CN110758177A - 一种应用于增程式冷储车的供电管理方法 - Google Patents

一种应用于增程式冷储车的供电管理方法 Download PDF

Info

Publication number
CN110758177A
CN110758177A CN201911343742.3A CN201911343742A CN110758177A CN 110758177 A CN110758177 A CN 110758177A CN 201911343742 A CN201911343742 A CN 201911343742A CN 110758177 A CN110758177 A CN 110758177A
Authority
CN
China
Prior art keywords
power
vehicle
dimension
compressor
cold storage
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
Application number
CN201911343742.3A
Other languages
English (en)
Other versions
CN110758177B (zh
Inventor
孙强
张晓燕
高强
湛勇刚
陈维东
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.)
Ningbo Shenglong New Energy Vehicle Power Co ltd
Original Assignee
Ningbo Jie Cheng Automobile Technology Co Ltd
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 Ningbo Jie Cheng Automobile Technology Co Ltd filed Critical Ningbo Jie Cheng Automobile Technology Co Ltd
Priority to CN201911343742.3A priority Critical patent/CN110758177B/zh
Publication of CN110758177A publication Critical patent/CN110758177A/zh
Application granted granted Critical
Publication of CN110758177B publication Critical patent/CN110758177B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • B60L1/00—Supplying electric power to auxiliary equipment of vehicles
    • B60L1/003—Supplying electric power to auxiliary equipment of vehicles to auxiliary motors, e.g. for pumps, compressors
    • 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
    • B60L50/00—Electric propulsion with power supplied within the vehicle
    • B60L50/50—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells
    • B60L50/60—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells using power supplied by batteries
    • 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
    • B60L50/00—Electric propulsion with power supplied within the vehicle
    • B60L50/50—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells
    • B60L50/60—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells using power supplied by batteries
    • B60L50/61—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells using power supplied by batteries by batteries charged by engine-driven generators, e.g. series hybrid electric vehicles
    • B60L50/62—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells using power supplied by batteries by batteries charged by engine-driven generators, e.g. series hybrid electric vehicles charged by low-power generators primarily intended to support the batteries, e.g. range extenders
    • 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
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Air-Conditioning For Vehicles (AREA)

Abstract

本发明涉及一种应用于增程式冷储车的供电管理方法，涉及新能源汽车技术领域的技术领域，解决了传统纯电动冷储车运输物品途中里程“焦虑”与冷藏效果“焦虑”的问题，其包括：步骤S100：基于增程式冷储车的起始出发地和最终目的地确定实际规划行驶路径；步骤S200：沿实际规划行驶路径行驶，并基于增程器当前所能提供能量以及冷储车自身所带电量，实时调整冷储车控制逻辑，以确保冷储车在保证冷储效果的前提下以最快最节能的方式到目的地。本发明一方面保证了冷藏车的正常运行，另一方面也优先保证了冷藏车的冷藏效果。

Description

一种应用于增程式冷储车的供电管理方法
技术领域
本发明涉及新能源汽车技术领域的技术领域，尤其是涉及一种应用于增程式冷储车的供电管理方法。
背景技术
冷藏车是指用来维持冷冻或保鲜的货物温度的封闭式厢式运输车，冷藏车是装有制冷机组的制冷装置和聚氨酯隔热厢的冷藏专用运输汽车，冷藏车可以按生产厂家、底盘承载能力、车厢型式来分类。冷藏车常用于运输冷冻食品（冷冻车），奶制品（奶品运输车）、蔬菜水果（鲜货运输车）、疫苗药品（疫苗运输车）等。
在这个全球呼吁绿色出行的时代，燃油车面临着巨大的挑战，柴油货车的燃油量和废气排放使得它成了最敏感的话题。于是，新能源纯电动货车也应运而生，许多的主机厂投入大量的资本研发，推出了各式各样的纯电动货车。
其中，增程式电动车是一种配有地面充电和车载供电功能的纯电驱动的电动汽车。其动力系统由动力电池系统、动力驱动系统、整车控制系统和辅助动力系统（APU）组成。增程式电动车由整车控制器完成运行控制策略。电池组可由地面充电桩或车载充电器充电，增程器可采用燃油型或燃气型。
现有冷藏车可以是由单一汽油机供能的汽油车，也可以是纯电功能的电动车，但是考虑到单一汽油机功能的汽油车以及纯电功能的电动车无法很好的权衡好冷藏和续航，因此基于以上需求，目前越来越多的冷藏车应用具有较好续航能力的增程式电动车，此类增程式电动车在运输冷藏物品的过程中，其能量调控主要集中在保证冷藏车能够及时到达现场，导致冷藏车在运输过程中冷藏物品的冷藏效果不佳的问题，还有改进的空间。
发明内容
本发明的目的是提供一种应用于增程式冷储车的供电管理方法,一方面保证了冷藏车的正常运行，另一方面也优先保证了冷藏车的冷藏效果。
本发明的上述发明目的是通过以下技术方案得以实现的：
一种应用于增程式冷储车的供电管理方法，包括以下步骤：
步骤S100：基于增程式冷储车的起始出发地和最终目的地确定实际规划行驶路径；
步骤S200：沿实际规划行驶路径行驶，并基于增程器当前所能提供能量以及冷储车自身所带电量，实时调整冷储车控制逻辑，以最快最节能的方式到达目的地以最快最节能的方式到达目的地。
通过采用上述技术方案，通过步骤S100的设置可以有效确定出实际规划的路径，而步骤S200的设置可以在实际规划形式路径确定的前提下实时调整冷储车的控制逻辑，从而更好的保证冷储车在保证其自身冷储效果的同时，能够及时到达最终目的地。
本发明进一步设置为：一种应用于增程式冷储车的供电管理方法，步骤S100包括：
步骤S110：基于增程式冷储车的起始出发地和最终目的地规划出所有路线；
步骤S120：在规划出的所有路线中选择其中最短的路线作为实际应用的路线。
通过采用上述技术方案，通过步骤S110、步骤S120的设置在所有路线中选择其中最短的路线，以方便增程式冷储车能够在保证冷藏效果的同时也能及时到达目的地。
本发明进一步设置为：一种应用于增程式冷储车的供电管理方法，步骤S200包括：
步骤S210：实时基于当前电池SOC值、驱动电机的需求功率、以及压缩机的需求功率这三个影响车辆需求功率的影响因素，构建电池SOC值关于需求功率的计算函数、驱动电机需求功率的相关计算函数、压缩机需求功率的相关计算函数，并通过粒子群算法基于以上相关计算函数确定车辆的总需求功率；
步骤S220：基于车辆的总需求功率已知的前提下规划增程器的工作状态和压缩机的模式切换，以保证压缩机对增程式冷储车内部的食物有效制冷维温的前提下减少能源损耗。
通过采用上述技术方案，通过步骤S210的设置有效确定了三个影响车辆需求功率的影响因素，同时也能结合这三个影响车辆需求功率的因素确定车辆的需求功率，通过步骤S220的设置能够结合车辆的需求功率规划增程器的启动状态，从而更好的保证存储于增程式冷储车内的食物不受外界环境的干扰。
本发明进一步设置为：一种应用于增程式冷储车的供电管理方法，步骤S210包括：
步骤S211：检测当前电池SOC值，同时建立电池SOC值和电池需求功率之间的关系式，关于电池SOC值和电池需求功率的关联函数：当SOC低于SOC0时，电池采用恒流充电模式，充电电流目标值Icharge=0.6C，C为电池容量，所以电池目标充电功率为：PB1=-U0Icharge/ηcharge，式中：PB1为电池需求功率；U0为系统直流母线电压；ηcharge为充电效率；当SOC值不低于SOC0，电池电量保持下降趋势，电池需求功率PB1=0；
构建驱动电机的需求功率的关联函数，在无爬坡工况的情况下，驱动电机的需求功率为PB2，在有爬坡工况的情况下，驱动需求功率，由公式P=F*V得到，PB2=mgvsinθ/η，定义车及车上负载总质量为m，重力加速度g，上坡速度V，坡面与水平方向夹角θ，机械效率为η；
构建压缩机的需求功率的关联函数，压缩机由一定温度降低至特定的温度所需制冷量为：Q=cm(t2-t1),式中，Q为所需制冷量，c代表比热容，m为空气质量，t2代表末温度，t1代表初始温度，PB3=Q/T，T为压缩机将室内温度调节至t2的所需时间，PB3为压缩机的需求功率；在需要压缩机保持一定温度的时候，构建维持对应温度所需功率的第一数据库，通过t2在第一数据库查询出对应温度所匹配的所需功率；
步骤S212：随机初始化粒子群，其中粒子群的每个粒子包括三维度位置矢量和三维度速度矢量，第一维度位置矢量为电池SOC值，第一维度速度矢量为电池SOC值的改变量；第二维度位置矢量为压缩机的需求功率，第二维度速度矢量为压缩机需求功率的变化量；第三维度位置矢量为驱动电机的功率，第三维度速度矢量为驱动电机功率的变化量，所述电池SOC值、压缩机的需求功率、驱动电机的功率均为车辆的需求功率的影响因素；
步骤S213：确定车辆需求功率的各个影响因素的目标函数，将各个目标函数确定为粒子的各个维度的适应度函数；
进行粒子群的迭代过程，包括(1)至(3)：
(1)根据所述粒子的各个维度的适应度函数计算当前粒子群中各个粒子的每个维度的当前适应度，根据各个粒子的每个维度的当前适应度确定各个粒子的每个维度的当前个体极值和粒子群的各个维度的当前全局最优值；
(2)分别根据各个粒子的每个维度的当前个体极值和粒子群的各个维度的当前全局最优值，更新各个粒子的每个维度的速度矢量；分别根据各个粒子的每个维度更新后的速度矢量，更新各个粒子的每个维度的位置矢量；
(3)判断本次迭代是否达到迭代终止条件，若达到，输出粒子群的各个维度的全局最优值，停止迭代过程；若未达到，返回执行(1)；
将粒子群的各个维度的全局最优值作为各个优化车辆需求功率的估算用关键参数的目标值；
步骤S214：以粒子群的各个维度的全局最优值之和作为车辆实际需求功率；
步骤S215：基于车辆需求功率规划增程器的工作状态和压缩机的模式切换，以保证压缩机对增程式冷储车内部的食物有效制冷维温的前提下减少能源损耗。
通过采用上述技术方案，通过步骤S211、步骤S212、步骤S213的设置具体公开了如何结合三个影响车辆功率的因素来确定三个影响车辆因素的极值，并且通过步骤S214、步骤S215的设置可以具体确定出具体车辆的所需功率，而且通过步骤S215的设置有效规划出具体的切换方式。
本发明进一步设置为：步骤S213所提到的迭代过程的第(2)步骤的具体实现方式为：
根据公式Vd1=ωVd+C1random(0,1)(Pd-Xd)+C2random(0,1)(Pgd-Xd)更新粒子的第d维度的速度矢量；
根据公式Xd1＝Xd+Vd更新粒子的第d维的位置矢量；
其中，第d维为第一维度、第二维度、第三维度中的任一维度，ω称为惯性因子，C1和C2称为加速常数，random(0,1)表示区间[0,1]上的随机数，Vd为粒子的第d维度的当前速度矢量，Vd1为粒子的第d维度的更新后的速度矢量，Xd为粒子的第d维度的当前位置矢量，Xd1为粒子的第d维度的更新后的位置矢量，Pd为粒子的第d维的个体极值，Pgd为粒子群的第d维的全局最优值。。
通过采用上述技术方案，上述步骤的设置具体公开了三个影响车辆需求功率因素的三个极值是如何计算出来的。
本发明进一步设置为：步骤S215包括：
步骤S215.A：比较车辆需求功率和车辆电动状态下所提供的功率；
步骤S215.B：若车辆需求功率超过车辆电动状态下所提供的功率，则启动增程器进行功率输出，同时切换车辆电动状态下输出至压缩机的功率，转而以增程器输出的功率输出至压缩机且优先满足压缩机按照其所需功率工作；反之，则车辆以电动状态下所提供的功率满足车辆的功率需求；
步骤S215.C：若在加入增程器后整体的输出功率超过车辆需求功率，则增程器输出多余的功率存储入电池中。
通过采用上述技术方案，通过步骤S215.A、步骤S215.B、步骤S215.C的结合设置，考虑到了现有压缩机只能单一通过发动机带动或电动模式带动的情况下，以及车辆需求功率和车辆电动状态下提供的功率比较情况有效确定增程器所需控制的状态并进行相应的控制。
本发明进一步设置为：步骤S215包括：
步骤S215.a：比较车辆需求功率和车辆电动状态下所提供的功率；
步骤S215.b：
若车辆需求功率低于车辆电动状态下所提供的功率，则增程器不工作，电池直接作用于压缩机且驱动整车运行；
若车辆需求功率超过车辆电动状态下所提供的功率且在加入增程器输出功率后总输出功率超过车辆需求功率，则启动增程器进行功率输出，且输出至压缩机优先满足压缩机按照其所需功率需求，剩余的能量存储入电池中；
若车辆需求功率超过车辆电动状态下所提供的功率且在加入增程器输出功率后总输出功率小于车辆需求功率车辆需求功率，则驱动增程器的发动机直接作用压缩机，同时电池亦向压缩机传递能量，以优先保证压缩机的正常运行。
通过采用上述技术方案，通过步骤S215.a、步骤S215.b的设置，考虑到了现有压缩机既可以通过发动机带动也可以通过电动模式带动的情况下，有效基于车辆需求功率和车辆电动状态下所提供的功率确定增程器的控制方式并进行相应控制。
综上所述，本发明的有益技术效果为：
1.规划出车辆由出发地至目的地的最短路线；
2.在以最短路线行驶的过程中能够在减少能源损耗的前提下保证压缩机对冷藏食物的冷藏效果。
附图说明
图1是本发明应用于增程式冷储车的供电管理方法的步骤示意图。
图2是图1中步骤S100的具体步骤示意图。
图3是图1中步骤S200的具体步骤示意图。
图4是实施例1中步骤S215的具体步骤示意图。
图5是实施例2中步骤S215的具体步骤示意图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
实施例1：
参照图1，为本发明公开的一种应用于增程式冷储车的供电管理方法，包括以下步骤：步骤S100：基于增程式冷储车的起始出发地和最终目的地确定实际规划行驶路径；步骤S200：沿实际规划行驶路径行驶，并基于增程器当前所能提供能量以及冷储车自身所带电量，实时调整冷储车控制逻辑，以最快最节能的方式到达目的地。
参照图2，进一步考虑到所选的路线为最短的，从而方便增程式冷储车能够及时到达目的地，一种应用于增程式冷储车的供电管理方法，步骤S100包括：步骤S110：基于增程式冷储车的起始出发地和最终目的地规划出所有路线；步骤S120：在规划出的所有路线中选择其中最短的路线作为实际应用的路线。
参照图3，进一步考虑到如何调节增程器的控制逻辑，从而保证车辆在按照路线行驶的过程中，能够持续保持冷储车的冷储效果，一种应用于增程式冷储车的供电管理方法，步骤S200包括：步骤S210：实时基于当前电池SOC值、驱动电机的需求功率、以及压缩机的需求功率这三个影响车辆需求功率的影响因素，构建电池SOC值关于需求功率的计算函数、驱动电机需求功率的相关计算函数、压缩机需求功率的相关计算函数，并通过粒子群算法基于以上相关计算函数确定车辆的总需求功率；步骤S220：基于车辆的总需求功率已知的前提下规划增程器的工作状态和压缩机的模式切换，以保证压缩机对增程式冷储车内部的食物有效制冷维温的前提下减少能源损耗。
进一步考虑到如何基于几个关于车辆需求功率的影响因素确定车辆实际的需求功率，一种应用于增程式冷储车的供电管理方法，步骤S210包括：步骤S211：检测当前电池SOC值，同时建立电池SOC值和电池需求功率之间的关系式，关于电池SOC值和电池需求功率的关联函数：当SOC低于SOC0时，电池采用恒流充电模式，充电电流目标值Icharge=0.6C，C为电池容量单位，所以电池目标充电功率为：PB1=-U0Icharge/ηcharge，式中：PB1为电池需求功率；U0为系统直流母线电压；ηcharge为充电效率；当SOC值不低于SOC0，电池电量保持下降趋势，电池需求功率PB1=0，定义SOC0为预设的电池剩余电量。
构建驱动电机的需求功率的关联函数，在无爬坡工况的情况下，驱动电机的需求功率为PB2，在有爬坡工况的情况下，驱动需求功率，由公式P=F*V得到，PB2=mgvsinθ/η，定义车及车上负载总质量为m，重力加速度g，上坡速度V，坡面与水平方向夹角θ，机械效率为η。
构建压缩机的需求功率的关联函数，压缩机由一定温度降低至特定的温度所需制冷量为：Q=cm(t2-t1),式中，Q为所需制冷量，c代表比热容，m为空气质量，t2代表末温度，t1代表初始温度，PB3=Q/T，T为压缩机将室内温度调节至t2的所需时间，PB3为压缩机的需求功率；在需要压缩机保持一定温度的时候，构建维持对应温度所需功率的第一数据库，通过t2在第一数据库查询出对应温度所匹配的所需功率。
步骤S212：随机初始化粒子群，其中粒子群的每个粒子包括三维度位置矢量和三维度速度矢量，第一维度位置矢量为电池SOC值，第一维度速度矢量为电池SOC值的改变量；第二维度位置矢量为压缩机的需求功率，第二维度速度矢量为压缩机需求功率的变化量；第三维度位置矢量为驱动电机的功率，第三维度速度矢量为驱动电机功率的变化量，所述电池SOC值、压缩机的需求功率、驱动电机的功率均为车辆的需求功率的影响因素。
步骤S213：确定车辆需求功率的各个影响因素的目标函数，将各个目标函数确定为粒子的各个维度的适应度函数；
进行粒子群的迭代过程，包括(1)至(3)：
(1)：根据所述粒子的各个维度的适应度函数计算当前粒子群中各个粒子的每个维度的当前适应度，根据各个粒子的每个维度的当前适应度确定各个粒子的每个维度的当前个体极值和粒子群的各个维度的当前全局最优值；
(2)：分别根据各个粒子的每个维度的当前个体极值和粒子群的各个维度的当前全局最优值，更新各个粒子的每个维度的速度矢量；分别根据各个粒子的每个维度更新后的速度矢量，更新各个粒子的每个维度的位置矢量；
(3)：判断本次迭代是否达到迭代终止条件，若达到，输出粒子群的各个维度的全局最优值，停止迭代过程；若未达到，返回执行(1)；
将粒子群的各个维度的全局最优值作为各个优化车辆需求功率的估算用关键参数的目标值。
步骤S214：以粒子群的各个维度的全局最优值之和作为车辆实际需求功率。
步骤S215：基于车辆需求功率规划增程器的工作状态和压缩机的模式切换，以保证压缩机对增程式冷储车内部的食物有效制冷维温的前提下减少能源损耗。
步骤S213所提到的迭代过程的第(2)步骤的具体实现方式为：根据公式Vd1=ωVd+C1random(0,1)(Pd-Xd)+C2random(0,1)(Pgd-Xd)更新粒子的第d维度的速度矢量；根据公式Xd1＝Xd+Vd更新粒子的第d维的位置矢量。
其中，第d维为第一维度、第二维度、第三维度中的任一维度，ω称为惯性因子，C1和C2称为加速常数，random(0,1)表示区间[0,1]上的随机数，Vd为粒子的第d维度的当前速度矢量，Vd1为粒子的第d维度的更新后的速度矢量，Xd为粒子的第d维度的当前位置矢量，Xd1为粒子的第d维度的更新后的位置矢量，Pd为粒子的第d维的个体极值，Pgd为粒子群的第d维的全局最优值。
如图4，在确定车辆需求功率的前提下，考虑到存在着压缩机只能依靠发动机带动和电动两种工作模式的切换，两种模式只能单独工作，不能同时处于发动机带动和电动模式。
应用于增程式冷储车的供电管理方法，步骤S215包括：步骤S215.A：比较车辆需求功率和车辆电动状态下所提供的功率；步骤S215.B：若车辆需求功率超过车辆电动状态下所提供的功率，则启动增程器进行功率输出，同时切换车辆电动状态下输出至压缩机的功率，转而以增程器输出的功率输出至压缩机且优先满足压缩机按照其所需功率工作；反之，则车辆以电动状态下所提供的功率满足车辆的功率需求；步骤S215.C：若在加入增程器后整体的输出功率超过车辆需求功率，则增程器输出多余的功率存储入电池中。
模拟数据：例如实时基于当前电池SOC值、驱动电机的需求功率、以及压缩机的需求功率所对应的需求功率范围分别为（2000W,3000W)、（3000W,4000W)、（1000W,2000W)，此时基于粒子群算法分别获取最优解并求和获取其最优解之和，例如基于当前电池SOC值所确定的最优解为2300W，驱动电机的需求功率所确定的需求功率最优解为3400W,压缩机所确定的需求功率最优解为1300W，也即表示此刻在最佳控制下车辆整体最佳功率为7000W，如果未应用粒子群算法，则无法及时有效获取车辆需求功率的最优解，无法完成车辆需求功率和车辆电动状态下所提供的功率的比较。
实施例2：
如图5所示，不同于实施例1，实施例2将考虑到存在着压缩机可以同时依靠发动机带动和电动两种工作模式来供电工作，应用于增程式冷储车的供电管理方法，步骤S215包括：步骤S215.a：比较车辆需求功率和车辆电动状态下所提供的功率；步骤S215.b：若车辆需求功率低于车辆电动状态下所提供的功率，则增程器不工作，电池直接作用于压缩机且驱动整车运行；若车辆需求功率超过车辆电动状态下所提供的功率且在加入增程器输出功率后总输出功率超过车辆需求功率，则启动增程器进行功率输出，且输出至压缩机优先满足压缩机按照其所需功率需求，剩余的能量存储入电池中；若车辆需求功率超过车辆电动状态下所提供的功率且在加入增程器输出功率后总输出功率小于车辆需求功率车辆需求功率，则驱动增程器的发动机直接作用压缩机，同时电池亦向压缩机传递能量，以优先保证压缩机的正常运行。
本具体实施方式的实施例均为本发明的较佳实施例，并非依此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。

Claims (6)

1.一种应用于增程式冷储车的供电管理方法，其特征在于，包括以下步骤：
步骤S100：基于增程式冷储车的起始出发地和最终目的地确定实际规划行驶路径；
步骤S200：沿实际规划行驶路径行驶，并基于增程器当前所能提供能量以及冷储车自身所带电量，实时调整冷储车控制逻辑，以确保冷储车在保证冷储效果的前提下以最快最节能的方式到达目的地；
步骤S200包括：
步骤S210：实时基于当前电池SOC值、驱动电机的需求功率、以及压缩机的需求功率这三个影响车辆需求功率的影响因素,构建电池SOC值关于需求功率的计算函数、驱动电机需求功率的相关计算函数、压缩机需求功率的相关计算函数，并通过粒子群算法基于以上相关计算函数确定车辆的总需求功率；
步骤S220：基于车辆的总需求功率已知的前提下规划增程器的工作状态和压缩机的模式切换，以保证压缩机对增程式冷储车内部的食物有效制冷维温的前提下减少能源损耗。
2.根据权利要求1所述的一种应用于增程式冷储车的供电管理方法，步骤S100包括：
步骤S110：基于增程式冷储车的起始出发地和最终目的地规划出所有路线；
步骤S120：在规划出的所有路线中选择其中最短的路线作为实际应用的路线。
3.根据权利要求1所述的一种应用于增程式冷储车的供电管理方法，其特征在于，步骤S210包括：
步骤S211：检测当前电池SOC值，同时建立电池SOC值和电池需求功率之间的关系式，关于电池SOC值和电池需求功率的关联函数：当SOC低于SOC0时，电池采用恒流充电模式，充电电流目标值Icharge=0.6C，C为电池容量，所以电池目标充电功率为：PB1=-U0Icharge/ηcharge，式中：PB1为电池需求功率；U0为系统直流母线电压；ηcharge为充电效率；当SOC值不低于SOC0，电池电量保持下降趋势，电池需求功率PB1=0；
构建驱动电机的需求功率的关联函数，在无爬坡工况的情况下，驱动电机的需求功率为PB22，在有爬坡工况的情况下，驱动需求功率，由公式P=F*V得到，PB2=mgvsinθ/η，定义车及车上负载总质量为m，重力加速度g，上坡速度V，坡面与水平方向夹角θ，机械效率为η；
构建压缩机的需求功率的关联函数，压缩机由一定温度降低至特定的温度所需制冷量为：Q=cm(t2-t1),式中，Q为所需制冷量，c代表比热容，m为空气质量，t2代表末温度，t1代表初始温度，PB3=Q/T，T为压缩机将室内温度调节至t2的所需时间，PB3为压缩机的需求功率；在需要压缩机保持一定温度的时候，构建维持对应温度所需功率的第一数据库，通过t2在第一数据库查询出对应温度所匹配的所需功率；
步骤S212：随机初始化粒子群，其中粒子群的每个粒子包括三维度位置矢量和三维度速度矢量，第一维度位置矢量为电池SOC值，第一维度速度矢量为电池SOC值的改变量；第二维度位置矢量为压缩机的需求功率，第二维度速度矢量为压缩机需求功率的变化量；第三维度位置矢量为驱动电机的功率，第三维度速度矢量为驱动电机功率的变化量，所述电池SOC值、压缩机的需求功率、驱动电机的功率均为车辆的需求功率的影响因素；
步骤S213：将各个目标函数确定为粒子的各个维度的适应度函数；
进行粒子群的迭代过程，包括(1)至(3)：
(1)：根据所述粒子的各个维度的适应度函数计算当前粒子群中各个粒子的每个维度的当前适应度，根据各个粒子的每个维度的当前适应度确定各个粒子的每个维度的当前个体极值和粒子群的各个维度的当前全局最优值；
(2)：分别根据各个粒子的每个维度的当前个体极值和粒子群的各个维度的当前全局最优值，更新各个粒子的每个维度的速度矢量；分别根据各个粒子的每个维度更新后的速度矢量，更新各个粒子的每个维度的位置矢量；
(3)：判断本次迭代是否达到迭代终止条件，若达到，输出粒子群的各个维度的全局最优值，停止迭代过程；若未达到，返回执行(1)；
将粒子群的各个维度的全局最优值作为各个优化车辆需求功率的估算用关键参数的目标值；
步骤S214：以粒子群的各个维度的全局最优值之和作为车辆实际需求功率；
步骤S215：基于车辆需求功率规划增程器的工作状态和压缩机的模式切换，以保证压缩机对增程式冷储车内部的食物有效制冷维温的前提下减少能源损耗。
4.根据权利要求3所述的应用于增程式冷储车的供电管理方法，其特征在于：步骤S213所提到的迭代过程的第(2)步骤的具体实现方式为：
根据公式Vd1=ωVd+C1random(0,1)(Pd-Xd)+C2random(0,1)(Pgd-Xd)更新粒子的第d维度的速度矢量；
根据公式Xd1＝Xd+Vd更新粒子的第d维的位置矢量；
其中，第d维为第一维度、第二维度、第三维度中的任一维度，ω称为惯性因子，C1和C2称为加速常数，random(0,1)表示区间[0,1]上的随机数，Vd为粒子的第d维度的当前速度矢量，Vd1为粒子的第d维度的更新后的速度矢量，Xd为粒子的第d维度的当前位置矢量，Xd1为粒子的第d维度的更新后的位置矢量，Pd为粒子的第d维的个体极值，Pgd为粒子群的第d维的全局最优值。
5.根据权利要求4所述的应用于增程式冷储车的供电管理方法，其特征在于，步骤S215包括：
步骤S215.A：比较车辆需求功率和车辆电动状态下所提供的功率；
步骤S215.B：若车辆需求功率超过车辆电动状态下所提供的功率，则启动增程器进行功率输出，同时切换车辆电动状态下输出至压缩机的功率，转而以增程器输出的功率输出至压缩机且优先满足压缩机按照其所需功率工作；反之，则车辆以电动状态下所提供的功率满足车辆的功率需求；
步骤S215.C：若在加入增程器后整体的输出功率超过车辆需求功率，则增程器输出多余的功率存储入电池中。
6.根据权利要求5所述的应用于增程式冷储车的供电管理方法，其特征在于,步骤S215包括：
步骤S215.a：比较车辆需求功率和车辆电动状态下所提供的功率；
步骤S215.b：
若车辆需求功率低于车辆电动状态下所提供的功率，则增程器不工作，电池直接作用于压缩机且驱动整车运行；
若车辆需求功率超过车辆电动状态下所提供的功率且在加入增程器输出功率后总输出功率超过车辆需求功率，则启动增程器进行功率输出，且输出至压缩机优先满足压缩机按照其所需功率需求，剩余的能量存储入电池中；
若车辆需求功率超过车辆电动状态下所提供的功率且在加入增程器输出功率后总输出功率小于车辆需求功率车辆需求功率，则驱动增程器的发动机直接作用压缩机，同时电池亦向压缩机传递能量，以优先保证压缩机的正常运行。
CN201911343742.3A 2019-12-24 2019-12-24 一种应用于增程式冷储车的供电管理方法 Active CN110758177B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911343742.3A CN110758177B (zh) 2019-12-24 2019-12-24 一种应用于增程式冷储车的供电管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911343742.3A CN110758177B (zh) 2019-12-24 2019-12-24 一种应用于增程式冷储车的供电管理方法

Publications (2)

Publication Number Publication Date
CN110758177A true CN110758177A (zh) 2020-02-07
CN110758177B CN110758177B (zh) 2020-05-26

Family

ID=69341541

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911343742.3A Active CN110758177B (zh) 2019-12-24 2019-12-24 一种应用于增程式冷储车的供电管理方法

Country Status (1)

Country Link
CN (1) CN110758177B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113103945A (zh) * 2021-05-11 2021-07-13 福州市唯联高鑫智能科技有限公司 一种增程式冷链物流车散热装置
CN113232577A (zh) * 2021-06-28 2021-08-10 福州市唯联高鑫智能科技有限公司 一种增程式冷链物流车
CN113335083A (zh) * 2021-07-21 2021-09-03 东蒲联合科技(福建)有限责任公司 增程式电动冷链物流车能量配置方法及物流车
CN116811664A (zh) * 2023-08-30 2023-09-29 新誉集团有限公司 电动矿车的行驶控制方法及装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103991386A (zh) * 2014-05-16 2014-08-20 航天新长征电动汽车技术有限公司 一种增程式电动汽车整车控制系统及控制方法
CN205256242U (zh) * 2015-11-30 2016-05-25 宁波杉杉汽车有限公司 一种增程式混合动力冷藏车及其供电管理系统
CN105857219A (zh) * 2015-02-06 2016-08-17 株式会社万都 用于功率控制的装置和方法
CN106467037A (zh) * 2015-08-18 2017-03-01 北汽福田汽车股份有限公司 增程式电动车辅助动力单元的功率分配方法、装置及汽车
CN106476643A (zh) * 2016-10-25 2017-03-08 湖南大学 一种增程式电动汽车的电量轨迹规划系统及控制方法
CN108460451A (zh) * 2018-02-12 2018-08-28 北京新能源汽车股份有限公司 基于粒子群算法优化电池荷电状态估算用关键参数的方法及装置
CN109532560A (zh) * 2018-11-28 2019-03-29 广汽丰田汽车有限公司 混合动力汽车的控制方法、设备、存储介质及装置
CN110040004A (zh) * 2019-04-01 2019-07-23 一汽-大众汽车有限公司 一种增程式纯电动汽车的功率跟随控制方法和系统
CN110375757A (zh) * 2019-06-27 2019-10-25 金龙联合汽车工业（苏州）有限公司 基于大数据的新能源汽车智能辅助行车路线规划方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103991386A (zh) * 2014-05-16 2014-08-20 航天新长征电动汽车技术有限公司 一种增程式电动汽车整车控制系统及控制方法
CN105857219A (zh) * 2015-02-06 2016-08-17 株式会社万都 用于功率控制的装置和方法
CN106467037A (zh) * 2015-08-18 2017-03-01 北汽福田汽车股份有限公司 增程式电动车辅助动力单元的功率分配方法、装置及汽车
CN205256242U (zh) * 2015-11-30 2016-05-25 宁波杉杉汽车有限公司 一种增程式混合动力冷藏车及其供电管理系统
CN106476643A (zh) * 2016-10-25 2017-03-08 湖南大学 一种增程式电动汽车的电量轨迹规划系统及控制方法
CN108460451A (zh) * 2018-02-12 2018-08-28 北京新能源汽车股份有限公司 基于粒子群算法优化电池荷电状态估算用关键参数的方法及装置
CN109532560A (zh) * 2018-11-28 2019-03-29 广汽丰田汽车有限公司 混合动力汽车的控制方法、设备、存储介质及装置
CN110040004A (zh) * 2019-04-01 2019-07-23 一汽-大众汽车有限公司 一种增程式纯电动汽车的功率跟随控制方法和系统
CN110375757A (zh) * 2019-06-27 2019-10-25 金龙联合汽车工业（苏州）有限公司 基于大数据的新能源汽车智能辅助行车路线规划方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113103945A (zh) * 2021-05-11 2021-07-13 福州市唯联高鑫智能科技有限公司 一种增程式冷链物流车散热装置
CN113103945B (zh) * 2021-05-11 2023-11-14 福州市唯联高鑫智能科技有限公司 一种增程式冷链物流车散热装置
CN113232577A (zh) * 2021-06-28 2021-08-10 福州市唯联高鑫智能科技有限公司 一种增程式冷链物流车
CN113232577B (zh) * 2021-06-28 2022-09-09 福州市唯联高鑫智能科技有限公司 一种增程式冷链物流车
CN113335083A (zh) * 2021-07-21 2021-09-03 东蒲联合科技(福建)有限责任公司 增程式电动冷链物流车能量配置方法及物流车
CN116811664A (zh) * 2023-08-30 2023-09-29 新誉集团有限公司 电动矿车的行驶控制方法及装置
CN116811664B (zh) * 2023-08-30 2023-11-07 新誉集团有限公司 电动矿车的行驶控制方法及装置

Also Published As

Publication number Publication date
CN110758177B (zh) 2020-05-26

Similar Documents

Publication Publication Date Title
CN110758177B (zh) 一种应用于增程式冷储车的供电管理方法
da Silva et al. Multi-objective optimization design and control of plug-in hybrid electric vehicle powertrain for minimization of energy consumption, exhaust emissions and battery degradation
US9821791B2 (en) Hybrid vehicle controller and method of controlling a hybrid vehicle
CN109263640B (zh) 基于模型的路线能量预测、修正和优化的车辆
Sezer et al. A novel ECMS and combined cost map approach for high-efficiency series hybrid electric vehicles
US7849944B2 (en) Self-learning control system for plug-in hybrid vehicles
CN108072384B (zh) 基于预期功率要求进行电动车辆电池热管理的车辆系统和方法
Tulpule et al. Energy management for plug-in hybrid electric vehicles using equivalent consumption minimisation strategy
CN105905100A (zh) 基于预测的再生能量的电池荷电状态目标
Sarvaiya et al. Comparative analysis of hybrid vehicle energy management strategies with optimization of fuel economy and battery life
Solouk et al. Energy management and control of a hybrid electric vehicle with an integrated low temperature combustion (LTC) engine
KR102581332B1 (ko) 하이브리드 차량의 충전 상태를 관리하기 위한 방법
GB2528551A (en) Cooling system for vehicle device
CN102442262B (zh) 空调系统的能量高效控制
CN104704737A (zh) 发电控制装置
Ouddah et al. From offline to adaptive online energy management strategy of hybrid vehicle using Pontryagin’s minimum principle
Marano et al. Comparative study of different control strategies for plug-in hybrid electric vehicles
CN115158094A (zh) 基于长短期soc规划的插电式混合动力汽车能量管理方法
Joševski et al. Multi-time scale model predictive control framework for energy management of hybrid electric vehicles
CN113147321B (zh) 一种车载空调与可再生制动协调控制方法
Larsson et al. Comparing two approaches to precompute discharge strategies for plug-in hybrid electric vehicles
Yang et al. An efficient intelligent energy management strategy based on deep reinforcement learning for hybrid electric flying car
Fanesi et al. Optimize the Mild Hybrid Electric Vehicles control system to reduce the Emission
Meintz et al. Control strategy optimization for a parallel hybrid electric vehicle
Panday et al. Energy management in hybrid electric vehicles using particle swarm optimization method

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230927

Address after: 315100 East 1st Road, Science Park, Jiangshan Town, Yinzhou District, Ningbo City, Zhejiang Province

Patentee after: Ningbo Shenglong New Energy Vehicle Power Co.,Ltd.

Address before: 315000 zone 4, 1st floor, building 2, building 005, 1177 Lingyun Road, high tech Zone, Ningbo City, Zhejiang Province

Patentee before: NINGBO JIECHENG AUTOMOTIVE TECHNOLOGY CO.,LTD.