[發明專利]基于交通信息的混合動力汽車能量管理方法

有效

• 申請號: 202010381806.5
• 申請日: 2020-05-08
• 公開（公告）號: CN111619545B
• 公開（公告）日: 2021-10-01
• 發明（設計）人: 楊世春;謝和輝;張軍兵;彭朝霞;劉健
• 申請（專利權）人: 北京航空航天大學
• 主分類號: B60W10/26
• 分類號: B60W10/26;B60W10/06;B60W10/08;B60W20/16;B60L58/14;B60L58/15
• 代理公司: 北京海虹嘉誠知識產權代理有限公司 11129
• 代理人: 高麗萍

1.一種基于交通信息的混合動力汽車能量管理方法，其特征在于，所述方法包括如下步驟：

交通信息數據獲取步驟，在網聯環境下，由智能交通系統和地理信息系統獲取混合動力汽車當前的速度、加速度以及汽車行駛時的道路坡度序列交通信息，并將所述混合動力汽車的歷史駕駛工況信息以及所述混合動力汽車當前的速度、加速度以及汽車行駛時的道路坡度序列交通信息上傳至上層控制器中的數據處理中心；

駕駛工況信息預測步驟，上層控制器中的數據處理中心根據接收的歷史駕駛工況信息以及所述混合動力汽車當前的速度、加速度以及汽車行駛時的道路坡度序列交通信息在滿足車輛縱向動力學的約束下利用馬爾科夫鏈算法預測汽車未來的速度、加速度以及道路坡度序列交通信息以得到優化的車輛需求功率序列并傳輸給下層控制器；

需求功率計算及分配步驟，下層控制器根據所述車輛需求功率序列建立狀態空間模型，根據所述狀態空間模型迭代遍歷電池功率控制變量，并應用基于貝爾曼最優原理的全局動態規劃算法將動力電池荷電狀態和能量狀態控制在預設范圍內，以同時優化燃油經濟性和排放性能為目標函數進行逆向求解，計算出混合動力汽車中的發動機、電機和動力電池所需的功率，并將所述計算出的功率分別傳輸至混合動力汽車中的發動機、電機和動力電池；

所述狀態空間模型表示為：x＝[SOC SOE]^T，SOC_min≤SOC(t)≤SOC_max，SOE_min≤SOE(t)≤SOE_max，式中：P_bat為電池功率，SOC為動力電池荷電狀態，SOE為動力電池能量狀態，f₁為動力電池SOC與電池功率之間的關系，f₂為動力電池SOE與電池功率之間的關系；

所述基于貝爾曼最優原理的全局動態規劃算法表示為：L(x_k，u_k)＝ω₁(b_e+βP_bat)+ω₂HC+ω₃NO_x+ω₄CO，ω₁+ω₂+ω₃+ω₄＝1，式中：ω₁、ω₂、ω₃、ω₄：優化目標各個研究對象的權重；b_e為發動機的油耗；β為電能等效燃油轉化系數；P_bat為動力電池功率；HC、NO_x、CO：依次為實際上混合動力汽車行程中尾氣排放值。

2.根據權利要求1所述的方法，其特征在于，所述駕駛工況信息預測步驟中，在滿足縱向動力學的約束條件下，上層控制器通過解析車輛歷史和當前的速度、加速度以及道路坡度序列交通信息得到全局最優耗能曲線，并根據所述全局最優耗能曲線結合馬爾科夫鏈算法預測未來汽車的駕駛速度、加速度以及道路坡度序列交通信息。

3.根據權利要求1或2所述的方法，其特征在于，所述上層控制器中的數據處理中心通過無線傳輸的方式將優化的車輛需求功率序列發送給下層控制器。

4.根據權利要求1或2所述的方法，其特征在于，所述馬爾科夫鏈算法為二維馬爾科夫鏈算法。

5.根據權利要求4所述的方法，其特征在于，所述二維馬爾科夫鏈算法是基于概率論和數理統計中具有馬爾科夫性質的離散隨機變量集合的算法，其中使用了基于概率泊松分布的抽樣方法，所述泊松分布是基于獲取的歷史駕駛工況信息建立的。

6.根據權利要求1或2所述的方法，其特征在于，所述加速度通過獲取的汽車速度進行微分獲得。

7.根據權利要求6所述的方法，其特征在于，對通過獲取的汽車速度進行微分獲得的加速度進行平滑處理。

8.根據權利要求1所述的方法，其特征在于，基于貝爾曼最優原理的全局動態規劃算法，將混合動力汽車的全局最優車輛需求功率轉化為如下優化序列問題：

第N階段、第k階段的目標函數分別為：

式中：上標i為離散狀態變量的索引；上標j為離散控制變量的索引；下標k為離散時間的索引；x_k+1為當前時刻的狀態轉移到下一時刻的狀態；

控制變量u_k和整車動力系統須滿足如下物理約束：

P_emin≤P_e(k)≤P_emax

P_batmin≤P_bat(k)≤P_batmax

ω_mmin≤ω_m(k)≤ω_mmax

T_mmin(ω_m)≤T_m(k)≤T_mmax(ω_m)

式中：P_emin、P_emax分別為發動機最優工作曲線上的最小功率和最大功率，P_batmin、P_batmax分別為電池充電功率的最小值和最大值，ω_mmin、ω_mmax分別為電動機工作轉速的最小值和最大值，T_mmin(ω_m)、T_mmax(ω_m)分別為當前轉速ω_m對應的最小轉矩和最大轉矩；

為滿足上述約束條件的動態規劃問題逆向求解的基本方程，由k＝N時刻開始從后向前計算，逐步求得各階段的最優決策軌跡、最優狀態軌跡和最優目標值，直至在k＝1時求解結束。