基于模型预测控制的混合动力车队协同能量管理方法技术

本发明专利技术涉及一种基于模型预测控制的混合动力车队协同能量管理方法，属于新能源汽车领域。该方法步骤为：S1：利用车‑车通信和车‑路通信层形成一个以交通信号灯为节点的车联网网络构架，形成上层框架；S2：选择代价函数中的权重w1(t)和w3(t)，w2(t)和w4(t)；S3:建立并联HEV模型和电池健康状态模型SOH；S4：确定代价函数，考虑电池老化模型；S5：将上层控制器得到的结果放入下层控制器中，通过MPC解决一个多目标优化的问题，找到最优的转矩分配率。本发明专利技术算法复杂度低，可行性好；在代价函数中考虑了电池老化SOH模型，为能量管理提供了新思路，利用本发明专利技术可进一步实现智能网联车的更细化的能量管理策略。

Collaborative energy management method for hybrid electric vehicles based on model predictive control

The invention relates to a model predictive control based cooperative energy management method for hybrid electric vehicle fleet, which belongs to the field of new energy vehicles. The steps of this method are as follows: S1: using the communication layer of the car and the communication layer of the car to form a network architecture with traffic signal lights as nodes, the upper framework is formed; S2: select the weight W1 (T) and W3 (T), W2 (T) and W4 (T) in the cost function; S3: establish the parallel HEV model and the battery health state model. Number, consider the battery aging model; S5: the results obtained by the upper controller are put into the lower layer controller, and a multi-objective optimization problem is solved by MPC to find the optimal torque distribution rate. This invention has low complexity and good feasibility. The battery aging SOH model is considered in the cost function, which provides a new idea for energy management, and the more refined energy management strategy of the intelligent net can be realized by using the invention.

【技术实现步骤摘要】
基于模型预测控制的混合动力车队协同能量管理方法
本专利技术属于新能源汽车领域，具体涉及了一种基于模型预测控制的混合动力车队协同能量管理方法。
技术介绍
超大城市的交通的拥堵所带来的能源浪费，环境污染问题是亟待研究和解决的。目前，网络的速度已经越来越快，工信部也开始进行5G网络部署，可以保证车辆与外界环境之间的信息交流速度，实现车辆数据的实时交互。获取车辆的行驶工况，系统的运行状态，周边道路环境信息，GPS(GlobalPositionSystem)位置等信息。无线技术的发展，是推动本专利技术的一个重要的技术背景。近年，许多学者针对单辆HEV能量管理问题提出了许多控制方法，例如：基于规则的能量管理策略，基于全局优化的能量管理策略(动态规划，遗传算法，粒子群算法等)，基于瞬时优化的能量管理策略(ECMS)，这些模型都有一个共同点：都是基于单个混合动力车辆进行能量管理的，而考虑多辆车之间协同配合的能量管理方案的研究很少。并且，当下的研究主要集中在单车的能量管理，诸如SOC维持，燃油消耗率最小化等方面，没有考虑到在过程中电池老化SOH带来的影响。综上所述，借助车辆之间的协同通信，车辆与交通信本文档来自技高网...

【技术保护点】
1.基于模型预测控制MPC(Model Predictive Control)的混合动力车队HEV(Hybrid Electric Vehicle)协同能量管理方法，其特征在于：该方法包含以下步骤：S1：利用车车通信和车路通信层形成一个以交通信号灯为节点的车联网网络构架，形成上层框架；S2：选择代价函数中的权重w1(t)和w3(t)，w2(t)和w4(t)；S3：建立并联HEV模型和电池健康状态(State of Health,SOH)模型；S4：确定代价函数，考虑电池老化模型；S5：将上层控制器得到的结果放入下层控制器中，通过MPC解决一个多目标优化的问题，找到最优的转矩分配率。

【技术特征摘要】
1.基于模型预测控制MPC(ModelPredictiveControl)的混合动力车队HEV(HybridElectricVehicle)协同能量管理方法，其特征在于：该方法包含以下步骤：S1：利用车车通信和车路通信层形成一个以交通信号灯为节点的车联网网络构架，形成上层框架；S2：选择代价函数中的权重w1(t)和w3(t)，w2(t)和w4(t)；S3：建立并联HEV模型和电池健康状态(StateofHealth,SOH)模型；S4：确定代价函数，考虑电池老化模型；S5：将上层控制器得到的结果放入下层控制器中，通过MPC解决一个多目标优化的问题，找到最优的转矩分配率。2.根据权利要求1所述的基于模型预测控制的混合动力车队协同能量管理方法，其特征在于：所述步骤S1具体为：S11：确定交通灯状态；S12：确定车辆目标速度的约束；S13：确定上层控制器中的代价函数。3.根据权利要求2所述的基于模型预测控制的混合动力车队协同能量管理方法，其特征在于：所述步骤S11具体为：交通车状态整个交通灯循环的时间tcycle＝tr+tg，交通灯循环的次数tr、tg分别表示红灯和绿灯持续的时间；mod是取余函数；k表示车辆开始之后的当前时刻。4.根据权利要求2所述的基于模型预测控制的混合动力车队协同能量管理方法，其特征在于：所述步骤S12具体为：车辆在绿灯处能通过交通灯，就存在一个速度范围[vilb(k),viub(k)]使得车辆总是避免红灯停止的状态；速度范围的表达式为：约束其中，整个交通灯循环的时间tcycle＝tr+tg，交通灯循环的次数dia(k)表示车辆i距离交通灯标志的距离，tr、tg分别表示红灯和绿灯持续的时间；其中k表示车辆开始之后的当前时刻；vmax表示车辆的最大速度；其中vilb(k)、viub(k)分别代表能通过绿灯速度的最小值和最大值；目标速度是速度约束范围中值最大的那个界限；上式的物理意义在于选择车辆在绿灯区间通过交通标志处时的目标速度，当交通灯是绿色且的时候，最大允许速度是目标速度，当此条件不成立的时候，车辆会超过限制速度通过交通灯，是被禁止的，dia(k)表示k时刻i车辆距离区间内交通灯的距离；若在绿灯区间内没有合适的速度，车辆就在交通灯前停止；Kw＝k/tcycle在每次成立的时候，Kw的值加1；从以通过绿灯区间为前提的速度范围限制出发，计算控制输入的限制，从而使车辆总是能够避免红灯停止的情况发生；考虑时间步长△t＝1s，控制范围输入的范围表达式为：其中表示车队中第i车的最小力矩；表示车队中第i车的最大力矩；vilb(k)、viub(k)分别代表能通过绿灯速度的最小值和最大值；vi(t-1)表示i车t...

【专利技术属性】
技术研发人员：胡晓松，陈科坪，冯飞，谢羿，唐小林，杨亚联，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆,50