况识别算法包括以下步骤:
①将车辆行驶的样本数据进行工况块划分,得到行驶样本工况块,车辆在运行过程中会有频繁的停车,车辆从一个停车点到下一个停车点的运动片段称为一个工况块,为了便于数据处理,将车辆行驶的样本数据划分为很多个工况块;
②利用K均值聚类算法对行驶样本工况块进行了聚类划分,并计算得出每个工况块的K均值聚类中心特征参数,得到工况样本图;
③根据每个工况块的K均值聚类中心特征参数,将行驶样本工况块划分为多个工况簇来表示不同的典型工况。
步骤②中所述的工况块的K均值聚类中心特征参数是由下列公式计算得来:
式中,T为工况块的时间长度;
vi为i时刻的车速;
Tdrive为该工况块内速度不为零的时间长度;
vmean为车辆的平均速度;rdrive为巡航时间比;
s为车辆i时刻行驶的距离,即车辆在行驶过程中与起点之间的距离。
步骤(2)中所述的代表电池荷电状态下降规律的特征参数是由下列公式计算得来:
式中,socmax表示允许的电池荷电状态最大值;
socmin表示允许的电池荷电状态最小值;
slope表示典型工况在空间域中通过动态规划算法计算得到的单位距离的电池荷电状态变化量;
Ls为电池荷电状态的线性斜率;
Rs为电池荷电状态的相对斜率,即对应同一种典型工况下的电池荷电状态的变化量;
S表示里程长度,即车辆在行驶过程中与终点之间的距离。
行驶工况是反映车辆行驶特征的速度-时间曲线,直接影响插电式混合动力汽车各项控制性能。车辆行驶工况是由各种不同行程的典型工况按照一定的比例组合而成,由于典型工况的组合具有随机性,导致实际的行驶工况区别很大,想要直接研究各种各样的循环工况对于插电式混合动力汽车控制性能的影响显然不太现实,首先需要明确插电式混合动力汽车在不同循环工况中对应的典型工况的电池荷电状态变化的相关特性。
循环工况的电池荷电状态随里程的变化轨迹要比随时间变化的平滑很多,而且由于电池荷电状态在随里程变化的过程中剔除了那些停车怠速工况,从而使轨迹更为线性,同时,由于再生制动的存在曲线也并不是线性下降的,所以直接应用该线性规律也是不可取的。
综上所述,电池荷电状态的变化曲线在空间域里表现的更为线性,但是用单纯的直线去代替电池荷电状态的参考轨迹也会忽略一些具体的变化过程,所以本发明提出两个新的参数,Ls为电池荷电状态的线性斜率,Rs为电池荷电状态的相对斜率,在已知单个典型工况的电池荷电状态变化规律的基础上,将其应用到循环工况中以便得到不同循环工况下该典型工况的电池荷电状态变化量。
由于电池的荷电状态总是大致围绕在随距离变化的线性直线附近,所以针对循环工况中的单一典型工况在不同的循环工况中都有如下公式:
式中,n表示循环工况的个数,这说明在任意循环工况中同一种典型工况的相对斜率近似相等,slope表示典型工况在空间域中通过动态规划算法计算得到的单位距离的电池荷电状态变化量,Ls为电池荷电状态的线性斜率,Rs为电池荷电状态的相对斜率,即对应同一种典型工况下的电池荷电状态的变化量。
需要注意的是,用于仿真的各类行驶工况均由单个典型行驶工况连续组合而成,如果里程太短,为了使里程结束时,车辆的电池荷电状态达到最低预设值,车辆就会只用电,不用燃油即不用发动机驱动,保证车辆有足够的行驶里程使车辆的发动机能够参与驱动。
步骤(2)中所述的车辆在同一种典型工况下空间域中平均单位距离的电池荷电状态的变化量是由下列公式计算得来:
式中,socmax表示允许的电池荷电状态最大值;
socmin表示允许的电池荷电状态最小值;
Rsn为同一种典型工况下电池荷电状态的相对斜率,即对应同一种典型工况下的电池荷电状态的变化量;
dn表示车辆在同一种典型工况下空间域中平均单位距离的电池荷电状态的变化量;
Sn表示同一种典型工况的总里程长度,即车辆起点到终点之间的距离;
S表示里程长度,即车辆在行驶过程中与终点之间的距离。
通过各种车载导航可以实时获取行驶里程的长度,即线性斜率Ls已知,但是对于当前车辆所处的状态并不能一一对应各种典型工况的相对斜率,即仅已知当前车辆的速度和加速度无法准确得到当前电池荷电状态的相对斜率,所以才考虑在空间域内使用平均变化量的概念来逼近单位空间域电池荷电状态的变化量。
步骤(3)中所述的车辆在同一种典型工况下时域中的电池荷电状态的参考变化量是由下列公式计算得来:
Dn=dn·vn
式中,vn表示车速;
Dn表示车辆在同一种典型工况下时域中的电池荷电状态的参考变化量;
dn表示车辆在同一种典型工况下空间域中平均单位距离的电池荷电状态的变化量。
所以,本发明可以首先利用工况识别算法判断车辆当前所处的工况,同时根据车速规划结果判断在时域内车辆所发生的位移,即车速,然后将车辆在同一种典型工况下对应的空间域中平均单位距离的电池荷电状态的变化量乘以车速的结果作为时域内电池电荷状态的参考变化量。
本发明的优点在于,解决了插电式混合动力汽车能量管理控制策略中电量使用不均衡的问题,最大限度的发挥了插电式混合动力汽车可以外接电源的优势,为插电式混合动力汽车在循环工况应用中的能量管理策略解决方案提供了良好的理论支持与技术支撑。
附图说明
图1为本发明的流程图;
图2为本发明的行驶工况块示意图;
图3为本发明的K均值聚类算法流程图;
图4为本发明的聚类工况块样本图;
图5为本发明的K均值聚类工况块聚类结果示意图;
图6为本发明的四类典型行驶工况示意图;
图7为本发明的四种典型工况电池荷电状态的相对斜率变化图;
图8为本发明的工况识别示意图;
图9为本发明的基于K均值聚类算法的循环工况识别结果示意图;
图10为本发明的综合循环工况示意图;
图11为本发明的基于行驶里程的参考电池荷电状态变化量规划轨迹与理论动态规划结果对比图。
具体实施方式
如图1至图11所示,一种基于行驶里程的时域中电池荷电状态参考变化量获取方法,包括以下步骤:
(1)利用工况识别算法将车辆行驶的样本数据划分成多个不同的典型工况类型;
步骤(1)中所述的工况识别算法包括以下步骤:
①将车辆行驶的样本数据进行工况块划分,得到行驶样本工况块;
车辆在运行过程中会有频繁的停车,车辆从一个停车点到下一个停车点的运动片段称为一个工况块,为了便于数据处理,将车辆行驶的样本数据划分为很多个工况块。
本实施例中,采用实车采集的重庆市行驶工况数据以及Advisor(高级车辆仿真器)中的标准行驶工况作为分析的车辆行驶的样本数据。
②利用K均值聚类算法对行驶样本工况块进行了聚类划分,并计算得出每个工况块的K均值聚类中心特征参数;
步骤②中所述的工况块的K均值聚类中心特征参数是由下列公式计算得来:
式中,T为工况块的时间长度;
vi为i时刻的车速;
Tdrive为该工况块内速度不为零的时间长度;
vmean为车辆的平均速度;rdrive为巡航时间比;
s为车辆i时刻行驶的距离,即车辆在行驶过程中与起点之间的距离。
按照如图3所示的步骤,利用K均值聚类算法对行驶样本工况块进行了聚类划分,并计算得出每个工况块的K均值聚类中心特征参数,得到工况样本图,如图4所示。
③根据每个工况块的K均值聚类中心特征参数,将行驶样本工况块划分为多个工况簇来表示不同的典型工况。
本实施例中,由K均值聚类结果如表1和图5所示,聚类样本被划分为四个工况簇,表示样本数据被分为了四类典型工况,即:
1拥堵工况:车辆启停次数非常多,平均车速非常低低,巡航时间比很小,单个工况块距离很短;
2城市工况:交通状况略好于拥堵,平均车速较低,巡航时间比较小,工况块距离较短;
3郊区工况:该工况下交通状况较好,车辆怠速工况少,平均车速较高,巡航时间比较大,工况块距离较长;
4高速工况:该工况下车辆基本不启停,平均车速高,巡航时间比大,工况块距离长;
表1 K均值聚类中心特征参数结果
从四类样本典型工况中提取四类短时典型工况如图6所示。
(2)利用动态规划算法计算得到能够代表电池荷电状态下降规律的特征参数,离线仿真得到车辆在同一种典型工况下空间域中平均单位距离的电池荷电状态的变化量;
步骤(2)中所述的代表电池荷电状态下降规律的特征参数是由下列公式计算得来:
式中,socmax表示允许的电池荷电状态最大值;
socmin表示允许的电池荷电状态最小值;
slope表示典型工况在空间域中通过动态规划算法计算得到的单位距离的电池荷电状态变化量;
Ls为电池荷电状态的线性斜率;
Rs为电池荷电状态的相对斜率,即对应同一种典型工况下的电池荷电状态的变化量;
S表示里程长度,即车辆在行驶过程中与终点之间的距离。
行驶工况是反映车辆行驶特征的速度-时间曲线,直接影响插电式混合动力汽车各项控制性能。车辆行驶工况是由各种不同行程的典型工况按照一定的比例组合而成,由于典型工况的组合具有随机性,导致实际的行驶工况区别很大,想要直接研究各种各样的循环工况对于插电式混合动力汽车控制性能的影响显然不太现实,首先需要明确插电式混合动力汽车在不同循环工况中对应的典型工况的电池荷电状态变化的相关特性。
循环工况的电池荷电状态随里程的变化轨迹要比随时间变化的平滑很多,而且由于电池荷电状态在随里程变化的过程中剔除了那些停车怠速工况,从而使轨迹更为线性,同时,由于再生制动的存在曲线也并不是线性下降的,所以直接应用该线性规律也是不可取的。
综上所述,电池荷电状态的变化曲线在空间域里表现的更为线性,但是用单纯的直线去代替电池荷电状态的参考轨迹也会忽略一些具体的变化过程,所以本发明提出两个新的参数,Ls为电池荷电状态的线性斜率,Rs为电池荷电状态的相对斜率,在已知单个典型工况的电池荷电状态变化规律的基础上,将其应用到循环工况中以便得到不同循环工况下该典型工况的电池荷电状态变化量。
由于电池的荷电状态总是大致围绕在随距离变化的线性直线附近,所以针对循环工况中的单一典型工况在不同的循环工况中都有如下公式:
式中,n表示循环工况的个数,这说明在任意循环工况中同一种典型工况的相对斜率近似相等,slope表示典型工况在空间域中通过动态规划算法计算得到的单位距离的电池荷电状态变化量,Ls为电池荷电状态的线性斜率,Rs为电池荷电状态的相对斜率,即对应同一种典型工况下的电池荷电状态的变化量。
需要注意的是,用于仿真的各类行驶工况均由单个典型行驶工况连续组合而成,如果里程太短,为了使里程结束时,车辆的电池荷电状态达到最低预设值,车辆就会只用电,不用燃油即不用发动机驱动,保证车辆有足够的行驶里程使车辆的发动机能够参与驱动。
通过各种车载导航可以实时获取行驶的里程长度S,即电池荷电状态的线性斜率Ls已知,但是对于当前车辆所处的状态并不能一一对应各种典型工况的相对斜率,即仅已知当前车辆的速度和加速度无法准确得到当前电池荷电状态的相对斜率,所以才考虑在空间域内使用平均变化量的概念来逼近单位空间域电池荷电状态的变化量。
对四种典型工况进行离线仿真(初始电池荷电状态为0.7),如图7所示,分别得到不同典型工况下的电池荷电状态的相对斜率Rs,即对应同一种典型工况下的电池荷电状态的变化量。
步骤(2)中所述的车辆在同一种典型工况下空间域中平均单位距离的电池荷电状态的变化量是由下列公式计算得来:
式中,socmax表示允许的电池荷电状态最大值;
socmin表示允许的电池荷电状态最小值;
Rsn为同一种典型工况下电池荷电状态的相对斜率,即对应同一种典型工况下的电池荷电状态的变化量;
dn表示车辆在同一种典型工况下空间域中平均单位距离的电池荷电状态的变化量;
Sn表示同一种典型工况的总里程长度,即车辆起点到终点之间的距离;
S表示里程长度,即车辆在行驶过程中与终点之间的距离。
本实施例中,可知:
其中,S表示里程长度,即车辆在行驶过程中与终点之间的距离;
d1、、d2、d3d4分别表示车辆在四种不同的典型工况下空间域中平均单位距离的电池荷电状态的变化量,即△soc/m;
S1、、S2、S3S4分别表示一种典型工况的总里程长度,即车辆起点到终点之间的距离。
(3)利用车辆在同一种典型工况下空间域中平均单位距离的电池荷电状态的变化量,计算得出车辆在同一种典型工况下时域中的电池荷电状态的参考变化量。
步骤(3)中所述的车辆在同一种典型工况下时域中的电池荷电状态的参考变化量是由下列公式计算得来:
Dn=dn·vn
式中,vn表示车速;
Dn表示车辆在同一种典型工况下时域中的电池荷电状态的参考变化量;
dn表示车辆在同一种典型工况下空间域中平均单位距离的电池荷电状态的变化量。
本实施例中,首先利用工况识别算法判断车辆当前所处的工况,同时根据车速规划结果判断在时域内车辆所发生的位移,即车速,然后将车辆在同一种典型工况下对应的空间域中平均单位距离的电池荷电状态的变化量乘以车速的结果作为时域内电池电荷状态的参考变化量,由上述计算公式可知:
其中,D1、、D2、D3D4分别表示车辆在四种不同的典型工况下时域中的电池荷电状态的参考变化量,即△soc/s;
d1、、d2、d3d4分别表示车辆在四种不同的典型工况下空间域中平均单位距离的电池荷电状态的变化量,即△soc/m;
v1、、v2、v3v4分别表示车辆在四种不同的典型工况下的车速。
为了验证本发明的可靠性,选取当前时刻的前150s的车速数据作为工况识别的识别周期,且认为当前及未来的3s内所处工况不变,如图8所示。
识别过程中,首先提取当前时刻150s工况时的平均速度vmean、巡航时间比rdrive、行驶距离s三个特征参数,将多个特征参数作为一组向量,计算该向量与各个聚类中心的欧式距离,将数据归类到欧式距离最短的对应聚类中心代表的工况簇中,当前时刻及时间窗内的工况就属于该工况簇代表的典型工况。
采用实测的行驶工况和advisor(高级车辆仿真器)中的标准工况进行组合得到的综合循环工况作为验证工况,该工况包括从拥堵到高速各类典型工况共计47km,利用基于K均值算法的工况识别算法对该综合工况进行识别,识别结果如图9所示。
由工况识别结果可以看出,整个综合循环工况的识别结果与其所属的类别基本一致,这表明本发明能够准确的识别随机工况。需要注意的是,在工况的前150s没有历史数据用来识别,考虑到车辆处于跟车环境中,将预测得到的前车预测域中的平均车速作为唯一特征参数用于本车的工况识别。
在获取到工况相关信息后,采用包含以上工况识别所用循环工况以及另外一种循环工况对基于行驶里程的时域中的电池荷电状态的参考变化量进行仿真验证。两种循环工况特征如表2所示。
表2循环工况特征
如图11所示,两种循环工况中基于行驶里程的参考电池荷电状态的变化趋势与动态规划算法的理论结果非常接近。
为了更加清晰的表示两条曲线的相关程度,引入相关系数ρ和假设检验概率值p来表征两条电池荷电状态的曲线的密切程度和显著相关性。ρxy是一个可以表征x和y之间线性关系紧密程度的量,其值越大表明相关性越大,ρxy的计算公式如下:
式中,cov(x,y)表示向量x与y之间的协方差,Var(x)和Var(y)分别为x和y的方差。
p值是在假设检验中,在原假设为真的前提下出现观察样本以及更极端情况的概率,其值小于0.05表明两组数据具有相关性。
表3参考电池荷电状态的轨迹规划与动态规划算法理论结果相关系数
在显著性检验p值小于0.05的前提下,一般来说,相关系数为0-0.09为没有相关性,0.1-0.3为弱相关,0.3-0.5为中等相关,0.5-1.0为强相关,如表4所示:
表4不同取值时p值的统计学意义
根据以上对两条曲线的相关性的分析,在p值为0的前提下所规划的参考电池荷电状态的轨迹与动态规划算法计算的理论轨迹之间的相关系数都在0.99以上,表现为强相关,且由图11中也可以看出两种工况中的两条曲线变化趋势非常接近,表明本发明提出的方法能够应用在其它循环工况中,解决了插电式混合动力汽车能量管理控制策略中电量使用不均衡的问题,最大限度的发挥了插电式混合动力汽车可以外接电源的优势,为插电式混合动力汽车在循环工况应用中的能量管理策略解决方案提供了良好的理论支持与技术支撑。
以上所述仅为本发明的优选实施例,并不用于限制本发明,本领域的技术人员在不脱离本发明的精神的前提提下,对本发明进行的改动均落入本发明的保护范围。
Claims (6)
1.一种基于行驶里程的时域中电池荷电状态参考变化量获取方法,其特征在于,包括以下步骤:
(1)利用工况识别算法将车辆行驶的样本数据划分成多个不同的典型工况类型;
(2)利用动态规划算法计算得到能够代表电池荷电状态下降规律的特征参数,离线仿真得到车辆在同一种典型工况下空间域中平均单位距离的电池荷电状态的变化量;
(3)利用车辆在同一种典型工况下空间域中平均单位距离的电池荷电状态的变化量,计算得出车辆在同一种典型工况下时域中的电池荷电状态的参考变化量。
2.根据权利要求1所述的基于行驶里程的时域中电池荷电状态参考变化量获取方法,其特征在于:步骤(1)中所述的工况识别算法包括以下步骤:
①将车辆行驶的样本数据进行工况块划分,得到行驶样本工况块;
②利用K均值聚类算法对行驶样本工况块进行了聚类划分,并计算得出每个工况块的K均值聚类中心特征参数;
③根据每个工况块的K均值聚类中心特征参数,将行驶样本工况块划分为多个工况簇来表示不同的典型工况。
4.根据权利要求1所述的基于行驶里程的时域中电池荷电状态参考变化量获取方法,其特征在于:步骤(2)中所述的代表电池荷电状态下降规律的特征参数是由下列公式计算得来:
式中,socmax表示允许的电池荷电状态最大值;
socmin表示允许的电池荷电状态最小值;
slope表示典型工况在空间域中通过动态规划算法计算得到的单位距离的电池荷电状态变化量;
Ls为电池荷电状态的线性斜率;
Rs为电池荷电状态的相对斜率,即对应同一种典型工况下的电池荷电状态的变化量;
S表示里程长度,即车辆在行驶过程中与终点之间的距离。
6.根据权利要求1所述的基于行驶里程的时域中电池荷电状态参考变化量获取方法,其特征在于:步骤(3)中所述的车辆在同一种典型工况下时域中的电池荷电状态的参考变化量是由下列公式计算得来:
Dn=dn·vn
式中,vn表示车速;
Dn表示车辆在同一种典型工况下时域中的电池荷电状态的参考变化量;
dn表示车辆在同一种典型工况下空间域中平均单位距离的电池荷电状态的变化量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910969041.4A CN110682905B (zh) | 2019-10-12 | 2019-10-12 | 基于行驶里程的时域中电池荷电状态参考变化量获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910969041.4A CN110682905B (zh) | 2019-10-12 | 2019-10-12 | 基于行驶里程的时域中电池荷电状态参考变化量获取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110682905A true CN110682905A (zh) | 2020-01-14 |
CN110682905B CN110682905B (zh) | 2020-11-10 |
Family
ID=69112515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910969041.4A Active CN110682905B (zh) | 2019-10-12 | 2019-10-12 | 基于行驶里程的时域中电池荷电状态参考变化量获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110682905B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111591279A (zh) * | 2020-04-20 | 2020-08-28 | 湖南大学 | 一种插电式混合动力汽车电池电量轨迹规划方法及系统 |
CN111959509A (zh) * | 2020-08-19 | 2020-11-20 | 重庆交通大学 | 基于状态空间域电池能量均衡的q学习再生制动控制策略 |
CN112026744A (zh) * | 2020-08-20 | 2020-12-04 | 南京航空航天大学 | 一种基于dqn变体的混联式混合动力系统能量管理方法 |
CN113135113A (zh) * | 2020-01-19 | 2021-07-20 | 郑州宇通客车股份有限公司 | 一种全局soc规划方法及装置 |
CN113525344A (zh) * | 2021-09-17 | 2021-10-22 | 北京航空航天大学 | 一种p2插电式混合动力汽车电能分配方法 |
CN116776229A (zh) * | 2023-08-17 | 2023-09-19 | 深圳市城市交通规划设计研究中心股份有限公司 | 面向排放碳因子的汽车行驶典型工况划分方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106004865A (zh) * | 2016-05-30 | 2016-10-12 | 福州大学 | 基于工况识别的里程自适应混合动力汽车能量管理方法 |
CN107516107A (zh) * | 2017-08-01 | 2017-12-26 | 北京理工大学 | 一种混合动力车辆的行驶工况分类预测方法 |
CN107878445A (zh) * | 2017-11-06 | 2018-04-06 | 吉林大学 | 一种考虑电池性能衰减的混合动力汽车能量优化管理方法 |
KR20180076800A (ko) * | 2016-12-28 | 2018-07-06 | 현대자동차주식회사 | 차량 및 그의 배터리 관리 방법 |
CN108944901A (zh) * | 2017-05-25 | 2018-12-07 | 福特全球技术公司 | 用于调节电池荷电状态参数的系统和方法 |
CN109895760A (zh) * | 2019-04-03 | 2019-06-18 | 大连理工大学 | 基于soc参考轨迹的插电式混合动力汽车能量管理方法 |
-
2019
- 2019-10-12 CN CN201910969041.4A patent/CN110682905B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106004865A (zh) * | 2016-05-30 | 2016-10-12 | 福州大学 | 基于工况识别的里程自适应混合动力汽车能量管理方法 |
KR20180076800A (ko) * | 2016-12-28 | 2018-07-06 | 현대자동차주식회사 | 차량 및 그의 배터리 관리 방법 |
CN108944901A (zh) * | 2017-05-25 | 2018-12-07 | 福特全球技术公司 | 用于调节电池荷电状态参数的系统和方法 |
CN107516107A (zh) * | 2017-08-01 | 2017-12-26 | 北京理工大学 | 一种混合动力车辆的行驶工况分类预测方法 |
CN107878445A (zh) * | 2017-11-06 | 2018-04-06 | 吉林大学 | 一种考虑电池性能衰减的混合动力汽车能量优化管理方法 |
CN109895760A (zh) * | 2019-04-03 | 2019-06-18 | 大连理工大学 | 基于soc参考轨迹的插电式混合动力汽车能量管理方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113135113A (zh) * | 2020-01-19 | 2021-07-20 | 郑州宇通客车股份有限公司 | 一种全局soc规划方法及装置 |
CN113135113B (zh) * | 2020-01-19 | 2022-12-13 | 宇通客车股份有限公司 | 一种全局soc规划方法及装置 |
CN111591279A (zh) * | 2020-04-20 | 2020-08-28 | 湖南大学 | 一种插电式混合动力汽车电池电量轨迹规划方法及系统 |
CN111591279B (zh) * | 2020-04-20 | 2021-05-28 | 湖南大学 | 一种插电式混合动力汽车电池电量轨迹规划方法及系统 |
CN111959509A (zh) * | 2020-08-19 | 2020-11-20 | 重庆交通大学 | 基于状态空间域电池能量均衡的q学习再生制动控制策略 |
CN111959509B (zh) * | 2020-08-19 | 2022-06-17 | 重庆交通大学 | 基于状态空间域电池能量均衡的q学习再生制动控制策略 |
CN112026744A (zh) * | 2020-08-20 | 2020-12-04 | 南京航空航天大学 | 一种基于dqn变体的混联式混合动力系统能量管理方法 |
CN112026744B (zh) * | 2020-08-20 | 2022-01-04 | 南京航空航天大学 | 一种基于dqn变体的混联式混合动力系统能量管理方法 |
CN113525344A (zh) * | 2021-09-17 | 2021-10-22 | 北京航空航天大学 | 一种p2插电式混合动力汽车电能分配方法 |
CN116776229A (zh) * | 2023-08-17 | 2023-09-19 | 深圳市城市交通规划设计研究中心股份有限公司 | 面向排放碳因子的汽车行驶典型工况划分方法 |
CN116776229B (zh) * | 2023-08-17 | 2023-12-26 | 深圳市城市交通规划设计研究中心股份有限公司 | 面向碳排放因子的汽车行驶典型工况划分方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110682905B (zh) | 2020-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110682905B (zh) | 基于行驶里程的时域中电池荷电状态参考变化量获取方法 | |
CN110775065B (zh) | 一种基于工况识别的混合动力汽车电池寿命预测方法 | |
CN107187442B (zh) | 基于工况预测的插电式混合动力电动汽车能量管理系统 | |
CN111497679B (zh) | 一种纯电动汽车能耗监测优化方法及系统 | |
Zhang et al. | Role of terrain preview in energy management of hybrid electric vehicles | |
CN110962837B (zh) | 一种考虑驾驶风格的插电式混合动力汽车能量管理方法 | |
CN111267827B (zh) | 一种混合动力汽车能量管理方法和系统 | |
CN111267830B (zh) | 一种混合动力公交车能量管理方法、设备和存储介质 | |
CN108761509A (zh) | 一种基于历史数据的汽车行驶轨迹及里程预测方法 | |
Baek et al. | Runtime power management of battery electric vehicles for extended range with consideration of driving time | |
Ganji et al. | A study on look-ahead control and energy management strategies in hybrid electric vehicles | |
CN112026744B (zh) | 一种基于dqn变体的混联式混合动力系统能量管理方法 | |
CN111824117B (zh) | 基于工况预测的混合动力汽车能效优化控制方法及系统 | |
CN114103924A (zh) | 一种混合动力车辆能量管理控制方法及装置 | |
CN113687247A (zh) | 新能源汽车剩余里程动态预测方法、系统、终端及介质 | |
CN115935672A (zh) | 一种融合工况预测信息的燃料电池汽车能耗计算方法 | |
CN116187161A (zh) | 一种智能网联环境下混合动力客车智能能量管理方法及系统 | |
Tulpule et al. | A statistical approach to assess the impact of road events on PHEV performance using real world data | |
CN112406875A (zh) | 一种车辆能耗的分析方法和装置 | |
CN112298155A (zh) | 一种基于变时域模型预测混合动力卡车耗能的方法 | |
Yu et al. | A-EMCS for PHEV based on real-time driving cycle prediction and personalized travel characteristics | |
CN111348029A (zh) | 一种考虑工况的混合动力汽车标定参数最优值确定方法 | |
Pan et al. | Driving cycle construction and combined driving cycle prediction for fuzzy energy management of electric vehicles | |
CN105774797A (zh) | 一种插电式并联混合动力汽车自适应控制方法 | |
CN115481813B (zh) | 基于机器学习的新能源公交车能耗预测方法 |
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 |