實際路況下PHEV等效油耗降低策略研究

彭美春，馬保童，廖清睿

（廣東工業(yè)大學(xué)機電工程學(xué)院，廣東 廣州 510006）

1 引言

能量管理控制策略是PHEV關(guān)鍵技術(shù)，車輛實際道路運行工況變化多端，控制策略能否適應(yīng)工況的即時變化，對于保證汽車的性能至關(guān)重要。

插電式混合動力汽車PHEV的能量管理控制策略可以分為基于工況信息預(yù)測、基于規(guī)則、瞬時優(yōu)化與全局優(yōu)化三種。

基于工況信息預(yù)測的控制效果取決于對工況信息預(yù)測的完全性與準確性，對于大多數(shù)非固定線路、工況瞬變的車輛適應(yīng)性不好[1?2]?；谝?guī)則的能量管理控制策略，算法簡單，對控制系統(tǒng)實時計算性能要求較低，但所制定的規(guī)則多是由工程經(jīng)驗所得，對實際道路工況適應(yīng)性較差[3]。

基于瞬時優(yōu)化能量管理控制策略能確定每個采樣瞬間的最優(yōu)值，但不一定是整個工況下的全局最優(yōu)值[4]。

全局優(yōu)化算法能夠?qū)崿F(xiàn)全工況的最優(yōu)控制，前提是已知整個循環(huán)工況。但車輛實際行駛過程中難以準確預(yù)測完整路況信息，因此全局優(yōu)化無法保證計算的實時性[5]。

基于特定循環(huán)工況，如新歐洲行駛循環(huán)NEDC對PHEV控制策略參數(shù)優(yōu)化研究較多[6?8]，因?qū)嶋H道路行駛工況與NEDC工況相比，兩者存在較大差異，前者車速瞬態(tài)變化劇烈較多，導(dǎo)致基于標準工況開發(fā)標定所得的控制系統(tǒng)在實際道路上行駛時不能很好地適應(yīng)瞬態(tài)工況變化，PHEV 車輛實際道路運行能耗未能達到最優(yōu)。

以構(gòu)建的城市典型行駛工況為基礎(chǔ)，采用組合優(yōu)化算法對混合動力乘用車能量管理控制策略參數(shù)進行優(yōu)化，實現(xiàn)整車經(jīng)濟性能提高，屬于基于實際道路行駛工況對控制策略參數(shù)的優(yōu)化[9]，該方面研究尚少。

以一P2構(gòu)型的油電混合輕型乘用車為對象，研究基于車輛實際道路行駛工況的能量管理控制策略設(shè)計與優(yōu)化問題，以實現(xiàn)車輛實際道路運行低能耗的目的。

2 PHEV能量管理控制策略設(shè)計

P2構(gòu)型PHEV輕型乘用車包括了電機與內(nèi)燃機兩套動力源，發(fā)動機與電機同軸布置，電機位于發(fā)動機之后變速箱之前，中間通過離合器實現(xiàn)發(fā)動機與電機的動力耦合。為合理地對動力源能量進行分配，本研究采取讓電機對內(nèi)燃機動力進行補償、使內(nèi)燃機盡可能工作在高熱效率區(qū)的能量管理控制策略，以實現(xiàn)低能耗的目的。

PHEV能量管理控制策略整體架構(gòu)，如圖1所示。包括控制信號輸入、需求轉(zhuǎn)矩計算、工作模式判斷與選擇、轉(zhuǎn)矩分配和控制信號輸出。工作模式分為純電模式（Edrive mode）、單發(fā)動機模式（Engine mode）、混合驅(qū)動模式（Eboost mode）、行車充電模式（Lpm mode）和制動能量回收模式等。實際行駛中PHEV工作模式不斷切換，各個工作模式之間的切換邏輯也不盡相同。根據(jù)車輛需求轉(zhuǎn)矩、車速和動力電池剩余電量SOC等來確定各工作模式之間的切換條件，對切換邏輯的定義，如圖2所示。

圖1 控制策略整體架構(gòu)Fig.1 Overall Architecture of Control Strategy

圖2 PHEV工作模式切換邏輯Fig.2 Working Mode Switching Logic of PHEV

本研究設(shè)計的車輛驅(qū)動工作模式動力電池電量消耗采用電量消耗CD（Charge Depleting，CD）和電量維持CS（Charge Sustain?ing，CS）兩階段模式，在電量消耗CD階段，提升純電驅(qū)動比例，延長行駛里程，以充分利用外部電網(wǎng)充入的能量，使汽車到達目的地后，動力電池剩余電量SOC值剛好進入電量維持CS階段，再進行下一次的外部電網(wǎng)充電，這樣能最大程度的減少車輛能耗。CD階段和CS階段的切換以動力電池SOC值作為參考，當動力電池SOC下降到低值限SOC_low時，進入CS階段。CD、CS兩階段下各工作模式轉(zhuǎn)矩分配策略設(shè)計如下：

（1）CD階段

工作模式主要有純電驅(qū)動模式、單發(fā)動機驅(qū)動模式、混合驅(qū)動模式一、混合驅(qū)動模式二，各工作模式轉(zhuǎn)矩分配規(guī)則如下：

①純電動驅(qū)動模式（Edrive mode）

（2）CS階段

工作模式包括純電驅(qū)動模式、行車充電模式、單發(fā)動機驅(qū)動模式和混合驅(qū)動模式，各工作模式轉(zhuǎn)矩分配規(guī)則如下：

①純電動驅(qū)動模式（Edrive mode）

式中：符號含義同上。

3 PHEV仿真模型與運行典型工況建立

采用仿真分析方法研究混合動力能量控制策略對PHEV車輛動力性、經(jīng)濟性影響。建立車輛性能仿真模型，基于車輛實際運行工況采集數(shù)據(jù)進行典型工況構(gòu)建，用作車輛性能仿真計算循環(huán)工況，使仿真結(jié)果貼近車輛實際道路運行狀況。

3.1 車輛性能仿真建模

應(yīng)用CRUISE 軟件進行車輛性能仿真建模，對車輛模塊、發(fā)動機模塊、離合器模塊、電機模塊、變速箱模塊、主減速器模塊、輪胎模塊、電池模塊和駕駛室模塊的參數(shù)進行設(shè)置，根據(jù)車輛的動力傳遞路線和控制方式進行機械連接、電氣連接和數(shù)據(jù)總線連接。在Simulink 中搭建車輛能量管理控制策略模型，所生成的DLL文件嵌入到CRUISE軟件中，建立PHEV性能仿真模型。

3.2 典型工況構(gòu)建

選擇典型線路進行車輛道路運行工況采集，運用主成分、聚類分析方法構(gòu)建典型工況。

3.2.1 試驗線路

構(gòu)建本地特色的車輛行駛典型工況進行車輛實際道路運行工況測試時，參考GB18352.6?2016 標準附錄D[10]規(guī)定的實際道路排放測試線路規(guī)范，包括市區(qū)、市郊、高速三部分行駛工況，選擇試驗行駛線路，如圖3所示。

圖3 測試線路Fig.3 Test Route

以廣州大學(xué)城外環(huán)路作為市區(qū)道路運行工況，南沙港快速路、黃欖快速路作為市郊道路運行工況，廣澳高速路作為高速道路運行工況。這樣的行駛路線較能全面表達輕型車實際道路運行特性。

采樣頻率為1Hz，得到共6100組車速、時間連續(xù)樣本試驗數(shù)據(jù)，離散化處理，依時間序列從試驗起始點開始往后劃分，以100s為間隔，共得出61個運動學(xué)工況片。

3.2.2 特征參數(shù)的確定

采用車輛運行運動學(xué)特征參數(shù)對車輛行駛工況特征進行描述，選擇以速度和加速度為基礎(chǔ)特征參數(shù)，衍生出其它特征參數(shù)，得出共13個特征參數(shù)作為工況運動學(xué)信息表征參數(shù)，包括平均車速、最大車速、平均加速度、平均減速度、速度標準差、最大加速度、最大減速度、加速度標準差各類工況比例等，基于之對各個工況片段的特征值進行計算，得出特征值矩陣。

3.2.3 主成分分析

對包括61個工況片段的特征值矩陣中13個特征值進行主成分分析，實現(xiàn)數(shù)據(jù)的降維處理。得到各主成分貢獻率，其中序號1?5的主成分累計貢獻率達到92%以上，故提取前5個主成分記為主成分矩陣。

3.2.4 聚類分析

運用K?Means算法計算不同工況片段樣本間的距離來判斷他們的相近關(guān)系，相近的放到同一個類別中，實現(xiàn)工況片段的分類。結(jié)合實際道路工況分市區(qū)、市郊、高速的特征，綜合考慮類間距、工況片段數(shù)分布等，對61個運行學(xué)片段主成分矩陣進行三類聚類分析，得出每個工況片所屬的類，計算出各類工況片占比。

3.2.5 典型工況構(gòu)建

共選取18個典型工況片段按片段的平均速度從小到大進行排列拼接，經(jīng)濾波、平滑等處理，構(gòu)建出總時長為1800s的實際道路行駛典型工況，其車速曲線，如圖4所示。其中城市區(qū)間時長為900s，市郊區(qū)間時長為500s，高速區(qū)間時長為400s。該典型工況與NEDC循環(huán)相比存在較大差異，一是車速瞬變較多，主要體現(xiàn)在市區(qū)工況區(qū)；二是市區(qū)、市郊、高速三種路段工況覆蓋全面，而NEDC工況市郊與高速區(qū)分不明顯；三是市郊與高速工況時間占比明顯高于NEDC工況。綜之本研究構(gòu)建的典型工況較NEDC工況與輕型車輛實際道路運行工況特征貼近較多。

圖4 典型工況車速曲線Fig.4 The Speed Curve of Typical Cycle

4 PHEV控制參數(shù)及傳動比優(yōu)化

控制策略選取后，控制參數(shù)優(yōu)化是實現(xiàn)能耗降低的關(guān)鍵。

4.1 優(yōu)化算法

應(yīng)用多島遺傳算法進行對象PHEV車輛能量管理控制策略參數(shù)等的優(yōu)化。多島遺傳算法是對并行分布遺傳算法的改進，具有比傳統(tǒng)遺傳算法更優(yōu)良的全局求解能力和計算效率。算法通過不斷的迭代收斂于最優(yōu)參數(shù)，當遺傳代數(shù)達到最大值時，結(jié)束尋優(yōu)過程。

4.2 優(yōu)化變量及目標函數(shù)

選取PHEV控制策略中影響車輛動力性、經(jīng)濟性的關(guān)鍵參數(shù)和傳動比共6個參數(shù)作為優(yōu)化變量，分別為CD階段發(fā)動機啟停扭矩CD_Torque、CS階段發(fā)動機啟停扭矩CS_Torque、進入CS階段SOC 值SOC_low、純電動最高車速Velocity_Max_eDrive、前主減速比iFD1和后主減速比iFD2，變量初值為樣車原始參數(shù)值，根據(jù)經(jīng)驗設(shè)置優(yōu)化取值范圍，如表1所示。

表1 優(yōu)化變量及取值Tab.1 Optimize Variables and Values

在滿足動力性能設(shè)計指標和各部件性能約束的前提下，進行PHEV能量管理控制策略參數(shù)及傳動比優(yōu)化，使整車的能耗得到改善。車輛按循環(huán)工況運行會消耗燃油與電能，動力電池在CD階段SOC發(fā)生大幅度波動，在CS階段SOC發(fā)生小幅度波動。為方便表征，將電能消耗量折算為等效燃油消耗量，提出了包含動力電池電能與發(fā)動機油耗在內(nèi)的等效綜合油耗，來評價整車循環(huán)工況下的經(jīng)濟性，電耗折算油耗計算公式，如式（1）所示。

式中：Qequ—循環(huán)工況電能消耗量折算的等效燃油消耗量，單位為L；Ek—循環(huán)工況中所消耗的電能，單位為kW/h；ρgasolined—燃料密度，單位為kg/L；Qgasolined_min—燃料的低熱值，單位為kJ/kg；φice—發(fā)動機發(fā)電狀態(tài)下的平均效率；φmotor—電機發(fā)電狀態(tài)下的平均效率。

將目標循環(huán)工況下PHEV能量管理控制策略參數(shù)及傳動比優(yōu)化看成是一個PHEV等效綜合油耗單目標優(yōu)化問題，其數(shù)學(xué)模型，如式（2）所示。

式中：x—有關(guān)PHEV 相關(guān)參數(shù)的向量；ΔFuel(x)—等效綜合油耗；?—可能的解空間；Hi(x) ≤0—約束條件；N—約束條件的數(shù)量。

綜上，適應(yīng)度函數(shù)可描述為如式（3）所示。

式中：ui(x)—最大車速、百公里加速時間、爬坡和CD階段SOC變化范圍等約束條件；m—優(yōu)化變量的個數(shù)，這里取值為6，xj—第j個優(yōu)化變量的取值上下限。

4.3 參數(shù)優(yōu)化聯(lián)合模型

將多島遺傳算法嵌入ISIGHT 軟件中。將ISIGHT 軟件同CRUISE軟件聯(lián)合，運算命令.bat批處理文件實現(xiàn)CRUISE軟件中PHEV仿真模型的自動運算，ISIGHT軟件再根據(jù)CRUISE軟件中模型的運行結(jié)果進行優(yōu)化計算，以所構(gòu)建的實際道路行駛典型工況循環(huán)作為仿真運行工況，將PHEV等效綜合油耗仿真結(jié)果作為適應(yīng)度函數(shù)的值，如此循環(huán)，以實現(xiàn)PHEV能量管理控制策略參數(shù)及傳動比優(yōu)化。

4.4 優(yōu)化結(jié)果與分析

SOC 初始值為95%，總?cè)后w規(guī)模數(shù)為100，迭代次數(shù)為800。為保證SOC變化范圍覆蓋整個CD?CS階段，需選擇4個連續(xù)的實際道路行駛典型工況循環(huán)作為參數(shù)優(yōu)化聯(lián)合仿真模型的運算工況，運行時長7200s，總里程106km，如圖4所示。

當優(yōu)化算法迭代到400代左右時，PHEV的累計總里程等效綜合油耗達到一個相對穩(wěn)定值7.18L左右，得出各參數(shù)優(yōu)化值，如表2所示。

表2 優(yōu)化前后參數(shù)值Tab.2 Parameter Values Before and After Optimization

為分析遺傳算法優(yōu)化得到最優(yōu)解的合理性，需要分析優(yōu)化前后與能耗相關(guān)的PHEV關(guān)鍵部件特性變化。PHEV中電機轉(zhuǎn)矩、動力電池SOC的變化、發(fā)動機工作特性與能耗直接相關(guān)。電機輸出轉(zhuǎn)矩正負反映動力電池充放電狀態(tài)變化狀況，當電機轉(zhuǎn)矩為正時動力電池處于放電狀態(tài)，當電機轉(zhuǎn)矩為負時動力電池處于充電狀態(tài)。優(yōu)化前后電機轉(zhuǎn)矩變化，如圖5所示。

圖5 優(yōu)化前后電機轉(zhuǎn)矩Fig.5 Motor Torque Before and After Optimization

從電機負轉(zhuǎn)矩可以看出優(yōu)化后電機進入CS 階段較優(yōu)化前晚，說明CD階段動力電池電能消耗量變緩。優(yōu)化前后動力電池SOC變化曲線，如圖6所示?？梢妰?yōu)化后SOC在CD階段變化幅度較優(yōu)化前變小，優(yōu)化后SOC大約在35.5%左右進入CS階段，對應(yīng)循環(huán)工況時間約為4650s，較優(yōu)化前進入CS階段更晚一些，這樣電能得到了充分利用。

圖6 優(yōu)化前后SOCFig.6 SOC Before and After Optimization

優(yōu)化前后發(fā)動機瞬時油耗變化曲線，如圖7所示?？梢妰?yōu)化后較優(yōu)化前，發(fā)動機工作過程中部分瞬時油耗高峰值明顯降低，因此發(fā)動機平均燃油耗得以降低。

圖7 優(yōu)化前后發(fā)動機油耗Fig.7 Fuel Consumption Before and After Optimization

典型工況下在車輛動力性基本不變情形下，仿真計算得到參數(shù)優(yōu)化前后整車能耗結(jié)果，如表3所示。可見優(yōu)化后的PHEV等效綜合油耗相比優(yōu)化前降低了6.02%，優(yōu)化效果較好?？梢娀诮⒌哪芰抗芾砜刂撇呗詢?yōu)化聯(lián)合仿真模型，使得PHEV能量管理控制策略參數(shù)及傳動比得到了優(yōu)化，實現(xiàn)了PHEV實際道路運行能耗降低的目的。

表3 優(yōu)化前后結(jié)果Tab.3 Results Before and After Optimization

5 總結(jié)

設(shè)計了電機對內(nèi)燃機動力進行補償、使內(nèi)燃機盡可能工作在高熱效率區(qū)，以及延長CD 階段行駛里程的能量管理控制策略。構(gòu)建出全面體現(xiàn)輕型車運行特征的實際道路行駛典型工況，可用于車輛性能仿真與控制策略優(yōu)化研究等。應(yīng)用多島遺傳算法進行能量管理控制策略參數(shù)及傳動比尋優(yōu)，得出優(yōu)化后CD階段發(fā)動機啟停扭矩、CS階段發(fā)動機啟停扭矩、進入CS階段SOC值、純電動最高車速，以及前主減速比和后主減速比值。相比優(yōu)化前，PHEV等效綜合油耗降低了6.02%，有效降低了車輛實際道路運行工況下的能耗。