CN113627693A - 一种电动汽车实时能量管理方法、装置、汽车和存储介质 - Google Patents
一种电动汽车实时能量管理方法、装置、汽车和存储介质 Download PDFInfo
- Publication number
- CN113627693A CN113627693A CN202111154174.XA CN202111154174A CN113627693A CN 113627693 A CN113627693 A CN 113627693A CN 202111154174 A CN202111154174 A CN 202111154174A CN 113627693 A CN113627693 A CN 113627693A
- Authority
- CN
- China
- Prior art keywords
- factor
- energy management
- determining
- real
- initial value
- 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.)
- Pending
Links
- 238000007726 management method Methods 0.000 title claims abstract description 81
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000005457 optimization Methods 0.000 claims abstract description 18
- 238000004590 computer program Methods 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 239000000446 fuel Substances 0.000 claims description 7
- 230000008685 targeting Effects 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 2
- 230000006727 cell loss Effects 0.000 claims description 2
- 238000010438 heat treatment Methods 0.000 claims description 2
- 238000005096 rolling process Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明涉及汽车智能控制技术领域，特别是涉及一种电动汽车实时能量管理方法、装置、汽车和存储介质，包括以下步骤：建立电动汽车的能量管理模型；根据若干行驶工况确定协态因子初值λ0的数据集；根据所述当前行驶工况的路况信息确定当前行驶工况的参考荷电状态轨迹；根据所述协态因子初值λ0的数据集以及协态因子与等效因子的关系确定等效因子初始值s0，进行实时能量优化；确定当前时刻荷电状态与上一步骤所得荷电状态的差值，利用PI控制器调节等效因子的大小。本发明将极大值原理的最优性与等效消耗最小策略的实时性相结合，解决了等效消耗最小策略中等效因子选择和自适应的问题，更易于推广应用。
Description
技术领域
本发明涉及汽车智能控制技术领域，特别是涉及一种电动汽车实时能量管理方法、装置、汽车和存储介质。
背景技术
随着环境污染的日益严重和能源危机的加剧，发展新能源汽车是解决此问题的重要举措。而新能源汽车具有低排放、能量转换效率高、燃料来源多样等优势，被认为是实现未来汽车可持续发展的重要方向之一。由于新能源汽车大部分由多种能量源供电，因此能量管理策略在新能源汽车中起着关键作用，它能直接影响能量源的工作点，延长部件的使用寿命，提高汽车经济性等。
目前，能量管理策略主要分为两种：基于规则和基于优化理论的策略。基于规则的能量管理策略设计简单且易实现，但不能保证全局最优。而基于优化理论的能量管理策略可以保证全局最优，但计算负荷较大，不能在线实时运行。
近年来，以庞特里亚金极大值原理(Pontryagin’s Maximum Principle，PMP)为理论依据的等效消耗最小策略(Equivalent Consumption Minimization Strategy，ECMS)已被学术界和工业界广泛应用于设计能量管理策略，但该算法面临的最大问题是等效因子初值的选择和如何动态实时地调整其数值。
发明内容
基于此，有必要针对上述的问题，提供一种电动汽车实时能量管理方法、装置、汽车和存储介质。
本发明实施例是这样实现的，一种电动汽车实时能量管理方法，所述电动汽车实时能量管理方法包括以下步骤：
建立电动汽车的能量管理模型；
利用所述能量管理模型，根据若干行驶工况确定协态因子初值λ0的数据集；
获取当前行驶工况的路况信息，根据所述当前行驶工况的路况信息确定当前行驶工况的参考荷电状态轨迹；
根据所述协态因子初值λ0的数据集以及协态因子与等效因子的关系确定等效因子初始值s0，并根据确定出的所述等效因子初始值s0进行实时能量优化；
确定当前时刻荷电状态与上一步骤所得荷电状态的差值，利用PI控制器调节等效因子的大小；
检测到速度信息发生变化时，根据已建立的所述能量管理模型重新确定所述参考荷电状态轨迹。
在其中一个实施例中，本发明实施例还提供了一种电动汽车实时能量管理装置，所述电动汽车实时能量管理装置包括：
建立模块，用于建立电动汽车的能量管理模型；
数据集确定模块，用于利用所述能量管理模型，根据若干行驶工况确定协态因子初值λ0的数据集；
当前行驶工况处理模块，用于获取当前行驶工况的路况信息，根据所述当前行驶工况的路况信息确定当前行驶工况的参考荷电状态轨迹；
能量分配模块，用于根据所述协态因子初值λ0的数据集以及协态因子与等效因子的关系确定等效因子初始值s0，并根据确定出的所述等效因子初始值s0进行实时能量优化；
PI调节模块，用于确定当前时刻荷电状态与上一步骤所得荷电状态的差值，利用PI控制器调节等效因子的大小；
检测调节模块，用于检测到速度信息发生变化时，根据已建立的所述能量管理模型重新确定所述参考荷电状态轨迹。
在其中一个实施例中，本发明实施例还提供了一种汽车，包括汽车本体、存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行本发明实施例所述电动汽车实时能量管理方法的步骤。
在其中一个实施例中，本发明实施例还提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行上述电动汽车实时能量管理方法的步骤。
本发明实施例提供的电动汽车实时能量管理方法利用导航技术得出行程的工况信息，基于庞特里亚金极大值原理得到参考荷电状态轨迹，然后基于等效消耗最小策略进行实时能量优化，结合参考荷电状态轨迹，通过PI控制器实时调节等效因子的大小。本发明将庞特里亚金极大值原理的最优性与等效消耗最小策略的实时性相结合，解决了等效消耗最小策略中等效因子选择和自适应的问题，并且该方法省去了对工况行驶速度和参考荷电状态的预测，降低了算法的复杂度，在现有技术条件下更易于推广应用。
附图说明
图1为一个实施例中提供的电动汽车实时能量管理方法的应用环境图；
图2为一个实施例中电动汽车实时能量管理方法的流程图；
图3为图2中建立电动汽车能量管理模型的流程图；
图4为图2中根据若干行驶工况确定协态因子初值λ0的数据集的流程图；
图5为图2中获取当前行驶工况的路况信息的流程图；
图6为一个实施例中电动汽车实时能量管理装置的结构框图；
图7为一个实施例中计算机设备的内部结构框图；
图8为PMP算法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
可以理解，本发明所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但除非特别说明，这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本发明的范围的情况下，可以将第一xx脚本称为第二xx脚本，且类似地，可将第二xx脚本称为第一xx脚本。
图1为一个实施例中提供的xx方法的应用环境图，如图1所示，在该应用环境中，包括汽车100，汽车100的能量控制策略由计算机设备200运算。
汽车100可以是现有的各类新能源汽车，也可以是不同于现有新能源汽车的其它类型汽车，本发明实施例不涉及对于汽车本身构造的改进，对于汽车100的具体型号、结构形式等不作具体限定。另外，汽车100可以是纯电动新能源汽车，也可以是混合动力新能源汽车。
在本发明实施例中，计算机设备200用于运行本发明实施例提供的电动汽车实时能量管理方法，计算机设备200可以结合到汽车控制系统中，也可以相对于汽车控制系统单独设置，此为可选的具体实现方式，本发明实施例对此不作具体限定。在本发明实施例中，作为一种优选的方案，计算机设备200与汽车的导航系统可以通信，从而获取由导航系统规划出的行驶路径，需要理解，这里的导航系统可以是汽车本身自带的导航系统，也可以是设置于移动设备上的导航系统，即实现计算机设备与移动设备之间的通信。通过获取规划导航路径，计算机设备200运行本发明实施例提供的电动汽车实时能量管理方法，可以调节汽车的能量输出，对汽车能量策略进行优化设计。
如图2所示，在一个实施例中，提出了一种电动汽车实时能量管理方法，本实施例主要以该方法应用于上述图1中的计算机设备200来举例说明。具体可以包括步骤S202～S212：
步骤S202，建立电动汽车的能量管理模型。
在本发明实施例中，对于计算机设备而言，电动汽车能量管理模型由人工建立并置入到计算机设备中，故上述步骤还可以描述为获取电动汽车能量管理模型。在本发明实施例中，需要说明的是，对于同一辆汽车，若上述电动汽车能量管理模型不涉及更新替换等问题时，只需要一次建立即可以永久使用，即在使一轮运行中，若前面运行已经建立了能量管理模型，则无需重复再次建立能量管理模型。
步骤S204，利用所述能量管理模型，根据若干行驶工况确定协态因子初值λ0的数据集。
在本发明实施例中，这里的行驶工况是指预设的用于确定协态因子初值的工况，即可以是实际发生过的，也可以是利用程序进行模拟得到的，理论上些工况的数量越多越好，但考虑到效率问题，可以合理的设置工况的数量。这里的工况具体是指一段包括起点与终点的行程，工况中包括速度、能量消耗、荷电状态、协态因子、等效因子等在全程中的变化情况。
步骤S206，获取当前行驶工况的路况信息，根据所述当前行驶工况的路况信息确定当前行驶工况的参考荷电状态轨迹。
在本发明实施例中，当前行驶工况的路况信息包括但不限于规划的达到时间、路况拥堵程度以及速度轨迹等。当采用转载导航装置进行路径规划时，这些信息可以通过总线通讯的方式发送给执行本发明所述电动汽车实时能量管理方法的计算机设备。而当采用移动设备进行路径规划时，上述路况信息可以通过有线或者无线通信的方式传输。此外，还可以由该步骤确定全局的功率分配和协态因子轨迹等。
步骤S208，根据所述协态因子初值λ0的数据集以及协态因子与等效因子的关系确定等效因子初始值s0，并根据确定出的所述等效因子初始值s0进行实时能量优化。
在本发明实施例中，若未特别指出，荷电状态以SOC表示。
步骤S210，确定当前位置荷电状态与上一步骤所得荷电状态的差值，利用PI控制器调节等效因子的大小。
在本发明实施例中，对于执行本发明电动汽车实时能量管理方法的计算机设备而言，其利用PI控制器调节等效因子的过程可以是输出一个调节信号或者指令，至于调节的计算过程以及调节结构的输出控制过程由PI控制器执行，此为可选的具体实现方式，另外，PI控制器也可以与内置于执行本发明提供的电动汽车实时能量管理方法的计算机设备中。
步骤S212，检测到速度信息发生变化时，根据已建立的所述能量管理模型重新确定所述参考荷电状态轨迹。
在本发明实施例中，在车辆行驶过程中，主要通过所述参考荷电状态轨迹与当前位置荷电状态的偏差实现所述等效因子的动态调整。当从导航仪获得的路况信息发生改变时，步骤S206的数据不再适合后续路程，因此需要对SOC轨迹进行重新优化。
本发明实施例提供的电动汽车实时能量管理方法利用导航技术得出行程的工况信息，基于庞特里亚金极大值原理得到参考荷电状态轨迹，然后基于等效消耗最小策略进行实时能量优化，结合参考荷电状态轨迹，通过PI控制器实时调节等效因子的大小。本发明将庞特里亚金极大值原理的最优性与等效消耗最小策略的实时性相结合，解决了等效消耗最小策略中等效因子选择和自适应的问题，并且该方法省去了对工况行驶速度和参考荷电状态的预测，降低了算法的复杂度，在现有技术条件下更易于推广应用。
在一个实施例中，如图3所示，步骤S202即建立电动汽车的能量管理模型的步骤具体可以包括步骤S302～S310：
步骤S302，建立车辆动力学模型：
其中：Rw为车轮半径，m表示电动汽车的质量，g是重力加速度，f代表了滚动阻力系数，v表示车辆速度，CD表示空气阻力系数，Af是迎风面积，ρ是空气密度，θ为道路坡度，i0表示最终传动比，ηt为传动效率，δ为转动惯量转化为平动惯量的系数；
其中Iw为车轮处的转动惯量；
步骤S304，建立主能量源系统模型：
其中：
是主能量源的燃料消耗量，Elow是燃料的低热值，Pm为主能量源的输出功率，η(Pm)是主能量源功率为Pm时的效率；
步骤S306，建立动力电池系统模型：
其中：SOC为动力电池的SOC，i为动力电池的内部电流；
其中：Ub,oc和Rb分别是电池的开环电压和内部电阻，Pb为动力电池的输出功率；
步骤S308，建立电动汽车动力系统功率平衡方程:
Pm(t)+Pb(t)-Pbloss(t)＝PM(t)+Pa
其中：Pbloss代表动力电池损耗，PM为电机功率，Pa是一个常数，表示车辆的配件功率；
步骤S310，建立能量管理策略的成本函数：
其中：s表示电能转化为等效燃料的等效因子。
在一个实施例中，如图4所示，步骤S204中根据若干行驶工况确定协态因子初值λ0的数据集的步骤具体可以包括步骤S402～S406：
步骤S402，选定若干个预设的标准工况，根据每个所述标准工况的速度曲线确定车辆需求功率，基于PMP算法进行能量优化。
在本发明实施例中，预设的标准工况是指预设的用于确定协态因子初值的工况，即可以是实际发生过的，也可以是利用程序进行模拟得到的，理论上些工况的数量越多越好，但考虑到效率问题，可以合理的设置工况的数量。这里的工况具体是指一段包括起点与终点的行程，工况中包括速度、能量消耗、荷电状态、协态因子、等效因子等在全程中的变化情况。对于根据标准工况曲线确定车辆需要功率的具体过程属于现有技术，本发明实施例对此不作具体说明，同样的，在此基础上，利用PMP算法优化能量管理本发明同样不再赘述，此过程可以参考图8所示。使用打靶法求解PMP算法的终端条件，首先选择协态因子的初始值λ0，在优化时域内求解满足PMP算法的最优解，在每次迭代结束时，把末态SOC值与初始SOC进行比较，根据两者的差异使用打靶法调整协态因子的初始值λ0并进行重复迭代，当上述两者差异达到预期目标(即在预定义的容许范围内)时终止算法；利用二分法可以在较少的迭代次数中获得收敛，使PMP计算时间更快速。
步骤S404，根据能量优化结果使用打靶法迭代搜寻协态因子的初始值λ0；然后改变初始荷电状态的值，得到不同荷电状态下的协态因子初值λ0。
步骤S406，以荷电状态初始值SOC0为横坐标，工况平均车速vave为纵坐标，绘制λ0与SOC0和vave的map图从而确定协态因子初值λ0的数据集。
在本发明实施例中，在得出上述多个工况的能量分配策略后，建立工况特征与协态因子初值的map图。
在一个实施例中，如图5所示，步骤S206中获取当前行驶工况的路况信息的步骤具体可以包括步骤S502～S504：
步骤S502，获取行驶工况的起点以及终点，根据所述起点以及所述终点规划路径。
在本发明实施例中，驾驶员在导航仪模块中输入行程的起点与终点，如果存在多条路径，选择其中最佳路径，通过车载通讯将规划好的行程信息传递给执行本发明算法的计算机设备或者控制器。
步骤S504，根据预设规则或者用户的选择确定一条路径作为当前行驶工况。
在本发明实施例中，最优路径可以是由导航装置确定，也可以由用户自主选择。
在一个实施例中，步骤S206中根据所述当前行驶工况的路况信息确定当前行驶工况的参考荷电状态轨迹的步骤具体可以包括以下步骤：
确定系统的动态方程：
定义哈密尔顿函数H为目标函数：
动力电池的功率由下式确定：
等效因子的动态方程为：
荷电状态初始值和终端值满足下式：
SOC(t0)＝SOC(tf)＝SOCtarget
当荷电状态终端值与初始值的差值不在容许范围内时，使用打靶法搜寻等效因子的初始值s0，在优化时域内通过PMP算法求解；
在每次迭代结束时，把末态荷电状态值与期望值进行比较，根据两者的差异调整等效因子的初始值s0并进行重复迭代；
当上述两者的差值符合预设范围时终止算法，得到参考荷电状态轨迹。
在本发明实施例中，基于得到的协态因子map图，选出本行程协态因子初始值λ0；根据导航仪规划出的路径、速度和时间，以最小化哈密尔顿函数为目标，运用PMP对工况进行全局优化；当末端SOC与初始SOC不相等时，采用打靶法求取最优协态因子轨迹，进而得到整个工况的SOC轨迹，此轨迹作为实时运行动力电池的参考轨迹。
在一个实施例中，步骤S210即确定当前时刻荷电状态与上一步骤所得荷电状态的差值，利用PI控制器调节等效因子的大小的步骤具体可以包括以下步骤：
计算当前时刻动力电池SOC(t)与上一步骤所得SOCref(t)的偏差，通过PI控制器对所述SOC偏差进行调节：
ΔSOC＝SOC(t)-SOCref(t)
其中SOCref(t)为t时刻SOC的参考值。
如图6所示，在一个实施例中，提供了一种电动汽车实时能量管理装置，该电动汽车实时能量管理装置可以集成于上述的计算机设备200中，具体可以包括：
建立模块601，用于建立电动汽车的能量管理模型；
数据集确定模块602，用于利用所述能量管理模型，根据若干行驶工况确定协态因子初值λ0的数据集；
当前行驶工况处理模块603，用于获取当前行驶工况的路况信息，根据所述当前行驶工况的路况信息确定当前行驶工况的参考荷电状态轨迹；
能量分配模块604，用于根据所述协态因子初值λ0的数据集以及协态因子与等效因子的关系确定等效因子初始值s0，并根据确定出的所述等效因子初始值s0进行实时能量优化；
PI调节模块605，用于确定当前时刻荷电状态与上一步骤所得荷电状态的差值，利用PI控制器调节等效因子的大小；
检测调节模块606，用于检测到速度信息发生变化时，根据已建立的所述能量管理模型重新确定所述参考荷电状态轨迹。
在本发明实施例中，对于各个模块的所执行的步骤的解释说明请参考前述任意一个或者多个实施例的组合，本实施例对此不再赘述。需要说明的是，前述方法部分的任意组合所得的方法均适用于解释本实施例所述的电动汽车实时能量管理装置。
本发明实施例还提供了一种汽车，包括汽车本体以及计算机设备，图7示出了其中的计算机设备的内部结构图。如图7所示，该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现本发明实施例提供的电动汽车实时能量管理方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行本发明实施例提供的电动汽车实时能量管理方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，本发明实施例提供的电动汽车实时能量管理装置可以实现为一种计算机程序的形式，计算机程序可在如图7所示的计算机设备上运行。计算机设备的存储器中可存储组成该电动汽车实时能量管理装置的各个程序模块，比如，图6所示的建立模块、数据集确定模块、当前行驶工况处理模块、能量分配模块、PI调节模块和检测调节模块。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本发明各个实施例的电动汽车实时能量管理方法中的步骤。
例如，图7所示的计算机设备可以通过如图6所示的电动汽车实时能量管理装置中的建立模块执行步骤S202；数据集确定模块执行步骤S204；当前行驶工况处理模块执行步骤S206；能量分配模块执行步骤S208；PI调节模块执行步骤S210；检测调节模块执行步骤S212。
在一个实施例中，提出了一种计算机设备，所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
建立电动汽车的能量管理模型；
利用所述能量管理模型，根据若干行驶工况确定协态因子初值λ0的数据集；
获取当前行驶工况的路况信息，根据所述当前行驶工况的路况信息确定当前行驶工况的参考荷电状态轨迹；
根据所述协态因子初值λ0的数据集以及协态因子与等效因子的关系确定等效因子初始值s0，并根据确定出的所述等效因子初始值s0进行实时能量优化；
确定当前时刻荷电状态与上一步骤所得荷电状态的差值，利用PI控制器调节等效因子的大小；
检测到速度信息发生变化时，根据已建立的所述能量管理模型重新确定所述参考荷电状态轨迹。
在一个实施例中，提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，使得处理器执行以下步骤：
建立电动汽车的能量管理模型；
利用所述能量管理模型，根据若干行驶工况确定协态因子初值λ0的数据集；
获取当前行驶工况的路况信息，根据所述当前行驶工况的路况信息确定当前行驶工况的参考荷电状态轨迹；
根据所述协态因子初值λ0的数据集以及协态因子与等效因子的关系确定等效因子初始值s0，并根据确定出的所述等效因子初始值s0进行实时能量优化；
确定当前时刻荷电状态与上一步骤所得荷电状态的差值，利用PI控制器调节等效因子的大小；
检测到速度信息发生变化时，根据已建立的所述能量管理模型重新确定所述参考荷电状态轨迹。
应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种电动汽车实时能量管理方法，其特征在于，所述电动汽车实时能量管理方法包括以下步骤：
建立电动汽车的能量管理模型；
利用所述能量管理模型，根据若干行驶工况确定协态因子初值λ0的数据集；
获取当前行驶工况的路况信息，根据所述当前行驶工况的路况信息确定当前行驶工况的参考荷电状态轨迹；
根据所述协态因子初值λ0的数据集以及协态因子与等效因子的关系确定等效因子初始值s0，并根据确定出的所述等效因子初始值s0进行实时能量优化；
确定当前时刻荷电状态与上一步骤所得荷电状态的差值，利用PI控制器调节等效因子的大小；
检测到速度信息发生变化时，根据已建立的所述能量管理模型重新确定所述参考荷电状态轨迹。
2.根据权利要求1所述的电动汽车实时能量管理方法，其特征在于，所述建立电动汽车的能量管理模型，具体包括以下步骤：
建立车辆动力学模型：
其中：Rw为车轮半径，m表示电动汽车的质量，g是重力加速度，f代表了滚动阻力系数，v表示车辆速度，CD表示空气阻力系数，Af是迎风面积，ρ是空气密度，θ为道路坡度，i0表示最终传动比，ηt为传动效率，δ为转动惯量转化为平动惯量的系数；
其中Iw为车轮处的转动惯量；
建立主能量源系统模型：
其中：
是主能量源的燃料消耗量，Elow是燃料的低热值，Pm为主能量源的输出功率，η(Pm)是主能量源功率为Pm时的效率；
建立动力电池系统模型：
其中：SOC为动力电池的SOC，i为动力电池的内部电流；
其中：Ub,oc和Rb分别是电池的开环电压和内部电阻，Pb为动力电池的输出功率；
建立电动汽车动力系统功率平衡方程:
Pm(t)+Pb(t)-Pbloss(t)＝PM(t)+Pa
其中：Pbloss代表动力电池损耗，PM为电机功率，Pa是一个常数，表示车辆的配件功率；
建立能量管理策略的成本函数：
其中：s表示电能转化为等效燃料的等效因子。
3.根据权利要求1所述的电动汽车实时能量管理方法，其特征在于，所述根据若干行驶工况确定协态因子初值λ0的数据集，具体包括以下步骤：
选定若干个预设的标准工况，根据每个所述标准工况的速度曲线确定车辆需求功率，基于PMP算法进行能量优化；
根据能量优选结果使用打靶法迭代搜寻协态因子的初始值λ0；然后改变初始荷电状态的值，得到不同荷电状态下的协态因子初值λ0；
以荷电状态初始值SOC0为横坐标，工况平均车速vave为纵坐标，绘制λ0与SOC0和vave的map图从而确定协态因子初值λ0的数据集。
4.根据权利要求1所述的电动汽车实时能量管理方法，其特征在于，所述获取当前行驶工况的路况信息，具体包括以下步骤：
获取行驶工况的起点以及终点，根据所述起点以及所述终点规划路径；
根据预设规则或者用户的选择确定一条路径作为当前行驶工况。
5.根据权利要求1所述的电动汽车实时能量管理方法，其特征在于，所述协态因子与等效因子的关系为：
其中：s为等效因子，λ为协态因子。
6.根据权利要求5所述的电动汽车实时能量管理方法，其特征在于，所述根据所述当前行驶工况的路况信息确定当前行驶工况的参考荷电状态轨迹，具体包括以下步骤：
确定系统的动态方程：
定义哈密尔顿函数H为目标函数：
动力电池的功率由下式确定：
等效因子的动态方程为：
荷电状态初始值和终端值满足下式：
SOC(t0)＝SOC(tf)＝SOCtarget
当荷电状态终端值与初始值的差值不在容许范围内时，使用打靶法搜寻等效因子的初始值s0，在优化时域内通过PMP算法求解；
在每次迭代结束时，把末态荷电状态值与期望值进行比较，根据两者的差异调整等效因子的初始值s0并进行重复迭代；
当上述两者的差值符合预设范围时终止算法，得到参考荷电状态轨迹。
7.根据权利要求1所述的电动汽车实时能量管理方法，其特征在于，所述确定当前时刻荷电状态与上一步骤所得荷电状态的差值，利用PI控制器调节等效因子的大小，包括以下步骤：
计算当前时刻动力电池SOC(t)与上一步骤所得SOCref(t)的偏差，通过PI控制器对所述SOC偏差进行调节：
ΔSOC＝SOC(t)-SOCref(t)
其中SOCref(t)为t时刻SOC的参考值。
8.一种电动汽车实时能量管理装置，其特征在于，所述电动汽车实时能量管理装置包括：
建立模块，用于建立电动汽车的能量管理模型；
数据集确定模块，用于利用所述能量管理模型，根据若干行驶工况确定协态因子初值λ0的数据集；
当前行驶工况处理模块，用于获取当前行驶工况的路况信息，根据所述当前行驶工况的路况信息确定当前行驶工况的参考荷电状态轨迹；
能量分配模块，用于根据所述协态因子初值λ0的数据集以及协态因子与等效因子的关系确定等效因子初始值s0，并根据确定出的所述等效因子初始值s0进行实时能量优化；
PI调节模块，用于确定当前时刻荷电状态与上一步骤所得荷电状态的差值，利用PI控制器调节等效因子的大小；
检测调节模块，用于检测到速度信息发生变化时，根据已建立的所述能量管理模型重新确定所述参考荷电状态轨迹。
9.一种汽车，其特征在于，包括汽车本体以及计算机设备，所述计算机设备包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1至7中任一项权利要求所述电动汽车实时能量管理方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1至7中任一项权利要求所述电动汽车实时能量管理方法的步骤。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110062402 | 2021-01-18 | ||
| CN2021100624024 | 2021-01-18 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113627693A true CN113627693A (zh) | 2021-11-09 |
Family
ID=78390674
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111154174.XA Pending CN113627693A (zh) | 2021-01-18 | 2021-09-29 | 一种电动汽车实时能量管理方法、装置、汽车和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113627693A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114475366A (zh) * | 2022-03-18 | 2022-05-13 | 湖南精准信息科技有限公司 | 基于凸优化的燃料电池汽车节能驾驶方法及系统 |
| CN114506311A (zh) * | 2022-02-22 | 2022-05-17 | 燕山大学 | 一种变时域预测能量管理方法、装置、汽车及存储介质 |
| CN115049083A (zh) * | 2022-08-15 | 2022-09-13 | 天津理工大学 | 一种机电设备运行管理方法、装置及系统 |
| CN116572928A (zh) * | 2023-07-07 | 2023-08-11 | 徐州徐工汽车制造有限公司 | 混合动力车辆的控制方法、装置、系统和混合动力车辆 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103863084A (zh) * | 2012-12-11 | 2014-06-18 | 福特全球技术公司 | 行程导向的能量管理管制 |
| US20160339904A1 (en) * | 2015-05-22 | 2016-11-24 | Man Truck & Bus Ag | Method For Selecting A Mode Of Operation Of A Hybrid Vehicle |
| 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 |
| 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 |
| CN111552185A (zh) * | 2020-05-19 | 2020-08-18 | 重庆大学 | 一种基于pmp的插电式混合动力汽车模型预测控制的能量管理方法 |
| CN111891110A (zh) * | 2020-05-15 | 2020-11-06 | 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 |
-
2021
- 2021-09-29 CN CN202111154174.XA patent/CN113627693A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103863084A (zh) * | 2012-12-11 | 2014-06-18 | 福特全球技术公司 | 行程导向的能量管理管制 |
| US20160339904A1 (en) * | 2015-05-22 | 2016-11-24 | Man Truck & Bus Ag | Method For Selecting A Mode Of Operation Of A Hybrid Vehicle |
| 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 |
| 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 |
| CN111891110A (zh) * | 2020-05-15 | 2020-11-06 | 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 |
| CN111552185A (zh) * | 2020-05-19 | 2020-08-18 | 重庆大学 | 一种基于pmp的插电式混合动力汽车模型预测控制的能量管理方法 |
Non-Patent Citations (3)
| Title |
|---|
| 何洪文: "《电动汽车工程手册 第2卷 混合动力电动汽车整车设计》", 31 December 2019, 机械工业出版社 * |
| 侯圣彦: ""燃料电池电动汽车能量管理策略和动力电池优化研究"", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》, no. 08, pages 2 - 5 * |
| 刘晓真 等: ""基于变等效因子的PHEV等效燃油消耗最小策略"", 《火力与指挥控制》, vol. 44, no. 1, 31 January 2019 (2019-01-31) * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114506311A (zh) * | 2022-02-22 | 2022-05-17 | 燕山大学 | 一种变时域预测能量管理方法、装置、汽车及存储介质 |
| CN114506311B (zh) * | 2022-02-22 | 2023-06-20 | 燕山大学 | 一种变时域预测能量管理方法、装置、汽车及存储介质 |
| CN114475366A (zh) * | 2022-03-18 | 2022-05-13 | 湖南精准信息科技有限公司 | 基于凸优化的燃料电池汽车节能驾驶方法及系统 |
| CN115049083A (zh) * | 2022-08-15 | 2022-09-13 | 天津理工大学 | 一种机电设备运行管理方法、装置及系统 |
| CN116572928A (zh) * | 2023-07-07 | 2023-08-11 | 徐州徐工汽车制造有限公司 | 混合动力车辆的控制方法、装置、系统和混合动力车辆 |
| CN116572928B (zh) * | 2023-07-07 | 2023-10-13 | 徐州徐工汽车制造有限公司 | 混合动力车辆的控制方法、装置、系统和混合动力车辆 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113627693A (zh) | 一种电动汽车实时能量管理方法、装置、汽车和存储介质 | |
| Li et al. | Adaptive energy management strategy for fuel cell/battery hybrid vehicles using Pontryagin's Minimal Principle | |
| Wu et al. | A predictive energy management strategy for multi-mode plug-in hybrid electric vehicles based on multi neural networks | |
| Yuan et al. | Intelligent energy management strategy based on hierarchical approximate global optimization for plug-in fuel cell hybrid electric vehicles | |
| Chen et al. | A neural network-based ECMS for optimized energy management of plug-in hybrid electric vehicles | |
| Fu et al. | Real-time energy management and sensitivity study for hybrid electric vehicles | |
| Kim et al. | Adaptive energy management strategy for plug-in hybrid electric vehicles with Pontryagin’s minimum principle based on daily driving patterns | |
| Chen et al. | Predictive equivalent consumption minimization strategy with segmented traffic information | |
| Lee et al. | Reinforcement learning based on equivalent consumption minimization strategy for optimal control of hybrid electric vehicles | |
| CN102991503A (zh) | 用于控制车辆的方法 | |
| Vajedi et al. | A comparative analysis of route-based power management strategies for real-time application in plug-in hybrid electric vehicles | |
| CN113415288B (zh) | 分段式纵向车速规划方法、装置、设备及存储介质 | |
| CN113815437A (zh) | 燃料电池混合动力汽车的预测性能量管理方法 | |
| Piras et al. | Adaptive ECMS based on speed forecasting for the control of a heavy-duty fuel cell vehicle for real-world driving | |
| Lin et al. | A trip distance adaptive real-time optimal energy management strategy for a plug-in hybrid vehicle integrated driving condition prediction | |
| Deshpande et al. | Integrated approximate dynamic programming and equivalent consumption minimization strategy for eco-driving in a connected and automated vehicle | |
| Xin et al. | Optimal energy management of fuel cell hybrid electric vehicle based on model predictive control and on-line mass estimation | |
| Gan et al. | Intelligent learning algorithm and intelligent transportation-based energy management strategies for hybrid electric vehicles: A review | |
| Schmid et al. | Efficient optimal control of plug-in-hybrid electric vehicles including explicit engine on/off decisions | |
| Piras et al. | Incorporating speed forecasting and SOC planning into predictive ECMS for heavy-duty fuel cell vehicles | |
| Chen et al. | Co-optimization of speed planning and cost-optimal energy management for fuel cell trucks under vehicle-following scenarios | |
| Liu et al. | A modified model‐free‐adaptive‐control‐based real‐time energy management strategy for plug‐in hybrid electric vehicle | |
| Li et al. | Predictive multi-objective operation strategy considering battery cycle aging for hybrid electric vehicles | |
| Piras et al. | Hydrogen consumption and durability assessment of fuel cell vehicles in realistic driving | |
| Jiang et al. | A PHEV power management cyber-physical system for on-road applications |
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 |