CN116394914A - 一种考虑soc轨迹的混合动力汽车预测能量管理方法 - Google Patents
一种考虑soc轨迹的混合动力汽车预测能量管理方法 Download PDFInfo
- Publication number
- CN116394914A CN116394914A CN202310513486.8A CN202310513486A CN116394914A CN 116394914 A CN116394914 A CN 116394914A CN 202310513486 A CN202310513486 A CN 202310513486A CN 116394914 A CN116394914 A CN 116394914A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- track
- soc
- optimal
- engine
- 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 25
- 239000000446 fuel Substances 0.000 claims abstract description 11
- 230000000694 effects Effects 0.000 claims abstract description 9
- 238000005265 energy consumption Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 21
- 230000006855 networking Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 11
- 238000005457 optimization Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 239000003638 chemical reducing agent Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 101100236764 Caenorhabditis elegans mcu-1 gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种考虑SOC轨迹的混合动力汽车预测能量管理方法,属于插电式混合动力车辆控制领域。首先,基于车辆行驶路径和目标电量消耗线性求解全局目标SOC轨迹,在预测时域内利用动态规划算法求解最优转矩分配,以得到参考SOC轨迹;然后,以SOC跟随效果和发动机燃油消耗量最优为目标,采用线性二次型输出跟踪控制器求解最优发动机功率;最后,基于规则计算各动力源需求转矩,将控制量发送给相应控制器,实现转矩分配。本发明目的在于:在预测时域内求解最优转矩分配的同时实现对车辆行驶路径中电量消耗的控制,即充分利用未来工况的预测信息,在实现对目标电能消耗控制的同时提高车辆经济性。
Description
技术领域
本发明属于混合动力车辆控制领域,特别涉及一种考虑SOC轨迹的混合动力汽车预测能量管理方法。
背景技术
插电式混动汽车因续驶里程长以及节能减排潜力较大而广受关注,而混合动力汽车的能量管理策略对混合动力汽车的节能减排能力起着关键性的作用。制定合理的能量管理方法,有利于进一步挖掘插电式混动汽车的节能潜力。如2023年1月10日公开的发明专利:公开号:CN113479186B,一种混合动力汽车能量管理策略优化方法。该方法通过全局优化算法与机器学习算法自动标定控制参数的策略优化方法,实现混合动力汽车控制参数的自动提取。但该发明中采用的动态规划算法实时性无法得到保证。又如2023年3月21日公开的发明专利:公开号:CN115817452A,混合动力汽车及其能量管理方法和能量管理装置,该发明通过获取动力电池的实际SOC,并确定动力电池的目标SOC进而确定混合动力汽车的工作模式以及发动机工作模式,最终对发动机和电机的扭矩进行分配。但是该发明仅考虑SOC的目标值,而没有考虑车辆行驶过程中的SOC变化轨迹。
发明内容
为解决现有技术存在的不足并进一步提高插电式混合动力汽车的节能效果,本发明提出了一种考虑SOC轨迹的混合动力汽车预测能量管理方法,其特征在于:
步骤一,参考SOC轨迹求解:实现对车辆行驶过程的电能消耗控制,基于从云端获得的本车位置信息、本车路径和BMS系统得到的电池SOC状态,结合车辆目标电量消耗,通过线性求解方法得到全局目标SOC轨迹,此步骤在车辆出发前完成计算;此后,基于全局目标SOC轨迹和从云端获取的预测时域内车速轨迹,引入DP算法求解预测时域内经济性最优的转矩分配,以得到参考SOC轨迹,具体可分为步骤一(a)和步骤一(b);
步骤一(a),网联环境下,车辆可以获取从起始位置至目的地的总路程,基于云端或驾驶员传递的目标电能消耗,可以获得全局目标SOC轨迹;
步骤一(b),基于预测时域内的车速轨迹求解动力系统最优功率分配方案,并将所对应的电池SOC轨迹作为参考SOC轨迹;之后采用DP算法,求得预测时域内理论最优转矩分配方案及其SOC轨迹;
步骤二,基于参考SOC轨迹的能量管理策略:以参考SOC轨迹跟随效果和发动机燃油消耗为目标,利用线性二次型输出跟踪器(LQR)求解发动机功率最优解,进而保证控制器实时性;之后基于发动机需求功率,在发动机最优曲线上选取期望发动机工作点,求解各动力源需求转矩,并将发动机和电机的需求转矩分别发送给相应的控制器ECU和MCU,实现车辆的能量管理。
本发明与现有技术相比较,有益效果如下:
1、本专利所述的预测能量管理方法能够在保证发动机工作点在最优曲线附近的基础上,使发动机工作点更多地聚集在发动机的低燃油消耗率区域内,在实现SOC跟随的同时提高发动机效率;
2、本专利所述的预测能量管理方法可以进一步提高发动机效率和电机效率,从整体上提高系统综合效率,从而降低整车的燃油消耗与电能消耗。
附图说明
下面结合附图对实施例的描述将变得容易理解,其中:
图1为根据本发明实施例的混合动力汽车预测能量管理方法框架;
图2为根据本发明实施例的插电式混合动力汽车动力系统布置;
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
下面参考附图来描述一种考虑SOC轨迹的混合动力汽车预测能量管理方法框架,但本发明并不限于这些实施例。
参考附图1,本发明所述的预测能量管理方法分为两个步骤。步骤一,进行参考SOC轨迹的求解,参考SOC轨迹的求解包括两步:步骤一(a),基于网联信息和目标电量消耗实现全局目标SOC的规划;步骤一(b),基于全局目标SOC轨迹,利用DP算法求解预测时域内最优转矩分配,以得到参考SOC轨迹;步骤二,基于参考SOC轨迹,实现预测能量管理,利用LQR算法求解出发动机需求功率,并进一步实现最优转矩分配。
本发明所述的考虑SOC轨迹的混合动力汽车预测能量管理方法作用对象,插电式混合动力汽车的动力系统结构参考附图2,发动机经过单向离合器和行星排的行星架相连,行星排实现功率分流,电机MG1和行星排的太阳轮相连,发动机转速调速功能由电机MG1实现,在电机MG1需锁止时,锁止离合器可将电机MG1与车架连接,电机MG2通过两挡自动变速箱AMT与行星排的齿圈相连,最终主减速器将动力系统动力传递至车轮,驱动车辆行驶。
步骤一,参考SOC轨迹求解:实现对车辆行驶过程的电能消耗控制,基于本车位置信息、本车路径和BMS系统得到的电池SOC状态,结合车辆目标电量消耗,通过线性求解方法得到全局目标SOC轨迹,此步骤在车辆出发前完成计算;此后,基于全局目标SOC轨迹和车速轨迹,引入DP算法求经济性最优的转矩分配,以得到参考SOC轨迹,具体可分为步骤一(a)和步骤一(b);
步骤一(a),网联环境下,车辆可以获取从起始位置至目的地的总路程,基于云端或驾驶员传递的目标电能消耗,根据式(1)可以获得全局目标SOC轨迹;
式中,SOCall(d)为车辆当前位置d所对应的全局目标SOC;SOCinitial为车辆起始位置时的电池SOC;SOCend为车辆到达目的地时的期望电池SOC;dall为车辆从起始位置至目的地的总路程;
步骤一(b),基于车速轨迹求解动力系统最优功率分配方案,并将所对应的电池SOC轨迹作为参考SOC轨迹;之后采用DP算法,求得预测时域内理论最优转矩分配方案及其SOC轨迹;
首先将预测时域离散为Np个阶段,从而通过式(2)可以得到每个阶段的整车需求功率:
式中,Preq_k为第k阶段的整车需求功率;,veco_k为预测时域第k阶段的车速;Ttq为动力系统输出转矩;i0为主减速器传动比;ηT为传动系统机械效率;r为驱动轮半径;F0、F1和F2分别为滑行阻力常数项、一次项和二次项系数;v为车速;G为车辆的重力;i为道路坡度;δ为车辆旋转质量换算系数;m为车辆质量;dv为速度间隔;dt为时间间隔;
通过式(3)可得到每一阶段电池SOC的上下边界,即当前电池以最大充电功率或最大放电功率工作时所对应的上下限值;
式中,Ebat为电池开路电压;Rbat为电池内阻;Pbat为电池功率;
为保证电池SOC对全局SOC的跟随效果和车辆经济性,设定状态转移代价函数如下式所示:
式中,wdp_1和wdp_2分别为SOC跟随效果和车辆经济性的权重系数;
则可获得预测时域内最优解为使各阶段累计代价函数和最小的控制量:
约束条件为:
式中,ωeng_min和ωeng_max分别为发动机的最低转速和最高转速;Teng_min(ωeng_k)和Teng_max(ωeng_k)分别为发动机在当前转速下的最小转矩和最大转矩;ωmg1_min和ωmg1_max分别为电机MG1的最低转速和最高转速;Tmg1_min(ωmg1_k)和Tmg1_max(ωmg1_k)分别为电机MG1在当前转速下的最小转矩和最大转矩;
此后,先对发动机和电机MG1整个转速范围内提供的转矩边界范围内进行离散,再对不符合约束的离散点通过惩罚函数来添加约束:
此时的状态转移代价函数如式(8):
L(xk,uk)=w1f1(xk)+w2f2(uk)+w3f3(uk) (8)
约束条件变为:
在此基础上,先在每个阶段根据设定的状态转移代价函数计算不同状态和控制量所对应的单阶段代价和全局累计代价,进行整个阶段的正向求解;然后逆向求解,得到使累计代价函数最优的控制序列,将其对应的电池SOC轨迹作为参考SOC轨迹;
步骤二,基于参考SOC轨迹的能量管理策略:以参考SOC轨迹跟随效果和发动机燃油消耗为目标,利用线性二次型输出跟踪器(LQR)求解发动机功率最优解,进而保证控制器实时性;之后基于发动机需求功率,在发动机最优曲线上选取期望发动机工作点,求解各动力源需求转矩,并将发动机和电机的需求转矩分别发送给相应的控制器ECU和MCU,实现车辆的能量管理;
在本步骤中,选择车辆电池SOC为状态变量;电池功率为求解变量;选取电池SOC作为输出量;则系统的状态空间表达式为:
对上述状态空间进行离散和线性化处理后,将其在系统工作点P0=0处进行泰勒展开,忽略高阶项,化为线性模型标准形式;
为实现电池SOC较好的跟随效果和降低发动机的燃油消耗量,选取电池SOC与参考SOC的差值和发动机燃油消耗率作为性能指标,构建目标函数(11):
式中,SOCref_k为电池SOC参考值;con1和con2分别为电池SOC跟随效果和发动机燃油消耗率所对应的权重系数;
通过发动机台架试验数据拟合得到的发动机最优曲线上燃油消耗量和功率之间的表达式如(12)所示;
再根据整车需求功率由电池和发动机共同提供这一关系,对常数项进行合并,上述(11)的目标函数可写作式(13):
取u′k满足式(14):
选取参考SOC作为期望输出,系统误差为:
ek=zk-yk=SOCref_k-SOCk (15)
目标函数可化为输出跟踪问题标准形式:
对上述目标问题采用线性二次型输出跟踪控制器可求解得到最优控制量u*,所对应的发动机需求功率为:
在发动机最优曲线上寻找与需求功率所对应的工作点,此时各动力源的需求转矩可由式()计算得到;
将求得的发动机需求转矩Teng_req、电机MG1需求转矩Tmg1_req、电机MG2需求转矩Tmg2_req分别发送给ECU、MCU1和MCU2以实现车辆的能量管理。
本发明中较多的使用了诸如DP、LQR等术语,但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质;把它们解释成任何一种附加的限制都是与本发明精神相违背的。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (1)
1.一种考虑SOC轨迹的混合动力汽车预测能量管理方法,其特征在于:
步骤一,参考SOC轨迹求解:实现对车辆行驶过程的电能消耗控制,基于从云端获得的本车位置信息、本车路径和BMS系统得到的电池SOC状态,结合车辆目标电量消耗,通过线性求解方法得到全局目标SOC轨迹,此步骤在车辆出发前完成计算;此后,基于全局目标SOC轨迹和从云端获取的预测时域内车速轨迹,引入DP算法求解预测时域内经济性最优的转矩分配,以得到参考SOC轨迹,具体可分为步骤一(a)和步骤一(b);
步骤一(a),网联环境下,车辆可以获取从起始位置至目的地的总路程,基于云端或驾驶员传递的目标电能消耗,可以获得全局目标SOC轨迹;
步骤一(b),基于预测时域内的车速轨迹求解动力系统最优功率分配方案,并将所对应的电池SOC轨迹作为参考SOC轨迹;之后采用DP算法,求得预测时域内理论最优转矩分配方案及其SOC轨迹;
步骤二,基于参考SOC轨迹的能量管理策略:以参考SOC轨迹跟随效果和发动机燃油消耗为目标,利用线性二次型输出跟踪器(LQR)求解发动机功率最优解,进而保证控制器实时性;之后基于发动机需求功率,在发动机最优曲线上选取期望发动机工作点,求解各动力源需求转矩,并将发动机和电机的需求转矩分别发送给相应的控制器ECU和MCU,实现车辆的能量管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310513486.8A CN116394914A (zh) | 2023-05-08 | 2023-05-08 | 一种考虑soc轨迹的混合动力汽车预测能量管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310513486.8A CN116394914A (zh) | 2023-05-08 | 2023-05-08 | 一种考虑soc轨迹的混合动力汽车预测能量管理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116394914A true CN116394914A (zh) | 2023-07-07 |
Family
ID=87008930
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310513486.8A Pending CN116394914A (zh) | 2023-05-08 | 2023-05-08 | 一种考虑soc轨迹的混合动力汽车预测能量管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116394914A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116985778A (zh) * | 2023-09-27 | 2023-11-03 | 北京航空航天大学 | 一种多任务跨核部署下的混动汽车全局能量管理优化方法 |
CN117002475A (zh) * | 2023-09-20 | 2023-11-07 | 中汽研汽车检验中心(昆明)有限公司 | 混合动力车能量优化控制方法、装置、电子设备及存储介质 |
-
2023
- 2023-05-08 CN CN202310513486.8A patent/CN116394914A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117002475A (zh) * | 2023-09-20 | 2023-11-07 | 中汽研汽车检验中心(昆明)有限公司 | 混合动力车能量优化控制方法、装置、电子设备及存储介质 |
CN116985778A (zh) * | 2023-09-27 | 2023-11-03 | 北京航空航天大学 | 一种多任务跨核部署下的混动汽车全局能量管理优化方法 |
CN116985778B (zh) * | 2023-09-27 | 2023-12-08 | 北京航空航天大学 | 一种多任务跨核部署下的混动汽车全局能量管理优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106080585B (zh) | 一种双行星排式混合动力汽车非线性模型预测控制方法 | |
CN102729987B (zh) | 一种混合动力公交车能量管理方法 | |
CN116394914A (zh) | 一种考虑soc轨迹的混合动力汽车预测能量管理方法 | |
Škugor et al. | A series-parallel hybrid electric vehicle control strategy including instantaneous optimization of equivalent fuel consumption | |
CN111251908B (zh) | 增程式电动汽车控制系统和控制方法 | |
CN107458369B (zh) | 一种同轴并联式混合动力电动汽车能量管理方法 | |
CN111619545A (zh) | 基于交通信息的混合动力汽车能量管理方法 | |
CN109606348A (zh) | 一种插电式行星混联汽车能量管理控制方法 | |
CN105691182A (zh) | 基于amt的混合动力系统及其控制方法 | |
CN110667565B (zh) | 一种智能网联插电式混合动力汽车协同优化能量管理方法 | |
CN109263633B (zh) | 一种行星混联式汽车能量管理控制方法 | |
Wang et al. | Hybrid electric vehicle modeling accuracy verification and global optimal control algorithm research | |
Chen et al. | Learning energy management strategy for hybrid electric vehicles | |
CN111806424B (zh) | 基于状态估计的功率分流混合动力系统模式切换控制方法 | |
Xiang et al. | A study on gear shifting schedule for 2-speed electric vehicle using dynamic programming | |
Song et al. | Switching control from motor driving mode to hybrid driving mode for PHEV | |
Liu et al. | Nonlinear model predictive control for series-parallel hybrid electric buses | |
Halvaei Niasar et al. | Intelligent energy management strategy for a separated-axle parallel hybrid electric vehicle | |
Gao et al. | Optimization of control strategy for dual-motor coupling propulsion system based on dynamic programming method | |
Skugor et al. | On smoothing HEV/EREV supervisory control action using an extended ECMS approach | |
CN113581163B (zh) | 基于lstm的多模phev模式切换优化与能量管理方法 | |
Yunlong et al. | Neural network and efficiency-based control for dual-mode hybrid electric vehicles | |
Tan et al. | An Efficiency-Based Hybrid Mode Selection Model for A P134 Plug-In Hybrid Powertrain Architecture | |
Lin et al. | Gearshift control in engagement process of dual-motor coaxial propulsion system for electric bus | |
Yu et al. | Research on shift schedule of hybrid bus based on dynamic programming algorithm |
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 |