一种双电机电动汽车电池健康能量管理方法技术

本发明专利技术涉及一种双电机电动汽车电池健康能量管理方法

【技术实现步骤摘要】
一种双电机电动汽车电池健康能量管理方法、设备、介质


[0001]本专利技术涉及双电机纯电动汽车能量管理策略开发
，尤其是涉及一种双电机电动汽车电池健康能量管理方法
、
设备
、
介质
。

技术介绍

[0002]目前普遍存在的里程焦虑严重阻碍了纯电动汽车的大规模普及与行业的健康发展
。
与单电机固定速比纯电动汽车相比，基于多电机的分布式驱动纯电动汽车借助灵活的电机配置能够提高驱动系统的平均能效和动态性能
。
考虑到额外的电机会提高成本和增加控制难度，目前大部分研究人员和制造商将研究重心放在双电机动力总成上，但是双电机动力总成中额外引入的变速箱带来了车辆实时确定驾驶模式的挑战
。
因此，能量管理策略成为了提高多能源电动汽车经济性的关键技术
。
[0003]近年来随着人工智能技术飞速发展和广泛应用，基于强化学习的能量管理策略受到广泛关注，但仍存在着一些问题没有被充分解决
。
目前的基于
DRL/>的能量管理策略要本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种双电机电动汽车电池健康能量管理方法，其特征在于，包括以下步骤：
S1
：构建双电机双速纯电动汽车的动力系统模型；
S2
：基于
S1
中构建的动力系统模型，构建随机策略的深度强化学习和
LSTM
神经网络；
S3
：基于
S2
中构建的随机策略的深度强化学习和
LSTM
神经网络，将软性演员评论家算法中的
actor
网络应用到离散
‑
连续混合动作空间中，并使用线性映射技巧控制离散动作维数，以搜索最优的电池健康能量管理策略；
S4
：基于确定性概率离散决策
、
随机离散决策两种方法，对
S3
中离散
‑
连续混合动作空间进行优化，并在后续仿真实验中与线性映射技巧进行对比评估；
S5
：基于电池健康能量管理策略的优劣程度，设定状态空间和奖励；
S6
：将能源管理策略建模为部分可观察马尔可夫决策过程，并将长短期记忆网络整合到
actor
网络和
critic
网络中，以利用历史和当前环境信息优化能量管理策略
。2.
根据权利要求1所述的一种双电机电动汽车电池健康能量管理方法，其特征在于，
S1
中，构建双电机双速纯电动汽车的动力系统模型的过程包括：构建参考车辆，所述参考车辆配备两台电机和一台双速自动机械变速器的纯电动汽车，所述参考车辆涉及的车辆参数包括：总重量
、
车辆正面面积
、
滚动阻力系数
、
空气阻力系数
、
车轮半径
、
电池容量
、
电池电压
、
自动机械变速器齿轮比
、
减速齿轮传动比
、
第一电机最大扭矩
、
第一电机最大转速
、
第二电机最大扭矩
、
第二电机最大转速；构建所述参考车辆的动力学约束模型：其中
T
d
为需求驱动转矩；
δ
为旋转质量转换系数；
m
为车辆质量；为道路坡度角；
f
为滚动阻力系数；
g
为重力加速度，
9.8m/s2；
C
d
为空气阻力系数；
A
为车辆正面面积；
v
为车速；
R
是车轮半径；构建双电机双速纯电动汽车的健康意识电池模型，所述健康意识电池模型由二阶
RC
模型
、
两态热模型和能量通量老化模型组成；根据动力系统配置，将双电机双速纯电动汽车的驱动方式设置为五种驱动模式：仅第一电机第一档驱动
、
仅第一电机第二档驱动
、
仅第二电机驱动
、
第一电机第一档
+
第二电机驱动
、
第一电机第二档
+
第二电机驱动
。3.
根据权利要求2所述的一种双电机电动汽车电池健康能量管理方法，其特征在于，
S1
中，所述参考车辆中的两台电机均采用准静态模型，通过瞬时速度和扭矩插值获得效率；所述二阶
RC
模型用下式给出：模型用下式给出：模型用下式给出：
V
t
(t)
＝
V
oc
(SOC,t)+V
b1
(t)+V
b2
(t)+R
s
I(t)
其中，
V
代表端子电压；
I
代表负载电流分；
Q
bat
表示电池的标称容量；
V
b1
和
V
b2
为两个
RC
支路的极化电压；
C
b1
和
C
b2
为两个
RC
支路的电容量；
R
b1
和
R
b2
为两个
RC
支路的电阻；
R
s
为欧姆电阻；所述两态热模型用下式给出：所述两态热模型用下式给出：
T
c
(t)
＝
2T
a
(t)
‑
T
s
(t)H(t)
＝
I(t)(V
b1
(t)+V
b2
(t)+R
s
(t)I(t))+I(t)(T
a
(t)+273.15)E
n
(SOC,t)
其中，
T
s
,T
c
,T
a
和
T
f
分别表示电池表面温度
、
电池芯温度
、
内部平均温度和环境温度；
R
c
是由电池内部的热传递产生的热阻；
R
c
是由电池内部的热传递产生的；
C
c
和
C
s
分别为电池芯和表面的等效热容；
H
为产热率；
E
n
表示电化学反应过程中的熵变；构建双电机双速纯电动汽车的动力系统模型的过程，还包括热能守恒原理获得的：构建双电机双速纯电动汽车的动力系统模型的过程，还包括热能守恒原理获得的：
T
c
(t)
＝
2T
a
(t)
‑
T
s
(t)H(t)
＝
I(t)(V
b1
(t)+V
b2
(t)+R
s
(t)I(t))+I(t)(R
a
(t)+273.15)E
n
(SOC,t)
其中，
T
s
,T
c
,T
a
和
T
f
分别表示电池表面温度
、
电池芯温度
、
内部平均温度和环境温度；
R
c
是由电池内部的热传递产生的热阻；
R
c
是由电池内部的热传递产生的；
C
c
和
C
s
分别为电池芯和表面的等效热容；
H
为产热率；
E
n
表示电化学反应过程中的熵变；还包括基于能量
‑
吞吐量模型，得到多重压力下健康状态
(SOH)
的下降：其中，
N(c,T
a
)
表示生命周期结束前的总周期数
(EOL),
受充电速率
(c)
和电池内部温度的影响；其中，在恒定工况下，电池容量损失
Δ
Q
bat
(
％
)
由下式计算：其中，
B
通过
c
插值得到的指前因子；
R
是理想气体常数，等于
8.31J/mol
·
K
；
z
为幂律因子，等于
0.55
；
Ah
为总安培小时吞吐量；
E
a
(J/mol)
为由下式得到的总安培小时吞吐量；所述随机策略的深度强化学习模型如下：
其中，
π
*
为最优策略；为熵，表示当前策略的随机化程度；
α
是用来平衡熵项和奖励的系数；所述随机策略的深度强化学习模型中：
policy
网络参数
...

【专利技术属性】
技术研发人员：彭剑坤，吴长城，刘星言，陈峻，王仲伟，董晓东，马春野，
申请(专利权)人：东南大学，
类型：发明
国别省市：