CN118025186A - 混合动力汽车预测性智能能量管理方法及系统 - Google Patents
混合动力汽车预测性智能能量管理方法及系统 Download PDFInfo
- Publication number
- CN118025186A CN118025186A CN202410242736.3A CN202410242736A CN118025186A CN 118025186 A CN118025186 A CN 118025186A CN 202410242736 A CN202410242736 A CN 202410242736A CN 118025186 A CN118025186 A CN 118025186A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- soc
- predicted
- power
- road section
- 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 42
- 238000005265 energy consumption Methods 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000000034 method Methods 0.000 claims description 8
- 238000005096 rolling process Methods 0.000 claims description 6
- HEZMWWAKWCSUCB-PHDIDXHHSA-N (3R,4R)-3,4-dihydroxycyclohexa-1,5-diene-1-carboxylic acid Chemical compound O[C@@H]1C=CC(C(O)=O)=C[C@H]1O HEZMWWAKWCSUCB-PHDIDXHHSA-N 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 230000005611 electricity Effects 0.000 abstract description 5
- 230000014759 maintenance of location Effects 0.000 abstract description 5
- 230000005540 biological transmission Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
Landscapes
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明提出了混合动力汽车预测性智能能量管理方法及系统,涉及混合动力汽车整车能量管理技术领域。包括动态获取车辆前置工况数据,包括未来一个预测路段的距离、车速和坡度信息,并计算未来一个预测路段的平均车速和平均坡度;基于未来一个预测路段的平均车速和平均坡度、结合整车边界信息及功率需求,计算系统消耗总能量,并结合车辆期望SOC,实时动态预测目标SOC;基于当前车辆SOC和预测出的目标SOC,形成系统补电需求,在发动机的高效区选取与系统补电需求对应的经济点运行曲线,进行功率跟随运行。本发明采用车辆前置工况数据去实时动态预测目标SOC,使发动机功率动态跟随基于目标SOC得出的系统补电需求,具有很好的工况适应性和保电性。
Description
技术领域
本发明属于混合动力汽车整车能量管理技术领域,尤其涉及混合动力汽车预测性智能能量管理方法及系统。
背景技术
随着新能源汽车的快速发展,混合动力汽车凭借能耗低、无续驶里程焦虑、整车使用成本低等优点受到越来越多的用户所青睐。目前的混合动力汽车整车能量管理大部分采用传统的基于规则的能量管理策略。由于规则策略在前、工况在后且不可动态调整,在应对复杂多变的工况时,传统的基于规则的能量管理策略具有工况适应性差、能量利用率低、保电性能差、发动机频繁启动能耗排放差、馈电下能耗高NVH差高速失速等一系列问题。如何解决目前普遍存在的这些共性问题是混合动力汽车提升产品力的关键。
发明内容
为克服上述现有技术的不足,本发明提供了混合动力汽车预测性智能能量管理方法及系统,打破了传统的规则在前、工况在后的能量管理方式,采用车辆前置工况数据去实时动态预测目标SOC,使发动机功率动态跟随基于目标SOC得出的系统补电需求,具有很好的工况适应性和保电性。
为实现上述目的,本发明的一个或多个实施例提供了如下技术方案:
本发明第一方面提供了混合动力汽车预测性智能能量管理方法。
混合动力汽车预测性智能能量管理方法,包括以下步骤:
动态获取车辆前置工况数据,包括未来一个预测路段的距离、车速和坡度信息,并计算未来一个预测路段的平均车速和平均坡度;
基于未来一个预测路段的平均车速和平均坡度、结合整车边界信息及功率需求,计算系统消耗总能量,并结合车辆期望SOC,实时动态预测目标SOC;
基于当前车辆SOC和预测出的目标SOC,形成系统补电需求,在发动机的高效区选取与系统补电需求对应的经济点运行曲线,进行功率跟随运行。
本发明第二方面提供了混合动力汽车预测性智能能量管理系统。
混合动力汽车预测性智能能量管理系统,包括:
前置工况获取模块,被配置为:动态获取车辆前置工况数据,包括未来一个预测路段的距离、车速和坡度信息,并计算未来一个预测路段的平均车速和平均坡度;
目标SOC预测模块,被配置为:基于未来一个预测路段的平均车速和平均坡度、结合整车边界信息及功率需求,计算系统消耗总能量,并结合车辆期望SOC,实时动态预测目标SOC;
匹配运行模块,被配置为:基于当前车辆SOC和预测出的目标SOC,形成系统补电需求,在发动机的高效区选取与系统补电需求对应的经济点运行曲线,进行功率跟随运行。
本发明第三方面提供了计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现如本发明第一方面所述的混合动力汽车预测性智能能量管理方法中的步骤。
本发明第四方面提供了电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,所述处理器执行所述程序时实现如本发明第一方面所述的混合动力汽车预测性智能能量管理方法中的步骤。
以上一个或多个技术方案存在以下有益效果:
本发明公开了一种混合动力汽车预测性智能能量管理方法及系统,通过获取的车辆前置工况数据去实时动态预测目标SOC,基于目标SOC得到系统补电需求,在发动机的高效区选取与系统补电需求对应的经济点运行曲线,进行功率跟随运行,由于工况在前策略在后,基于动态工况变化实时调整跟随的动态智能能量管理,可以很好的适应各种现实路况的复杂变化,具有很好的工况适应性和保电性。面对复杂极端工况,良好的保电性可以规避馈电状态下的能耗、NVH、高速失速等问题。
本发明将电池回充系数划分梯度,不同梯度的电池回充系数对应不同程度的行车充电需求,分别对应不同的发动机扭矩分配规则,发动机工况点根据路况功率需求动态智能分配规划,使得整车具有较好的能量利用效率。
本发明的一个预测路段对应一个时长ΔT或距离ΔS,每隔一个时长ΔT或距离ΔS进行一次距离、车速、坡度信息的动态刷新,在一定路段或时间内,发动机规律连续的工作分配可以避免频繁启停造成的油耗和排放问题。
本发明附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1为第一个实施例整体方法流程图。
图2为第一个实施例计算过程示意图。
具体实施方式
应该指出,以下详细说明都是示例性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。
在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
本发明提出的总体思路:
针对现有技术中传统的基于规则的能量管理策略所面临的以下问题:
(1)工况适应性差、能量利用率低、保电性能差、发动机频繁启动能耗排放差;
(2)馈电下能耗高、NVH性能差、高速失速;
本发明借助导航系统及城市NOA训练模型的前置工况数据,结合整车边界及功率需求,实时动态生成系统预测的目标SOC,再结合当前电池SOC状态及期望SOC形成系统动态补电需求,在发动机的高效区选取与系统补电需求对应的经济点运行曲线,从而保证系统高效的能量输出和良好的保电性能。包括以下步骤:
步骤1),车辆主机导航地图系统(或城市NOA导航辅助驾驶训练模型)获取未来一个预测路段的距离、车速和坡度信息,并将实时获取信息上传至HCU;
步骤2),HCU收到获取的距离、车速和坡道信息后进行前处理然后进入智能能量管理计算模型,同时通过CAN线从BMS获取当前的SOC状态;
步骤3),HCU根据步骤2)获取信息及当前车辆期望SOC状态进行智能能量管理模型动态计算,计算形成当前状态此预测路段内的电池目标SOC;
步骤4),根据步骤3)电池目标SOC和当前车辆SOC状态的差值ΔSOC,形成当前状态下电池回充系数CH;
步骤5),将步骤4)得到的电池回充系数CH按照梯度分为CH0、CH1、CH2。针对不同的电池回充系数和不同的车辆运行模式对发动机运行工作点或路径进行分配规划。
实施例一
本实施例公开了混合动力汽车预测性智能能量管理方法。
如图1、图2所示,混合动力汽车预测性智能能量管理方法,包括以下步骤:
动态获取车辆前置工况数据,包括未来一个预测路段的距离、车速和坡度信息,并计算未来一个预测路段的平均车速和平均坡度;
基于未来一个预测路段的平均车速和平均坡度、结合整车边界信息及功率需求,计算系统消耗总能量,并结合车辆期望SOC,实时动态预测目标SOC;
基于当前车辆SOC和预测出的目标SOC,形成系统补电需求,在发动机的高效区选取与系统补电需求对应的经济点运行曲线,进行功率跟随运行。
如图2所示,本实施例的方法,具体包括以下步骤:
步骤1),车辆主机导航地图系统(或城市NOA导航辅助驾驶训练模型)在线获取未来一个预测路段的距离、车速和坡度信息,并将实时获取信息通过CAN通信上传至HCU。在这里,一个预测路段对应一个计算输出刷新频率时长ΔT或距离ΔS。时长ΔT或距离ΔS根据情况进行整车标定后确定。
步骤2),HCU收到获取的路段距离、车速和坡道信息后进行前处理,截取最近一个预测路段ΔS或ΔT内的平均车速及平均坡度(平均车速及平均坡度是时长ΔT内导航系统输入的车速及坡度的平均值)。同时通过CAN线从BMS获取当前的SOC状态。然后结合整车边界信息进入智能能量管理计算模型进行计算。每隔一个步骤1)中的时长ΔT或距离ΔS数据处理和计算结果动态刷新一次。
步骤3),HCU根据步骤2)预测路段获取的平均车速、平均坡度等信息结合车辆整车边界、高低压附件功率、当前车辆期望SOC状态等进行智能能量管理模型动态计算,计算形成当前状态此预测路段内的电池目标SOC。
更为具体的,包括:
步骤3.1),轮端扭矩Twhl计算如下:
Twhl=Rwhl(CairAv2/21.15+fmg cosα+mg sinα);
式中,Rwhl为轮胎滚动半径;Cair为空气阻力系数;A为迎风面积;v为预测路段内的平均车速;f为轮胎滚动阻力系数;m为车辆重量;α为预测路段内的平均坡度;
步骤3.2),克服道路阻力消耗能量计算如下:
Qroadf=TwhlΔS/Rwhl;
式中,Twhl为轮端扭矩;Rwhl为轮胎滚动半径;ΔS为预测路段内的里程距离;
步骤3.3),高低压系统附件消耗能量计算如下:
QHVandLV=(PHV+PLV/ηDCDC)ΔS/v;
式中,PHV为空调等高压附件功率;PLV为低压系统负载功率;ηDCDC为DCDC效率;ΔS为预测路段内的里程距离;v为预测路段内的平均车速;
步骤3.4),当前预测路段内目标SOC SOCtarget计算如下:
SOCtarget=SOCdesire+(QHVandLV+Qroadf/ηpower)/ηBat/QBat;
式中,SOCdesire为预测路段末端期望SOC;QHVandLV为高低压系统附件消耗能量;Qroadf为克服道路阻力消耗能量;ηpower为动力系统效率,串联模式为电机电控及动力传递综合效率,并联模式为发动机输出端到轮端动力传递综合效率;ηBat为电池放电效率;QBat为电池总能量。
步骤4),根据步骤3)电池目标SOC和步骤2)获取的当前车辆SOC状态的计算差值ΔSOC,形成当前状态下电池回充系数CH。
电池回充系数CH计算如下:
CH=(SOC-SOCdesire)v/ΔS;
式中,SOC为当前状态下的电池SOC;SOCdesire为预测路段末端期望SOC;v为预测路段内的平均车速;ΔS为预测路段内的里程距离;
步骤5),将步骤4)计算得到的电池回充系数CH按照一定范围梯度分为CH0、CH1、CH2。
CH0、CH1、CH2根据整车边界和串并联模式进行实车标定。不同的电池回充系数对应不同程度的行车充电需求,分别对应不同的发动机扭矩分配规则。
在发动机高效区域分别划分三条经济点运行曲线,低电池回充系数CH0对应发动机经济线0号线,中电池回充系数对应发动机经济线1号线,高电池回充系数对应发动机经济线2号线。发动机根据电池回充系数CH的大小动态选择经济点运行曲线,同时结合不同车速和油门下NVH对发动机转速的限制,根据轮端功率需求和发电功率需求沿所选择的经济运行线进行功率跟随运行。根据不同发动机的特性和整车功率需求,发动机3条经济点运行曲线和NVH转速限制MAP需要进行实车标定。
另外,预测路段的内期望SOC可开放给用户在主机中以软开关的形式自由灵活选择,以满足用户不同使用需求场景下的保电需求。对于每个期望SOC的选择点都要对实车部分标定量进行标定,直到每个期望SOC下都具有良好的保电性。
实施例二
本实施例公开了混合动力汽车预测性智能能量管理系统。
混合动力汽车预测性智能能量管理系统,包括:
前置工况获取模块,被配置为:动态获取车辆前置工况数据,包括未来一个预测路段的距离、车速和坡度信息,并计算未来一个预测路段的平均车速和平均坡度;
目标SOC预测模块,被配置为:基于未来一个预测路段的平均车速和平均坡度、结合整车边界信息及功率需求,计算系统消耗总能量,并结合车辆期望SOC,实时动态预测目标SOC;
匹配运行模块,被配置为:基于当前车辆SOC和预测出的目标SOC,形成系统补电需求,在发动机的高效区选取与系统补电需求对应的经济点运行曲线,进行功率跟随运行。
实施例三
本实施例的目的是提供计算机可读存储介质。
计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本公开实施例1所述的混合动力汽车预测性智能能量管理方法中的步骤。
实施例四
本实施例的目的是提供电子设备。
电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,所述处理器执行所述程序时实现如本公开实施例1所述的混合动力汽车预测性智能能量管理方法中的步骤。
以上实施例二、三和四的装置中涉及的各步骤与方法实施例一相对应,具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质;还应当被理解为包括任何介质,所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本发明中的任一方法。
本领域技术人员应该明白,上述本发明的各模块或各步骤可以用通用的计算机装置来实现,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.混合动力汽车预测性智能能量管理方法,其特征在于,包括以下步骤:
动态获取车辆前置工况数据,包括未来一个预测路段的距离、车速和坡度信息,并计算未来一个预测路段的平均车速和平均坡度;
基于未来一个预测路段的平均车速和平均坡度、结合整车边界信息及功率需求,计算系统消耗总能量,并结合车辆期望SOC,实时动态预测目标SOC;
基于当前车辆SOC和预测出的目标SOC,形成系统补电需求,在发动机的高效区选取与系统补电需求对应的经济点运行曲线,进行功率跟随运行。
2.如权利要求1所述的混合动力汽车预测性智能能量管理方法,其特征在于,一个预测路段对应一个时长ΔT或距离ΔS,每隔一个时长ΔT或距离ΔS进行一次距离、车速、坡度信息的动态刷新。
3.如权利要求1所述的混合动力汽车预测性智能能量管理方法,其特征在于,所述系统消耗总能量包括克服道路阻力消耗能量和高低压系统附件消耗能量,具体计算过程包括:
基于未来一个预测路段的平均车速和平均坡度、结合整车边界信息,计算轮端扭矩:
Twhl=Rwhl(CairAv2/21.15+fmg cosα+mg sinα);
式中,Rwhl为轮胎滚动半径;Cair为空气阻力系数;A为迎风面积;v为预测路段内的平均车速;f为轮胎滚动阻力系数;m为车辆重量;α为预测路段内的平均坡度;
基于轮端扭矩,计算克服道路阻力消耗能量:
Qroadf=TwhlΔS/Rwhl;
式中,Twhl为轮端扭矩;Rwhl为轮胎滚动半径;ΔS为预测路段内的里程距离;
基于功率需求,计算高低压系统附件消耗能量:
QHVandLV=(PHV+PLV/ηDCDC)ΔS/v;
式中,PHV为高压附件功率;PLV为低压系统负载功率;ηDCDC为DCDC效率;ΔS为预测路段内的里程距离;v为预测路段内的平均车速。
4.如权利要求3所述的混合动力汽车预测性智能能量管理方法,其特征在于,计算目标SOC,公式为:
SOCtarget=SOCdesire+(QHVandLV+Qroadf/ηpower)/ηBat/QBat;
式中,SOCdesire为预测路段末端的期望SOC;QHVandLV为高低压系统附件消耗能量;Qroadf为克服道路阻力消耗能量;ηpower为动力系统效率;ηBat为电池放电效率;QBat为电池总能量。
5.如权利要求1所述的混合动力汽车预测性智能能量管理方法,其特征在于,利用电池回充系数衡量系统补电需求,电池回充系数CH计算公式为:
CH=(SOC-SOCdesire)v/ΔS;
式中,SOC为当前状态下的电池SOC;SOCdesire为预测路段末端的期望SOC;v为预测路段内的平均车速;ΔS为预测路段内的里程距离。
6.如权利要求5所述的混合动力汽车预测性智能能量管理方法,其特征在于,将电池回充系数划分梯度,不同梯度的电池回充系数对应不同程度的行车充电需求,分别对应不同的发动机扭矩分配规则。
7.如权利要求1所述的混合动力汽车预测性智能能量管理方法,其特征在于,基于车辆主机导航地图系统或城市NOA导航辅助驾驶训练模型,在线获取未来一个预测路段的距离、车速、坡度信息。
8.混合动力汽车预测性智能能量管理系统,其特征在于:包括:
前置工况获取模块,被配置为:动态获取车辆前置工况数据,包括未来一个预测路段的距离、车速和坡度信息,并计算未来一个预测路段的平均车速和平均坡度;
目标SOC预测模块,被配置为:基于未来一个预测路段的平均车速和平均坡度、结合整车边界信息及功率需求,计算系统消耗总能量,并结合车辆期望SOC,实时动态预测目标SOC;
匹配运行模块,被配置为:基于当前车辆SOC和预测出的目标SOC,形成系统补电需求,在发动机的高效区选取与系统补电需求对应的经济点运行曲线,进行功率跟随运行。
9.计算机可读存储介质,其上存储有程序,其特征在于,该程序被处理器执行时实现如权利要求1-7任一项所述的混合动力汽车预测性智能能量管理方法中的步骤。
10.电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7任一项所述的混合动力汽车预测性智能能量管理方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410242736.3A CN118025186A (zh) | 2024-03-04 | 2024-03-04 | 混合动力汽车预测性智能能量管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410242736.3A CN118025186A (zh) | 2024-03-04 | 2024-03-04 | 混合动力汽车预测性智能能量管理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118025186A true CN118025186A (zh) | 2024-05-14 |
Family
ID=90987534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410242736.3A Pending CN118025186A (zh) | 2024-03-04 | 2024-03-04 | 混合动力汽车预测性智能能量管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118025186A (zh) |
-
2024
- 2024-03-04 CN CN202410242736.3A patent/CN118025186A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110936949B (zh) | 基于行驶工况的能量控制方法、设备、存储介质及装置 | |
Tian et al. | Data-driven hierarchical control for online energy management of plug-in hybrid electric city bus | |
CN111169480B (zh) | 一种动力系统能量管理方法、装置、设备和介质 | |
US8406948B2 (en) | Plug-in hybrid electric vehicle and method of control for providing distance to empty and equivalent trip fuel economy information | |
KR100992755B1 (ko) | 하이브리드 차량의 soc별 최적 운전점 결정 방법 | |
Liu et al. | Rule-corrected energy management strategy for hybrid electric vehicles based on operation-mode prediction | |
Lei et al. | A real-time blended energy management strategy of plug-in hybrid electric vehicles considering driving conditions | |
CN110962837B (zh) | 一种考虑驾驶风格的插电式混合动力汽车能量管理方法 | |
Sarvaiya et al. | Comparative analysis of hybrid vehicle energy management strategies with optimization of fuel economy and battery life | |
CN110562239A (zh) | 基于需求功率预测的变域最优能量管理控制方法及装置 | |
US20220242390A1 (en) | Energy management method and system for hybrid electric vehicle | |
CN105882648A (zh) | 一种基于模糊逻辑算法的混合动力系统能量管理方法 | |
CN110509914B (zh) | 一种并联式混合动力汽车的能耗优化方法 | |
CN103631149A (zh) | 一种增程式电动汽车续驶里程的仿真系统及其仿真方法 | |
CN112757922B (zh) | 一种车用燃料电池混合动力能量管理方法及系统 | |
CN103619625A (zh) | 内燃机控制设备和内燃机控制方法 | |
Wang et al. | Control rules extraction and parameters optimization of energy management for bus series-parallel AMT hybrid powertrain | |
CN110682905A (zh) | 基于行驶里程的时域中电池荷电状态参考变化量获取方法 | |
CN102963353A (zh) | 基于神经网络的混合动力系统能量管理方法 | |
CN113264032A (zh) | 一种混合动力车的能量管理方法、装置和系统 | |
Murphey | Intelligent vehicle power management: An overview | |
CN110962684B (zh) | 电动汽车能源管理与分配方法 | |
CN113460026A (zh) | 一种功率分配方法、装置、设备及汽车 | |
KR20180055054A (ko) | 하이브리드 차량의 최적 운전점 결정 방법 | |
Chen et al. | Driving cycle recognition based adaptive equivalent consumption minimization strategy for hybrid electric vehicles |
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 |