基于路径信息的PHEV自适应最优能量管理方法技术

本发明专利技术公开了一种基于路径信息的PHEV自适应最优能量管理方法，通过车载导航系统规划出行驶路径，生成前方路径的预测工况；建立出行里程预测策略对每日用户出行里程进行预测；通过生成的预测数据以及初始SOC，基于SOC规划算法生成参考SOC；进行APMP优化算法：以油耗最小为全局优化目标，引入协同状态值，将全局优化问题转化为若干个带有汉密尔顿算子的瞬时优化问题；采用遗传算法优化协同状态初值；利用插值法在MAP图中求出协同状态初值，根据车载导航系统获得的工况信息及参考SOC对协同状态初值进行实时的修正；利用PMP优化算法进行动力分配，通过CAN总线传递给各执行部件控制器，完成PHEV的整车控制。

PHEV Adaptive Optimal Energy Management Method Based on Path Information

【技术实现步骤摘要】
基于路径信息的PHEV自适应最优能量管理方法
本专利技术涉及一种插电式并联混合动力汽车的整车控制方法，尤其涉及一种基于路径信息的插电式并联混合动力汽车自适应最优能量管理方法，属于新能源汽车控制

技术介绍
随着能源危机、环境污染、全球变暖等问题的日益加重以及节能减排的迫切需求，新能源汽车的发展受到了越来越多的关注。插电式混合动力汽车(Plug-inHybridElectricVehicle，PHEV)对比混合动力汽车(HybridElectricVehicle，HEV)具有较大容量的蓄电池，并且可以从电网获取电能。PHEV兼具HEV和纯电动汽车(BatteryElectricVehicles，BEV)的优点，当电池电量充足时，PHEV处于电量消耗模式(ChargeDepleting，CD)，主要由电机驱动车辆，具有低油耗、低排放的优势；当电池电量较低时，PHEV处于电量维持模式(ChargeSustaining，CS)，发动机作为主要动力源驱动车辆，与传统汽车和HEV具有相同的续驶里程。PHEV构型包括串联、并联及混联等多种形式。并联构型具有结构简单，加工制造容易，动力性和经济性好等优点，并且其构型不涉及专利保护，我国的PHEV多采用此类构型。但是，并联构型PHEV的发动机与车轮存在机械连接，其经济性受工况影响较大。插电式混合动力汽车能量管理策略是PHEV设计的关键问题，目前，实际运行的PHEV多采用基于规则的门限值控制策略(Rule-basedcontrolstrategy，RB)，该种策略计算量小，实时性好，易于车辆控制器编程实现。但是，RB策略的控制门限往往是固定的一组门限，工况适应性较差。PHEV经济性受电池荷电状态(StateofCharge，SOC)、车速、行驶里程、路面坡度、温度等多种因素影响，尤其受电池SOC、车速和行驶里程影响较大。当RB策略的控制门限值固定时，则无法自动适应工况变化的影响。这可能造成电池电量提前“耗光”(SOC处于最小允许值)，或者电池电量在行程结束时没用完全使用的情况。研究表明，这两种情况都会使并联PHEV油耗升高，经济性变差。此外，由于控制门限值是常数，在大多数工况下，瞬时和全局的油耗往往不是最优的，甚至在某些低速拥堵工况，并联PHEV能耗会超过传统内燃机汽车。因此，传统的门限值控制策略不仅无法适应工况的变化，在全局和瞬时无法达到油耗最优，这是造成并联PHEV能耗高，节油潜力无法发挥的重要原因之一。目前，许多学者提出了基于最优控制理论的PHEV能耗策略，如全局优化的动态规划算法(DynamicProgramming，DP)，瞬时优化的等效油耗最小算法(EquivalentConsumptionMinimumStrategy，ECMS)和庞特里亚金最小值算法(Pontryagin’sMinimumPrincipal，PMP)等。在工况已知的前提下，全局优化算法DP通过逆向求解，能够得到该工况下的理论最优解，此时，能耗是最优的。但是，由于是逆向求解，DP算法的前提是工况已知，并且计算量巨大，这显然无法直接应用到PHEV实际车辆的能量管理中。ECMS算法属于瞬时最优控制算法，能够实现瞬时最优，但是在工况变化时仍然不是全局最优的，并且，ECMS算法主要应用于混合动力汽车，其约束条件要求SOC要维持平衡。因此，很难直接应用到PHEV的控制中。PMP算法也属于瞬时最优控制，与ECMS一样，在工况变化时也不是全局最优的。但是，通过引入协同状态变量，PMP算法能够动态分配发动机和电机功率，实现对SOC消耗率的在线控制。因此，PMP可以不要求维持SOC的平衡，这非常适合PHEV的能量管理。从以上分析可以，PHEV能量管理中要解决的关键问题是：在任何工况下，在相同的电量消耗下，实现PHEV能耗的全局和瞬时最优控制，使能耗最小。目前，车载导航系统(包括智能交通系统、电子地图、GPS等)，不仅可以提供导航、路况查询及预测等服务，还可以提供车辆的工况数据。PHEV控制系统能够从车载导航系统中获取行驶里程、拥堵状况(车速分布)以及历史出行里程等信息。
技术实现思路
本专利技术提供一种基于路径信息的插电式并联混合动力汽车自适应最优能量管理方法，该方法基于瞬时最优的PMP算法，通过车载导航系统获取未来路径信息，使得PMP控制策略的协同矩阵状态值能够依据未来路径信息，行驶工况以及电池SOC进行在线调整，实现并联PHEV能量管理的瞬时和全局最优，全面提高并联PHEV在不同类型工况下的能耗，充分发挥并联PHEV的节能潜力。本专利技术的目的是通过以下技术方案实现的：一种基于路径信息的PHEV自适应最优能量管理方法，包括以下步骤：步骤一、行驶工况与里程预测：1.1)通过车载导航系统获取车辆位置信息并在电子地图中规划出行驶路径，同时获取该规划行驶路径的实时路况信息，生成前方路径的预测工况；1.2)车载导航系统获取车辆的历史行驶数据，建立出行里程预测策略对每日用户出行里程进行预测，并绘制车辆累积平均行驶里程曲线；步骤二、基于SOC规划算法生成参考SOC：通过步骤一生成的预测数据，包括预测工况、全天行驶总里程、本次出行里程以及初始SOC，基于SOC规划算法生成参考SOC；步骤三、APMP优化算法：3.1)以油耗最小为全局优化目标，引入协同状态值，将全局优化问题转化为若干个带有汉密尔顿算子的瞬时优化问题；3.2)协同状态初值优化：采用遗传算法优化协同状态初值，建立协同状态初值随SOC初值和出行里程变化的MAP图；3.3)协同状态值在线修正：在实际工况下，利用插值法在MAP图中求出协同状态初值，根据车载导航系统获得的工况信息及参考SOC对协同状态初值进行实时的修正；3.4)对汉密尔顿函数求解，利用PMP优化算法进行动力分配，通过CAN总线传递给各执行部件控制器，完成PHEV的整车控制。所述的一种基于路径的插电式混合动力汽车自适应最优能量管理方法，步骤1.2)具体过程为：PHEV能量管理系统对用户每日的车速-时间里程数据进行记录，然后对车速进行积分得到行驶里程，按小时统计当天行驶里程，并写入出行里程特征数据库，工作日和节假日的行驶里程需分别统计；分别统计工作日和节假日每时段的平均行驶里程，绘制工作日和节假日各时段累积平均行驶里程曲线。所述的一种基于路径信息的PHEV自适应最优能量管理方法，步骤二的具体过程为：首先生成参考SOC：以行驶里程为横坐标，SOC为纵坐标，连接(0,SOCini)和(St,SOCmin)两点，得到SOCref；其中，SOCref为参考SOC；SOCini为行程初始SOC；SOCmin为CD模式最小SOC；St为全天总出行里程，St根据当前出行时间由所述步骤一得到的车辆累积平均行驶里程曲线中插值得到；在每次出行前系统都会进行SOC规划，对于单次出行来讲，本次出行结束时的SOCend计算公式如下：其中，Si为本次出行里程。所述的一种基于路径的插电式混合动力汽车自适应最优能量管理方法，步骤3.1)以油耗最小为全局优化目标，引入协同状态值，将全局优化问题转化为若干个带有汉密尔顿算子的瞬时优化问题的具体过程为：以油耗最小为全局优化问题，其目标函数为：其中：x(t)是汽车在t时刻的SOC，即被控系本文档来自技高网...

【技术保护点】
1.一种基于路径信息的PHEV自适应最优能量管理方法，其特征在于，包括以下步骤：步骤一、行驶工况与里程预测：1.1)通过车载导航系统获取车辆位置信息并在电子地图中规划出行驶路径，同时获取该规划行驶路径的实时路况信息，生成前方路径的预测工况；1.2)车载导航系统获取车辆的历史行驶数据，建立出行里程预测策略对每日用户出行里程进行预测，并绘制车辆累积平均行驶里程曲线；步骤二、基于SOC规划算法生成参考SOC：通过步骤一生成的预测数据，包括预测工况、全天行驶总里程、本次出行里程以及初始SOC，基于SOC规划算法生成参考SOC；步骤三、APMP优化算法：3.1)以油耗最小为全局优化目标，引入协同状态值，将全局优化问题转化为若干个带有汉密尔顿算子的瞬时优化问题；3.2)协同状态初值优化：采用遗传算法优化协同状态初值，建立协同状态初值随SOC初值和出行里程变化的MAP图；3.3)协同状态值在线修正：在实际工况下，利用插值法在MAP图中求出协同状态初值，根据车载导航系统获得的工况信息及参考SOC对协同状态初值进行实时的修正；3.4)对汉密尔顿函数求解，利用PMP优化算法进行动力分配，通过CAN总线传递给各执行部件控制器，完成PHEV的整车控制。...

【技术特征摘要】
1.一种基于路径信息的PHEV自适应最优能量管理方法，其特征在于，包括以下步骤：步骤一、行驶工况与里程预测：1.1)通过车载导航系统获取车辆位置信息并在电子地图中规划出行驶路径，同时获取该规划行驶路径的实时路况信息，生成前方路径的预测工况；1.2)车载导航系统获取车辆的历史行驶数据，建立出行里程预测策略对每日用户出行里程进行预测，并绘制车辆累积平均行驶里程曲线；步骤二、基于SOC规划算法生成参考SOC：通过步骤一生成的预测数据，包括预测工况、全天行驶总里程、本次出行里程以及初始SOC，基于SOC规划算法生成参考SOC；步骤三、APMP优化算法：3.1)以油耗最小为全局优化目标，引入协同状态值，将全局优化问题转化为若干个带有汉密尔顿算子的瞬时优化问题；3.2)协同状态初值优化：采用遗传算法优化协同状态初值，建立协同状态初值随SOC初值和出行里程变化的MAP图；3.3)协同状态值在线修正：在实际工况下，利用插值法在MAP图中求出协同状态初值，根据车载导航系统获得的工况信息及参考SOC对协同状态初值进行实时的修正；3.4)对汉密尔顿函数求解，利用PMP优化算法进行动力分配，通过CAN总线传递给各执行部件控制器，完成PHEV的整车控制。2.如权利要求1所述的一种基于路径信息的PHEV自适应最优能量管理方法，其特征在于，所述步骤1.2)具体过程为：PHEV能量管理系统对用户每日的车速-时间里程数据进行记录，然后对车速进行积分得到行驶里程，按小时统计当天行驶里程，并写入出行里程特征数据库，工作日和节假日的行驶里程需分别统计；分别统计工作日和节假日每时段的平均行驶里程，绘制工作日和节假日各时段累积平均行驶里程曲线。3.如权利要求1所述的一种基于路径信息的PHEV自适应最优能量管理方法，其特征在于，所述步骤二的具体过程为：首先生成参考SOC：以行驶里程为横坐标，SOC为纵坐标，连接(0,SOCini)和(St,SOCmin)两点，得到SOCref；其中，SOCref为参考SOC；SOCini为行程初始SOC；SOCmin为CD模式最小SOC；St为全天总出行里程，St根据当前出行时间由所述步骤一得到的车辆累积平均行驶里程曲线中插值得到；在每次出行前系统都会进行SOC规划，对于单次出行来讲，本次出行结束时的SOCend计算公式如下：其中，Si为本次出行里程。4.如权利要求1所述的一种基于路径信息的PHEV自适应最优能量管理方法，其特征在于，所述步骤3.1)以油耗最小为全局优化目标，引入协同状态值，将全局优化问题转化为若干个带有汉密尔顿算子的瞬时优化问题的具体过程为：以油耗最小为全局优化问题，其目标函数为：其中：x(t)是汽车在t时刻的SOC，即被控系统的状态变量；u(t)为t时刻的转矩分配比，即系统控制变量，它是电机转矩Tm与总需求转矩Tdmd之比；代表汽车在t时刻的瞬时燃油消耗速率，单位：kg/s；该优化问题的约束包含：其中，f(x(t),u(t),t)是汽车在t时刻状态变量x(t)的变化率，单位：1/s；其中，第一...

【专利技术属性】
技术研发人员：郭建华，王引航，刘康杰，刘翠，刘纬纶，聂荣真，王继新，初亮，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林,22