[發明專利]一種插電式混合動力汽車能量智能管理方法

有效

• 申請號: 202011044958.2
• 申請日: 2020-09-29
• 公開（公告）號: CN111923897B
• 公開（公告）日: 2021-03-23
• 發明（設計）人: 劉艷芳;康焰龍;徐向陽;董鵬;王書翰
• 申請（專利權）人: 北京航空航天大學
• 主分類號: B60W20/00
• 分類號: B60W20/00;B60W50/00;B60L58/13
• 代理公司: 北京航智知識產權代理事務所(普通合伙) 11668
• 代理人: 黃川;史繼穎

本發明公開了本發明提出一種插電式混合動力汽車能量智能管理方法，結合車聯網等技術獲取必要的歷史數據和實時車速信息，利用模糊神經網絡提前規劃出SOC的消耗曲線和等效因子的選取，再結合自適應的等效消耗最小的能量管理策略進行實時管理，避免了行駛速度的預測工況識別過程，降低了計算復雜度。

技術領域

本發明屬于混合動力汽車能量管理技術領域，尤其涉及一種插電式混合動力汽車能量管理方法。

背景技術

近年來隨著空氣污染和能源短缺的問題越來越嚴重，國家開始大力發展新能源汽車，新能源汽車中純電動汽車受到續航里程短、充電慢等問題的限制，而插電式混合動力汽車可以利用原先的產業基礎，能夠更好的應用和發展，是當前的一個良好的選擇。插電式混合動力汽車既能夠提高燃油經濟性，又能夠克服純電動汽車續航里程短的問題。

能量管理策略是插電式混合動力汽車的關鍵技術，目前已經有一些能量管理策略受到了關注，比如基于龐特里亞金極小值原理的能量管理策略和基于動態規劃算法的能量管理策略等等。但是這些方法都具有一些缺點，例如，動態規劃算法由于具有大量的離散狀態和輸入點，因此具有繁重的計算負擔；龐特里亞金極小值原理由于具有涉及偏微分方程的復雜共態特性，因此無法容易地直接得到數值解法。

目前，基于等效最小策略的能量管理策略得到了廣泛的應用，該方法將電能的消耗等效為燃油的消耗，并基于龐特里亞金極小值原理能夠計算出在每個瞬時時刻消耗最小的混動系統工作模式和發動機與電機的功率分率方案，節省燃油的效果接近于動態規劃的全局優化，同時也具備著瞬時優化的可實現性。但該策略對功率分配的方案取決于固定等效因子的選取，如果等效因子過大的，傾向于使用發動機驅動，如果等效因子過小，則傾向于使用電機驅動；而且，固定的等效因子使得該方法僅適用于已知路程，不具備對路程變化的適應性，無法使SOC的消耗曲線和最終結果滿足理想的要求。

基于上述問題，亟需一種行之有效的方法來發展能量管理策略。

發明內容

為了解決上述已有技術存在的不足，本發明提出一種插電式混合動力汽車能量智能管理方法，結合車聯網等技術獲取必要的歷史數據和實時車速信息，利用模糊神經網絡提前規劃出SOC的消耗曲線和等效因子的選取，再結合自適應的等效消耗最小的能量管理策略進行實時管理。本發明的具體技術方案如下：

一種插電式混合動力汽車能量智能管理方法，其特征在于，包括以下步驟：

S1：建立整車縱向動力學模型，傳動系統的數學模型以及發動機、電機和傳動系統輸出端的功率平衡方程；

S2：根據汽車的行駛記錄，得到行駛循環的速度譜，作為駕駛循環的測試工況；

S3：基于等效消耗最小策略，以實時的總能量消耗最小為目標，建立目標函數；

S4：根據步驟S3建立的目標函數，基于龐特里亞金極小值原理，建立哈密頓函數，選取等效因子，以步驟S2得到的測試工況，計算汽車在相應等效因子和駕駛工況下的動力電池SOC消耗情況；

S5：將S4的計算結果作為模糊神經網絡的訓練數據，訓練后得到車速、需求扭矩、等效因子與對應動力電池SOC消耗的模糊神經網絡模型；

S6：將目標路程以N米為間距等間隔分段，N≥50，基于步驟S5的模型，目標路程上的平均車速信息及每段道路的距離作為步驟S5得到的模糊神經網絡模型的輸入參數，運算后，得到一系列等效因子對應的分段道路的動力電池SOC消耗和燃油消耗的預測情況；

S7：對步驟S6得到的等效因子和預測結果進行組合，在離線情況下選擇每段道路的等效因子，使得最終的動力電池SOC消耗滿足設定的要求，在此基礎上選擇燃油消耗最小的方案作為理想方案，同時得到行駛路程與動力電池SOC消耗的關系曲線；