基于需求功率预测的变域最优能量管理控制方法及装置制造方法及图纸

本发明专利技术公开了一种基于需求功率预测的变域最优能量管理控制方法及装置，属于混合动力越野车能量管理领域，该方法包括：通过自适应马尔科夫链预测算法的设计，选择纵向车速和纵向加速度为预测变量，实现了需求功率的间接预测；通过实时的混动模式、纯电动模式等效能耗的计算与对比，控制车辆工作于两种不同的驱动模式；以等效燃油消耗最小控制策略为开发基础，考虑越野车辆行驶工况特性和需求特性，以需求功率变化量进行寻优域的实时求解，设计了变域等效燃油消耗最小能量管理控制策略。本发明专利技术能够提高需求功率预测精度与自适应性，动力系统响应特性，同时合理切换工作模式，优化系统总体的能耗特性，保证动力系统工作稳定性同时提高了行驶稳定性。

Variable domain optimal energy management control method and device based on demand power prediction

【技术实现步骤摘要】
基于需求功率预测的变域最优能量管理控制方法及装置
本专利技术属于混合动力越野车能量管理领域，更具体地，涉及一种基于需求功率预测的变域最优能量管理控制方法及装置。
技术介绍
纯电动汽车虽然发展日益成熟，但动力电池等关键技术仍待完善。混合动力汽车具备发动机、动力电池或者超级电容等其中两种或三种动力源，可以依赖其中一种或两种动力源驱动车辆行驶，因此混合动力汽车工作模式更加多样化，在节能减排方面具有很大的发展潜力。对于越野汽车来说，其车辆自身质量较大，行驶路况复杂，功率需求变化大而且功率持续输出时间长。传统越野汽车采用配备大功率发动机和四轮驱动作为动力系统方案来解决越野车辆大功率需求问题，然而传动链长、机械效率低及燃油经济性差一直是困扰越野车辆的棘手问题。将混合动力构型应用于越野汽车不仅可以提升车辆的动力性，双动力源的结合更加提高了车辆的燃油经济性，使得越野汽车在多种复杂路面上的适应性更强。混合动力汽车因具备两种或两种以上的动力源，不仅提高了车辆的各项性能，同时也对系统集成与整车控制提出了更高的要求。其中，能量管理策略即是进行多能源管理本文档来自技高网...

【技术保护点】
1.一种基于需求功率预测的变域最优能量管理控制方法，其特征在于，包括以下步骤：/n(1)基于自适应马尔科夫链预测，以纵向车速和纵向加速度为预测变量，进行需求功率的实时预测，获取实时需求功率；/n(2)基于所述实时需求功率，通过比较实时的混动模式等效能耗与实时的纯电动模式等效能耗，确定当前使用的目标驱动模式；/n(3)在所述目标驱动模式为所述混动模式下，以等效燃油消耗最小为基础，考虑车辆行驶工况特性和需求特性，以所述实时需求功率的变化量进行寻优域的实时求解，获取最小的变域等效燃油消耗。/n

【技术特征摘要】
1.一种基于需求功率预测的变域最优能量管理控制方法，其特征在于，包括以下步骤：
(1)基于自适应马尔科夫链预测，以纵向车速和纵向加速度为预测变量，进行需求功率的实时预测，获取实时需求功率；
(2)基于所述实时需求功率，通过比较实时的混动模式等效能耗与实时的纯电动模式等效能耗，确定当前使用的目标驱动模式；
(3)在所述目标驱动模式为所述混动模式下，以等效燃油消耗最小为基础，考虑车辆行驶工况特性和需求特性，以所述实时需求功率的变化量进行寻优域的实时求解，获取最小的变域等效燃油消耗。


2.根据权利要求1所述的方法，其特征在于，步骤(1)包括：
(1.1)基于当前时刻的车速及当前时刻的纵向加速度，按照马尔科夫链状态转移概率矩阵对车速状态转移概率矩阵及纵向加速度状态转移概率矩阵进行实时更新；
(1.2)基于更新后的车速状态转移概率矩阵进行车速预测，得到下一时刻的车速，基于更新后的纵向加速度状态转移概率矩阵进行纵向加速度预测，得到下一时刻的纵向加速度；
(1.3)通过所述下一时刻的车速及所述下一时刻的纵向加速度建立行驶功率平衡模型，基于所述行驶功率平衡模型实时计算需求功率，实现需求功率的实时预测。


3.根据权利要求2所述的方法，其特征在于，步骤(1.1)包括：
获取当前时刻的车速状态Xt及上一时刻的车速状态Xt-1，并由Xt＝Sj及Xt-1＝Si进行车速状态处理；获取当前时刻的纵向加速度状态Yt及上一时刻的纵向加速度状态Yt-1，并由Yt＝Aj及Yt-1＝Ai进行纵向加速度状态处理，其中，Sj表示车速在t时刻的j状态，Si表示车速在t-1时刻的i状态，Aj表示纵向加速度在t时刻的j状态，Ai表示纵向加速度在t-1时刻的i状态；
由Fij＝Fij+1更新车速状态的状态转移频数，由Zij＝Zij+1更新纵向加速度状态的状态转移频数，其中，Fij表示由Si→Sj的转移频数，Zij表示由Ai→Aj的转移频数；
由n＝n+1及P(I,J)＝F(I,J)/n更新车速状态转移概率矩阵，由m＝m+1及Q(I,J)＝Z(I,J)/m更新纵向加速度状态转移概率矩阵，其中，n表示状态更新的总数据个数，F(I,J)表示处于Si状态的所有数据转移到Sj状态时的数据个数，P(I,J)表示时序状态转移概率矩阵，I表示t-1时刻的i状态，J表示t时刻的j状态，m表示状态更新的总数据个数，Z(I,J)表示处于Ai状态的所有数据转移到Aj状态时的数据个数，Q(I,J)表示时序状态转移概率矩阵。


4.根据权利要求3所述的方法，其特征在于，步骤(1.2)包括：
由Xt+1＝max(P(SJ,:))预测下一时刻的车速状态Xt+1，由Yt+1＝max(Q(AJ,:))预测下一时刻的纵向加速度状态Yt+1。


5.根...

【专利技术属性】
技术研发人员：付翔，刘会康，向小龙，刘道远，吴森，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：湖北;42