V2G模式插电式混合动力汽车的能量管理系统优化控制研究

插电式混合动力汽车(PHEV)是一类极其复杂的混杂切换系统，且运行环境复杂多变，其能量管理系统的优化控制问题迄今为止没有得到根本解决。近年来随着车辆到电网(V2G)技术的兴起，PHEV正成为智能电网不可或缺的储能单元。工作于V2G模式的PHEV既需结合V2G技术优势实现车辆优化运行，又要满足电网调度需求，遂对能量管理问题提出新挑战，亟待开辟新途径予以突破。本课题拟首先利用混杂切换系统理论建立V2G模式PHEV车辆模型；然后基于并行进化算法和模拟退火算法提出混合多目标优化算法，并运用信息融合和数据驱动技术设计车辆长、短里程的工况预测算法；继而基于多目标优化方法和工况预测算法研发滚动优化能量管理策略和车辆层充放电管理方案；最后在硬件在环实验平台上验证所提新理论方法。本课题研究成果不仅对发展我国PHEV技术推进其产业化具有重要意义，而且对V2G技术的成熟应用有显著推动作用。

插电式混合动力汽车（简称：PHEV）是在传统混合动力汽车（HEV）基础上派生出来的新型节能环保车辆，随着车辆到电网（Vehicle-to-Grid，简称V2G）技术的逐步兴起，PHEV正成为智能电网中不可或缺的分布式移动储能单元。然而，在电池技术取得突破性进展之前，如何实现这类PHEV能量管理系统的优化控制是节约能源，延长PHEV续驶里程的关键问题。本项目针对V2G模式PHEV的能量管理系统优化控制问题，分别设计实现了并行多目标模拟退火遗传算法和并行多目标粒子群优化算法，有效改进了多目标优化算法的求解效率；考虑工况对能量管理的影响，结合学习矢量量化网络以及粒子群优化算法提出了基于工况识别的并联式混合动力汽车模糊能量管理策略，可实现对混合动力系统的合理控制并提高燃油经济性；提出了一种基于工况信息的插电式混合动力公交车能量管理方法，能够根据工况信息、发车时间等影响因素合理控制车辆的工作模式；提出了基于数据驱动技术的工况预测方法，并兼顾V2G的影响因素，针对插电式混合动力汽车提出了一种基于工况模型的模糊能量管理策略，进一步降低了车辆使用成本；兼顾供电方和用户的利益需求，基于多目标优化方法研究了V2G模式下电动汽车的充电优化控制问题。以上问题的研究对于降低PHEV车辆使用成本、提高续驶里程都具有重要的现实意义，对我国发展具有自主知识产权的PHEV技术和尽早实现V2G技术的成熟应用具有明显的促进作用。