[發明專利]混合動力車輛能量管理方法及裝置

有效

• 申請號: 202011146980.8
• 申請日: 2020-10-23
• 公開（公告）號: CN112249001B
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 周健豪;顧誠;海濱;陰山慧;宋廷倫;周之光;賽影輝
• 申請（專利權）人: 奇瑞汽車股份有限公司
• 主分類號: B60W10/26
• 分類號: B60W10/26;B60W10/28;B60W20/00;B60L58/12;B60L58/30;B60L58/40
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 唐述燦

1.一種混合動力車輛能量管理方法，其特征在于，所述方法包括：

獲取目標車輛的多個初始化數據集，其中，每個初始化數據集中的元素用于表征目標參數的預設數值區間在預設條件下的分界值，所述目標參數包括：所述目標車輛的實際總功率、蓄電池電荷量、燃料電池效率和燃料電池電流；

根據每個初始化數據集獲取模糊邏輯控制模型，得到每個初始化數據集對應的模糊邏輯控制模型，所述模糊邏輯控制模型用于根據所述目標參數得到燃料電池功率；

獲取所述目標車輛的實際總功率、蓄電池電荷量、燃料電池效率和燃料電池電流；

將所述目標車輛的實際總功率、所述蓄電池電荷量、所述燃料電池效率和所述燃料電池電流輸入到每個初始化數據集對應的模糊邏輯控制模型中，得到每個初始化數據集對應的燃料電池功率；

根據每個初始化數據集對應的燃料電池功率優化所述模糊邏輯控制模型，得到目標模糊邏輯控制模型。

2.根據權利要求1所述的方法，其特征在于，所述根據每個初始化數據集對應的燃料電池功率優化所述模糊邏輯控制模型，得到目標模糊邏輯控制模型，包括：

根據每個初始化數據集對應的燃料電池功率確定每個初始化數據集對應的適應度值；

根據所述每個初始化數據集對應的適應度值來優化所述模糊邏輯控制模型，得到目標模糊邏輯控制模型。

3.根據權利要求2所述的方法，其特征在于，所述根據每個初始化數據集對應的燃料電池功率確定每個初始化數據集對應的適應度值，包括：

根據所述每個初始化數據集對應的燃料電池功率確定燃料電池的累積氫耗量和蓄電池的等效氫耗量；

將所述每個初始化數據集對應的燃料電池功率確定燃料電池的累積氫耗量和蓄電池的等效氫耗量輸入到目標函數中，得到所述每個初始化數據集對應的適應度值，其中，所述目標函數為：

f(t)＝min(m_fc(t)+m_ba(t))

其中，f(t)為每個初始化數據集對應的適應度值，m_fc(t)為表示燃料電池的累積氫耗量，m_ba(t)表示蓄電池的等效氫耗量，t為迭代次數。

4.根據權利要求2所述的方法，其特征在于，所述根據所述每個初始化數據集對應的適應度值來優化所述模糊邏輯控制模型，得到目標模糊邏輯控制模型，包括：

從多個初始化數據集中，獲取適應度值最優的三個初始化數據集；

根據適應度值最優的所述三個初始化數據集更新多個初始化數據集，得到多個第一數據集，將該多個第一數據集作為新的多個初始化數據集，迭代獲取和優化模糊邏輯控制模型，直到迭代次數達到預設最大迭代次數為止，從所述預設最大迭代次數對應的多個初始化數據集中，獲取適應度值最大的初始化數據集，將所述適應度值最大的初始化數據集對應的模糊邏輯控制模型作為目標邏輯控制模型。

5.根據權利要求4所述的方法，其特征在于，所述根據適應度值最優的所述三個初始化數據集更新多個初始化數據集，得到多個第一數據集，包括：

將適應度值最優的所述三個初始化數據集分別輸入到第一模型中，得到更新后的三個第二數據集，其中，第一模型為：

D(t)＝|C·X_P(t)-X(t)|

X(t+1)＝X_P(t)-A·D(t)

A＝a·(2K₂-1)

C＝2r₁

其中，A為第一系數因子，C為第二系數因子，t為迭代次數，a為隨著迭代次數的增加從2到0呈線性遞減，r₁和r₂為[0，1]間的隨機數，X_P(t)為第t-1次迭代后的目標數據集，X(t)為第t-1次迭代后的第二數據集，X(t+1)為第t次迭代后的第二數據集，D(t)為第t-1次迭代后的初始化數據集與目標數據集之間的距離；

根據三個所述第二數據集更新多個第三數據集，得到多個第四數據集，所述第三數據集為多個初始化數據集中除適應度值最優的三個初始化數據集；

將三個所述第二數據集和多個第四數據集作為第一數據集。