基于路况预测的电动汽车智能能量管理

A novel intelligent energy management system of an electric vehicle (EV) is a complicatedly coupled nonlinear “Human-Vehicle-Environment” closed loop system, which leads to big challenges in studying on traffic/road prediction in intelligent transportation system, energy modelling of EVs, as well as the energy saving strategies considering future information, driving style and battery health management. To address all the scientific issues above, this project will focus on: building a complete energy model of an EV in complex traffic environment; studying the traffic/road prediction-based route planning strategy for an EV; proposing a multi-objective optimization-based energy saving system using the predictive future information considering the factors of driving style learning, battery life, etc.; and finally solving the core scientific issues related on “mechanism analyses and modelling of energy consumption of EVs in complex traffic environment” and “predictive energy optimization of an EV”. The project will develop the scientific research and application in intelligent energy management and intelligent driving technology, which will make great influence to promote the core technology and capability for innovation in the fields of intelligent energy management and vehicle intelligence.

基于未来路况预测的纯电动汽车智能能量优化管理，是一个具有复杂耦合的“人-车-环境”闭环系统。该系统在智能交通环境下的路况预测、纯电动汽车的能耗模型建模及考虑电池老化、驾驶风格的预测节能多目标控制方法方面提出了巨大的挑战。本项目围绕上述科学问题，对复杂交通环境下电动汽车进行能耗机理分析与建模，研究基于路况预测的电动汽车路径规划方法，提出考虑驾驶风格学习电池寿命等的多目标优化预测节能方法，最终解决“复杂交通环境下电动汽车能耗建模”和“电动汽车预测能量优化”的关键科学问题。本项目将在科学研究与实际应用方面，促进纯电动汽车能量管理和智能驾驶技术的发展，这对于提升我国在纯电动汽车能量管理、汽车智能化发展领域的核心技术和自主创新能力具有重要意义。

电动汽车因具有节能、低碳、环保的特性，被认为是解决当前环境与能源问题的重要途径之一。如何利用智能网联技术提供的道路与交通信息，基于路况预测和控制优化大幅度降低电动汽车行驶能耗，缓解“里程焦虑”，成为实现电动汽车国家发展战略的关键。.本项目围绕“复杂交通环境下电动汽车能耗建模”和“电动汽车预测能量优化”两个关键问题，提出了从宏观、中观和微观三个层面进行电动汽车能耗建模及预测节能优化的技术路线，综合改善电动汽车的节能效果。电动汽车能耗模型方面，建立了轮胎磨耗和动力系统核心部件的微观模型，以及考虑车速、行驶阻力及交通路网的整车中观和宏观能耗模型，揭示了复杂交通环境下的电动汽车能耗机理。宏观节能方面，面向电动汽车行驶态势分析建立了“车-线-网”的动态交通路网模型，提出了基于智能计算的未来路况预测方法和考虑节能的路径规划方法。中微观节能方面，在“预测”+“优化”框架下，提出了基于多目标方法和多源交通、地理信息融合的多场景电动汽车预测节能方法，并揭示了电池寿命、轮胎磨耗、制动能量回收对纵向速度规划和整车能耗的影响机理。针对节能与驾驶舒适性和动力性矛盾问题，提出了基于多元统计分析理论和强化学习的驾驶风格辨识方法和多风格参数的优化控制器设计方法。开发了基于未来路况预测、具有自学习能力和考虑驾驶风格的电动汽车智能能量管理系统。通过台架仿真与实车测试，本项目提出的预测节能方法在宏观层面上与传统的最短路径算法相比节能9.9%；在城市复杂红绿灯工况下节能15%以上；在考虑车轮力矩分配和跟车速度优化的中微观层面具有4%~10%的节能效果，达到了预期研究目标。