计及交通信息的插电式混合动力汽车分层优化能量管理策略研究

Aimed at the energy management strategy of plug-in hybrid electric vehicles (PHEVs), a hierarchical energy distribution including globally and locally optimal solutions would be employed with the target of improving fuel economy considering the transportation information. First, the powertrain model of a PHEV would be optimized and properly abstracted to transfer into a typical convex problem. Based on global positioning system and road information, the offline optimal battery discharging curve would be accurately determined by the interior point method. Considering the historical speed, acceleration status of vehicle and the road information, the radial basis function (RBF) neural network would be applied to predict the locally vehicle velocity. Pontryagin’s Minimum Principle would be then employed to realize local energy management based on the globally optimized battery discharge curve and the speed prediction curve. Finally, the hardware in the loop system would be validated to justify the fuel economy improvement and to lower the influence induced by the battery performance degradation. The research can reveal the nonlinear characteristic of energy management for PHEVs under complex environment, and can master the methodology of building the energy management strategy for PHEVs considering transportation information. The research outputs will supply novel theoretical foundation for the online energy management strategy of PHEVs, thereby bringing certain theoretical influence and application value for improving the fuel economy.

针对插电式混合动力汽车(PHEV)能量管理策略这一科学问题，以提高燃油经济性为目标，综合考虑交通信息状况，采用全局与局部相结合的方法进行分层优化能量管理研究。首先优化PHEV动力系统模型，通过合理抽象，转化为典型的凸优化问题，基于GPS及路况信息，综合考虑电池当前健康状态及初始值，采用内点法求解，全局优化电池组放电曲线；结合汽车历史速度、加速度状态及路径规划信息，采用径向基神经网络，进行局部速度预测；采用庞特里亚金极小值原理，根据全局放电曲线及速度预测曲线，实现局部能量管理策略；通过硬件在环系统进行验证，提升PHEV燃油经济性，降低电池性能变化带来的影响。项目研究能够揭示复杂条件下PHEV能量管理策略的非线性特征，掌握基于交通信息融合的PHEV能量管理策略方法；将为PHEV的实时能量管理策略制定提供新的理论依据，对提高汽车燃油经济性具有一定的理论意义和应用价值。

混合动力汽车的能量管理策略对于节能减排及续航提升有着至关重要的意义。本项目以能耗经济性为目标，综合考虑各类交通环境信息变化的影响，针对插电式混合动力汽车（PHEV）能量管理策略开展了深入研究，构建了一套基于交通信息的PHEV能量管理策略架构。以Prius功率分流混动系统为主要研究对象，建立了发动机、电机、电池等整车关键部件高精度能耗模型，并抽象出简化的近似二次凸能耗模型；基于新能源汽车大数据平台，对车辆多维度交通信息进行清洗、滤波并提取交通特征信息，分析交通信息对能量管理策略的影响；采用凸优化算法及最优控制理论对动力电池全局放电轨迹进行推导并优化求解，揭示了交通数据对整车能量分配的最优规律；在短时域内使用径向基神经网络、马尔可夫链等方法设计未来车速预测算法，显著提高了预测精度；建立了交通信息驱动下的分层优化能量管理策略架构，以上层全局电池放电轨迹规划为参考，开发了基于庞特里亚金极小值原理、递归神经网络、自适应等效油耗最小策略等多种局部优化功率分配策略，强化了能量管理策略在交通信息变化时的适应性及鲁棒性；基于dSPACE、MATLAB/Simulink/Stateflow等仿真测试环境搭建了混合动力系统硬件在环仿真平台，对研究过程中所提出的策略进行测试验证；同时在硬件在环测试的基础上开发了基于虚拟场景测试的测试平台，模拟真实环境下的交通信息及驾驶行为，验证了策略的可靠性和有效性。本项目研究内容充分考虑车辆非线性动力构型与交通信息的耦合关系，在满足车辆各项性能指标的前提下达到节能减排的目的，对于多元扰动下的多能源系统的最优能量管理策略的研究有着重要的科学意义，为未来智能交通环境下的节能驾驶研究奠定了理论基础。