|
能量管理控制策略是新能源汽车开发的关键技术，其设计的目的是满足车辆行驶需求前提下，根据关键部件性能特征与车辆行驶工况，利用新能源汽车的节能原理和技术，充分发挥设计方案的节能潜力，使整车达到能效优化。从本期开始，我们将安排5篇文章，在理论层面和测试层面，分别介绍新能源汽车的能量管理控制策略。 1、设置能量管理控制策略的目的 由于匹配了多动力源能量耦合系统，新能源汽车相比传统内燃机汽车在满足整车功率需求时更具有灵活性。为了合理的对多动力源能量耦合系统进行管理，通过设置能量管理控制策略对多动力源的功率或转矩进行分配、对机械制动和电能量回收进行协调，在保证车辆动力性、安全性及舒适性的基础上，提升系统效率，改善车辆的节能减排性能。通常能量管理控制策略会采用相关算法来实现上述目标。 2、插电式混合动力汽车的CD/CS策略和Blended策略 传统混合动力汽车的充放电能力有限，电池容量和功率偏低，可在很小的电池荷电状态（SOC）窗口内运行。当车辆运行时，能量管理控制策略通过优化电池的充放电过程平滑发动机工作点，进而降低车辆燃油消耗。传统混合动力汽车的SOC具有一定的收敛性，运行一段工况的过程中，其SOC的初始值和终值相同，即电量维持（Charge Sustaining, CS）模式。 类似地，针对插电式混合动力汽车，由于可以通过外接电网充电，其能量管理控制策略增加了电量消耗模式（Charge Depleting, CD）。该“电量消耗-电量维持”（CD-CS）控制策略具有简单、易于应用的特点，但是一旦进入电量维持模式对能耗的优化空间就非常有限。此外，“电量消耗-电量维持”（CD-CS）控制策略通常匹配的电驱动系统容量和功率等级均较大，以便在CD模式中利用电池放电能力实现对全工况动力性能的覆盖，因此车辆成本受电驱动系统的影响增加较多。
图1、电量消耗-电量维持（CD-CS）策略和混合控制策略（Blended Mode） 插电式混合动力汽车采用的另一种策略为混合控制策略（Blended Mode），通过在整个循环工况中实时地合理分配电池和发动机的功率，逐渐消耗电池电量。混合控制策略必须根据行驶里程长度进行调整，在没有出行里程相关信息的情况下，与既定的电量消耗-电量维持（CD-CS）策略相比，混合控制策略（Blended Mode）可能燃油消耗更大，这是阻碍混合控制策略（Blended Mode）实际应用的主要原因之一。但是如果已知所需的里程信息，混合控制策略（Blended Mode）比电量消耗-电量维持（CD-CS）策略的燃油经济性优化改进更明显，并且充分运用了PHEV的特性。 3、基于规则的能量管理控制策略简述
图2、基于规则的能量管理控制策略简 能量管理控制策略分为基于规则（RB）和基于优化的控制策略。其中，基于规则的控制策略包含确定性策略和模糊逻辑（FL）控制策略，均为预先设定规则，基于预先设定的控制变量的阈值来计算控制信号，阀值通常是基于选定的驾驶循环进行最优控制分析计算得到，这些规则定义了车辆运行模式，以易于实施和理解。基于规则（RB）控制策略在混合动力汽车上应用较多。目前也有研究将模糊逻辑（FL）和最优控制结合，以提高模糊逻辑（FL）性能，同时又不增加计算负荷，如神经-模糊逻辑（FL）、模糊逻辑（FL）与遗传算法或者进化算法结合。 4、基于优化的能量管理控制策略简述
图3、基于动态规划（DP）的控制策略示例 基于规则（rule-based, RB）控制策略更适用于低电气化水平，而基于优化（optimization-based, OB）的控制策略优于基于规则策略，只是在实际应用中仍存在一些问题，如算法的复杂性、计算量过大、稳定性、对工况信息和特征的敏感性、与工业的集成缓慢。 目前有大量的优化算法应用在PHEV的能量管理中，主要处于仿真研究阶段，可分为全局优化和实时优化，目前区分尚不是很明显，因为均受到算法本身的限制，受到采样时间、模型精度、参数定义等因素的影响。主要的优化算法包括动态规划（Dynamic Programming, DP）、等效燃油消耗最小策略（equivalent consumption minimization, ECMS）、模拟退火（simulated annealing, SA）、遗传算法（genetic algorithm, GA）、粒子群算法（particle swarm optimization, PSO）、DIRECT算法、神经网络算法（neural networks, NN）、博弈论（game theory, GT）、滑模控制（sliding mode control, SMC）、凸规划（convex programming, CP）及相关算法的简化算法、模型预测控制（model predictive control, MPC） 5、小结和展望 本文介绍了能量管理控制策略的目的、插电式混合动力汽车的CD/CS和Blended策略、基于规则和基于优化的能量管理控制策略，通过本文我们对这一话题有了一个初步的认识。那么在此基础上展开，还有哪些值得我们关注的呢？请看后面四篇文章的介绍： ■ 基于优化算法的能量管理控制策略 ■ 能量管理控制策略与智能交通系统的结合 ■ 测试评价过程针对能量管理控制策略的研究 ■ 能量管理控制策略未来发展趋势分析 版权声明 本文为“中国汽研新能源测试评价”微信公众号原创稿件，欢迎转载和分享，但禁止非授权下的改编和商业使用。如有侵权，侵权者将承担相应法律责任。 汽车测试网 www.auto-testing.net 本文来源【汽车测试网】版权归原作者所有 |
