重載混合動力汽車能量管理策略的優(yōu)化研究

宋娟娟，楊歆豪，李 則，耿辰露

(1.蘇州大學(xué) 機(jī)電工程學(xué)院，江蘇 蘇州 215006；2.蘇州科技大學(xué) 電子與信息工程學(xué)院，江蘇 蘇州 215009)

隨著科學(xué)技術(shù)的發(fā)展，環(huán)境污染日益嚴(yán)重，使得發(fā)展新能源成為一種趨勢。混合動力汽車融合了傳統(tǒng)的燃油汽車和純電動汽車的優(yōu)勢具有發(fā)動機(jī)和電動機(jī)兩種動力裝置[1-2]，以發(fā)動機(jī)和電動機(jī)、電池組為動力源，提高了系統(tǒng)的效率，一定程度上減少了排放?；旌蟿恿ζ囋诔浞掷昧税l(fā)動機(jī)與電機(jī)的工作特點(diǎn)的前提下，合理的分配整車系統(tǒng)的動力功率需求，以此達(dá)到提高系統(tǒng)的效率。能量管理策略[3]是混合動力汽車提高燃油經(jīng)濟(jì)性[4]、行駛平順性和排放性能的關(guān)鍵技術(shù)，由于混合動力系統(tǒng)是由多個動力源組成的，所以只有在充分了解各個動力源的工作特性以及工作原理的基礎(chǔ)之上，才能合理利用各個動力源的優(yōu)勢，使其工作在最佳效率區(qū)[5]以達(dá)到我們預(yù)期所設(shè)置的控制目標(biāo)。

作為混合動力系統(tǒng)提高效率的關(guān)鍵，混合動力汽車能量管理策略的優(yōu)化控制一直都是混合動力系統(tǒng)領(lǐng)域研究能量(功率)分配的重要課題，而圍繞著功率分配的優(yōu)化控制方法也是層出不窮，主要有基于等效油耗控制算法(包括實時控制和全局控制算法)[6-8]、神經(jīng)網(wǎng)絡(luò)控制算法[9]、動態(tài)規(guī)劃算法[10]、模糊控制算法[11]、基于最優(yōu)理論的控制算法[12-15]等。

本文總結(jié)了現(xiàn)有研究成果中從不同角度對混合動力汽車能量管理策略的優(yōu)化問題所做的研究，基于影響混合動力系統(tǒng)整車效率的相關(guān)因子，對能量管理策略的優(yōu)化問題進(jìn)行了分類梳理，深入分析了基于不同控制因子的各種優(yōu)化控制策略的特點(diǎn)，并給出不同優(yōu)化目標(biāo)的控制算法，最終對于混合動力汽車能量管理策略的優(yōu)化研究存在的局限及未來發(fā)展需要改進(jìn)的地方做了總結(jié)。

1 問題描述

由于混合動力系統(tǒng)的能量管理問題是一個涉及到電能、熱能、機(jī)械能等能量的控制與轉(zhuǎn)化的重要問題，隸屬于非線性動態(tài)優(yōu)化問題，動態(tài)系統(tǒng)相當(dāng)復(fù)雜，而且優(yōu)化控制目標(biāo)也有著較大的差異。大量的研究工作者在相關(guān)的文獻(xiàn)中從不同的方面對混合動力汽車能量管理策略的優(yōu)化控制進(jìn)行了描述與定義，許多文獻(xiàn)通過對混合動力系統(tǒng)中兩種動力源進(jìn)行合理的功率分配[16]實現(xiàn)對混合動力汽車能量管理策略的優(yōu)化控制；一些文獻(xiàn)中以電池的荷電狀態(tài)[17]作為優(yōu)化控制的目標(biāo)建立性能指標(biāo)函數(shù)；還有些文獻(xiàn)中綜合考慮到電池的荷電狀態(tài)、燃油排放等情況以燃油消耗最小[18-19]為控制目標(biāo)；也有些文獻(xiàn)中將道路的工況信息[20]為約束條件，建立關(guān)于不同工況約束條件下的優(yōu)化控制問題。

簡單的來說，混合動力汽車針對動力分配系統(tǒng)所建立的模型[21]可表述為

(1)

基于動力分配系統(tǒng)的動態(tài)模型所提出的能量管理策略的優(yōu)化問題可表述為

(2)

其中，x為系統(tǒng)的狀態(tài)變量，一般用來表述電池的荷電狀態(tài)SOC,u為系統(tǒng)的控制變量，一般為系統(tǒng)所需的功率或者轉(zhuǎn)矩的分配情況,N(x)為系統(tǒng)的約束條件，比如，電機(jī)的功率和轉(zhuǎn)矩的約束、發(fā)動機(jī)轉(zhuǎn)速與轉(zhuǎn)矩的條件限制，SOC的初值與終值約束等，J(x,u)為能量管理策略優(yōu)化控制目標(biāo)的性能指標(biāo)函數(shù)。

2 能量管理策略的優(yōu)化算法

考慮到混合動力系統(tǒng)復(fù)雜的功率分配問題，下面將基于燃油經(jīng)濟(jì)性、油耗、SOC等方面的能量管理策略進(jìn)行優(yōu)化控制，以達(dá)到提高整車系統(tǒng)效率的目的。

2.1 基于燃油經(jīng)濟(jì)性的能量優(yōu)化問題

考慮到混合動力系統(tǒng)中電動機(jī)和發(fā)電機(jī)都可以提供動力，為協(xié)調(diào)發(fā)電機(jī)和電機(jī)之間的功率輸出，行之有效的利用動力源，以便提高系統(tǒng)的燃油經(jīng)濟(jì)性，文獻(xiàn)[22]中將發(fā)動機(jī)的油耗和電機(jī)的油耗之和作為整個系統(tǒng)的等效油耗，并且加入未來駕駛員的駕駛意圖；文獻(xiàn)[23～24]中考慮到在充電和放電過程中其等效因子的變化情況是不同的，建立關(guān)于油耗的瞬時功能函數(shù)；文獻(xiàn)[25]中將能量管理策略的優(yōu)化問題描述成將電機(jī)的能量消耗轉(zhuǎn)化為等效的發(fā)動機(jī)油耗，將該油耗與發(fā)動機(jī)的實際油耗之和作為名義油耗，在某個工況條件下確定電動機(jī)的工作狀態(tài)及工作點(diǎn)，最終實現(xiàn)對發(fā)動機(jī)、電動機(jī)輸出轉(zhuǎn)矩的優(yōu)化控制，此等效油耗控制問題可表示成如下優(yōu)化問題

(3)

且有

(4)

(5)

其中，SFCrech為百公里油耗的平均燃油消耗量，SFCdis為排放箱的燃油消耗平均值，ηe_mean為電機(jī)的效率，ηbatt_mean為電池的效率，Pe(ωe,Te)為電機(jī)提供的需求功率。

文獻(xiàn)[26]中將能量管理策略的優(yōu)化控制問題解析為根據(jù)駕駛員的需求功率來分配動力系統(tǒng)中各個部件的功率，以獲得整車系統(tǒng)最佳的燃油經(jīng)濟(jì)性并保持電池荷電狀態(tài)在允許范圍內(nèi)的平衡，此時最佳燃油經(jīng)濟(jì)性問題可轉(zhuǎn)化為在時長為[t0,tf]的循環(huán)工況下的能量管理策略的優(yōu)化問題，即性能指標(biāo)函數(shù)為

(6)

約束條件為

(7)

SOE(u(t),t)=Eb(t)/Eb_max

(8)

其中，Pe_min，Pe_max分別為發(fā)動機(jī)的最小、最大輸出功率，Pb_min為電池最大充電功率，Pb_max為電池最大放電功率，SOE為電池的能量狀態(tài)，Eb(t)為當(dāng)前時刻所剩的電池能量，Eb_max為電池所能儲存的最大能量。

2.2 基于瞬時油耗控制的能量優(yōu)化問題

由于車輛在城市道路下行駛時，常處于頻繁的起停和換擋等瞬時工況下，為了提高整車系統(tǒng)的燃油經(jīng)濟(jì)性，有必要將車輛的實時優(yōu)化控制考慮到能量管理策略的優(yōu)化中，這樣一方面可以較好地獲得在瞬時工況下系統(tǒng)的能量消耗情況，另一方面也可以實時改進(jìn)系統(tǒng)的功率分配，文獻(xiàn)[27]中綜合考慮了整車速度、傳動齒輪數(shù)目、SOC荷電狀態(tài)，將能量管理策略的優(yōu)化問題表述為關(guān)于等效油耗和發(fā)動機(jī)輸出排放的瞬時成本函數(shù)

(9)

且約束條件為

M=α(SOC(N)-SOCf)2

(10)

x(N)-x(0)=SOC

(11)

其中，N為駕駛周期的持續(xù)時間，k表示駕駛周期內(nèi)的某個時間點(diǎn)，L表示瞬時成本函數(shù)(包括等效燃油消耗、發(fā)動機(jī)的NOx和PM排放量)，μ,v,α為加權(quán)因子參數(shù)。

文獻(xiàn)[28]中，考慮在增強(qiáng)或者保持車輛的駕駛性能的前提下，以某個時間點(diǎn)或者某段連續(xù)的時間段內(nèi)系統(tǒng)發(fā)燃油消耗最小為目標(biāo)，綜合考慮燃油消耗和排放的問題，將優(yōu)化問題表述為

(12)

且約束條件為

(13)

其中，X定義了參數(shù)的上限和下限，ncon為約束的數(shù)量，F(xiàn)C，HC+NOx，CO用于標(biāo)準(zhǔn)化每個變量的目標(biāo)值，ωi是每個參數(shù)基于標(biāo)準(zhǔn)所分配的權(quán)重，TDC為駕駛時間的持續(xù)周期。

2.3 基于全局油耗控制的能量優(yōu)化問題

為了獲得整車系統(tǒng)基于等效油耗的全局優(yōu)化控制，文獻(xiàn)[29]中采用改進(jìn)的動態(tài)規(guī)劃算法，對于既定的系統(tǒng)功率需求，協(xié)調(diào)發(fā)動機(jī)和電池的輸出功率，使得整個循環(huán)工況下的油耗量達(dá)到最小，文獻(xiàn)[30]中基于發(fā)動機(jī)的轉(zhuǎn)矩輸出控制，建立了關(guān)于發(fā)動機(jī)輸出轉(zhuǎn)矩的優(yōu)化控制，并將發(fā)動機(jī)的輸出轉(zhuǎn)矩約束在一定的范圍內(nèi)，文獻(xiàn)[31]采用動態(tài)規(guī)劃算法對能量管理策略進(jìn)行全局優(yōu)化，將電池消耗或者吸收的能量等效的轉(zhuǎn)化為一定的燃油消耗量，則基于全局優(yōu)化控制的性能指標(biāo)函數(shù)可以表示為

(14)

(15)

約束條件為

(16)

其中，Q(K)為k階段的燃油消耗量，g為狀態(tài)轉(zhuǎn)移函數(shù)，SOC(k)為k階段的電池荷電狀態(tài)。

文獻(xiàn)[32]中，考慮到換擋過程中的擋位優(yōu)化控制，將SOC限制在一定的區(qū)域范圍內(nèi)，提出了控制整個循環(huán)工況下發(fā)動機(jī)燃油消耗最低和SOC的荷電狀態(tài)維持在一定的理想值為控制目標(biāo)的優(yōu)化問題，即可以表述為

(17)

且約束條件為

ωe_min≤ωe≤ωe_max
ωg_min≤ωg≤ωg_max
ωm_min≤ωm≤ωm_max

(18)

(19)

SOCm_min≤SOCm≤SOCm_max

(20)

其中，發(fā)動機(jī)轉(zhuǎn)矩Tg、電機(jī)轉(zhuǎn)矩Tm、變速箱擋位i(i?{0,1,2,3})(0代表空擋)為系統(tǒng)的控制變量，Qe=f(Te,ωe)，Qe為發(fā)動機(jī)燃油消耗，是當(dāng)前狀態(tài)發(fā)動機(jī)轉(zhuǎn)矩、轉(zhuǎn)速的查表得到的函數(shù)。

2.4 基于SOC控制的能量優(yōu)化問題

SOC作為混合動力汽車的動力源之一，SOC的電池荷電狀態(tài)、電池容量以及電池健康狀態(tài)對于混合動力系統(tǒng)能量管理策略的優(yōu)化控制有著重要的影響。文獻(xiàn)[33]中考慮到SOC的荷電狀態(tài)與發(fā)動機(jī)輸出功率的關(guān)系，建立了基于極小值原理的能量管理策略的優(yōu)化控制；文獻(xiàn)[34]中利用模糊控制規(guī)則，將對SOC 的荷電狀態(tài)控制引入了一定的約束條件，即要求SOC在一定工況下，終值與初值相等，并建立關(guān)于SOC的優(yōu)化控制；文獻(xiàn)[35]為了研究在混合動力系統(tǒng)燃油消耗率最小的前提下SOC的荷電狀態(tài)，建立了關(guān)于SOC為控制變量的性能指標(biāo)函數(shù)，并把SOC約束在一定的范圍內(nèi)，文獻(xiàn)[36]中考慮到電池的健康狀態(tài)以及電池的壽命估計，將SOC的優(yōu)化問題描述為

(21)

(22)

(23)

3 問題與展望

混合動力汽車作為新能源汽車的一種，在降低排放、節(jié)能減排方面扮演著不可替代的角色。由上從各個方面總結(jié)了影響混合動力系統(tǒng)效率的因素，簡述了不同控制目標(biāo)下的優(yōu)化算法?；旌蟿恿ζ嚹芰抗芾聿呗缘膬?yōu)化對于提高整車系統(tǒng)的效率有著重要的作用，而目前影響混合動力汽車能量管理策略優(yōu)化的因素主要有：對性能指標(biāo)以及功能函數(shù)的選擇與確定、系統(tǒng)瞬態(tài)變化過程對耗油的影響、混合程度以及混合動力系統(tǒng)的結(jié)構(gòu)、駕駛工況的預(yù)測、控制算法的選擇等，現(xiàn)階段混合動力汽車發(fā)展的局限主要在于：

(1)對于不同工況下道路信息的預(yù)測無法準(zhǔn)確獲得，現(xiàn)在已有的預(yù)測方法都是基于未來道路信息、先驗知識以及駕駛員對于不同工況下的駕駛要求，實際應(yīng)用時會有一定的誤差；

(2)由于在城市中車輛可能會處于頻繁的起停，這樣就導(dǎo)致研究混合動力汽車瞬時能量損耗顯得尤為重要，但是瞬時優(yōu)化算法又無法保證系統(tǒng)的全局最優(yōu)。

對于上述影響混合動力系統(tǒng)因素以及混合動力汽車發(fā)展存在的局限，考慮未來混合動力汽車的努力方向，總結(jié)了以下幾點(diǎn)需要改進(jìn)的地方：1)由于混合動力系統(tǒng)是根據(jù)駕駛員所需要的功率需求來分配動力系統(tǒng)的能量的，而能量的分配對于整個效率的提高具有至關(guān)重要的作用，探尋行之有效的能量分配方法更有利于能量管理策略的優(yōu)化以及提高車輛的燃油經(jīng)濟(jì)性、動力性；2)無論是結(jié)構(gòu)串聯(lián)型、并聯(lián)型還是混聯(lián)型的混合動力系統(tǒng)，再生制動所回收的能量能夠提供總能量35%的有效能源，所以可以進(jìn)一步改善能量的分配控制策略，探索更有效的功率分配算法可以更好的提高整體效率；3)為了獲得更為準(zhǔn)確的工況信息，可以充分利用現(xiàn)有的遙感技術(shù)、導(dǎo)航以及GPS定位系統(tǒng)，結(jié)合神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)等人工智能的算法對路況信息進(jìn)行實時預(yù)測與獲取，并應(yīng)用于控制算法中。

[1] 孫景倫,周萍,孫躍東.純電動汽車動力傳動系參數(shù)匹配及仿真[J].電子科技,2016,29(1):51-55.

[2] Tryon B W.Hybrid electric vehicle energy management system:US,US20080021628[P]. 2008.

[3] Salman M A,Chen J S,Chang M F. Predictive energy management system for hybrid electric vehicles:US,US 7360615 B2[P].2008.

[4] Emadi A,Lee Y J,Rajashekara K.Power electronics and motor drives in electric,hybrid electric, and plug-in hybrid electric vehicles[J].IEEE Transactions on Industrial Electronics,2008,55(6):2237-2245.

[5] Song Z,Hofmann H,Li J,et al.Energy management strategies comparison for electric vehicles with hybrid energy storage system[J]. Applied Energy,2014,134(C):321-331.

[6] He H W,Zhang Y Q,Wan F.Control strategies design for a fuel cell hybrid electric vehicle[C].MA,USA:Vehicle Power and Propulsion Conference,IEEE,2008.

[7] Johnson V H,Wipke K B,Rausen D J. HEV control strategy for real-time optimization of fuel economy and emissions[J].Mccarthy, 2000,1(3):1543-1558.

[8] Amir lbrahim Ali A.Moedling and simulation of smooth gearshift control in real-time for automatic manual transmission system [D].Chongqing:Chongqing University,2005.

[9] Jian Wu.Optimization of energy management strategy for parallel hybrid electric vehicle[D].Jinan:Shandong University,2008.

[10] Wu Di.Research on energy optimal management control strategy for ISG hybrid electric vehicle[D].Hefei:Hefei University of Technology,2013.

[11] 古艷春.混合動力汽車AMT換檔策略及換檔控制的研究[D].上海:上海交通大學(xué),2006.

[12] Wirasingha S G,Emadi A.Classification and review of control strategies for plug-in hybrid electric vehicles[C].CA,USA:Vehicle Power and Propulsion Conference,IEEE,2009.

[13] Serrao L,Rizzoni G.Optimal control of power split for a hybrid electric refuse vehicle[C].PR,USA:American Control Conference,2008.

[14] Rousseau G, Sinoquet D, Rouchon P, et al. Constrained optimization of energy management for a Mild-Hybrid vehicle[J]. Oil & Gas Science & Technology,2007,62(4):623-634.

[15] Delprat S,Guerra T M,Rimaux J.Control strategies for hybrid vehicles: optimal control[J].IEEE Transactions on Engine,2002(3):1681-1685.

[16] Salman W,Chang M F,Chen J S. Predictive energy management strategies for hybrid vehicles[C].Hongkong:IEEE Vehicle Power and Propulsion Conference,IEEE,2005.

[17] Affanni A,Bellini A,Franceschini G,et al. Battery choice and management for new-generation electric vehicles[J].IEEE Transactions on Industrial Electronics,2005,52(5):1343-1349.

[18] Wei X,Guzzella L,Utkin V I,et al. Model-based fuel optimal control of hybrid electric vehicle using variable structure control systems[J].Journal of Dynamic Systems Measurement & Control,2007,129(1):7-14.

[19] Kim N,Cha S,Peng H.Optimal control of hybrid electric vehicles based on pontryagin’s minimum principle[J].IEEE Transactions on Control Systems Technology,2011,19(5):1279-1287.

[20] 劉永剛,解慶波,秦大同,等.基于工況識別的混合動力汽車能量管理策略優(yōu)化[J].機(jī)械傳動,2016(5):64-69.

[21] Zhao Xinchun,Guo Ge.Survey on energy management strategies for hybrid electric vehicles[J].Acta Automatica Sinica,2016,42(3): 321-334.

[22] Sciarretta A,Back M,Guzzella L.Optimal control of parallel hybrid electric vehicles[J]. IEEE Transactions on Control Systems Technology,2012,12(3):352-363.

[23] Kleimaier A,Schroder D.An approach for the online optimized control of a hybrid powertrain[C].Maribor,Slovenia:International Workshop on Advanced Motion Control,Institute of Electrical and Electronics Engineers Inc,2002.

[24] Musardo C,Rizzoni G,Guezennec Y,et al. A-ECMS:an adaptive algorithm for hybrid electric vehicle energy management[J]. European Journal of Control,2005,11(4-5):509-524.

[25] Paganelli G,Delprat S,Guerra T M,et al. Equivalent consumption minimization strategy for parallel hybrid powertrains[C].VTC Spring:Vehicular Technology Conference, IEEE,2002.

[26] 林歆悠,孫冬野,鄧濤.基于極小值原理的混聯(lián)混合動力客車能量管理策略優(yōu)化[J]. 汽車工程,2012,34(10):865-870.

[27] Salmasi F R.Control strategies for hybrid electric vehicles: evolution, classification, comparison, and future trends[J].IEEE Transactions on Vehicular Technology,2007,56(5):2393-2404.

[28] Poursamad A,Montazeri M.Design of genetic-fuzzy control strategy for parallel hybrid electric vehicles[J].Control Engineering Practice,2008,16(7):861-873.

[29] Shen Caiying,Xia Chaoying.Control strategy of series hybrid electric vehicle based on improved dynamic programming[J]. Control Theory & Applications,2011,28(3):427-432.

[30] 林歆悠.混聯(lián)式混合動力客車功率均衡能量管理控制策略研究[D].重慶:重慶大學(xué), 2011.

[31] Lin C C,Kang J M,Grizzle J W,et al. Energy management strategy for a parallel hybrid electric truck[C].NZ,USA:Proceedings of the American Control Conference,2001.

[32] Moghbeli H,Halvaei Niasar A, Fallahi N. Fuzzy energy control strategy of through-to-road hybrid electric vehicle[M]. New York:Mc Gell Press,2014.

[33] Kim N, Cha S, Peng H. Optimal control of hybrid electric vehicles based on pontryagin’s minimum principle[J].IEEE Transactions on Control Systems Technology, 2011,19(5):1279-1287.

[34] Wu J. Fuzzy energy management strategy for plug-in hev based on driving cycle modeling[C].LV,USA:Control Conference,IEEE,2014.

[35] Taghavipour A,Foumani M S,Boroushaki M.Implementation of an optimal control strategy for a hydraulic hybrid vehicle using CMAC and RBF networks[J].Scientia Iranica, 2012,19(2):327-334.

[36] Serrao L,Onori S,Sciarretta A,et al. Optimal energy management of hybrid electric vehicles including battery aging[C].TX,US:American Control Conference,2011.