一种混合动力车辆智能变时域模型预测能量管理方法技术

本发明专利技术公开了一种混合动力车辆智能变时域模型预测能量管理方法，属于插电式混合动力汽车能量管理领域，所述方法主要包括：建立双神经网络工况预测模型，进一步建立基于双神经网络工况预测的MPC的并联式混合动力车辆能量管理系统；利用深度确定性策略梯度（DDPG）算法，建立DDPG控制器；将上述所构建模型结合，建立一种混合动力车辆智能变时域模型预测能量管理模型，对模型进行训练；汽车行驶时，获取汽车的相关状态与交通状况信息作用于已训练模型，实现了并联式混合动力车辆智能变时域MPC的能量管理。采用本发明专利技术，可以有效解决采用固定预测时域的MPC对工况适应性差的问题，有效提高能量管理策略的控制效果，进一步提高车辆的燃油经济性。

An intelligent variable time domain model prediction energy management method for hybrid vehicles

【技术实现步骤摘要】
一种混合动力车辆智能变时域模型预测能量管理方法
本专利技术属于插电式混合动力汽车能量管理领域，尤其涉及一种混合动力车辆智能变时域模型预测能量管理方法。
技术介绍
近些年，汽车行业快速发展，给人们的出行带来了极大的便利，但是也引起了环境污染与资源短缺等问题。为了解决这些问题，汽车行业不断改革创新，积极推动新能源汽车技术的发展，尤其是混合动力汽车。混合动力汽车分为传统的混合动力汽车(HEV)和插电式混合动力汽车(PHEV)，与传统的混合动力汽车相比，插电式混合动力汽车具有大容量的动力电池、可直接接入电网充电和可以纯电动行驶的优点，因此被重点发展。PHEV具有多个能量源，在不同行驶工况下，应合理协调各个动力源能量供给分配情况，使发动机与电机保持高效率区间运转，提高燃油经济性，因此在PHEV发展中，应该对能量管理策略进行合理的制定，整车的性能与策略的好坏有直接联系。现如今，在PHEV上应用的能量管理策略有两类：一是基于规则的能量管理策略，二是基于优化的能量管理策略。基于规则的能量管理策略需要依赖于专家经验对规则进行制定，对工况的适应性不好，难以本文档来自技高网...

【技术保护点】
1.一种混合动力车辆智能变时域模型预测能量管理方法，其特征在于：包括以下步骤：/n步骤1：建立双神经网络工况预测模型，进一步建立基于双神经网络工况预测的MPC的并联式混合动力车辆能量管理系统；/n步骤2：利用深度确定性策略梯度DDPG算法，建立DDPG控制器；/n步骤3：将所构建的基于双神经网络工况预测的MPC的并联式混合动力车辆能量管理系统与DDPG控制器结合，建立基于DDPG的并联式混合动力车辆变时域模型预测能量管理模型，并对模型进行训练；/n步骤4：通过双神经网络工况预测模型，利用历史工况对汽车未来行驶工况进行准确预测，作用于已训练模型，通过MPC输出动作控制车辆行驶，同时获取汽车的相关...

【技术特征摘要】
1.一种混合动力车辆智能变时域模型预测能量管理方法，其特征在于：包括以下步骤：
步骤1：建立双神经网络工况预测模型，进一步建立基于双神经网络工况预测的MPC的并联式混合动力车辆能量管理系统；
步骤2：利用深度确定性策略梯度DDPG算法，建立DDPG控制器；
步骤3：将所构建的基于双神经网络工况预测的MPC的并联式混合动力车辆能量管理系统与DDPG控制器结合，建立基于DDPG的并联式混合动力车辆变时域模型预测能量管理模型，并对模型进行训练；
步骤4：通过双神经网络工况预测模型，利用历史工况对汽车未来行驶工况进行准确预测，作用于已训练模型，通过MPC输出动作控制车辆行驶，同时获取汽车的相关状态和交通状况信息，作用于DDPG控制器，在线实时调整预测时域长度Np。


2.根据权利要求1所述的混合动力车辆智能变时域模型预测能量管理方法，其特征在于：通过DDPG控制器用于在线实时调整模型预测控制器MPC的预测时域长度Np。


3.根据权利要求1所述的混合动力车辆智能变时域模型预测能量管理方法，其特征在于：所述步骤1中的建立双神经网络工况预测模型，建立基于双神经网络工况预测的MPC的并联式混合动力车辆能量管理系统，具体包括：
步骤1.1，建立双神经网络工况预测模型；
步骤1.2，构建被控对象并联式混合动力汽车模型PHEV；
步骤1.3，构建MPC控制器。


4.根据权利要求3所述的混合动力车辆智能变时域模型预测能量管理方法，其特征在于：所述步骤1.1中建立双神经网络工况预测模型，具体包括：其中双神经网络工况预测模型包括两个神经网络：一是车速预测神经网络，即将历史车速序列vh作用于车速预测神经网络，输出预测时域Np内的未来车速序列v1；二是车速误差预测神经网络，即将历史真实车速与预测车速之间的误差Δvh作用于车速误差预测神经网络，输出预测时域Np内的未来车速误差序列Δv，将根据车速预测神经网络预测出的未来车速序列v1与根据车速误差预测神经网络预测出的未来车速误差序列Δv进行叠加得到更为准确的未来车速预测序列vf。


5.根据权利要求3所述的混合动力车辆智能变时域模型预测能量管理方法，其特征在于：所述步骤1.3中构建MPC控制器，具体包括：MPC控制器有三个要素：预测模型、滚动优化和反馈校正；在滚动优化过程中，MPC控制器的优化算法选用动态规划算法，
设当前时刻为t0，在当前预测时域Np内，即区间[t0，t0+Np]，优化目标和约束条件为：






上式(1)中，为在预测时域[t0，t0+Np]内的成本函数，即燃油消耗量；x(t)为当前时刻的状态变量，即动力电池荷电状态SOC；u(t)为当前时刻的控制变量，此处为扭矩分配系数，即电机提供转矩与车辆总需求转矩比值；xmin与xmax为状态变量的上下限；umin与umax为控制变量的上下限；H(x(t)，u(t))为在当前时刻下的成本函数，即当前时刻下油耗。


6.根据权利要求1所述的混合动力车辆智能变时域模型预测能量管理方法，其特征在于：所述步骤2中的利用深度确定性策略梯度DDPG算法，建立DDPG控制器，具体包括：
步骤2.1：确定DDPG中的观测量observation、控制量action、程序提前终止条件isdone和定义奖励函数reward；
步骤2.2：建立动作神经网络和评价神经网络，完成对DDPG控制器的构建。


7.根据权利要求6所述的混合动力车辆智能变时域模型预测能量管理方法，其特征在于：所述步骤2.1中的确定DDPG中的观测量observation、控制量action和程序提前终止条件isdone，具体包括：观测量observation有八个：分别为动力电池荷电状态SOC、当前时刻发动机的燃油消耗量Δfuel、当前时刻汽车车速v、当前时刻汽车加速度a、坡度、当前时刻预测车速vp、与前车相对车速vr和与前车距离dr；控制量action一个：模型预测控制预测时域长度Np；程序终止条件isdone有三个：一是模型预测控制单步计算时间Tc，考虑到算法的实时性，当Tc≥0.5s时，...

【专利技术属性】
技术研发人员：周健豪，薛源，薛四伍，顾诚，廖宇晖，刘军，张仁鹏，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32