CN111923897B - 一种插电式混合动力汽车能量智能管理方法 - Google Patents

一种插电式混合动力汽车能量智能管理方法 Download PDF

Info

Publication number
CN111923897B
CN111923897B CN202011044958.2A CN202011044958A CN111923897B CN 111923897 B CN111923897 B CN 111923897B CN 202011044958 A CN202011044958 A CN 202011044958A CN 111923897 B CN111923897 B CN 111923897B
Authority
CN
China
Prior art keywords
consumption
soc
equivalent
power battery
factor
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
CN202011044958.2A
Other languages
English (en)
Other versions
CN111923897A (zh
Inventor
刘艳芳
康焰龙
徐向阳
董鹏
王书翰
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.)
Beihang University
Original Assignee
Beihang 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 Beihang University filed Critical Beihang University
Priority to CN202011044958.2A priority Critical patent/CN111923897B/zh
Publication of CN111923897A publication Critical patent/CN111923897A/zh
Application granted granted Critical
Publication of CN111923897B publication Critical patent/CN111923897B/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
    • 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]
    • B60L58/13—Maintaining the SoC within a determined range
    • 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
    • B60W2050/0022—Gains, weighting coefficients or weighting functions
    • 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
    • B60W2050/0031—Mathematical model of the vehicle
    • 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
    • B60W2050/0041—Mathematical models of vehicle sub-units of the drive line
    • 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

本发明公开了本发明提出一种插电式混合动力汽车能量智能管理方法，结合车联网等技术获取必要的历史数据和实时车速信息，利用模糊神经网络提前规划出SOC的消耗曲线和等效因子的选取，再结合自适应的等效消耗最小的能量管理策略进行实时管理，避免了行驶速度的预测工况识别过程，降低了计算复杂度。

Description

一种插电式混合动力汽车能量智能管理方法
技术领域
本发明属于混合动力汽车能量管理技术领域，尤其涉及一种插电式混合动力汽车能量管理方法。
背景技术
近年来随着空气污染和能源短缺的问题越来越严重，国家开始大力发展新能源汽车，新能源汽车中纯电动汽车受到续航里程短、充电慢等问题的限制，而插电式混合动力汽车可以利用原先的产业基础，能够更好的应用和发展，是当前的一个良好的选择。插电式混合动力汽车既能够提高燃油经济性，又能够克服纯电动汽车续航里程短的问题。
能量管理策略是插电式混合动力汽车的关键技术，目前已经有一些能量管理策略受到了关注，比如基于庞特里亚金极小值原理的能量管理策略和基于动态规划算法的能量管理策略等等。但是这些方法都具有一些缺点，例如，动态规划算法由于具有大量的离散状态和输入点，因此具有繁重的计算负担；庞特里亚金极小值原理由于具有涉及偏微分方程的复杂共态特性，因此无法容易地直接得到数值解法。
目前，基于等效最小策略的能量管理策略得到了广泛的应用，该方法将电能的消耗等效为燃油的消耗，并基于庞特里亚金极小值原理能够计算出在每个瞬时时刻消耗最小的混动系统工作模式和发动机与电机的功率分率方案，节省燃油的效果接近于动态规划的全局优化，同时也具备着瞬时优化的可实现性。但该策略对功率分配的方案取决于固定等效因子的选取，如果等效因子过大的，倾向于使用发动机驱动，如果等效因子过小，则倾向于使用电机驱动；而且，固定的等效因子使得该方法仅适用于已知路程，不具备对路程变化的适应性，无法使SOC的消耗曲线和最终结果满足理想的要求。
基于上述问题，亟需一种行之有效的方法来发展能量管理策略。
发明内容
为了解决上述已有技术存在的不足，本发明提出一种插电式混合动力汽车能量智能管理方法，结合车联网等技术获取必要的历史数据和实时车速信息，利用模糊神经网络提前规划出SOC的消耗曲线和等效因子的选取，再结合自适应的等效消耗最小的能量管理策略进行实时管理。本发明的具体技术方案如下：
一种插电式混合动力汽车能量智能管理方法，其特征在于，包括以下步骤：
S1：建立整车纵向动力学模型，传动系统的数学模型以及发动机、电机和传动系统输出端的功率平衡方程；
S2：根据汽车的行驶记录，得到行驶循环的速度谱，作为驾驶循环的测试工况；
S3：基于等效消耗最小策略，以实时的总能量消耗最小为目标，建立目标函数；
S4：根据步骤S3建立的目标函数，基于庞特里亚金极小值原理，建立哈密顿函数，选取等效因子，以步骤S2得到的测试工况，计算汽车在相应等效因子和驾驶工况下的动力电池SOC消耗情况；
S5：将S4的计算结果作为模糊神经网络的训练数据，训练后得到车速、需求扭矩、等效因子与对应动力电池SOC消耗的模糊神经网络模型；
S6：将目标路程以N米为间距等间隔分段，N≥50，基于步骤S5的模型，目标路程上的平均车速信息及每段道路的距离作为步骤S5得到的模糊神经网络模型的输入参数，运算后，得到一系列等效因子对应的分段道路的动力电池SOC消耗和燃油消耗的预测情况；
S7：对步骤S6得到的等效因子和预测结果进行组合，在离线情况下选择每段道路的等效因子，使得最终的动力电池SOC消耗满足设定的要求，在此基础上选择燃油消耗最小的方案作为理想方案，同时得到行驶路程与动力电池SOC消耗的关系曲线；
S8：基于步骤S7的理想方案，实时状态下，利用自适应等效消耗最小的方法调整等效因子，根据当前时刻动力电池实际SOC消耗与理想SOC消耗的差值，利用PID控制器调整等效因子，使动力电池实际SOC消耗接近理想SOC消耗，最终获得满足设定要求的动力电池SOC消耗情况。
进一步地，所述步骤S1中建立整车纵向动力学模型为：
Figure 868504DEST_PATH_IMAGE001
其中，
Figure 25816DEST_PATH_IMAGE002
为电机需求的总功率，
Figure 209673DEST_PATH_IMAGE003
为电机的输出转矩，
Figure 845053DEST_PATH_IMAGE004
为电机的转速，
Figure 33852DEST_PATH_IMAGE005
为电机的工作效率，
Figure 565327DEST_PATH_IMAGE006
为驱动电机输出轴到车轮之间动力传输的机械效率，
Figure 705321DEST_PATH_IMAGE007
为汽车的总质量，
Figure 409972DEST_PATH_IMAGE008
为旋转质量换算系数，
Figure 951812DEST_PATH_IMAGE009
为重力加速度系数，
Figure 716506DEST_PATH_IMAGE010
为汽车与地面的摩擦系数，
Figure 343796DEST_PATH_IMAGE011
为汽车车速，
Figure 320979DEST_PATH_IMAGE012
为传动机构传动比，
Figure 186167DEST_PATH_IMAGE013
为车轮滚动半径，
Figure 856183DEST_PATH_IMAGE014
为空气阻力系数，
Figure 472234DEST_PATH_IMAGE015
为乘用车迎风面积。
进一步地，所述步骤S3中基于等效消耗最小策略建立的目标函数为：
Figure 518688DEST_PATH_IMAGE016
其中，
Figure 769540DEST_PATH_IMAGE017
为总燃油消耗，
Figure 610458DEST_PATH_IMAGE018
为发动机的燃油消耗量，
Figure 477919DEST_PATH_IMAGE019
为电池总的输出功率，
Figure 62485DEST_PATH_IMAGE020
为
Figure 433423DEST_PATH_IMAGE021
时刻自适应等效因子。
进一步地，所述步骤S8中利用自适应等效消耗最小的方法调整等效因子，具体方法为：
Figure 445241DEST_PATH_IMAGE022
其中，
Figure 472103DEST_PATH_IMAGE020
为
Figure 361824DEST_PATH_IMAGE021
时刻的自适应等效因子，
Figure 852848DEST_PATH_IMAGE023
为上一时刻的自适应等效因子，
Figure 35568DEST_PATH_IMAGE024
为比例控制器的比例系数，
Figure 612043DEST_PATH_IMAGE025
为路程为L时对应的动力电池理想SOC消耗，
Figure 741673DEST_PATH_IMAGE026
为
Figure 87203DEST_PATH_IMAGE021
时刻的动力电池SOC消耗。
本发明的有益效果在于：
1.本发明的方法相比于传统的等效消耗最小策略，利用历史行驶数据提前进行模糊神经网络的训练，利用实时的车速大致信息，能够预测出对应的SOC消耗情况和初始的等效因子，并通过自适应等效消耗最小的策略不断实时调整等效因子使SOC消耗满足要求；同时，避免了行驶速度的预测工况识别过程，降低了计算复杂度。
2.本发明提出的方法，结合了历史数据和实时车速信息，利用了离线训练的模糊神经网络模型，减轻了实时的计算负担，并提高了对路程变化的适应性和鲁棒性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，可以根据这些附图获得其他的附图。其中：
图1是本发明的方法流程图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
如图1所示，本发明提出一种插电式混合动力汽车能量智能管理方法，结合车联网等技术获取必要的历史数据和实时车速信息，利用模糊神经网络提前规划出SOC的消耗曲线和等效因子的选取，再结合自适应的等效消耗最小的能量管理策略进行实时管理，避免了行驶速度的预测工况识别过程，降低了计算复杂度。
一种插电式混合动力汽车能量智能管理方法，包括以下步骤：
S1：根据研究对象和传动系统的构型，建立整车纵向动力学模型，传动系统的数学模型以及相关部件的功率平衡方程，包括不同工作模式下的动力学方程，以及动力电池与发动机的功率平衡等；
S2：根据插电式混合动力汽车的历史行驶记录，得到多个行驶循环的速度谱，作为驾驶循环的测试工况，以供后续步骤使用；
S3：基于等效消耗最小策略，以实时的总能量消耗最小为目标，建立目标函数；
S4：根据步骤S3建立的目标函数，基于庞特里亚金极小值原理，建立哈密顿函数，选取不同的等效因子，并以步骤S2得到的测试工况，计算插电式混合动力汽车在不同的等效因子，和驾驶工况下的动力电池SOC消耗情况。
S5: 将S4的计算结果作为模糊神经网络的训练数据，进行训练后得到一个车速、需求扭矩、等效因子与对应SOC消耗的神经网络模型；
S6：基于步骤S5的模型，结合车联网等技术提供的目标路程上的各段道路的一个平均车速情况，作为模型的输入参数，得到不同等效因子对应的目标路程的一个预测的SOC大致消耗情况；
S7：通过对等效因子和预测结果的组合，可以在离线的情况下选择一个满足SOC消耗曲线和最终结果以及不同段道路的等效因子的理想方案；
S8：根据步骤S7的理想方案，获得了SOC的理想消耗曲线，在实时状态下，利用自适应等效消耗最小的方法不断调整等效因子，根据该时刻实际SOC与理想SOC的差值，利用PID控制器不断调整等效因子的值，可以使实际情况的SOC消耗曲线接近理想的情况，最终获得满足要求的SOC消耗情况。
在一些实施方式中，步骤S1中建立整车纵向动力学模型为：
Figure 706404DEST_PATH_IMAGE001
其中，
Figure 707858DEST_PATH_IMAGE002
为电机需求的总功率，
Figure 172337DEST_PATH_IMAGE003
为电机的输出转矩，
Figure 637953DEST_PATH_IMAGE004
为电机的转速，
Figure 929520DEST_PATH_IMAGE005
为电机的工作效率，
Figure 949428DEST_PATH_IMAGE006
为驱动电机输出轴到车轮之间动力传输的机械效率，
Figure 686440DEST_PATH_IMAGE007
为汽车的总质量，
Figure 740984DEST_PATH_IMAGE008
为旋转质量换算系数，
Figure 436407DEST_PATH_IMAGE009
为重力加速度系数，
Figure 474771DEST_PATH_IMAGE010
为汽车与地面的摩擦系数，
Figure 546632DEST_PATH_IMAGE011
为汽车车速，
Figure 658944DEST_PATH_IMAGE012
为传动机构传动比，
Figure 56428DEST_PATH_IMAGE013
为车轮滚动半径，
Figure 50928DEST_PATH_IMAGE014
为空气阻力系数，
Figure 427945DEST_PATH_IMAGE015
为乘用车迎风面积。
在一些实施方式中，步骤S3中基于等效消耗最小策略建立的目标函数为：
Figure 660344DEST_PATH_IMAGE016
其中，
Figure 697570DEST_PATH_IMAGE017
为总燃油消耗，
Figure 444946DEST_PATH_IMAGE018
为发动机的燃油消耗量，
Figure 858610DEST_PATH_IMAGE019
为电池总的输出功率，
Figure 7831DEST_PATH_IMAGE020
为
Figure 215959DEST_PATH_IMAGE021
时刻自适应等效因子。
在一些实施方式中，步骤S8中利用自适应等效消耗最小的方法调整等效因子，具体方法为：
Figure 388314DEST_PATH_IMAGE022
其中，
Figure 605669DEST_PATH_IMAGE020
为
Figure 609397DEST_PATH_IMAGE021
时刻的自适应等效因子，
Figure 755470DEST_PATH_IMAGE023
为上一时刻的自适应等效因子，
Figure 415121DEST_PATH_IMAGE024
为比例控制器的比例系数，
Figure 170588DEST_PATH_IMAGE025
为路程为L时对应的动力电池理想SOC消耗，
Figure 294401DEST_PATH_IMAGE026
为
Figure 109911DEST_PATH_IMAGE021
时刻的动力电池SOC消耗。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种插电式混合动力汽车能量智能管理方法，其特征在于，包括以下步骤：
S1：建立整车纵向动力学模型，传动系统的数学模型以及发动机、电机和传动系统输出端的功率平衡方程；
S2：根据汽车的行驶记录，得到行驶循环的速度谱，作为驾驶循环的测试工况；
S3：基于等效消耗最小策略，以实时的总能量消耗最小为目标，建立目标函数；
S4：根据步骤S3建立的目标函数，基于庞特里亚金极小值原理，建立哈密顿函数，选取等效因子，以步骤S2得到的测试工况，计算汽车在相应等效因子和驾驶工况下的动力电池SOC消耗情况；
S5：将S4的计算结果作为模糊神经网络的训练数据，训练后得到车速、需求扭矩、等效因子与对应动力电池SOC消耗的模糊神经网络模型；
S6：将目标路程以N米为间距等间隔分段，N≥50，基于步骤S5的模型，目标路程上的平均车速信息及每段道路的距离作为步骤S5得到的模糊神经网络模型的输入参数，运算后，得到一系列等效因子对应的分段道路的动力电池SOC消耗和燃油消耗的预测情况；
S7：对步骤S6得到的等效因子和预测结果进行组合，在离线情况下选择每段道路的等效因子，使得最终的动力电池SOC消耗满足设定的要求，在此基础上选择燃油消耗最小的方案作为理想方案，同时得到行驶路程与动力电池SOC消耗的关系曲线；
S8：基于步骤S7的理想方案，实时状态下，利用自适应等效消耗最小的方法调整等效因子，根据当前时刻动力电池实际SOC消耗与理想SOC消耗的差值，利用PID控制器调整等效因子，使动力电池实际SOC消耗接近理想SOC消耗，最终获得满足设定要求的动力电池SOC消耗情况。
2.根据权利要求1所述的一种插电式混合动力汽车能量智能管理方法，其特征在于，进一步地，所述步骤S1中建立整车纵向动力学模型为：
Figure 8839DEST_PATH_IMAGE001
其中，
Figure 63383DEST_PATH_IMAGE002
为电机需求的总功率，
Figure 24386DEST_PATH_IMAGE003
为电机的输出转矩，
Figure 33055DEST_PATH_IMAGE004
为电机的转速，
Figure 370496DEST_PATH_IMAGE005
为电机的工作效率，
Figure 545125DEST_PATH_IMAGE006
为驱动电机输出轴到车轮之间动力传输的机械效率，
Figure 614712DEST_PATH_IMAGE007
为汽车的总质量，
Figure 671530DEST_PATH_IMAGE008
为旋转质量换算系数，
Figure 484765DEST_PATH_IMAGE009
为重力加速度系数，
Figure 513901DEST_PATH_IMAGE010
为汽车与地面的摩擦系数，
Figure 816707DEST_PATH_IMAGE011
为汽车车速，
Figure 767345DEST_PATH_IMAGE012
为传动机构传动比，
Figure 181009DEST_PATH_IMAGE013
为车轮滚动半径，
Figure 566116DEST_PATH_IMAGE014
为空气阻力系数，
Figure 305402DEST_PATH_IMAGE015
为乘用车迎风面积。
3.根据权利要求1所述的一种插电式混合动力汽车能量智能管理方法，其特征在于，所述步骤S3中基于等效消耗最小策略建立的目标函数为：
Figure 274495DEST_PATH_IMAGE016
其中，
Figure 429533DEST_PATH_IMAGE017
为总燃油消耗，
Figure 433261DEST_PATH_IMAGE018
为发动机的燃油消耗量，
Figure 812290DEST_PATH_IMAGE019
为电池总的输出功率，
Figure 268679DEST_PATH_IMAGE020
为
Figure 289724DEST_PATH_IMAGE021
时刻自适应等效因子。
4.根据权利要求1所述的一种插电式混合动力汽车能量智能管理方法，其特征在于，所述步骤S8中利用自适应等效消耗最小的方法调整等效因子，具体方法为：
Figure 147959DEST_PATH_IMAGE022
其中，
Figure 166731DEST_PATH_IMAGE020
为
Figure 611881DEST_PATH_IMAGE021
时刻的自适应等效因子，
Figure 171038DEST_PATH_IMAGE023
为上一时刻的自适应等效因子，
Figure 883779DEST_PATH_IMAGE024
为比例控制器的比例系数，
Figure 870190DEST_PATH_IMAGE025
为路程为L时对应的动力电池理想SOC消耗，
Figure 301171DEST_PATH_IMAGE026
为
Figure 601702DEST_PATH_IMAGE021
时刻的动力电池SOC消耗。
CN202011044958.2A 2020-09-29 2020-09-29 一种插电式混合动力汽车能量智能管理方法 Active CN111923897B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011044958.2A CN111923897B (zh) 2020-09-29 2020-09-29 一种插电式混合动力汽车能量智能管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011044958.2A CN111923897B (zh) 2020-09-29 2020-09-29 一种插电式混合动力汽车能量智能管理方法

Publications (2)

Publication Number Publication Date
CN111923897A CN111923897A (zh) 2020-11-13
CN111923897B true CN111923897B (zh) 2021-03-23

Family

ID=73335207

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011044958.2A Active CN111923897B (zh) 2020-09-29 2020-09-29 一种插电式混合动力汽车能量智能管理方法

Country Status (1)

Country Link
CN (1) CN111923897B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112498332B (zh) * 2020-11-27 2023-02-28 重庆邮电大学 一种并联式混合动力汽车模糊自适应能量管理控制方法
CN113554337B (zh) * 2021-08-03 2023-08-08 青岛理工大学 融合交通信息的插电式混动汽车能量管理策略构建方法
CN114435185B (zh) * 2021-12-28 2023-08-01 深圳云天励飞技术股份有限公司 新能源汽车电量控制方法及相关设备
CN114475566B (zh) * 2022-03-01 2024-01-30 重庆科技学院 一种智能网联插电式混合动力汽车能量管理实时控制策略
CN115876494B (zh) * 2023-02-20 2023-05-05 北京航空航天大学 一种驾驶人在环的混动汽车能量管理策略测评系统和方法
CN116946107B (zh) * 2023-09-21 2023-12-01 北京航空航天大学 一种能量轨迹跟随下的混动系统模式决策与功率分配方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108515963A (zh) * 2018-03-16 2018-09-11 福州大学 一种基于its系统的插电式混合动力汽车能量管理方法
CN110936949A (zh) * 2019-12-12 2020-03-31 湖北文理学院 基于行驶工况的能量控制方法、设备、存储介质及装置
CN111439260A (zh) * 2020-04-27 2020-07-24 吉林大学 面向个性化需求的网联商用柴油车巡航行驶优化控制系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102167036B (zh) * 2011-04-01 2013-08-14 清华大学 一种燃料电池混合动力整车控制方法
US9193351B2 (en) * 2013-08-06 2015-11-24 Ford Global Technologies, Llc Real-time fuel consumption estimation
CN103675698A (zh) * 2013-11-26 2014-03-26 北京航空航天大学 动力电池荷电状态估计装置及其估计方法
CN111348028B (zh) * 2018-12-20 2021-09-17 北汽福田汽车股份有限公司 整车控制方法、装置和车辆
CN110194177A (zh) * 2019-06-28 2019-09-03 重庆大学 一种基于自适应等效消耗最小策略的插电式混合动力乘用车能量管理方法
CN111002975B (zh) * 2019-12-27 2022-02-08 延锋汽车饰件系统有限公司 车辆能量管理方法、系统、电子设备和存储介质
CN111198501B (zh) * 2020-01-14 2022-05-13 浙江工业大学 一种由rbf神经网络确定燃油等效因子的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108515963A (zh) * 2018-03-16 2018-09-11 福州大学 一种基于its系统的插电式混合动力汽车能量管理方法
CN110936949A (zh) * 2019-12-12 2020-03-31 湖北文理学院 基于行驶工况的能量控制方法、设备、存储介质及装置
CN111439260A (zh) * 2020-04-27 2020-07-24 吉林大学 面向个性化需求的网联商用柴油车巡航行驶优化控制系统

Also Published As

Publication number Publication date
CN111923897A (zh) 2020-11-13

Similar Documents

Publication Publication Date Title
CN111923897B (zh) 一种插电式混合动力汽车能量智能管理方法
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
CN110696815B (zh) 一种网联式混合动力汽车的预测能量管理方法
Khayyam et al. Adaptive intelligent energy management system of plug-in hybrid electric vehicle
Li et al. Application-oriented stochastic energy management for plug-in hybrid electric bus with AMT
CN111619545B (zh) 基于交通信息的混合动力汽车能量管理方法
CN112937547B (zh) 一种基于全局工况的插电式混合动力公交车能量管理方法
CN108909702A (zh) 一种插电式混合动力汽车能量管理方法及系统
CN106004865A (zh) 基于工况识别的里程自适应混合动力汽车能量管理方法
Ganji et al. A study on look-ahead control and energy management strategies in hybrid electric vehicles
CN110356397B (zh) 基于道路坡度的能量归一最小化的混合动力汽车优化方法
CN113635879B (zh) 一种车辆制动力分配方法
CN102975713A (zh) 基于模型预测控制的混合动力汽车控制方法
CN113554337B (zh) 融合交通信息的插电式混动汽车能量管理策略构建方法
CN107458369A (zh) 一种同轴并联式混合动力电动汽车能量管理方法
CN113104023B (zh) 分布式mpc的网联混合动力汽车能量管理系统及方法
CN114103924A (zh) 一种混合动力车辆能量管理控制方法及装置
CN113135113B (zh) 一种全局soc规划方法及装置
CN112590760A (zh) 一种考虑模式切换频繁度的双电机混合动力汽车能量管理系统
CN116070783B (zh) 一种混动传动系统在通勤路段下的学习型能量管理方法
CN114312845A (zh) 基于地图数据的深度强化学习型混合动力汽车控制方法
CN115805840A (zh) 一种增程式电动装载机能耗控制方法及系统
CN115534929A (zh) 基于多元信息融合的插电式混合动力汽车能量管理方法
CN113276829B (zh) 一种基于工况预测的车辆行驶节能优化变权重方法
CN115257695A (zh) 一种混合动力汽车能量管理控制系统及其方法

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