[發明專利]一種混合動力車輛智能變時域模型預測能量管理方法

有效

• 申請號: 202010129721.8
• 申請日: 2020-02-28
• 公開（公告）號: CN111267831B
• 公開（公告）日: 2023-09-26
• 發明（設計）人: 周健豪;薛源;薛四伍;顧誠;廖宇暉;劉軍;張仁鵬
• 申請（專利權）人: 南京航空航天大學
• 主分類號: B60W20/11
• 分類號: B60W20/11;B60W20/15
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 賀翔

1.一種混合動力車輛智能變時域模型預測能量管理方法，其特征在于：包括以下步驟：

步驟1：建立雙神經網絡工況預測模型，進一步建立基于雙神經網絡工況預測的MPC的并聯式混合動力車輛能量管理系統；具體包括：

步驟1.1，建立雙神經網絡工況預測模型；

步驟1.2，構建被控對象并聯式混合動力汽車模型PHEV；

步驟1.3，構建MPC控制器；

所述步驟1.3中構建MPC控制器，具體包括：MPC控制器有三個要素：預測模型、滾動優化和反饋校正；在滾動優化過程中，MPC控制器的優化算法選用動態規劃算法，

設當前時刻為t₀，在當前預測時域N_p內，即區間[t₀，t₀+N_p]，優化目標和約束條件為：

上式(1)中，為在預測時域[t₀，t₀+N_p]內的成本函數，即燃油消耗量；x(t)為當前時刻的狀態變量，即動力電池荷電狀態SOC；u(t)為當前時刻的控制變量，此處為扭矩分配系數，即電機提供轉矩與車輛總需求轉矩比值；x_min與x_max為狀態變量的上下限；u_min與u_max為控制變量的上下限；H(x(t)，u(t))為在當前時刻下的成本函數，即當前時刻下油耗；

步驟2：利用深度確定性策略梯度DDPG算法，建立DDPG控制器；

步驟3：將所構建的基于雙神經網絡工況預測的MPC的并聯式混合動力車輛能量管理系統與DDPG控制器結合，建立基于DDPG的并聯式混合動力車輛變時域模型預測能量管理模型，并對模型進行訓練；

步驟4：通過雙神經網絡工況預測模型，利用歷史工況對汽車未來行駛工況進行準確預測，作用于已訓練模型，通過MPC輸出動作控制車輛行駛，同時獲取汽車的相關狀態和交通狀況信息，作用于DDPG控制器，在線實時調整預測時域長度N_p。

2.根據權利要求1所述的混合動力車輛智能變時域模型預測能量管理方法，其特征在于：通過DDPG控制器用于在線實時調整模型預測控制器MPC的預測時域長度N_p。

3.根據權利要求1所述的混合動力車輛智能變時域模型預測能量管理方法，其特征在于：所述步驟1.1中建立雙神經網絡工況預測模型，具體包括：其中雙神經網絡工況預測模型包括兩個神經網絡：一是車速預測神經網絡，即將歷史車速序列v_h作用于車速預測神經網絡，輸出預測時域N_p內的未來車速序列v₁；二是車速誤差預測神經網絡，即將歷史真實車速與預測車速之間的誤差Δv_h作用于車速誤差預測神經網絡，輸出預測時域N_p內的未來車速誤差序列Δv，將根據車速預測神經網絡預測出的未來車速序列v₁與根據車速誤差預測神經網絡預測出的未來車速誤差序列Δv進行疊加得到更為準確的未來車速預測序列v_f。

4.根據權利要求1所述的混合動力車輛智能變時域模型預測能量管理方法，其特征在于：所述步驟2中的利用深度確定性策略梯度DDPG算法，建立DDPG控制器，具體包括：

步驟2.1：確定DDPG中的觀測量observation、控制量action、程序提前終止條件isdone和定義獎勵函數reward；

步驟2.2：建立動作神經網絡和評價神經網絡，完成對DDPG控制器的構建。