[發明專利]一種插電式混合動力車輛實時能量管理方法和系統

有效

• 申請號: 202011243673.1
• 申請日: 2020-11-10
• 公開（公告）號: CN112101684B
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 張旭東;鄒淵;郭凌雄;孫逢春;郭寧遠
• 申請（專利權）人: 北京理工大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62;G06N3/08
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 王立普

本發明涉及一種插電式混合動力車輛實時能量管理方法和系統。該插電式混合動力車輛實時能量管理方法和系統，在將獲取的駕駛樣本采用k均值算法劃分為多個子數據集后，以所劃分的子數據集為輸入，采用速度預測網絡得到預測速度數據集，再以預測速度數據集和預測速度數據集的SOC為索引，對獲取的控制律map進行插值后，得到控制變量序列，然后，根據控制變量序列采用Q學習算法確定得到SOC參考軌跡，最后采用MPC控制器根據SOC參考軌跡實時完成對車輛的能量管理，進而在提高管理速率和管理精確度的同時，對參考軌跡實現有效跟蹤。

技術領域

本發明涉及車輛能量管理領域，特別是涉及一種插電式混合動力車輛實時能量管理方法和系統。

背景技術

在基于模型預測控制（MPC，Model Predictive Control）的插電式混合動力車輛能量管理技術中，速度預測精度和狀態參考軌跡的質量對于MPC的應用效果具有很大的影響。當前的研究主要分為兩類，一種是假設車輛行駛的準確工況信息能夠提前通過全球定位系統（Global Positioning System，GPS）、智能交通系統（Intelligent TransportSystem，ITS）、車對外界的信息交換系統（vehicle to everything，V2X）等獲取，結合完整的工況信息，MPC上層狀態規劃器使用優化算法對車輛模型的電荷狀態（State of Charge，SOC）進行提前規劃，而后將這一參考軌跡給到MPC下層進行跟蹤控制。這一問題最主要的弊端便是在實際應用中車輛的工況信息并不能準確獲取，而且上層規劃需要結合整個工況的信息進行整車狀態規劃，計算效率緩慢，這阻礙了能量管理策略的在線實時運用。第二種是，使用基于專家經驗的SOC線性模型，即認為SOC狀態更新軌跡與車輛行駛距離呈線性關系，這有效的提高了上層規劃效率且大大減少了對于準確工況信息獲取的依賴，然而這一模型忽略了車輛內部結構信息，將導致在下層控制器在某些情況尤其在模型非線性強約束多的情況下難以對參考軌跡實現有效跟蹤，從而嚴重影響了能量管理策略的優化效果。

因此，提供一種能夠在提高管理速率和管理精確度的同時，對參考軌跡實現有效跟蹤的車輛能量管理方法或系統是本領域亟待解決的技術難題。

發明內容

本發明的目的是提供一種插電式混合動力車輛實時能量管理方法和系統，以解決現有技術中存在的管理速率低、管理精確度低以及不能對參考軌跡實現有效跟蹤的問題。

為實現上述目的，本發明提供了如下方案：

一種插電式混合動力車輛實時能量管理方法，包括：

獲取駕駛樣本；所述駕駛樣本包括：車輛行駛工況、車輛速度和車輛加速度；

根據所述駕駛樣本確定駕駛表征樣本；

根據所述駕駛表征樣本，采用k均值算法對所述駕駛樣本進行聚類得到標號不同的子數據集；

獲取速度預測網絡；所述速度預測網絡是以子數據集為輸入，以預測速度數據集為輸出的神經網絡模型；

根據所述子數據集和所述速度預測網絡確定預測速度數據集；

獲取車輛的當前狀態信息SOC和控制律map；

以所述預測速度數據集和所述預測速度數據集的SOC為索引，對所述控制律map進行插值，得到控制變量序列；所述控制變量序列包括車輛動力電池的輸出電流；

根據所述控制變量序列采用Q學習算法確定SOC參考軌跡；

采用MPC控制器根據所述SOC參考軌跡實時完成對車輛的能量管理。

優選的，所述根據所述駕駛樣本確定駕駛表征樣本，具體包括：

根據所述駕駛樣本確定參數向量；所述參數向量包括：車輛平均速度、速度標準差、車輛平均加速度、加速度標準差、速度變換范圍和加速度變化范圍；