基于能量預測的插電式混合動力汽車能量管理方法
【技術領域】
[0001]本發明涉及一種混合動力汽車能量控制技術，具體地，涉及一種基于能量預測的插電式混合動力汽車能量管理方法。
【背景技術】
[0002]混合動力汽車(含插電式混合動力汽車)已成為全球發展的重點和熱點，由兩種能量源提供動力。能量管理系統如何協調和分配各能量源間的能量流，是實現混合動力汽車能量優化管理、解決其工況適應性問題的關鍵。
[0003]目前，混合動力汽車的能量管理策略可分為四類:基于規則的能量管理策略、瞬時優化能量管理策略、全局優化能量管理策略和基于優化算法的自適應能量管理策略。
[0004]其中，基于規則的能量管理策略，是基于一組規則來實現對車輛進行能量管理的策略，嚴重依賴策略制定人員的經驗和試驗標定，雖工程化實現容易，但難于實現控制參數的最優化和對工況的自適應，其在車輛燃料經濟性的提高方面存在一定的局限性；瞬時優化能量管理策略，是基于對每一時刻的燃料經濟性最優化為目標的控制策略，需要精確的車輛及多能源混合動力系統的數學模型，不能滿足混合動力汽車能量管理的全局優化，因而未能在實際混合動力汽車中得到廣泛應用；全局優化能量管理策略，是基于已知路況利用全局優化算法進行的能量優化管理策略，同樣需要精確的車輛及多能源混合動力系統的數學模型，不僅計算量很大難于滿足車輛實時控制的要求，而且要求提前獲得車輛運行工況的數據，因而難于在車輛實際控制中應用；基于優化算法的自適應能量管理策略，是以工況自適應的能量優化管理為目標的能量管理策略，現有方法需要精確的車輛及多能源混合動力系統的數學模型、優化過程復雜、計算量大，導致其無法在混合動力車輛中實際應用。
【發明內容】
[0005]針對現有技術中的缺陷，本發明的目的是提供一種基于能量預測的插電式混合動力汽車能量管理方法，有效解決目前混合動力汽車的能量管理策略不能自適應車輛運行工況的問題，而且能滿足車輛實時控制的要求，從而實現混合動力汽車在實際運行中的工況自適應能量管理，充分發揮混合動力汽車的性能潛力。
[0006]本發明提供的基于能量預測的插電式混合動力汽車能量管理方法，包括如下步驟:
[0007]步驟S1:將車輛位置與導航設定的車輛運行線路發送給遠程監控平臺；
[0008]步驟S2:遠程監控平臺根據所述車輛位置與所述車輛運行線路在電子地圖和氣象預報數據庫上搜尋獲得道路車輛氣候數據；
[0009]步驟S3:遠程監控平臺將所述道路車輛氣候數據發送到混合動力控制器平臺；
[0010]步驟S4:混合動力控制器平臺向能量源發送第一訪問信號，獲得能量源狀態數據，所述能量源狀態數據包括蓄電池荷電狀態SOC ;其中，所述第一訪問信號用于指示能量源提供能量源狀態數據；
[0011]步驟S5:根據所述道路車輛氣候數據，通過神經網絡預測車輛按所述車輛運行線路在第i個運行片段內的能量需求E1,其中，i = 1，2，…，N，N為將車輛運行線路的行駛總里程劃分成的總運行片段數；
[0012]步驟S6:混合動力控制器平臺計算車輛運行線路在第i運行片段內的蓄電池荷電狀態SOC變化量，根據蓄電池荷電狀態SOC變化量進行蓄電池荷電狀態SOC參考軌跡的規劃；
[0013]步驟S7:混合動力控制器平臺根據蓄電池荷電狀態SOC的參考軌跡計算第t個時刻的等價因子n (t):
[0014]步驟S8:混合動力控制器平臺采樣傳感器信號，向汽車動力附件發送第二訪問信號，獲得駕駛員需求車輛狀態數據；其中，第二訪問信號用于指示汽車動力附件提供駕駛員需求車輛狀態數據；
[0015]步驟S9:根據所述等價因子n (t)和駕駛員需求車輛狀態數據，計算控制向量，并將該控制向量作為控制指令輸出給混合動力系統中各動力源，實現能量優化控制。
[0016]優選地，所述道路車輛氣候數據包括車輛運行線路的行駛總里程和車輛運行線路的運行片段i內的道路坡度、道路阻力系數、平均車速、最大車速、最大加速度、車速標準差、行駛里程和車輛所處位置的天氣信息。
[0017]優選地，在步驟S6中，采用如下公式計算蓄電池荷電狀態SOC變化量:
[0018]Δ SOC1(S) = (SOCin1-SOCfin) X (vstd,^vaver,x) X (E1ZS1) X s/ Σ』=丄?N( (Vstd,./vaver’.j) XEj)
[0019]其中，Λ SOC1 (s)為車輛運行片段i內距離s處的SOC變化量，SOCim, SOCfin分別為初始S0C、車輛到達預設終點時的SOC，Vstd, P Vavel^j別為運行片段i內的車速標準差、平均車速，E1, S1*別為運行片段i內的能量需求、行駛里程。
[0020]優選地，所述等價因子n (t)采用如下計算公式計算:
[0021]n (t) = n (t-D +Kp X Δ SOC (t-1) +K , X Σ j =! ^ t ( Δ SOCj X Δ T j)
[0022]其中，η (t-1)為第t-1時刻的等價因子，Λ soc(t-1)為第t-1個時刻實際蓄電池荷電狀態SOC與第t-1個時刻在蓄電池荷電狀態SOC的參考軌跡中的參考蓄電池荷電狀態SOC的差值，Δ SOCj為第j個時刻的實際SOC與第j個時刻蓄電池荷電狀態SOC的參考軌跡中的參考蓄電池荷電狀態SOC的差值，Λ !',為第j個時刻SOC的更新周期，Kp為比例調節系數，K1為積分調節系數。
[0023]優選地，所述駕駛員需求車輛狀態數據包括車輛的需求功率和當前車速。
[0024]優選地，所述汽車動力附件，包括散熱子系統和空調子系統。
[0025]優選地，所述動力源包括發動機、驅動電機和動力傳動耦合器，
[0026]其中，所述動力傳動耦合器用于將發動機、驅動電機進行機電耦合并將動力輸出以驅動車輛。
[0027]優選地，在步驟S5中通過神經網絡預測車輛按車輛運行線路在第i個運行片段的能量需求Ei具體包括如下步驟:
[0028]步驟S501:采樣與離線計算，具體為，利用實驗采集到的各動力源的實際輸出，對車輛在第k個運行點，按如下公式計算出第k個運行點的車輛實際驅動功率PVEHk:
[0029]PVEHk — PICEkX η ICEjk+ Σ m = i~nmg(PMGkjmx η mg,k,m)
[0030]其中，PICEk, PMGtni分別為在第k個運行點所述動力源中的發動機的實際輸出功率、在第k個運行點第m個驅動電機的實際輸出功率，m = 1，2，…，NMG，NMG為所述驅動電機的個數，nieE，k、n分別為在第k個運行點發動機通過所述動力傳動耦合器的傳動效率、第m個驅動電機通過所述動力傳動耦合器的傳動效率；
[0031]步驟S502:將車輛實際驅動功率分成N個車輛運行片段，將實驗采集到的各運行片段的道路車輛氣候數據記為向量= 1，2，...，N，按下式計算出第i個運行片段的車輛驅動實際能量ER1:
[0032]ERi= Σ k = !_m PVEHk x Δ t k
[0033]其中，M為該第i個運行片段內的運行點的個數，Λ tk為該運行片段內第k個運行點與第k+Ι個運行點間的時間間隔；
[0034]步驟S503:以各運行片段的道路車輛氣候數據為輸入、計算出的車輛驅動實際能量為輸出，對神經網絡進行訓練；
[0035]步驟S504:混合動力控制器平臺通過訓練后的神經網絡預測出第i個運行片段的能量需求Ei。
[0036]優選地，所述的步驟9中計算控制向量具體包括如下步驟:
[0037]步驟S901:離線計算，優化出取不同預設的等價因子時在各預設的駕駛員需求與車輛狀態數據下的混合動力系統最優控制向量脈譜；