CN114179781A - 一种插电式混合动力汽车实时控制优化方法及系统 - Google Patents

一种插电式混合动力汽车实时控制优化方法及系统 Download PDF

Info

Publication number
CN114179781A
CN114179781A CN202111583842.0A CN202111583842A CN114179781A CN 114179781 A CN114179781 A CN 114179781A CN 202111583842 A CN202111583842 A CN 202111583842A CN 114179781 A CN114179781 A CN 114179781A
Authority
CN
China
Prior art keywords
power
engine
model
generator
determining
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
CN202111583842.0A
Other languages
English (en)
Other versions
CN114179781B (zh
Inventor
张旭东
樊杰
邹渊
郭宁远
何劲涛
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.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
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 Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202111583842.0A priority Critical patent/CN114179781B/zh
Publication of CN114179781A publication Critical patent/CN114179781A/zh
Application granted granted Critical
Publication of CN114179781B publication Critical patent/CN114179781B/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
    • B60W20/11—Controlling the power contribution of each of the prime movers to meet required power demand using model predictive control [MPC] strategies, i.e. control methods based on models predicting performance
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • 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
    • B60W2510/06—Combustion engines, Gas turbines
    • B60W2510/0638—Engine 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
    • B60W2510/00—Input parameters relating to a particular sub-units
    • B60W2510/06—Combustion engines, Gas turbines
    • B60W2510/0657—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
    • B60W2510/00—Input parameters relating to a particular sub-units
    • B60W2510/08—Electric propulsion units
    • B60W2510/081—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
    • B60W2510/00—Input parameters relating to a particular sub-units
    • B60W2510/08—Electric propulsion units
    • B60W2510/083—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
    • B60W2510/00—Input parameters relating to a particular sub-units
    • B60W2510/08—Electric propulsion units
    • B60W2510/085—Power
    • 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
    • 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
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems
    • 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
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/14—Plug-in electric vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mechanical Engineering (AREA)
  • Mathematical Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Transportation (AREA)
  • Automation & Control Theory (AREA)
  • Algebra (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明涉及一种插电式混合动力汽车实时控制优化方法及系统。该方法包括根据PHEV的基本参数确定发动机、电池包以及发电机之间的功率平衡模型、动力电池模型以及发电机功率和发动机燃油消耗率的多项式拟合方程；根据PHEV的约束条件以及功率平衡模型、动力电池模型以及多项式拟合方程确定归一化模型约束；并构建以发动机油耗和SOC跟踪误差加权和最小为目标，以归一化模型约束为额外惩罚的目标函数；利用贝叶斯优化法对目标函数进行超参数的优化标定；利用连续/广义最小残差算法对超参数优化标定后的目标函数进行最小化，确定最优控制序列；根据最优控制序列对PHEV进行实时控制优化。本发明能够提高插电式混合动力汽车的实时控制效果。

Description

一种插电式混合动力汽车实时控制优化方法及系统
技术领域
本发明涉及汽车控制领域，特别是涉及一种插电式混合动力汽车实时控制优化方法及系统。
背景技术
非线性模型预测控制(Nonlinear Model Predictive Control，NMPC)是求解获取插电式混合动力汽车(Plug-in Hybrid Electric Vehicle，PHEV)能量管理最优策略的有效手段之一。然而该策略应用于实车控制时面临“运算实时求解难”和“控制参数调优难”两大难点。
“运算实时求解难”的原因在于PHEV所包含的发动机、电池、发电机等关键部件具有强非线性动态特性，模型及控制边界条件的精确数学表征相对复杂，且针对上述模型开展控制策略优化的传统迭代求解方法由于需要计算高维雅可比矩阵、海森矩阵等，对计算资源和存储资源的要求较高，难以实现策略实时求解；
“控制参数调优难”的原因在于NMPC策略的优化控制效果严重依赖于预测窗口长度、油耗和目标SOC跟踪误差间的相对加权系数的选择，但受目标函数非凸性和参数可调空间广阔性的影响，传统基于网格化的参数优化方法和人为试错的参数搜寻方法难以实现对全局最优参数的快速定位，从而严重影响了NMPC策略的实际控制效果。
发明内容
本发明的目的是提供一种插电式混合动力汽车实时控制优化方法及系统，能够提高插电式混合动力汽车的实时控制效果。
为实现上述目的，本发明提供了如下方案：
一种插电式混合动力汽车实时控制优化方法，包括：
根据插电式混合动力汽车(Plug-in Hybrid Electric Vehicle，PHEV)的基本参数确定发动机、电池包以及发电机之间的功率平衡模型、动力电池模型以及发电机功率和发动机燃油消耗率的多项式拟合方程；所述基本参数包括：PHEV的拓扑结构、电机功率、发电机功率、电池包功率、附件功率、初始荷电状态、电池包容量、电池包的激励电流、发动机和发电机的转矩、发动机和发电机的转速、发电机效率以及发动机的燃油消耗率；
根据PHEV的约束条件以及功率平衡模型、动力电池模型以及发电机功率和发动机燃油消耗率的多项式拟合方程确定归一化模型约束；所述约束条件包括：发动机功率的约束和对电池激励电流的约束；
根据归一化模型约束以及功率平衡模型、动力电池模型以及发电机功率和发动机燃油消耗率的多项式拟合方程构建以发动机油耗和SOC跟踪误差加权和最小为目标，以归一化模型约束为额外惩罚的目标函数；
利用贝叶斯优化法(Bayesian Optimization，BO)对目标函数进行超参数的优化标定；
利用连续/广义最小残差算法(Continuation/General Minimal ResidualAlgorithm，C/GMRES)对超参数优化标定后的目标函数进行最小化，确定最优控制序列；
根据最优控制序列对PHEV进行实时控制优化。
可选地，所述根据插电式混合动力汽车PHEV的基本参数确定发动机、电池包以及发电机之间的功率平衡模型、动力电池模型以及发电机功率和发动机燃油消耗率的多项式拟合方程，具体包括：
利用公式Pm＝Pg+Pb-Pac确定发动机、电池包以及发电机之间的功率平衡模型；
利用公式
Figure BDA0003427168580000021
确定动力电池模型；
利用公式
Figure BDA0003427168580000031
确定发电机功率和发动机燃油消耗率的多项式拟合方程；
其中，Pm表示电机功率，Pg表示发电机功率，Pb表示电池包功率，t0表示初始时间，tf表示当前时间，Pac表示附件功率，R0表示欧姆内阻，Uo表示开路电压，SOC0表示初始荷电状态，Cb表示电池包容量，Ib表示电池包的激励电流，SOC表示荷电状态，ηg表示发电机效率，
Figure BDA0003427168580000032
表示发动机的燃油消耗率，Pe表示发动机功率，fOOL(Pe)表示发动机最优工作线，χ表示从发动机转速和转矩到发动机燃油消耗率的映射函数，
Figure BDA0003427168580000033
表示发动机燃油消耗率对发动机功率的多项式拟合系数，
Figure BDA0003427168580000034
表示发动机功率到发电机功率的传递效率。
可选地，所述根据插电式混合动力汽车PHEV的基本参数确定发动机、电池包以及发电机之间的功率平衡模型、动力电池模型以及发电机功率和发动机燃油消耗率的多项式拟合方程，具体还包括：
利用公式
Figure BDA0003427168580000035
确定PHEV的状态方程；
其中，x表示状态变量，即电池荷电状态SOC，u表示控制变量，即发动机功率Pe，w表示外部扰动，即电机功率Pm，
Figure BDA0003427168580000036
表示电池开路电压对SOC多项式的拟合系数，Pacc表示车辆加速功率，
Figure BDA0003427168580000037
表示电池欧姆内阻对SOC多项式的拟合系数。
可选地，所述根据PHEV的约束条件以及功率平衡模型、动力电池模型以及发电机功率和发动机燃油消耗率的多项式拟合方程确定归一化模型约束，具体包括：
利用公式
Figure BDA0003427168580000041
归一化模型约束；
其中，uuni 表示发动机功率最小值，uuni ＝max(0，βmin1，βmin2)，
Figure BDA0003427168580000042
表示发动机功率最大值，
Figure BDA0003427168580000043
Figure BDA0003427168580000044
表示发动机功率上限，
Figure BDA0003427168580000045
表示发电机功率上限，
Figure BDA0003427168580000046
Figure BDA0003427168580000047
Figure BDA0003427168580000048
Figure BDA0003427168580000049
表示电池包的激励电流上限，Ib 表示电池包的激励电流下限。
可选地，所述根据归一化模型约束以及功率平衡模型、动力电池模型以及发电机功率和发动机燃油消耗率的多项式拟合方程构建以发动机油耗和SOC跟踪误差加权和最小为目标，以归一化模型约束为额外惩罚的目标函数，具体包括：
利用公式
Figure BDA00034271685800000410
确定目标函数；
其中，J表示目标函数，Np表示预测时域步长，τ表示预测时域内的某一时刻，l表示瞬时代价，
Figure BDA00034271685800000411
α表示加权系数，SOCr表示跟踪目标SOC，φ表示额外惩罚，
Figure BDA00034271685800000412
r表示惩罚系数，h(·)≤0表示归一化约束满足，否则即不满足；
Figure BDA00034271685800000413
一种插电式混合动力汽车实时控制优化系统，包括：
模型确定模块，用于根据插电式混合动力汽车PHEV的基本参数确定发动机、电池包以及发电机之间的功率平衡模型、动力电池模型以及发电机功率和发动机燃油消耗率的多项式拟合方程；所述基本参数包括：PHEV的拓扑结构、电机功率、发电机功率、电池包功率、附件功率、初始荷电状态、电池包容量、电池包的激励电流、发动机和发电机的转矩、发动机和发电机的转速、发电机效率以及发动机的燃油消耗率；
归一化模型约束确定模块，用于根据PHEV的约束条件以及功率平衡模型、动力电池模型以及发电机功率和发动机燃油消耗率的多项式拟合方程确定归一化模型约束；所述约束条件包括：发动机功率的约束和对电池激励电流的约束；
目标函数构建模块，用于根据归一化模型约束以及功率平衡模型、动力电池模型以及发电机功率和发动机燃油消耗率的多项式拟合方程构建以发动机油耗和SOC跟踪误差加权和最小为目标，以归一化模型约束为额外惩罚的目标函数；
超参数优化标定模块，用于利用贝叶斯优化法对目标函数进行超参数的优化标定；
最优控制序列确定模块，用于利用连续/广义最小残差算法对超参数优化标定后的目标函数进行最小化，确定最优控制序列；
实时控制优化模块，用于根据最优控制序列对PHEV进行实时控制优化。
可选地，所述模型确定模块具体包括：
功率平衡模型确定单元，用于利用公式Pm＝Pg+Pb-Pac确定发动机、电池包以及发电机之间的功率平衡模型；
动力电池模型确定单元，用于利用公式
Figure BDA0003427168580000051
确定动力电池模型；
电机功率和发动机燃油消耗率的多项式拟合方程确定单元，用于利用公式
Figure BDA0003427168580000052
确定发电机功率和发动机燃油消耗率的多项式拟合方程；
其中，Pm表示电机功率，Pg表示发电机功率，Pb表示电池包功率，t0表示初始时间，tf表示当前时间，Pac表示附件功率，R0表示欧姆内阻，Uo表示开路电压，SOC0表示初始荷电状态，Cb表示电池包容量，Ib表示电池包的激励电流，SOC表示荷电状态，ηg表示发电机效率，
Figure BDA0003427168580000061
表示发动机的燃油消耗率，Pe表示发动机功率，fOOL(Pe)表示发动机最优工作线，χ表示从发动机转速和转矩到发动机燃油消耗率的映射函数，
Figure BDA0003427168580000062
表示发动机燃油消耗率对发动机功率的多项式拟合系数，
Figure BDA0003427168580000063
表示发动机功率到发电机功率的传递效率。
可选地，所述模型确定模块还包括：
PHEV的状态方程确定模块，用于利用公式
Figure BDA0003427168580000064
确定PHEV的状态方程；
其中，x表示状态变量，即电池荷电状态SOC，u表示控制变量，即发动机功率Pe，w表示外部扰动，即电机功率Pm，
Figure BDA0003427168580000065
表示电池开路电压对SOC多项式的拟合系数，Pacc表示车辆加速功率，
Figure BDA0003427168580000066
表示电池欧姆内阻对SOC多项式的拟合系数。
可选地，所述归一化模型约束确定模块具体包括：
归一化模型约束确定单元，用于利用公式
Figure BDA0003427168580000067
归一化模型约束；
其中，uuni 表示发动机功率最小值，uuni ＝max(0，βmin1，βmin2)，
Figure BDA0003427168580000068
表示发动机功率最大值，
Figure BDA0003427168580000069
Figure BDA00034271685800000610
表示发动机功率上限，
Figure BDA00034271685800000611
表示发电机功率上限，
Figure BDA00034271685800000612
Figure BDA00034271685800000613
Figure BDA00034271685800000614
Figure BDA00034271685800000615
表示电池包的激励电流上限，Ib 表示电池包的激励电流下限。
可选地，所述目标函数构建模块具体包括：
目标函数构建单元，用于利用公式
Figure BDA0003427168580000071
确定目标函数；
其中，J表示目标函数，Np表示预测时域步长，τ表示预测时域内的某一时刻，l表示瞬时代价，
Figure BDA0003427168580000072
α表示加权系数，SOCr表示跟踪目标SOC，φ表示额外惩罚，
Figure BDA0003427168580000073
r表示惩罚系数，h(·)≤0表示归一化约束满足，否则即不满足；
Figure BDA0003427168580000074
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明所提供的一种插电式混合动力汽车实时控制优化方法及系统，通过模型的多项式拟合及边界约束的归一化降低模型复杂度；进而以NMPC为框架，将边界约束以惩罚项形式融入的目标控制函数；运用贝叶斯优化对目标函数中涉及的超参数进行标定，以保证控制效果；运用C/GMRES算法对超参数标定后的目标函数进行最小化，求解获得最优控制序列。
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，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明所提供的一种插电式混合动力汽车实时控制优化方法流程示意图；
图2为本发明所提供的一种插电式混合动力汽车实时控制优化系统结构示意图；
图3为PHEV拓扑结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种插电式混合动力汽车实时控制优化方法及系统，能够提高插电式混合动力汽车的实时控制效果。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明所提供的一种插电式混合动力汽车实时控制优化方法流程示意图，如图1所示，本发明所提供的一种插电式混合动力汽车实时控制优化方法，包括：
S101，根据插电式混合动力汽车PHEV的基本参数确定发动机、电池包以及发电机之间的功率平衡模型、动力电池模型以及发电机功率和发动机燃油消耗率的多项式拟合方程；所述基本参数包括：PHEV的拓扑结构(如图3所示)、电机功率、发电机功率、电池包功率、附件功率、初始荷电状态、电池包容量、电池包的激励电流、发动机和发电机的转矩、发动机和发电机的转速、发电机效率以及发动机的燃油消耗率；
S101具体包括：
利用公式Pm＝Pg+Pb-Pac确定发动机、电池包以及发电机之间的功率平衡模型；
电机功率可进一步表示为：
Figure BDA0003427168580000081
其中，ηm表示电机效率，是电机转矩Tm和转速ωm的函数；
利用公式
Figure BDA0003427168580000091
确定动力电池模型；
发动机和发电机之间的功率关系可以表示为：
Figure BDA0003427168580000092
其中：Te和Tg分别表示发动机和发电机的转矩，ωe和ωg分别表示发动机和发电机的转速，发电机效率ηg是发电机转速和转矩的函数。为了减少控制自由度，限定发动机工作点位于最优工作线(Optimal Operation Line，OOL)，在此基础上，根据多项式拟合。
利用公式
Figure BDA0003427168580000093
确定发电机功率和发动机燃油消耗率的多项式拟合方程；
其中，Pm表示电机功率，Pg表示发电机功率，Pb表示电池包功率，t0表示初始时间，tf表示当前时间，Pac表示附件功率，R0表示欧姆内阻，Uo表示开路电压，SOC0表示初始荷电状态，Cb表示电池包容量，Ib表示电池包的激励电流，SOC表示荷电状态，ηg表示发电机效率，
Figure BDA0003427168580000094
表示发动机的燃油消耗率，Pe表示发动机功率，fOOL(Pe)表示发动机最优工作线，χ表示从发动机转速和转矩到发动机燃油消耗率的映射函数，
Figure BDA0003427168580000095
表示发动机燃油消耗率对发动机功率的多项式拟合系数，
Figure BDA0003427168580000096
表示发动机功率到发电机功率的传递效率。
其中，
Figure BDA0003427168580000097
且
Figure BDA0003427168580000098
S101具体还包括：
利用公式
Figure BDA0003427168580000101
确定PHEV的状态方程；
其中，x表示状态变量，即电池荷电状态SOC，u表示控制变量，即发动机功率Pe，w表示外部扰动，即电机功率Pm，
Figure BDA0003427168580000102
表示电池开路电压对SOC多项式的拟合系数，Pacc表示车辆加速功率，
Figure BDA0003427168580000103
表示电池欧姆内阻对SOC多项式的拟合系数。
S102，根据PHEV的约束条件以及功率平衡模型、动力电池模型以及发电机功率和发动机燃油消耗率的多项式拟合方程确定归一化模型约束；所述约束条件包括：发动机功率的约束和对电池激励电流的约束；
其中，发动机功率的约束和对电池激励电流的约束，分别如下：
Figure BDA0003427168580000104
Figure BDA0003427168580000105
S102具体包括：
利用公式
Figure BDA0003427168580000106
归一化模型约束；
其中，uuni 表示发动机功率最小值，uuni ＝max(0，βmin1，βmin2)，
Figure BDA0003427168580000107
表示发动机功率最大值，
Figure BDA0003427168580000108
Figure BDA0003427168580000109
表示发动机功率上限，
Figure BDA00034271685800001010
表示发电机功率上限，
Figure BDA00034271685800001011
Figure BDA00034271685800001012
Figure BDA00034271685800001013
Figure BDA00034271685800001014
表示电池包的激励电流上限，Ib 表示电池包的激励电流下限。
S103，根据归一化模型约束以及功率平衡模型、动力电池模型以及发电机功率和发动机燃油消耗率的多项式拟合方程构建以发动机油耗和SOC跟踪误差加权和最小为目标，以归一化模型约束为额外惩罚的目标函数；
S103具体包括：
利用公式
Figure BDA0003427168580000111
确定目标函数；
其中，J表示目标函数，Np表示预测时域步长，τ表示预测时域内的某一时刻，l表示瞬时代价，
Figure BDA0003427168580000112
α表示加权系数，SOCr表示跟踪目标SOC，这里假定未来行程车速可在出发前通过车用无线通信技术(Vehicle-to-Everything，V2X)获得，因此跟踪目标SOCr可以通过DP算法求解获得，并且模型状态方程中的扰动w也可通过未来车速计算获得，φ表示额外惩罚，
Figure BDA0003427168580000113
r表示惩罚系数，h(·)≤0表示归一化约束满足，否则即不满足；
Figure BDA0003427168580000114
S104，利用贝叶斯优化法对目标函数进行超参数的优化标定；即对涉及的预测时域补偿Np、加权系数α和惩罚系数r进行优化标定，具体如下：
对超参数进行优化时，设定如下目标函数：
Figure BDA0003427168580000115
其中：tend表示行程结束的时刻，另外为了保证对SOC目标轨迹的有效追踪以及保证归一化约束得到满足，设定如下两个约束：
|SOC(tend)-SOCr(tend)|≤0.1；
Figure BDA0003427168580000116
之后运用BO对超参数进行优化：设定超参数的边界域为Np∈[5,30],α∈[0，1×1015]，r∈[0，5]通过不断迭代BO中“学习”和“优化”两个步骤，获得使JBO取得更小值的超参数组，同时在优化过程舍弃超过上述两个约束的超参数取值，直至BO迭代结束时获得使目标函数JBO最小化的最优超参数组。
S105，利用连续/广义最小残差算法对超参数优化标定后的目标函数进行最小化，确定最优控制序列；
用C/GMRES实现对模型的快速求解，具体如下：
在建立目标函数J并确认超参数后，对其进行求解，根据庞特里雅金极小值理论，NMPC问题的哈密顿方程可表示为：
H(·)＝l(·)+λTf(x(·)，u(·)，w(·))+φ(·)；
其中：λ表示协状态向量，进一步，优化问题的求解可以表示为：
Figure BDA0003427168580000121
其中：U(to)＝[u(0)…u(Np-1)]表示最优控制序列，为了避免对雅克比矩阵、海森矩阵的计算，通过C/GMRES对控制问题进行求解。定义系统的线性化状态方程为
Figure BDA0003427168580000122
Figure BDA0003427168580000123
是为保证系统初始化稳定引入的系数，在小区间
Figure BDA0003427168580000127
内可通过前向差分近似代表雅克比系数，即：
Figure BDA0003427168580000124
因此：
Figure BDA0003427168580000125
在此基础上，可通过前向近似GMRES(FDGMRES)算法实现对最优控制序列
Figure BDA0003427168580000126
的求解：
Figure BDA0003427168580000131
其中：U0和
Figure BDA0003427168580000132
分别表示对U和
Figure BDA0003427168580000133
的初始化估计，etol和kmax为FDGMRES算法中的超参数。在每一步求解获得
Figure BDA0003427168580000134
后，仅执行最优控制序列中的第一步最优控制量，此后不断往复，直至控制过程结束。
S106，根据最优控制序列对PHEV进行实时控制优化。
图2为本发明所提供的一种插电式混合动力汽车实时控制优化系统结构示意图。如图2所示，本发明所提供的一种插电式混合动力汽车实时控制优化系统，包括：
模型确定模块201，用于根据插电式混合动力汽车PHEV的基本参数确定发动机、电池包以及发电机之间的功率平衡模型、动力电池模型以及发电机功率和发动机燃油消耗率的多项式拟合方程；所述基本参数包括：PHEV的拓扑结构、电机功率、发电机功率、电池包功率、附件功率、初始荷电状态、电池包容量、电池包的激励电流、发动机和发电机的转矩、发动机和发电机的转速、发电机效率以及发动机的燃油消耗率；
归一化模型约束确定模块202，用于根据PHEV的约束条件以及功率平衡模型、动力电池模型以及发电机功率和发动机燃油消耗率的多项式拟合方程确定归一化模型约束；所述约束条件包括：发动机功率的约束和对电池激励电流的约束；
目标函数构建模块203，用于根据归一化模型约束以及功率平衡模型、动力电池模型以及发电机功率和发动机燃油消耗率的多项式拟合方程构建以发动机油耗和SOC跟踪误差加权和最小为目标，以归一化模型约束为额外惩罚的目标函数；
超参数优化标定模块204，用于利用贝叶斯优化法对目标函数进行超参数的优化标定；
最优控制序列确定模块205，用于利用连续/广义最小残差算法对超参数优化标定后的目标函数进行最小化，确定最优控制序列；
实时控制优化模块206，用于根据最优控制序列对PHEV进行实时控制优化。
所述模型确定模块201具体包括：
功率平衡模型确定单元，用于利用公式Pm＝Pg+Pb-Pac确定发动机、电池包以及发电机之间的功率平衡模型；
动力电池模型确定单元，用于利用公式
Figure BDA0003427168580000141
确定动力电池模型；
电机功率和发动机燃油消耗率的多项式拟合方程确定单元，用于利用公式
Figure BDA0003427168580000142
确定发电机功率和发动机燃油消耗率的多项式拟合方程；
其中，Pm表示电机功率，Pg表示发电机功率，Pb表示电池包功率，t0表示初始时间，tf表示当前时间，Pac表示附件功率，R0表示欧姆内阻，Uo表示开路电压，SOC0表示初始荷电状态，Cb表示电池包容量，Ib表示电池包的激励电流，SOC表示荷电状态，ηg表示发电机效率，
Figure BDA0003427168580000143
表示发动机的燃油消耗率，Pe表示发动机功率，fOOL(Pe)表示发动机最优工作线，χ表示从发动机转速和转矩到发动机燃油消耗率的映射函数，
Figure BDA0003427168580000144
表示发动机燃油消耗率对发动机功率的多项式拟合系数，
Figure BDA0003427168580000145
表示发动机功率到发电机功率的传递效率。
所述模型确定模块201还包括：
PHEV的状态方程确定模块，用于利用公式
Figure BDA0003427168580000146
确定PHEV的状态方程；
其中，x表示状态变量，即电池荷电状态SOC，u表示控制变量，即发动机功率Pe，w表示外部扰动，即电机功率Pm，
Figure BDA0003427168580000151
表示电池开路电压对SOC多项式的拟合系数，Pacc表示车辆加速功率，
Figure BDA0003427168580000152
表示电池欧姆内阻对SOC多项式的拟合系数。
所述归一化模型约束确定模块202具体包括：
归一化模型约束确定单元，用于利用公式
Figure BDA0003427168580000153
归一化模型约束；
其中，uuni 表示发动机功率最小值，uuni ＝max(0，βmin1，βmin2)，
Figure BDA0003427168580000154
表示发动机功率最大值，
Figure BDA0003427168580000155
Figure BDA0003427168580000156
表示发动机功率上限，
Figure BDA0003427168580000157
表示发电机功率上限，
Figure BDA0003427168580000158
Figure BDA0003427168580000159
Figure BDA00034271685800001510
表示电池包的激励电流上限，Ib 表示电池包的激励电流下限。
所述目标函数构建模块203具体包括：
目标函数构建单元，用于利用公式
Figure BDA00034271685800001511
确定目标函数；
其中，J表示目标函数，Np表示预测时域步长，τ表示预测时域内的某一时刻，l表示瞬时代价，
Figure BDA00034271685800001512
α表示加权系数，SOCr表示跟踪目标SOC，φ表示额外惩罚，
Figure BDA00034271685800001513
r表示惩罚系数，h(·)≤0表示归一化约束满足，否则即不满足；
Figure BDA00034271685800001514
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种插电式混合动力汽车实时控制优化方法，其特征在于，包括：
根据插电式混合动力汽车PHEV的基本参数确定发动机、电池包以及发电机之间的功率平衡模型、动力电池模型以及发电机功率和发动机燃油消耗率的多项式拟合方程；所述基本参数包括：PHEV的拓扑结构、电机功率、发电机功率、电池包功率、附件功率、初始荷电状态、电池包容量、电池包的激励电流、发动机和发电机的转矩、发动机和发电机的转速、发电机效率以及发动机的燃油消耗率；
根据PHEV的约束条件以及功率平衡模型、动力电池模型以及发电机功率和发动机燃油消耗率的多项式拟合方程确定归一化模型约束；所述约束条件包括：发动机功率的约束和对电池激励电流的约束；
根据归一化模型约束以及功率平衡模型、动力电池模型以及发电机功率和发动机燃油消耗率的多项式拟合方程构建以发动机油耗和SOC跟踪误差加权和最小为目标，以归一化模型约束为额外惩罚的目标函数；
利用贝叶斯优化法对目标函数进行超参数的优化标定；
利用连续/广义最小残差算法对超参数优化标定后的目标函数进行最小化，确定最优控制序列；
根据最优控制序列对PHEV进行实时控制优化。
2.根据权利要求1所述的一种插电式混合动力汽车实时控制优化方法，其特征在于，所述根据插电式混合动力汽车PHEV的基本参数确定发动机、电池包以及发电机之间的功率平衡模型、动力电池模型以及发电机功率和发动机燃油消耗率的多项式拟合方程，具体包括：
利用公式Pm＝Pg+Pb-Pac确定发动机、电池包以及发电机之间的功率平衡模型；
利用公式
Figure FDA0003427168570000011
确定动力电池模型；
利用公式
Figure FDA0003427168570000021
确定发电机功率和发动机燃油消耗率的多项式拟合方程；
其中，Pm表示电机功率，Pg表示发电机功率，Pb表示电池包功率，t0表示初始时间，tf表示当前时间，Pac表示附件功率，R0表示欧姆内阻，Uo表示开路电压，SOC0表示初始荷电状态，Cb表示电池包容量，Ib表示电池包的激励电流，SOC表示荷电状态，ηg表示发电机效率，
Figure FDA0003427168570000022
表示发动机的燃油消耗率，Pe表示发动机功率，fOOL(Pe)表示发动机最优工作线，χ表示从发动机转速和转矩到发动机燃油消耗率的映射函数，
Figure FDA0003427168570000023
表示发动机燃油消耗率对发动机功率的多项式拟合系数，
Figure FDA0003427168570000024
表示发动机功率到发电机功率的传递效率。
3.根据权利要求2所述的一种插电式混合动力汽车实时控制优化方法，其特征在于，所述根据插电式混合动力汽车PHEV的基本参数确定发动机、电池包以及发电机之间的功率平衡模型、动力电池模型以及发电机功率和发动机燃油消耗率的多项式拟合方程，具体还包括：
利用公式
Figure FDA0003427168570000025
确定PHEV的状态方程；
其中，x表示状态变量，即电池SOC，u表示控制变量，即发动机功率Pe，w表示外部扰动，即电机功率Pm，
Figure FDA0003427168570000026
表示电池开路电压对SOC多项式的拟合系数，Pacc表示车辆加速功率，
Figure FDA0003427168570000027
表示电池欧姆内阻对SOC多项式的拟合系数。
4.根据权利要求3所述的一种插电式混合动力汽车实时控制优化方法，其特征在于，所述根据PHEV的约束条件以及功率平衡模型、动力电池模型以及发电机功率和发动机燃油消耗率的多项式拟合方程确定归一化模型约束，具体包括：
利用公式
Figure FDA0003427168570000031
归一化模型约束；
其中，uuni 表示发动机功率最小值，uuni ＝max(0，βmin1，βmin2)，
Figure FDA0003427168570000032
表示发动机功率最大值，
Figure FDA0003427168570000033
Figure FDA0003427168570000034
表示发动机功率上限，
Figure FDA0003427168570000035
表示发电机功率上限，
Figure FDA0003427168570000036
Figure FDA0003427168570000037
Figure FDA0003427168570000038
Figure FDA0003427168570000039
表示电池包的激励电流上限，Ib 表示电池包的激励电流下限。
5.根据权利要求4所述的一种插电式混合动力汽车实时控制优化方法，其特征在于，所述根据归一化模型约束以及功率平衡模型、动力电池模型以及发电机功率和发动机燃油消耗率的多项式拟合方程构建以发动机油耗和SOC跟踪误差加权和最小为目标，以归一化模型约束为额外惩罚的目标函数，具体包括：
利用公式
Figure FDA00034271685700000310
确定目标函数；
其中，J表示目标函数，Np表示预测时域步长，τ表示预测时域内的某一时刻，l表示瞬时代价，
Figure FDA00034271685700000311
α表示加权系数，SOCr表示跟踪目标SOC，φ表示额外惩罚，
Figure FDA00034271685700000312
r表示惩罚系数，h(·)≤0表示归一化约束满足，否则即不满足；
Figure FDA00034271685700000313
6.一种插电式混合动力汽车实时控制优化系统，其特征在于，包括：
模型确定模块，用于根据插电式混合动力汽车PHEV的基本参数确定发动机、电池包以及发电机之间的功率平衡模型、动力电池模型以及发电机功率和发动机燃油消耗率的多项式拟合方程；所述基本参数包括：PHEV的拓扑结构、电机功率、发电机功率、电池包功率、附件功率、初始荷电状态、电池包容量、电池包的激励电流、发动机和发电机的转矩、发动机和发电机的转速、发电机效率以及发动机的燃油消耗率；
归一化模型约束确定模块，用于根据PHEV的约束条件以及功率平衡模型、动力电池模型以及发电机功率和发动机燃油消耗率的多项式拟合方程确定归一化模型约束；所述约束条件包括：发动机功率的约束和对电池激励电流的约束；
目标函数构建模块，用于根据归一化模型约束以及功率平衡模型、动力电池模型以及发电机功率和发动机燃油消耗率的多项式拟合方程构建以发动机油耗和SOC跟踪误差加权和最小为目标，以归一化模型约束为额外惩罚的目标函数；
超参数优化标定模块，用于利用贝叶斯优化法对目标函数进行超参数的优化标定；
最优控制序列确定模块，用于利用连续/广义最小残差算法对超参数优化标定后的目标函数进行最小化，确定最优控制序列；
实时控制优化模块，用于根据最优控制序列对PHEV进行实时控制优化。
7.根据权利要求6所述的一种插电式混合动力汽车实时控制优化系统，其特征在于，所述模型确定模块具体包括：
功率平衡模型确定单元，用于利用公式Pm＝Pg+Pb-Pac确定发动机、电池包以及发电机之间的功率平衡模型；
动力电池模型确定单元，用于利用公式
Figure FDA0003427168570000041
确定动力电池模型；
电机功率和发动机燃油消耗率的多项式拟合方程确定单元，用于利用公式
Figure FDA0003427168570000051
确定发电机功率和发动机燃油消耗率的多项式拟合方程；
其中，Pm表示电机功率，Pg表示发电机功率，Pb表示电池包功率，t0表示初始时间，tf表示当前时间，Pac表示附件功率，R0表示欧姆内阻，Uo表示开路电压，SOC0表示初始荷电状态，Cb表示电池包容量，Ib表示电池包的激励电流，SOC表示荷电状态，ηg表示发电机效率，
Figure FDA0003427168570000052
表示发动机的燃油消耗率，Pe表示发动机功率，fOOL(Pe)表示发动机最优工作线，χ表示从发动机转速和转矩到发动机燃油消耗率的映射函数，
Figure FDA0003427168570000053
表示发动机燃油消耗率对发动机功率的多项式拟合系数，
Figure FDA0003427168570000054
表示发动机功率到发电机功率的传递效率。
8.根据权利要求7所述的一种插电式混合动力汽车实时控制优化系统，其特征在于，所述模型确定模块还包括：
PHEV的状态方程确定模块，用于利用公式
Figure FDA0003427168570000055
确定PHEV的状态方程；
其中，x表示状态变量，即电池SOC，u表示控制变量，即发动机功率Pe，w表示外部扰动，即电机功率Pm，
Figure FDA0003427168570000056
表示电池开路电压对SOC多项式的拟合系数，Pacc表示车辆加速功率，
Figure FDA0003427168570000057
表示电池欧姆内阻对SOC多项式的拟合系数。
9.根据权利要求8所述的一种插电式混合动力汽车实时控制优化系统，其特征在于，所述归一化模型约束确定模块具体包括：
归一化模型约束确定单元，用于利用公式
Figure FDA0003427168570000058
归一化模型约束；
其中，uuni 表示发动机功率最小值，uuni ＝max(0，βmin1，βmin2)，
Figure FDA0003427168570000059
表示发动机功率最大值，
Figure FDA0003427168570000061
Figure FDA0003427168570000062
表示发动机功率上限，
Figure FDA0003427168570000063
表示发电机功率上限，
Figure FDA0003427168570000064
Figure FDA0003427168570000065
Figure FDA0003427168570000066
表示电池包的激励电流上限，Ib 表示电池包的激励电流下限。
10.根据权利要求9所述的一种插电式混合动力汽车实时控制优化系统，其特征在于，所述目标函数构建模块具体包括：
目标函数构建单元，用于利用公式
Figure FDA0003427168570000067
确定目标函数；
其中，J表示目标函数，Np表示预测时域步长，τ表示预测时域内的某一时刻，l表示瞬时代价，
Figure FDA0003427168570000068
α表示加权系数，SOCr表示跟踪目标SOC，φ表示额外惩罚，
Figure FDA0003427168570000069
r表示惩罚系数，h(·)≤0表示归一化约束满足，否则即不满足；
Figure FDA00034271685700000610
CN202111583842.0A 2021-12-22 2021-12-22 一种插电式混合动力汽车实时控制优化方法及系统 Active CN114179781B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111583842.0A CN114179781B (zh) 2021-12-22 2021-12-22 一种插电式混合动力汽车实时控制优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111583842.0A CN114179781B (zh) 2021-12-22 2021-12-22 一种插电式混合动力汽车实时控制优化方法及系统

Publications (2)

Publication Number Publication Date
CN114179781A true CN114179781A (zh) 2022-03-15
CN114179781B CN114179781B (zh) 2022-11-18

Family

ID=80605867

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111583842.0A Active CN114179781B (zh) 2021-12-22 2021-12-22 一种插电式混合动力汽车实时控制优化方法及系统

Country Status (1)

Country Link
CN (1) CN114179781B (zh)

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102658818A (zh) * 2012-05-29 2012-09-12 北京理工大学 一种用于混合动力驱动系统的控制方法
CN104071161A (zh) * 2014-04-29 2014-10-01 福州大学 一种插电式混合动力汽车工况识别及能量管控的方法
CN106080585A (zh) * 2016-06-22 2016-11-09 江苏大学 一种双行星排式混合动力汽车非线性模型预测控制方法
CN106080584A (zh) * 2016-06-21 2016-11-09 江苏大学 一种基于模型预测控制算法的混合动力汽车模式切换协调控制方法
US20160339904A1 (en) * 2015-05-22 2016-11-24 Man Truck & Bus Ag Method For Selecting A Mode Of Operation Of A Hybrid Vehicle
US20190161076A1 (en) * 2017-09-28 2019-05-30 Jaguar Land Rover Limited Method and apparatus for controlling electric machines
CN111332125A (zh) * 2019-12-18 2020-06-26 北京理工大学 改进车辆制动能量回收控制方法、装置、车辆及存储介质
CN111867911A (zh) * 2018-03-30 2020-10-30 捷豹路虎有限公司 车辆控制方法和设备
US20200391721A1 (en) * 2019-06-14 2020-12-17 GM Global Technology Operations LLC Ai-enhanced nonlinear model predictive control of power split and thermal management of vehicle powertrains
AU2020102967A4 (en) * 2020-10-22 2020-12-24 A, Balasubramanian Mr A parallel – series electric hybrid vehicles based on geometry formulation
US20200398813A1 (en) * 2019-06-24 2020-12-24 National Taiwan Normal University Method of energy management and computer system for energy management
US20210031802A1 (en) * 2019-07-31 2021-02-04 Transportation Ip Holdings, Llc Vehicle Energy Management System
CN112677956A (zh) * 2020-12-31 2021-04-20 吉林大学 一种考虑电池寿命的行星混联式混动车实时优化控制方法
CN112810504A (zh) * 2021-01-20 2021-05-18 同济大学 基于非线性预测模型控制的燃料电池汽车能量管理方法
CN113104023A (zh) * 2021-04-23 2021-07-13 西安理工大学 分布式mpc的网联混合动力汽车能量管理系统及方法
US20210276531A1 (en) * 2018-06-29 2021-09-09 The University Of Birmingham Vehicle power management system and method

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102658818A (zh) * 2012-05-29 2012-09-12 北京理工大学 一种用于混合动力驱动系统的控制方法
CN104071161A (zh) * 2014-04-29 2014-10-01 福州大学 一种插电式混合动力汽车工况识别及能量管控的方法
US20160339904A1 (en) * 2015-05-22 2016-11-24 Man Truck & Bus Ag Method For Selecting A Mode Of Operation Of A Hybrid Vehicle
CN106080584A (zh) * 2016-06-21 2016-11-09 江苏大学 一种基于模型预测控制算法的混合动力汽车模式切换协调控制方法
CN106080585A (zh) * 2016-06-22 2016-11-09 江苏大学 一种双行星排式混合动力汽车非线性模型预测控制方法
US20190161076A1 (en) * 2017-09-28 2019-05-30 Jaguar Land Rover Limited Method and apparatus for controlling electric machines
CN111867911A (zh) * 2018-03-30 2020-10-30 捷豹路虎有限公司 车辆控制方法和设备
US20210276531A1 (en) * 2018-06-29 2021-09-09 The University Of Birmingham Vehicle power management system and method
US20200391721A1 (en) * 2019-06-14 2020-12-17 GM Global Technology Operations LLC Ai-enhanced nonlinear model predictive control of power split and thermal management of vehicle powertrains
US20200398813A1 (en) * 2019-06-24 2020-12-24 National Taiwan Normal University Method of energy management and computer system for energy management
US20210031802A1 (en) * 2019-07-31 2021-02-04 Transportation Ip Holdings, Llc Vehicle Energy Management System
CN111332125A (zh) * 2019-12-18 2020-06-26 北京理工大学 改进车辆制动能量回收控制方法、装置、车辆及存储介质
AU2020102967A4 (en) * 2020-10-22 2020-12-24 A, Balasubramanian Mr A parallel – series electric hybrid vehicles based on geometry formulation
CN112677956A (zh) * 2020-12-31 2021-04-20 吉林大学 一种考虑电池寿命的行星混联式混动车实时优化控制方法
CN112810504A (zh) * 2021-01-20 2021-05-18 同济大学 基于非线性预测模型控制的燃料电池汽车能量管理方法
CN113104023A (zh) * 2021-04-23 2021-07-13 西安理工大学 分布式mpc的网联混合动力汽车能量管理系统及方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
ZHENG CHEN;NINGYUAN GUO等: "A Hierarchical Energy Management Strategy for Power-Split Plug-in Hybrid Electric Vehicles Considering Velocity Prediction", 《IEEE》 *
宁大方: "混合动力汽车的节能控制模式设计与实现", 《现代电子技术》 *
徐赛培等: "ISG混合动力汽车模型预测控制能量管理策略", 《火力与指挥控制》 *
王天元: "插电式混合动力公交能量管理与优化控制研究", 《中国优秀硕士学位论文全文数据库电子期刊工程科技Ⅱ辑》 *
魏玲: "油电混合动力电动汽车油耗优化控制仿真研究", 《计算机仿真》 *

Also Published As

Publication number Publication date
CN114179781B (zh) 2022-11-18

Similar Documents

Publication Publication Date Title
US10802080B2 (en) Battery system in vehicle and aging deterioration estimation method for battery
US8207706B2 (en) Method of estimating battery state of charge
CN104617623B (zh) 一种电动汽车动力电池组均衡控制方法
US8498766B2 (en) Control system of vehicle
US7768233B2 (en) Dynamically adaptive method for determining the state of charge of a battery
US11209489B2 (en) Secondary battery system and method for estimating deterioration state of secondary battery
US11641027B2 (en) Secondary battery system and method of estimating an internal state of secondary battery
CN115639481B (zh) 基于大数据预测soc的电池数据预处理系统及方法
CN113805075A (zh) 一种基于bcrls-ukf的锂电池荷电状态估计方法
Geng et al. State of charge estimation method for lithium-ion batteries in all-electric ships based on LSTM neural network
JP2020046420A (ja) 二次電池システムおよび二次電池の劣化状態推定方法
CN111079349B (zh) 一种锂电池与超级电容复合电源系统能量实时优化方法
Zhang et al. Comparative study of equivalent factor adjustment algorithm for equivalent consumption minimization strategy for HEVs
Li et al. Increasing energy utilization of battery energy storage via active multivariable fusion-driven balancing
Bobobee et al. Improved particle swarm optimization–long short-term memory model with temperature compensation ability for the accurate state of charge estimation of lithium-ion batteries
CN112881918B (zh) 一种铅酸电池soc估计方法
CN114179781B (zh) 一种插电式混合动力汽车实时控制优化方法及系统
CN113420444A (zh) 一种基于参数在线辨识的锂离子电池soc估计方法
JP2022044943A (ja) 電池劣化診断システム
US20230075768A1 (en) Drive control device, drive control method for electric vehicle, and non-transitory computer readable storage medium storing program
CN116819372A (zh) 一种神经网络计算储能电池健康状态的方法
CN115792625A (zh) 基于神经网络的锂电池soc估计方法、系统、设备及介质
Chen et al. State of Charge Estimation of Lithium-Ion Battery Using Energy Consumption Analysis
Xia et al. A novel prior noise correction-adaptive extended Kalman filtering method for the full parameter and state-of-energy co-estimation of the lithium-ion batteries
CN114624602A (zh) 一种储能电池系统并联支路电流估计值矫正方法

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