[发明专利]一种插电式混合动力汽车能量智能管理方法

说明书

本发明公开了本发明提出一种插电式混合动力汽车能量智能管理方法，结合车联网等技术获取必要的历史数据和实时车速信息，利用模糊神经网络提前规划出SOC的消耗曲线和等效因子的选取，再结合自适应的等效消耗最小的能量管理策略进行实时管理，避免了行驶速度的预测工况识别过程，降低了计算复杂度。

技术领域

本发明属于混合动力汽车能量管理技术领域，尤其涉及一种插电式混合动力汽车能量管理方法。

背景技术

近年来随着空气污染和能源短缺的问题越来越严重，国家开始大力发展新能源汽车，新能源汽车中纯电动汽车受到续航里程短、充电慢等问题的限制，而插电式混合动力汽车可以利用原先的产业基础，能够更好的应用和发展，是当前的一个良好的选择。插电式混合动力汽车既能够提高燃油经济性，又能够克服纯电动汽车续航里程短的问题。

能量管理策略是插电式混合动力汽车的关键技术，目前已经有一些能量管理策略受到了关注，比如基于庞特里亚金极小值原理的能量管理策略和基于动态规划算法的能量管理策略等等。但是这些方法都具有一些缺点，例如，动态规划算法由于具有大量的离散状态和输入点，因此具有繁重的计算负担；庞特里亚金极小值原理由于具有涉及偏微分方程的复杂共态特性，因此无法容易地直接得到数值解法。

目前，基于等效最小策略的能量管理策略得到了广泛的应用，该方法将电能的消耗等效为燃油的消耗，并基于庞特里亚金极小值原理能够计算出在每个瞬时时刻消耗最小的混动系统工作模式和发动机与电机的功率分率方案，节省燃油的效果接近于动态规划的全局优化，同时也具备着瞬时优化的可实现性。但该策略对功率分配的方案取决于固定等效因子的选取，如果等效因子过大的，倾向于使用发动机驱动，如果等效因子过小，则倾向于使用电机驱动；而且，固定的等效因子使得该方法仅适用于已知路程，不具备对路程变化的适应性，无法使SOC的消耗曲线和最终结果满足理想的要求。

基于上述问题，亟需一种行之有效的方法来发展能量管理策略。

发明内容

为了解决上述已有技术存在的不足，本发明提出一种插电式混合动力汽车能量智能管理方法，结合车联网等技术获取必要的历史数据和实时车速信息，利用模糊神经网络提前规划出SOC的消耗曲线和等效因子的选取，再结合自适应的等效消耗最小的能量管理策略进行实时管理。本发明的具体技术方案如下：

一种插电式混合动力汽车能量智能管理方法，其特征在于，包括以下步骤：

S1：建立整车纵向动力学模型，传动系统的数学模型以及发动机、电机和传动系统输出端的功率平衡方程；

S2：根据汽车的行驶记录，得到行驶循环的速度谱，作为驾驶循环的测试工况；

S3：基于等效消耗最小策略，以实时的总能量消耗最小为目标，建立目标函数；

S4：根据步骤S3建立的目标函数，基于庞特里亚金极小值原理，建立哈密顿函数，选取等效因子，以步骤S2得到的测试工况，计算汽车在相应等效因子和驾驶工况下的动力电池SOC消耗情况；

S5：将S4的计算结果作为模糊神经网络的训练数据，训练后得到车速、需求扭矩、等效因子与对应动力电池SOC消耗的模糊神经网络模型；

S6：将目标路程以N米为间距等间隔分段，N≥50，基于步骤S5的模型，目标路程上的平均车速信息及每段道路的距离作为步骤S5得到的模糊神经网络模型的输入参数，运算后，得到一系列等效因子对应的分段道路的动力电池SOC消耗和燃油消耗的预测情况；

S7：对步骤S6得到的等效因子和预测结果进行组合，在离线情况下选择每段道路的等效因子，使得最终的动力电池SOC消耗满足设定的要求，在此基础上选择燃油消耗最小的方案作为理想方案，同时得到行驶路程与动力电池SOC消耗的关系曲线；