TW201434694A - 設計增程式電動載具之能量管理策略的方法、其策略及其應用 - Google Patents
設計增程式電動載具之能量管理策略的方法、其策略及其應用 Download PDFInfo
- Publication number
- TW201434694A TW201434694A TW102108235A TW102108235A TW201434694A TW 201434694 A TW201434694 A TW 201434694A TW 102108235 A TW102108235 A TW 102108235A TW 102108235 A TW102108235 A TW 102108235A TW 201434694 A TW201434694 A TW 201434694A
- Authority
- TW
- Taiwan
- Prior art keywords
- electric vehicle
- vehicle
- energy management
- strategy
- range
- Prior art date
Links
Landscapes
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
一種設計增程式電動載具之能量管理策略的方法,用以產生一策略,該策略應用於一具有一增程器之電動載具上,其步驟包含:挑選複數個行車型態;利用一動態規劃法分別求出該電動載具行駛於該等行車型態下之最佳化能量管理規劃;根據最佳化能量管理規劃分別求出該電動載具行駛於該等行車型態下之次最佳化能量管理規劃;利用一行車型態識別手段判別該電動載具的實際行駛狀況與該電動載具行駛於哪一個行車狀態的行駛狀況最接近;以及利用與該電動載具的實際行駛狀況最接近之該電動載具行駛於該行車型態下之次最佳化能量管理規劃控制該電動載具的該增程器,並重複執行上一步驟及此步驟。本發明另外包括利用該設計方法產生之策略、基於規則策略及利用上述策略之電動載具。
Description
一種設計增程式電動載具之能量管理策略的方法、其策略及其應用,特別用以保護電動載具之電池者。
增程式電動載具,一般為具有一增程器的電動載具,其中,增程器泛指所有可使得電動載具行駛距離延長之能量來源,例如:引擎、發電機及一控制器;電動載具泛指所有利用電池帶動電動馬達使其得以行進之交通載具,例如:電動車及電動機車。
增程式電動載具行進一段距離後,其本身的電池將消耗至無法提供足夠的電力帶動電動馬達轉動,此時載具所裝設之增程器經由控制器控制開啟引擎,並使得發電機發電給予電池電力使其帶動電動馬達轉動,或對電池充電,電動載具因而可繼續行駛前進。其中,控制器控制引擎開啟或關閉的時機、開啟後是否需完全提供電動馬達的電力、開啟後是否與電池共同提供電動馬達電力,或是開啟後是否對電池充電之參數,係經由各製造增程式電動載具之製造商內的工程師進行調校。工程師調校的準則是根據其自身的工作經驗及開車經驗,或是利用嘗試錯誤法,另外參照油耗及污染的法規,只要能符合油耗及污染的法規及其經驗,即可完成一控制策略。
利用人工的方式調校不但費時且不符合經濟效益,且不同
的增程式電動載具零組件規格(例如:電池大小、馬達功率、發電機功率、引擎功率等)並不相同,又,各種行駛路況亦不相同,單一控制策略並不一定能夠廣泛的運用至各種增程式電動載具或行駛狀況。
另外,請參考第八圖,傳統增程式電動載具之控制策略主要為節溫器式控制策略(thermostat control strategy),其主要是使增程式電動載具先於純電動模式下行駛,待電池殘電量消耗至一經由人工調校之門檻值(約電池殘電量剩餘0.22)時,再啟動增程器進行發電,增程器根據駕駛者功率需求,僅會固定於某些情況下運作(例如:效率最高or電力輸出最大),待電池殘電量上升至另一經由人工調校之門檻值(約電池殘電量剩餘0.27)時,再將增程器關閉,因此從第八圖所示之習知技術管理曲線會看出電池殘電量在一區間內浮動。此種控制策略若於增程器啟動期間,駕駛者功率需求又較大時,能量管理策略將會使增程器於電力輸出最大的模式下運作,以確保電池殘電量不會持續下降,此時因為增程器引擎效率較差,因此引擎油耗也較高。
再者,如第八圖所示之控制策略,由於增程式電動載具一開始是於純電動模式下行駛,所有電力皆由電池提供,因此電池放電電流較大;又由於增程器啟動後係於固定運轉情況進行發電,若駕駛者功率需求較小時,增程器多餘的發電電力將回充至電池,如此將導致電池的平均充電電流較大。因此,此種控制策略將容易造成電池因為充放電電流過大造成損壞,其中,應用在電動載具之電池價格昂貴,如經常損壞將不利於消費者,更不利於製造電動載具之製造商。
最後,習知電動載具控制策略並不會考慮到增程器引擎運作的震動噪音對駕駛者產生的影響。其中,當電動載具的駕駛者操作電動載具時,因為電動載具的電池接近沒電的狀態所以增程器啟動幫助電池提
供動力,此時如駕駛者在等紅燈或是其他讓載具處於低速行駛的狀況下,駕駛者可清楚的聽到增程器運作的聲音,對駕駛者而言是一種嘈雜的噪音。
本發明的目的在於解決習知產生的問題,包括:人工調校的方法深受個人的經驗影響沒有一定規則、其方法無法應用在各種行車型態、其控制策略於特定情況下使得引擎消耗過多能量、其方法使得電動載具的電池容易損壞及產生惱人的噪音等問題,利用一種設計增程式電動載具之能量管理策略的方法產生一策略用以改善習知技術所有缺點,其包含下列步驟:
步驟一:根據該電動載具之行車狀況挑選複數個行車型態,並使該電動載具分別行駛於該等行車型態。
步驟二:利用一動態規劃法分別求出該電動載具行駛於該等行車型態下之最佳化能量管理規劃。
步驟三:根據最佳化能量管理規劃分別求出該電動載具行駛於該等行車型態下之次最佳化能量管理規劃。
步驟四:利用一行車型態識別手段辨識出該電動載具的實際行駛狀況,判別該電動載具的實際行駛狀況與該電動載具行駛於哪一個行車狀態的行駛狀況最接近。
步驟五:
利用與該電動載具的實際行駛狀況最接近之該電動載具行駛於該行車型態下之次最佳化能量管理規劃控制該電動載具的該增程器,並重複執行步驟四及步驟五。
其中,該電動載具分別行駛於該等行車型態後,可分別計算出一功率需求平均值及一功率需求標準差值,該行車型態識別手段即根據該功率需求平均值及該功率需求標準差值,判別該電動載具的實際行駛狀況與該電動載具行駛於哪一個行車狀態的行駛狀況最接近。
其中,於一較佳實施方法中,利用該動態規劃法求出最佳化能量管理規劃時,另外加入對電動載具的電池充、放電電流大小加以限制的條件。
其中,於另一較佳實施方法中,利用該動態規劃法求出最佳化能量管理規劃時,另外加入當電動載具的速度低於一速限門檻值時,該增程器無法開啟的限制條件。
其中,於一較佳實施方法中,利用該等最佳化能量管理規劃的結果,並根據一功率分配比例、一駕駛者功率需求及一電池殘電量經由電動載具的電池充放電的情形,歸納出包複數含有一第一門檻值、一第二門檻值、一第三門檻值以及一第四門檻值之次最佳化能量管理規劃。
其中,於一較佳實施方法中,該行車型態識別手段包含一暫存器以及一處理器。
其中,於一較佳實施方法中,當重複執行倒數兩步驟時係經過一定時間。
一種策略,經由上述步驟一至步驟五而產生。
一種基於規則多模式切換能量管理策略,經由上述策略而
產生。
一種具有一增程器之電動載具,其中,該增程器係經由利用步驟一至步驟五的方法置備而成的策略,或利用基於規則多模式切換能量管理策略置備而成的一控制器所控制。
本發明的策略係利用一動態規劃法所歸納出最佳化之能量管理規劃為基準而生成之管理策略,因此較習知人工調校的方式較為規則且系統化且更節省增程器引擎的油耗。另外,經由挑選複數個行車型態並使控制器隨時更換不同的行車型態之管理策略,使得利用本發明之電動載具可於各種路況下以較佳的控制策略行駛。再者,經由加入對電池充放電電流大小的限制條件,使得本發明較能保護電池,進而節省電動載具製造商之成本。最後,經由加入當電動載具的速度低於一速限門檻值,增程器無法開啟的限制條件,使得駕駛者於電動載具怠速情況下不會被增程式引擎的作動噪音干擾。
A‧‧‧行車型態A
B‧‧‧行車型態B
C‧‧‧行車型態C
D‧‧‧行車型態D
E‧‧‧行車型態E
F‧‧‧行車型態F
G‧‧‧行車型態G
H‧‧‧行車型態H
I‧‧‧行車型態I
J‧‧‧行車型態J
V1‧‧‧第一門檻值
V2‧‧‧第二門檻值
V3‧‧‧第三門檻值
V4‧‧‧第四門檻值
M‧‧‧行車型態識別手段
第一圖為目標車行駛於行車型態A~G之功率需求平均值及功率需求標準差值之列表。
第二圖為根據目標車行駛於行車型態A做動態規劃後,考慮電池殘電量及駕駛者功率需求兩變數在電池放電的情況下之引擎開啟點、關閉點分佈圖。
第三圖為根據目標車行駛於行車型態A做動態規劃後,考慮電池殘電量及駕駛者功率需求兩變數在電池充電的情況下之引擎開啟點分佈圖。
第四圖為根據目標車行駛於行車型態A做動態規劃後,考慮電池殘電
量、駕駛者功率需求及功率分配比例三變數之引擎開啟點分佈圖。
第五圖為根據目標車行駛於行車型態A做動態規劃後,考慮功率分配比例及駕駛者功率需求兩變數之引擎開啟點分佈圖。
第六圖為目標車行駛於行車型態A~G情況下經由動態規劃後,歸納計算出之次最佳化能量管理規劃之第一門檻、第二門檻、第三門檻及第四門檻之列表。
第七圖為行車型態識別手段之作動流程圖。
第八圖為經由最佳化規劃管理、次最佳化基於規則管理、習知技術管理所繪製而成之曲線圖。
第九圖為本發明、動態規劃、習知技術在行車型態H~J下之成本列表。
以下配合圖式及元件符號對本發明之實施方式做更詳細的說明,俾使熟習該項技藝者在研讀本說明書後能據以實施。
本發明設計增程式電動載具之能量管理策略的方法,可產生出一策略,該策略可應用於一電動載具上,其中,該電動載具如同習知技術提及一般具有一增程器,且該增程器具有引擎及發電機。本發明人首先利用一目標車建立目標車模擬模型,待模型驗證後,其結果與實車行駛相當接近時,再利用該模擬模型進行驗證本發明內容之實驗,最後得到本發明的設計步驟,以下利用此實驗搭配圖示說明解釋本發明所包含之各步驟,其中,該目標車如同先前技術提及為一具有增程器之電動車。
步驟一:根據該電動載具之行車狀況挑選複數個行車型態,並使該電動載具分別行駛於該等行車型態。
首先根據目標車的行車狀況,挑選出複數個行車型態,其中,行車型態可能為一國家或地方行政機構為了符合車輛廢氣排放標準,
或是車輛行駛型態而制定。所挑選的行車型態必須能夠涵蓋目標載具的各種操作情形(例如:高速、低速、急加速、定速、減速等)。為了能夠表示出各種行車型態的特性,本發明計算出目標車於各個行車型態行駛時的功率需求平均值(P dem,mean )以及功率需求標準差(P dem,std ),其中,利用電動載具行駛於該等行車型態的步驟中,可以實際參照該等行車型態行駛或是利用模擬的方式來完成,如第一圖所示。
其中,行車型態A為歐盟所制定的行車型態;行車型態B為美國所制定的行車型態;行車型態C為美國所制定的行車型態;行車型態D為日本所制定的行車型態;行車型態E為台灣政府因應台南郊區的行駛路況所制定的行車型態;行車型態F為台灣政府因應台北都市的行駛路況所制定的行車型態;行車型態G為紐約政府因應公車的行駛路況所制定的行車型態。由於這些行車型態,其各自的行駛里程並不相同,而本發明假定目標增程式電動載具之行駛里程大約為105km附近,因此將行車型態重複多次(如圖示中*號旁邊的次數),使得每個行車型態的總行駛里程大約為105km。
另外,由於每個行車型態的功率需求平均值,可用以表示該行車型態的負載特性,從第一圖中可以發現,這些行車型態包含了高駕駛者功率需求平均值(H)、中駕駛者功率需求平均值(M)、以及低駕駛者功率需求平均值(L),其中,每個代表性行車型態的駕駛者功率需求標準差,可用以表示該行車型態的負載變化程度,從第一圖中可以發現,這些代表性行車型態包含了高駕駛者功率需求標準差(H),以及低駕駛者功率需求標準差(L)。舉行車型態G為例,可發現其功率需求較低,但功率需求標準差很高,代表當目標車依造行車型態G的標準行駛時,不需要太大的功率,但由於如同公車般走走停停,因此功率不會在一標準值間有較大的振幅(變
化)進而使得標準差偏高。
需注意的是,目標車於此實施例為一具有增程器之電動車,於其他實施例亦可為一具有增程器之電動機車,然,行車狀態則必須因應機車的各種操作情形(例如:高速、低速、急加速、定速、減速等)去挑選。例如,如一行車型態需要行駛超過180公里/小時則不適合應用於機車。
步驟二:利用一動態規劃法分別求出該電動載具行駛於該等行車型態下之最佳化能量管理規劃。
動態規劃法係一可針對非線性系統,於各種限制條件下,較容易求得最佳的控制策略的規劃方法。因此本發明利用動態規劃法,針對目標車行駛於各種行車型態之下求出最佳化能量管理規劃。
首先針對目標車建立反向時間模擬模型,建模過程中將模型簡化成僅有一狀態變數,即電池殘電量(state of charge,SOC),而該模型輸入則定義為目標車的增程器所輸出之電力(P gs_elec )。根據行車型態的不同,目標車的純電動行駛里程大約僅有50km,而本發明假定之目標行駛里程約為105km,此代表目標車行駛過程中,增程器一定必須運作提供電力。另外,根據習知之能量管理控制策略,係當行駛距離已知時,可使電池於行駛距離終點時,其殘電量剛好到達預設的下限,因此本發明將動態規劃表示成兩端點已知的最佳化問題,兩端點即為行駛距離起點的狀態變數以及行駛距離終點的狀態變數(即為行駛距離起點的SOC以及行駛距離終點的SOC)。
運用動態規劃法求解的目的,係找出目標車行駛於各個行車型態下,各個時間點的最佳控制輸入,亦即在各個時間點下,增程器需要輸出多少電力(P gs_elec ),藉此使得方程式(1)所定義的成本函數(cost function)計算出來的數值最小。
本發明於一較佳的實施例,為了使求解出之最佳化能量管理規劃能夠具備保護電池的能力,將目標車行進所利用之電池的充放電電流大小表示成一限制條件,用以減少當電池充放電電流過大對電池壽命所造成的損害。加上此限制條件之後,目標車於行駛過程中,增程器必須運作提供電力輔助電池驅動電動馬達帶動目標車,用以確保電池的放電電流能在限制之內不會太大,另外,增程器的輸出電流大小,也必須受到控制,以避免當增程器對電池充電時電流過大超過限制。
本發明於另一較佳的實施例,為了減少增程器運作時的噪
音及震動對駕駛者的影響,增加了當載具車速低於一速限門檻值時,限制增程器無法開啟之限制條件。其中,因為當車速低時不會有各種噪音,例如:風阻聲或輪胎滾動聲,若此時增程器運作,駕駛者容易被其噪音及震動干擾。
加上上述兩限制後,雖然目標車行駛時需符合更多限制條件,動態規劃方法仍然可在符合這些限制條件之下,找出各個時間點的最佳控制輸入,使得定義的成本函數可以最小(增程器油耗最少)。
兩端點已知的動態規劃最佳化問題,可將每個時間步階再細分成許多相似的最佳化問題進行求解,如方程式(8)~(10)所示分別對應最終時間步階、中間時間步階、以及初始時間步階。於步階N-1時:
於步階n且符合2 n<N-1時:
於步階1時:
步驟三:根據最佳化能量管理規劃分別求出該電動載具行駛於該等行車型態下之次最佳化能量管理規劃。
於本實施例中,在次最佳化能量管理規劃之架構擬定的方面,利用功率分配比例(power slip ratio,PSR)、駕駛者功率需求(Power Demand)及電池殘電量(SOC)三變數整理最佳化能量管理規劃。需注意的是,於其他實施例中,亦此步驟亦可經由其他變數(車速、車輛行駛累積的時間、車輛行駛所累積的距離等)整理最佳化能量管理規劃。
首先根據駕駛者功率需求以及電池殘電量,將動態規劃所找出之增程器引擎啟動/停止的時機,分別整理歸納成電池放電以及電池充電兩種情形,如第二、三圖所示。當目標車以純電動模式行駛(Battery Discharging),且當駕駛者功率需求大於第一門檻值V1時,增程器引擎會啟動,當增程器引擎啟動後,增程器即會開始提供電力給電動馬達帶動目標車或回充至電池,電池便會進入充電模式(Battery Charging),此時若駕駛者功率需求低於第二門檻值V2以及第三門檻值V3,增程器引擎將會停止運轉。
另外,當增程器引擎啟動之後,增程器輸出電力需求,將根據功率分配比例決定,如下列方程式所示:
如第四圖所示,即為在一行車型態之下(本圖以行車型態A為例子),PSR、駕駛者功率需求、以及電池殘電量三變數之間的關係。另外,從第五圖只考慮PSR及駕駛者功率需求兩變數的情況下,可發現兩者可運用最小平方法歸納出兩條曲線,分別對應高駕駛者功率需求以及低駕駛者功率需求,其中門檻值C1係設定於高駕駛者功率需求的最低值。
另外,為了避免增程器引擎頻繁的啟動/停止對增程器引擎的損耗以及增加油耗,本發明另外制定一第四門檻值V4,用以決定當增程器引擎啟動後,必須經過幾秒增程器引擎才能停止運轉。
由於將動態規劃法找出之最佳化能量管理規劃利用電池充放電分類,並根據功率分配比例、駕駛者功率需求及電池殘電量歸納後發現可設計第一~四門檻值V1~V4用以達到次最佳化能量管理規劃,且該等門檻值將會對控制結果造成很大的影響。為了找出最佳的第一~四門檻值V1~V4,因此本發明利用格點搜尋法,並配合方程式(12)所定之成本函數,
分別針對所有行車型態下所歸納出的次最佳化能量管理規劃,找出最佳的第一~四門檻值V1~V4,如第六圖所示。
透過步驟三,即可將目標車行駛於所有行車型態運用動態規劃法所找到的最佳化能量管理規劃,分別歸納成次最佳化能量管理規劃,其中,策略架構及第一~四門檻值V1~V4係將動態規劃結果視為設計參考而歸納出之結果。因此,可確保控制策略架構的正確性,不但可大幅減少工程師調校時間,另外亦可改善習知技術工程師利用自身的工作及開車經驗調校的缺點。
步驟四:利用一行車型態識別手段辨識出該電動載具的實際行駛狀況,判別該電動載具的實際行駛狀況與該電動載具行駛於哪一個
行車狀態的行駛狀況最接近。
由於上述針對每個行車型態所找出之次最佳化能量管理規劃,僅於各別行車型態進行能量管理控制時才能得到最好的效果,若運用於別種行車型態,則控制效果會大打折扣。因此,為了使這些行車型態所找出之次最佳化能量管理規劃,於目標車實際行駛時,能夠具有最好的控制效果,本發明提出一行車型態識別手段,其架構如第七圖所示。
首先於目標車行駛時利用一先進先出(first-in-first-out,FIFO)暫存器儲存目標車在特定秒數內的駕駛者功率需求,接著一行車型態識別處理器(DPR processor)將該暫存器內儲存的駕駛者功率需求,計算成屬於目標車於特定秒數內行駛之功率需求平均值以及功率需求標準差。待實際行駛時的功率需求平均值以及功率需求標準差計算出來之後,再利用方程式(13)判別出目前行駛之實際行車型態與目標車行駛於哪一個行車型態之功率需求平均值以及功率需求標準差(參考第一圖)最接近。
步驟五:利用與該電動載具的實際行駛狀況最接近之該電動載具行駛於該行車型態下之次最佳化能量管理規劃控制該電動載具的該增程器,並重複執行上一步驟及此步驟。
利用行車型態識別手段,將目標車實際行駛之行車型態判別成其中一個行車型態之後,切換至該判別出之代表性行車型態所對應的
次最佳化能量管理規劃,利用該次最佳化能量管理規劃控制目標車的增程器,使其依照次最佳化能量管理規畫作動。最後,重複執行第四及第五步驟,即可於目標車實際行進時,不斷地判斷目標車目前的行駛狀況,進而不斷地多模式切換控制增程器之次最佳化能量管理規劃。
於其他實施例中,為了避免實際行駛時,次最佳化能量管理規劃切換太過頻繁進而傷害增程器的引擎,本發明設定經過一特定時間才進行一次最佳化能量管理規劃的切換。
上述為利用一目標車實際或是模擬的方式進行實驗,經由該實驗的實際進行狀況、所利用之公式、演算法及實驗數據等証明本發明所訴求之策略的設計方法確實可行。因此,經由上述的設計方法而產生的策略亦為本發明所訴求之範圍。
然而,經由上述說明,如利用一控制器去執行經由本發明設計方法而產生的策略將需要非常強大的控制器,可想而知,其需要的花費將非常可觀。因此,本發明人發想出另一策略,該策略係利用上述設計方法產生之策略發展出之一種(rule-based)基於規則之多模式切換能量管理策略,使得本發明確實可實際運用,並非如同習知技術中其他的能量管理策略,雖然控制效果好,但需要昂貴的控制器運算龐大的資料,進而無法實際運用於電動載具上。其中,所謂的基於規則為控制器經由一規則而執行一指令,其運算內容僅需判別現為何種情況,並執行處於該情況應該有哪些動作,因此,如果本發明的策略變成一種基於規則的策略,即不需要強大的控制器亦可執行經由本發明設計方法所產出之策略。
以下利用一圖式及一實驗去驗證本發明基於規則之策略接近動態規劃法產出之最佳化能量管理規劃且確實可以執行,其中,基於規則的策略係利用類似第六圖所找出之第一~四門檻值V1~V4將控制器寫為
if-else的控制架構,並以重複執行步驟四~五多模式切換的方式操作得以實現。
參考第八圖,顯示了針對行車型態A的控制結果,其利用上述系統化設計方法的五個步驟,首先經由步驟一至步驟三找出次最佳化能量管理規劃,再搭配步驟四~五判斷並多模式切換次最佳化能量管理規劃,最後比較動態規劃法找出之最佳化能量管理規劃。從第八圖可以發現,次最佳化能量管理規劃基於規則的控制結果(Sub-Optimal Rule-Based Result),與動態規劃所找到的最佳化能量管理規劃控制結果(Optimal DP Result)相當接近。另外,第八圖繪製出習知技術管理曲線以辨別本發明與習知技術的不同。
為了確認本發明建立之基於規則多模式切換能量管理策略,能夠運用於目標車並於其實際行駛時進行能量管理控制,本發明另外挑選了三種行車型態:高雄郊區之行車型態H、台中郊區之行車型態I以及台北郊區之行車型態J。其中,由於此三種行車型態於上述能量管理策略設計的過程中並未使用到,因此可使得驗證結果更具真實性。
驗證結果歸納如第九圖所示。為了同時得知能量管理策略對增程器引擎油耗以及電池保護的控制性能,本發明另外制定了一成本函數,如方程式(14)所示。
如果J1~J3項目的分子分母皆為傳統節溫器式能量管理策略的結果,其成本函數Jtot將為3,且三個項目J1~J3皆為1。從第九圖中可以發現,運用本發明提出之系統化設計方法所設計的基於規則能量管理策略,其增程器引擎油耗以及電池保護的控制性能皆較傳統節溫器式能量管理策略好。另外,第九圖亦顯示利用動態規劃所求得之最佳化能量管理規劃之控制結果,用以作為另外一控制性能的比較標竿(benchmark)。
其中,將動態規劃(DP)控制結果的成本函數Jtot與本發明提出之基於規則能量管理策略控制結果成本函數Jtot做比較,可發現本發明建立之基於規則多模式切換能量管理策略的控制性能,已經很接近最佳控制性能,且與習知節溫器式能量管理策略比較後更為優異。以台北郊區之行車型態J為例子,在累積的增程器引擎油耗J1方面較習知技術減少了7%;在能量損失方面J2較習知技術減少了53%;在平均充放電電流方面J3較習
知技術減少了14%。
另外,利用本發明提出之系統化設計方法產生之策略,以及利用該策略產出之基於規則的策略兩者皆可以程式的方式寫入一控制器,該控制器可應用於所有市面上之具有增程器的電動載具。
總結,從實驗的結果可看出,本發明可較習知技術減少引擎的油耗量節省資源;可較習知技術保護電池,其中,因為熱量損失較少且充放電電流亦較少進而達到保護電池使其壽命增長的目的。另外,在步驟二加入的速限門檻值之條件,使得當駕駛者駕駛載具車速低於某門檻值時,限制增程器運作(亦即增程器引擎不啟動),因此本發明能夠減少增程器引擎運作的震動及噪音對駕駛者的影響。
以上所述者僅為用以解釋本發明之較佳實施例,並非企圖據以對本發明做任何形式上之限制,是以,凡有在相同之發明精神下所作有關本發明之任何修飾或變更,皆仍應包括在本發明意圖保護之範疇。
Claims (10)
- 一種設計增程式電動載具之能量管理策略的方法,用以產生一策略,該策略應用於一具有一增程器之電動載具上,其步驟包含:根據該電動載具之行車狀況挑選複數個行車型態,並使該電動載具分別行駛於該等行車型態;利用一動態規劃法分別求出該電動載具行駛於該等行車型態下之最佳化能量管理規劃;根據最佳化能量管理規劃分別求出該電動載具行駛於該等行車型態下之次最佳化能量管理規劃;利用一行車型態識別手段辨識出該電動載具的實際行駛狀況,判別該電動載具的實際行駛狀況與該電動載具行駛於哪一個行車狀態的行駛狀況最接近;以及利用與該電動載具的實際行駛狀況最接近之該電動載具行駛於該行車型態下之次最佳化能量管理規劃控制該電動載具的該增程器,並重複執行上一步驟及此步驟。
- 如申請專利範圍第1項所述之設計增程式電動載具之能量管理策略的方法,其中,該電動載具分別行駛於該等行車型態後,可分別計算出一功率需求平均值及一功率需求標準差值,該行車型態識別手段即根據該功率需求平均值及該功率需求標準差值,判別該電動載具的實際行駛狀況與該電動載具行駛於哪一個行車狀態的行駛狀況最接近。
- 如申請專利範圍第2項所述之設計增程式電動載具之能量管理策略的方法,其中,利用該動態規劃法求出最佳化能量管理規劃時,另外加入對電動載具的電池充、放電電流大小加以限制的條件。
- 如申請專利範圍第3項所述之設計增程式電動載具之能量管理策略的方法,其中,利用該動態規劃法求出最佳化能量管理規劃時,另外加入當電動載具的速度低於一速限門檻值時,該增程器無法開啟的限制條件。
- 如申請專利範圍第4項所述之設計增程式電動載具之能量管理策略的方法,其中,利用該等最佳化能量管理規劃的結果,並根據一功率分配比例、一駕駛者功率需求及一電池殘電量經由電動載具的電池充放電的情形,歸納出包括複數含有一第一門檻值、一第二門檻值、一第三門檻值以及一第四門檻值之次最佳化能量管理規劃。
- 如申請專利範圍第5項所述之設計增程式電動載具之能量管理策略的方法,其中,該行車型態識別手段包含一暫存器以及一處理器。
- 如申請專利範圍第6項所述之設計增程式電動載具之能量管理策略的方法,其中,當重複執行倒數兩步驟時係經過一定時間。
- 一種策略,經由申請專利範圍第1項的設計方法而產生。
- 一種基於規則多模式切換能量管理策略,經由申請專利範圍第8項之策略而產生。
- 一種具有一增程器之電動載具,其中,該增程器係經由利用申請專利範圍第8項或第9項之策略置備而成的一控制器所控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW102108235A TWI504525B (zh) | 2013-03-08 | 2013-03-08 | 設計增程式電動載具之能量管理策略的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW102108235A TWI504525B (zh) | 2013-03-08 | 2013-03-08 | 設計增程式電動載具之能量管理策略的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201434694A true TW201434694A (zh) | 2014-09-16 |
TWI504525B TWI504525B (zh) | 2015-10-21 |
Family
ID=51943180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW102108235A TWI504525B (zh) | 2013-03-08 | 2013-03-08 | 設計增程式電動載具之能量管理策略的方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI504525B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017201958A1 (zh) * | 2016-05-24 | 2017-11-30 | 北京新能源汽车股份有限公司 | 电动汽车及电动汽车中增程器的维护控制方法和系统 |
CN113126593A (zh) * | 2021-03-17 | 2021-07-16 | 同济大学 | 一种增程式电动汽车能量管理策略测试系统及方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7779943B2 (en) * | 2008-10-08 | 2010-08-24 | Bosye, Llc | Hybrid-powered slow-speed vehicle, vehicle travel-range extension method, and method of hybrid-vehicle manufacture |
CN101570146B (zh) * | 2009-06-08 | 2012-02-15 | 奇瑞汽车股份有限公司 | 一种电动汽车驱动系统及其控制方法 |
US8423215B2 (en) * | 2010-08-10 | 2013-04-16 | Tesla Motors, Inc. | Charge rate modulation of metal-air cells as a function of ambient oxygen concentration |
EP2660094A1 (en) * | 2011-03-04 | 2013-11-06 | Suzhou Eagle Electric Vehicle Manufacturing Co., Ltd | Electrical system assembly of electric automobile and energy system and actuating device thereof |
TWM440913U (en) * | 2012-04-26 | 2012-11-11 | zong-zheng Yang | Electric power management device for power system |
-
2013
- 2013-03-08 TW TW102108235A patent/TWI504525B/zh active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017201958A1 (zh) * | 2016-05-24 | 2017-11-30 | 北京新能源汽车股份有限公司 | 电动汽车及电动汽车中增程器的维护控制方法和系统 |
CN113126593A (zh) * | 2021-03-17 | 2021-07-16 | 同济大学 | 一种增程式电动汽车能量管理策略测试系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
TWI504525B (zh) | 2015-10-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Montazeri-Gh et al. | Optimized predictive energy management of plug-in hybrid electric vehicle based on traffic condition | |
Tulpule et al. | Energy management for plug-in hybrid electric vehicles using equivalent consumption minimisation strategy | |
Sivertsson et al. | Adaptive control of a hybrid powertrain with map-based ECMS | |
CN104071161A (zh) | 一种插电式混合动力汽车工况识别及能量管控的方法 | |
CN104608764A (zh) | 车辆和动力传动系控制系统以及运转该系统的方法 | |
Montazeri-Gh et al. | An optimal energy management development for various configuration of plug-in and hybrid electric vehicle | |
Ganji et al. | A study on look-ahead control and energy management strategies in hybrid electric vehicles | |
Vajedi et al. | A comparative analysis of route-based power management strategies for real-time application in plug-in hybrid electric vehicles | |
Josevski et al. | Energy management of parallel hybrid electric vehicles based on stochastic model predictive control | |
Fries et al. | Operational strategy of hybrid heavy-duty trucks by utilizing a genetic algorithm to optimize the fuel economy multiobjective criteria | |
Marano et al. | Comparative study of different control strategies for plug-in hybrid electric vehicles | |
Murphey | Intelligent vehicle power management: An overview | |
JP2020082991A (ja) | 車両の制御システム | |
Hmidi et al. | Analysis of rule-based parameterized control strategy for a HEV Hybrid Electric Vehicle | |
Chen et al. | Driving cycle recognition based adaptive equivalent consumption minimization strategy for hybrid electric vehicles | |
TWI504525B (zh) | 設計增程式電動載具之能量管理策略的方法 | |
Kazemi et al. | Utilizing situational awareness for efficient control of powertrain in parallel hybrid electric vehicles | |
CN116661296B (zh) | 面向增程式电动矿卡的能耗管理平台、方法、系统及存储介质 | |
Bostanian et al. | A genetic-fuzzy control strategy for parallel hybrid electric vehicle | |
Couch et al. | An ECMS-based approach for the energy management of a vehicle electrical system | |
Chehresaz | Modeling and design optimization of plug-in hybrid electric vehicle powertrains | |
Kim et al. | Energy-optimal regenerative braking strategy for connected and autonomous electrified vehicles: A practical design and implementation for real-world commercial PHEVs | |
McGehee et al. | An optimal powertrain control strategy for a mild hybrid electric vehicle | |
Galdi et al. | A fuzzy based safe power management algorithm for energy storage systems in electric vehicles | |
Cavina et al. | Predictive Energy Management Strategies for Hybrid Electric Vehicles: Fuel Economy Improvement and Battery Capacity Sensitivity Analysis |