CN114254811B - 插电式混合动力汽车路由方法、装置、车辆及存储介质 - Google Patents

插电式混合动力汽车路由方法、装置、车辆及存储介质 Download PDF

Info

Publication number
CN114254811B
CN114254811B CN202111449815.4A CN202111449815A CN114254811B CN 114254811 B CN114254811 B CN 114254811B CN 202111449815 A CN202111449815 A CN 202111449815A CN 114254811 B CN114254811 B CN 114254811B
Authority
CN
China
Prior art keywords
node
vehicle
state
path
plug
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
CN202111449815.4A
Other languages
English (en)
Other versions
CN114254811A (zh
Inventor
庄伟超
李兵兵
殷国栋
李锦辉
唐梦成
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.)
Southeast University
Original Assignee
Southeast 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 Southeast University filed Critical Southeast University
Priority to CN202111449815.4A priority Critical patent/CN114254811B/zh
Publication of CN114254811A publication Critical patent/CN114254811A/zh
Application granted granted Critical
Publication of CN114254811B publication Critical patent/CN114254811B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • Remote Sensing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明提出了一种插电式混合动力汽车路由方法、装置、车辆及存储介质，路由方法包括以下步骤：地图模型的建立；路径状态的划分；目标函数的构建；有效状态集的构建；最优路径的选择。本发明针对混合动力汽车提出了一种高实时性插电式混合动力汽车经济性路由方法。基于构建的地图模型，并考虑充电站约束，以实现地图的路口和路段划分，计算各路段边权，构建路径策略状态集，提取节点有效状态，求解成本最小路径，该方法解决了混合动力汽车不确定边权问题，方法实时性高。

Description

插电式混合动力汽车路由方法、装置、车辆及存储介质
技术领域
本发明涉及一种高实时性插电式混合动力汽车经济性路由方法，该方法可依据驾驶员需求，快速寻找最低成本路线，且方法实时性强，属于插电式混合动力汽车经济性路由领域。
背景技术
混合动力汽车技术通过电机的削峰填谷可大幅提高传统内燃机的工作效率，被视为未来汽车动力总成的主流发展方向，其中插电式混合动力汽车因其可以介入电网，优越性更强。
随着汽车的智能网联化，混合动力汽车的能量管理已由单一的动力总成控制向涵盖车-路-云一体化的综合控制演化，其典型代表是利用车联网提供的动态交通信息实现车速规划的经济性驾驶技术。除车速之外，行驶路径亦是影响车辆能耗的重要因素，基于路径规划演化而来的经济性路由(Eco-routing)可显著提升车辆能量利用率，得到了国内外学者的广泛关注。有别于传统路径规划算法以时间最小或路程最短为目标，经济性路由遵循能效最优原则，规划起点-终点间的能耗最小路径，被美国能源部评为最具商业化潜力的智能网联汽车节能减排技术之一。
现有经济性路由的研究通常采用基于平均车速的路网-能耗模型求解能耗最小路径，未考虑车速优化对于能耗的实时动态影响；若规划能耗最小路径的同时，实现车速的同步优化，将进一步挖掘智能网联汽车的节能潜力。因此，本申请将围绕融合路径规划与车速优化的经济性路由开展研究，以期从车-路-云一体化的角度全面提高混合动力汽车的能量效率。
由于行驶路径主要通过路径特征(如交通流量、信号灯、路线长度等)在时间与空间维度上对车速规划(作为约束)产生影响，进而引起不同路径的能耗差异，故剖析路径、车速与能耗的时空耦合机理是实现路径-车速协同优化的关键。同时，混合动力汽车的能效优化还受到能量管理的影响，需进一步协同路径、车速与能量分配以最大限度降低车辆的能量损耗。此外，由于插电式混合动力汽车具有两个能量源，在某些特定路段的油耗与电耗具有不确定性，即最短路径问题的路由边权不确定，加之路径、车速与能量管理存在多状态耦合，计算难度随路网密度及状态数量的增加呈指数增长，故如何高效求解多状态耦合不确定边权的最短路径是混合动力汽车经济性路由亟需解决的问题。
发明内容
发明目的：本发明的目的在于规划插电式混合动力汽车在起点-终点间的能耗最小路径的路由方法、装置、车辆及存储介质，并且具有必要的计算实时性，实现路径、车速与能量管理的多状态解耦，高效求解多状态耦合下不确定边权的最优路径问题。
技术方案：为了解决上述问题，本发明提供一下技术方案：
一种插电混合动力汽车经济性路由方法，其特征在于：包括以下步骤：
步骤1：构建地图模型，并考虑充电站约束，以实现地图的路口和路段划分；
步骤2：针对混合动力工作模式划分路径状态，综合考虑插电混合动力汽车电耗和油耗特点，实现代价统一化，确定路段边权；
步骤3：根据驾驶员需求，求解目标点的所有状态，构建路径策略状态集；
步骤4：构建车辆全路径目标函数，提取有效状态，求解最优路径。
步骤1中，构建地图模型，包括：
获取城市地图，将其建立为有向图
其中，节点表示城市每条路的路口，n为路口数；弧长/>表示两路口之间的路段,m为路段数；
在某些节点上设置有充电站，表示充电站节点，/>如果充电则充满电池。
步骤2中，针对混合动力工作模式划分路径状态，综合考虑插电混合动力汽车电耗和油耗特点，实现代价统一化，确定路段边权，包括：
计算车辆在某路段(a,b)上等效能耗ψ(G,E)：
式中，μ是汽油的低热值，ρ是汽油密度，G是汽油消耗量，E是电量消耗量；
计算能耗成本φ(G,E)：
φ(G,E)＝αG+βE
式中，α是汽油单价，β是电单价；
根据电池当前SOC能否满足车辆在电量耗尽模式下行驶完该路段，将路径状态分为四种情况：
(1)当Ea≥ECD(a，b)时，车辆将在(a,b)路段上以电量耗尽模式运行Ψ(a，b)＝ψ(GCD(a，b)，ECD(a，b))
Φ(a，b)＝φ(GCD(a，b)，ECD(a，b))
Eb＝min(Ea-ECD(a，b)，E*)
式中，ψ(a，b)是车辆在路段(a,b)上的等效能耗量；φ(a，b)是车辆在路段(a,b)上的能耗成本；ECD(a，b)是车辆电量耗尽模式下在路段(a,b)上的耗电量；Ei是在节点i的SOC；E*是电池容量；GCD(a，b)是车辆电量耗尽模式下在路段(a,b)上的耗油量；
(2)当Ea＝10％时，车辆将在(a,b)路段上以电量平衡模式运行Ψ(a，b)＝ψ(GCS(a，b)，0)
Φ(a，b)＝φ(GCS(a，b)，0)
Eb＝Ea
式中，GCS(a，b)是车辆电量平衡模式下在路段(a,b)上的耗油量；
(3)当10％＜Ea＜ECD(a，b)时，车辆将先在电量耗尽模式下消耗电池电量和少量油耗，电池SOC＝10％后，车辆调为电量平衡模式：
Eb＝10％
(4)当b是充电站且车辆在此充电时，将前三种情况(1)、(2)和(3)中的Eb重置为E*。
步骤3中，根据驾驶员需求，求解目标点的所有状态，构建路径策略状态集，包括：
根据驾驶员的位置节点s和给定其目的地d，生成s到d的所有路径序列F：
F＝<v1，v2，...，vl>
其中，v1＝s，vl＝d；
计算车辆路径序列所有节点状态δ(i，Ei，Φi，Ψi，β)，构建路径策略状态集；
其中，i表示车辆当前位置节点，Ei表示在节点i处的SOC；Φi表示在节点i处的能耗成本；Ψi表示在节点i处的能量消耗量；β是前一状态节点；
对于车辆选择某一确定路线ρ＝[v1，v2，...，vl]后，车辆从路径节点vm→vm+1的状态从节点状态α(i，Ei，Φi，Ψi，β)→节点状态γ(j，Ej，Φi+Φ(i，j)，Ψi+Ψ(i，j)，α)，计算路径ρ的能量消耗Ψρ和能耗成本Φρ：
式中，Ψ(vi，vi+1)表示在路段(vi，vi+1)的能量消耗量；Φ(vi，vi+1)表示在路段(vi，vi+1)处的能耗成本。
步骤4中，制定的目标函数为：
式中，ρ*为路径序列F中的最经济路线；
基于步骤3建立的路径状态策略集，进行最经济路线ρ*的寻找。
在F＝<v1，v2，...，vl>中，当不同的前一节点vi-1到达vi时，vi的状态vi(i，Ei，Φi，Ψi，β)不同，规定vi状态中Φi最小的为有效状态。
根据步骤1建立的地图模型以及驾驶员选择的目的地，搜索所有可能的节点状态，求出每一个节点的有效状态，具体如下：
为每个节点制定一个表格Lj用于储存其有效状态，对于某一节点状态先储存于Lj，接着更新该节点状态γ(j，Ej，Φi+Φ(i，j)，Ψi+Ψ(i，j)，α)，若Lj内没有状态优于γ，γ将被储存于Lj，并且将其他次于γ的状态全部从Lj中删除；如果j是充电节点，/>那么这个节点状态更新为τ(j，E*，Φi+Φ(i，j)，Ψi+Ψ(i，j)，α)，同样若Lj内没有状态优于τ，τ将被储存于Lj，并且将其他次于τ的状态全部从Lj中删除；按照该规则，迭代完成后，从Ldestination回溯其最优路径。
本发明还提供了一种装置，包括：
存储器，其上存储有计算机程序；
控制器，所述计算机程序被控制器执行时，实现上述电动汽车车队经济性路由方法。
本发明还提供了一种车辆，包括上述的装置。
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现上述电动汽车车队经济性路由方法。
有益效果：本发明与现有技术相比：
1、创新性地提出了有效状态概念，方法具有高实时性优势；
2、解决了经济性路由中负边权现有算法无法解决的难题；
3、解决了混合动力汽车多状态耦合下的不确定边权的难题；
4、该方法可以求解路径节点闭环问题。
附图说明
图1是本发明实施例的有效状态概念示意图；图1中[5/0.5,2]表示[车辆CD模式下的电耗/油耗，车辆CS模式下的油耗]；
图2是本发明实施例的最优路径求解示意图；
图3是本发明实施例的高实时性插电式混合动力汽车经济性路由方法。
具体实施方式
下面结合附图对本发明作进一步说明：
图1是本发明实施例的有效状态概念示意图，以插电式混合动力汽车为对象按照图3的流程图对本发明进行详解。
第一步，构建地图模型，并考虑充电站约束，以实现地图的路口和路段划分。选取某一城市地图，将其建立为有向图其中节点/>表示城市每条路的路口，弧长/>表示两路口(两节点)之间的路段。充电站设置在某些节点上，用表示充电站节点且车辆在充电站如果充电则充满电池。
第二步，针对混合动力工作模式划分路径状态，综合考虑插电混合动力汽车电耗和油耗特点，实现代价统一化，确定各路段成本计算方式，即路段边权。因混合动力汽车具有双能源特性，即发动机和电池，混合动力汽车在某条路段(a,b)上的模式选择不同，(a,b)上的成本不同，其中a是路段的源头节点，b是路段的终点节点，插电混合动力汽车主要有电量耗尽(CD)和电量平衡(CS)两种工作模式，其中电量耗尽(CD)表示当电池的荷电状态(SOC)较高时，插电混合动力汽车可以在CD模式下运行，在电池SOC降为10％前(一般为保护电池寿命，SOC不能低于10％)，车辆主要依靠电池和少量油耗。在CS模式下，电池的SOC基本不变，插电混合动力汽车的动力几乎全部来自发动机，电耗不计。
车辆在某路段(a,b)上的能耗主要由电耗和油耗组成，采取等效能耗ψ(G，E)的方式计算
式中，μ是汽油的低热值，ρ是汽油密度，G是汽油消耗量，E是电量消耗量。
因汽油和电的单价不同，为实现代价统一化，将能耗成本φ(G，E)定义如下
φ(G，E)＝αG+βE (2)式中，α是汽油单价，β是电的单价。
现定义：
ECD(a，b)是车辆CD模式下在路段(a,b)上的耗电量；
Ei是在节点i的SOC；
E*是电池容量；
GCD(a，b)是车辆CD模式下在路段(a,b)上的耗油量；
GCS(a，b)是车辆CS模式下在路段(a,b)上的耗油量；
ψ(a，b)是车辆在路段(a,b)上的等效能耗量；
φ(a，b)是车辆在路段(a,b)上的能耗成本。
根据电池当前SOC能否满足车辆在CD模式下行驶完该路段，路径状态可以分为四种情况：
(1)当Ea≥ECD(a，b)时，车辆将在(a,b)路段上以CD模式运行
Ψ(a，b)＝ψ(GCD(a，b)，ECD(a，b)) (3)
Φ(a，b)＝φ(GCD(a，b)，ECD(a，b)) (4)
Eb＝min(Ea-ECD(a，b)，E*) (5)
由于插电式混合动力汽车在制动时能够再生电量，所以ECD(a，b)＜0。在这种情况下，再生的电可以存储在电池中。然而，电池在充满电后将无法充电。因此，在式(5)中，设E*为Eb的上界。
(2)当Ea＝10％时，车辆将在(a,b)路段上以CS模式运行
Ψ(a，b)＝ψ(GCS(a，b)，0) (6)
Φ(a，b)＝φ(GCS(a，b)，0) (7)
Eb＝Ea (8)
在CS模式下，插电式混合动力汽车的耗电量可以忽略不计，因此，在(6)和(7)中，将电力消耗设为零。
(3)当10％＜Ea＜ECD(a，b)时，车辆将先在CD模式下消耗电池电量和少量油耗，电池SOC＝10％后，车辆调为CS模式。为后期求解实时性，设定在给定的路段(a,b)上，沿该路段CD模式能耗率与CS模式能耗率的比值保持不变
Eb＝10％ (11)
(4)当b是充电站且车辆在此充电时，公式(5)，(8)和(11)中的Eb重置为E*。
第三步，根据驾驶员需求，求解目标点的所有状态，构建路径策略状态集。当驾驶员在某位置节点s给定其目的地d时，生成s到d的所有路径序列，F＝<v1，v2，...，vl>，其中v1＝s，vl＝d； 定义在每个节点vi处车辆有五个状态(L，EL，ΦL，ΨL，PL)，计算车辆路径序列所有节点状态/>构建路径策略状态集。
定义：
表示车辆当前位置节点；
EL表示在节点L处的SOC；
ΦL表示在节点L处的能耗成本；
ΨL表示在节点L处的能量消耗量；
PL是前一状态节点。
对于车辆选择某一确定路线ρ＝[v1，v2，...，vl]后，车辆从路径节点vm→vm+1的状态从α→γ(j，Ej，Φi+Φ(i，j)，Ψi+Ψ(i，j)，α)，其中路径ρ的能量消耗Ψρ
路径ρ的能耗成本Φρ
第四步，构建车辆全路径目标函数，提取有效状态，求解最优路径，实现方法高实时性与车辆节能目标。首先制定目标函数，即从s到d的所有路径序列，F＝<v1，v2，...，vl>中找出最经济路线ρ*
基于步骤3建立的路径状态策略集，进行最经济路线ρ*的寻找，在此，提出有效状态概念，在F＝<v1，v2，...，vl>中，当不同的前一节点vi-1到达vi时，vi的状态vi(i，Ei，Φi，Ψi，β)不同，规定vi状态中Φi最小的为有效状态。
下面图1进行有效状态说明，从起点1到3有三种路径方式，ω＝[1，3]、ω′＝[1，2，3]和ω″＝[1，2,3]，其中ω′中的2加粗表示车辆在节点2处充电，计算三种方式的节点状态。
ω＝[1，3]路径：
S1(1，1，0，0，null)→S2(3，0，φ(1.7，1)，ψ(1.7，1)，S1)；
ω′＝[1，2，3]路径：
S1(1，1，0，0，null)→S3(2，4，φ(1，0.2)，ψ(1，0.2)，S1)→S4(3，0，φ(5，0.4)，ψ(5，0.4)，S3)；
ω″＝[1，2，3]路径：
S1(1，1，0，0，null)→S5(2，0，φ(1，0.2)，ψ(1，0.2)，S1)→S6(3，0，φ(1，1.5)，ψ(1，1.5)，S5)。
因此在目的地节点3的可能状态有[S2，S4，S6]，再根据公式2求解出最低φ的节点，即节点3的有效状态。
根据步骤1建立的地图模型以及驾驶员选择的目的地，搜索所有可能的节点状态，求出每一个节点的有效状态，具体如下：
为每个节点制定一个表格Lj用于储存其有效状态，如图2所示，对于某一节点状态先储存于Lj，接着更新该节点状态γ(j，Ej，Φi+Φ(i，j)，Ψi+Ψ(i，j)，α)，状态的计算由步骤2和3对应公式计算得到，若Lj内没有状态优于γ，γ将被储存于Lj，并且将其他次于γ的状态全部从Lj中删除。如果j是充电节点，/>那么这个节点状态更新为τ(j，E*，Φi+Φ(i，j)，Ψi+Ψ(i，j)，α)，同样若Lj内没有状态优于τ，τ将被储存于Lj，并且将其他次于τ的状态全部从Lj中删除。按照该规则，迭代完成后，从Ldestination回溯其最优路径。
本发明实施例还提供了一种装置，包括：
存储器，其上存储有计算机程序；
控制器，所述计算机程序被控制器执行时，实现上述实施例的电动汽车车队经济性路由方法。
本发明实施例还提供了一种车辆，除了车辆包含的电池、电动机、悬架及转向系统等，还包括上述实施例的装置，通过该装置对车辆进行径路的选择和控制。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现上述电动汽车车队经济性路由方法。

Claims (8)

1.一种插电式混合动力汽车路由方法，其特征在于：包括以下步骤：
步骤1：构建地图模型，并考虑充电站约束，以实现地图的路口和路段划分；
步骤2：针对混合动力工作模式划分路径状态，综合考虑插电混合动力汽车电耗和油耗特点，实现代价统一化，确定路段边权；
步骤3：根据驾驶员需求，求解目标点的所有状态，构建路径策略状态集；
步骤4：构建车辆全路径目标函数，提取有效状态，求解最优路径；
步骤1中，构建地图模型，包括：
获取城市地图，将其建立为有向图
其中，节点表示城市每条路的路口，n为路口数；弧长/>表示两路口之间的路段，m为路段数；
在某些节点上设置有充电站，表示充电站节点，/>
步骤2中，针对混合动力工作模式划分路径状态，综合考虑插电混合动力汽车电耗和油耗特点，实现代价统一化，确定路段边权，包括：
计算车辆在某路段(a，b)上等效能耗ψ(G，E)：
式中，μ是汽油的低热值，ρ是汽油密度，G是汽油消耗量，E是电量消耗量；
计算能耗成本φ(G，E)：
φ(G，E)＝αG+βE
式中，α是汽油单价，β是电单价；
根据电池当前SOC能否满足车辆在电量耗尽模式下行驶完该路段，将路径状态分为四种情况：
(1)当Ea≥ECD(a，b)时，车辆将在(a，b)路段上以电量耗尽模式运行
Ψ(a，b)＝ψ(GCD(a，b)，ECD(a，b))
Φ(a，b)＝φ(GcD(a，b)，ECD(a，b))
Eb＝min(Ea-ECD(a，b)，E*)
式中，Ea是在节点a的电池电量；Eb是在节点b的电池电量；ψ(a，b)是车辆在路段(a，b)上的等效能耗量；φ(a，b)是车辆在路段(a，b)上的能耗成本；ECD(a，b)是车辆电量耗尽模式下在路段(a，b)上的耗电量；Ei是在节点i的SOC；E*是电池容量；GCD(a，b)是车辆电量耗尽模式下在路段(a，b)上的耗油量；
(2)当Ea＝10％时，车辆将在(a，b)路段上以电量平衡模式运行
Ψ(a，b)＝ψ(GCS(a，b)，0)
Φ(a，b)＝φ(GCS(a，b)，0)
Eb＝Ea
式中，GCS(a，b)是车辆电量平衡模式下在路段(a，b)上的耗油量；
(3)当10％＜Ea＜ECD(a，b)时，车辆将先在电量耗尽模式下消耗电池电量和少量油耗，电池SOC＝10％后，车辆调为电量平衡模式：
Eb＝10％
(4)当b是充电站且车辆在此充电时，将前三种情况(1)、(2)和(3)中的Eb重置为E*。
2.根据权利要求1所述的插电式混合动力汽车路由方法，其特征在于：步骤3中，根据驾驶员需求，求解目标点的所有状态，构建路径策略状态集，包括：
根据驾驶员的位置节点s和给定其目的地d，生成s到d的所有路径序列F：
F＝<v1，v2，...，vl>
其中，v1＝s，vl＝d；
计算车辆路径序列所有节点状态δ(i，Ei，Φi，Ψi，β)，构建路径策略状态集；
其中，i表示车辆当前位置节点，Ei表示在节点i处的SOC；Φi表示在节点i处的能耗成本；Ψi表示在节点i处的能量消耗量；β是前一状态节点；
对于车辆选择某一确定路线ρ＝[v1，v2，...，vl]后，车辆从路径节点vm→vm+1的状态从节点状态α(i，Ei，Φi，Ψi，β)→节点状态γ(j，Ej，Φi+Φ(i，j)，Ψi+Ψ(i，j)，α)，计算路径ρ的能量消耗Ψρ和能耗成本Φρ：
式中，Ψ(vi，vi+1)表示在路段(vi，vi+1)的能量消耗量；Φ(vi，vi+1)表示在路段(vi，vi+1)处的能耗成本。
3.根据权利要求2所述的插电式混合动力汽车路由方法，其特征在于：步骤4中，制定的目标函数为：
式中，ρ*为路径序列F中的最经济路线；
基于步骤3建立的路径状态策略集，进行最经济路线ρ*的寻找。
4.根据权利要求3所述的插电式混合动力汽车路由方法，其特征在于：在路径序列F＝<v1，v2，...，vl>中，不同的前一节点vi-1到达节点vi时，节点vi的状态vi(i，Ei，Φi，Ψi，β)不同，将不同状态vi(i，Ei，Φi，Ψi，β)中Φi最小的状态定义为有效状态；将节点vi的有效状态作为节点vi的最优线路。
5.根据权利要求4所述的插电式混合动力汽车路由方法，其特征在于：根据步骤1建立的地图模型以及驾驶员选择的目的地，搜索所有可能的节点状态，求出每一个节点的有效状态，具体如下：
为每个节点制定一个表格Lj用于储存其有效状态，对于某一节点状态先储存于Lj，接着更新该节点状态γ(j，Ej，Φi+Φ(i，j)，Ψi+Ψ(i，j)，α)，若Lj内没有状态优于γ，γ将被储存于Lj，并且将其他次于γ的状态全部从Lj中删除；如果j是充电节点，/>那么这个节点状态更新为τ(j，E*，Φi+Φ(i，j)，Ψi+Ψ(i，j)，α)，同样若Lj内没有状态优于τ，τ将被储存于Lj，并且将其他次于τ的状态全部从Lj中删除；按照该规则，迭代完成后，从Ldestination回溯其最优路径。
6.一种插电式混合动力汽车路由装置，其特征在于，包括：
存储器，其上存储有计算机程序；
控制器，所述计算机程序被控制器执行时，实现如权利要求1至5中任一项所述的插电式混合动力汽车路由方法。
7.一种车辆，其特征在于，包括如权利要求6所述的插电式混合动力汽车路由装置。
8.一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中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至5任一项所述的插电式混合动力汽车路由方法。
CN202111449815.4A 2021-12-01 2021-12-01 插电式混合动力汽车路由方法、装置、车辆及存储介质 Active CN114254811B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111449815.4A CN114254811B (zh) 2021-12-01 2021-12-01 插电式混合动力汽车路由方法、装置、车辆及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111449815.4A CN114254811B (zh) 2021-12-01 2021-12-01 插电式混合动力汽车路由方法、装置、车辆及存储介质

Publications (2)

Publication Number Publication Date
CN114254811A CN114254811A (zh) 2022-03-29
CN114254811B true CN114254811B (zh) 2024-05-07

Family

ID=80791486

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111449815.4A Active CN114254811B (zh) 2021-12-01 2021-12-01 插电式混合动力汽车路由方法、装置、车辆及存储介质

Country Status (1)

Country Link
CN (1) CN114254811B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114944075A (zh) * 2022-05-06 2022-08-26 南京依维柯汽车有限公司 基于交通流分类的混合动力汽车生态路径方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107284441A (zh) * 2017-06-07 2017-10-24 同济大学 实时工况自适应的插电式混合动力汽车能量优化管理方法
CN107351840A (zh) * 2017-06-07 2017-11-17 同济大学 一种基于v2i的汽车节能路径及经济车速动态规划方法
CN113029182A (zh) * 2021-04-23 2021-06-25 河南大学 一种考虑无线充电和动态能耗的电动汽车路径规划方法
EP3878706A1 (en) * 2020-03-09 2021-09-15 Avl Powertrain Uk Ltd Method for controlling a hybrid electric vehicle

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7849944B2 (en) * 2007-06-12 2010-12-14 Ut-Battelle, Llc Self-learning control system for plug-in hybrid vehicles

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107284441A (zh) * 2017-06-07 2017-10-24 同济大学 实时工况自适应的插电式混合动力汽车能量优化管理方法
CN107351840A (zh) * 2017-06-07 2017-11-17 同济大学 一种基于v2i的汽车节能路径及经济车速动态规划方法
EP3878706A1 (en) * 2020-03-09 2021-09-15 Avl Powertrain Uk Ltd Method for controlling a hybrid electric vehicle
CN113029182A (zh) * 2021-04-23 2021-06-25 河南大学 一种考虑无线充电和动态能耗的电动汽车路径规划方法

Also Published As

Publication number Publication date
CN114254811A (zh) 2022-03-29

Similar Documents

Publication Publication Date Title
US9211804B2 (en) Optimization of extended range electric vehicle
EP3340131B1 (en) Dynamically limiting vehicle operation for best effort economy
JP3539497B2 (ja) ハイブリッド車両
JP6928870B2 (ja) 車両および演算システム
CN113071474B (zh) 一种车辆的能量管理方法、系统及车辆
CN114254811B (zh) 插电式混合动力汽车路由方法、装置、车辆及存储介质
CN108215803A (zh) 联网车辆
CN112977400B (zh) 一种用于混合动力汽车驱动系统的能量管理方法及系统
Abousleiman et al. Electric vehicles energy efficient routing using ant colony optimization
CN111845772A (zh) Gpf主动再生方法、电子设备及可读存储介质
CN113320520A (zh) 增程式汽车的能量控制方法和控制系统
JP7353360B2 (ja) ハイブリッド自動車による燃料および電流の消費に対する管理命令を計算する方法
Qiao et al. Vehicle powertrain connected route optimization for conventional, hybrid and plug-in electric vehicles
Huang et al. A novel data-driven energy management strategy for fuel cell hybrid electric bus based on improved twin delayed deep deterministic policy gradient algorithm
CN116522498B (zh) 增程式电动车能耗和排放协同优化方法和增程式电动车控制方法
Abousleiman et al. Energy efficient routing for electric vehicles using particle swarm optimization
CN117168486A (zh) 一种车辆充电时的路径规划方法
Zhang et al. An optimal vehicle speed planning algorithm for regenerative braking at traffic lights intersections based on reinforcement learning
Abousleiman et al. An application of ant colony optimization to energy efficient routing for electric vehicles
CN116749945A (zh) 车辆的控制装置、车辆的控制方法及存储介质
CN114459498A (zh) 基于强化学习的新能源车充电站选择及自适应导航方法
JP2015209096A (ja) 走行制御装置
Wollaeger ITS in Energy Management Systems of PHEV's
Bouvier-Lambert et al. A Model-Based Informed Eco-Routing Method for Electric Vehicles in Urban Environments
Prakash et al. Analysis of Shortest Routing and Waiting Time of Electric Vehicle Charging Stations

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