[发明专利]一种基于工况识别的能量管理方法

权利要求书

1.一种基于工况识别的能量管理方法，其特征在于：包括，

利用K均值聚类算法对四种典型工况进行工况分类，计算四种典型工况的聚类中心；

根据汽车参数建立等效燃油消耗最小控制策略；

结合多岛遗传算法和序列二次规划算法，并利用Isight软件中的Task组件构建组合优化模型；

利用所述组合优化模型对等效燃油消耗最小控制策略的变量和所述四种典型工况的聚类中心进行集成优化，获得最终的聚类中心和四种典型工况下对应的最优等效燃油系数；

提取一段随机的行驶工况特征参数，进行所述工况分类，根据当前所属的典型工况类型和所述最优等效燃油系数进行功率的最优分配；

其中，所述建立等效燃油消耗最小控制策略包括，

建立惩罚函数f_soc_GA_NLPQL，控制电池SOC的波动范围：

f_socGANLPQL＝k_a+k_b(Dev_soc)+k_c(Dev_soc)²+k_d(Dev_soc)³+k_e(Dev_soc)⁴

建立等效燃油最小能量管理策略优化的目标函数J_minGANLPQL、约束条件：

SOC_L≤SOC(t)≤SOC_H

基于所述目标函数定义适应度函数Fit_ecms(x)：

其中，k_a、k_b、k_c、k_d和k_e为待优化的拟合系数，为组合优化的电机等效燃油消耗率，[P_b(t)]为当前电机消耗功率，为发动机实际燃油消耗，SOC_L、SOC_H分别为电池SOC维持范围的上下限，SOC(t)为t时刻的电池电量值，C_max是J_{minGA_NLPQL}的最大估计值，Dev_soc为中间变量，Dev_soc＝Soc-0.5(SOC_L+SOC_H)，Soc为电池电量值；

所述组合优化模型包括，

运用结合多岛遗传算法和序列二次规划算法对所述四种典型工况的聚类中心进行优化，而后对典型工况数据进行K均值聚类分析，得到所述最终的聚类中心；

所述功率的最优分配包括，

初始化所述待优化的拟合系数k_a、k_b、k_c、k_d、k_e和等效燃油系数λ_char、λ_dis后，计算当前待优化的拟合系数下需求功率的优化分配方式；

对于所述随机工况，计算此时整车的油耗Qfuel_ecms，即发动机的实际油耗和电机消耗电量的等效油耗的总和并判断适应度函数Fit_ecms(x)是否最小，若Fit_ecms(x)最小则终止程序，否则选择能使Fit_ecms(x)接近0的染色体进行复制，再通过交叉、变异产生新的种群，进行编码后获得新的拟合系数k_a、k_b、k_c、k_d、k_e和等效燃油系数λ_char、λ_dis，再重复所述程序，直到获得最小油耗所对应的拟合系数k_a、k_b、k_c、k_d、k_e和等效燃油系数λ_char、λ_dis。

2.如权利要求1所述的基于工况识别的能量管理方法，其特征在于：所述四种典型工况包括拥挤工况、城区工况、郊区工况和高速路工况。