電動汽車混合動力系統控制研究綜述

混合動力汽車（Hybrid Vehicle）指的是車輛驅動系統由兩個或多個能同時運轉的單個驅動系統聯合組成的車輛，車輛當前的行駛功率依據實際的車輛行駛狀態決定，即由單個驅動系統單獨或多個系統共同提供。對于混合動力系統的控制研究主要集中在系統穩定性、模式切換問題和效率方面。以下介紹了相關的幾項研究成果。

1 電動汽車混合儲能系統和IPM電機驅動器的集成控制方法[1]

1.1 主要目的及原理

本文提出了一種用于配備有混合動力儲能系統（HESS）和IPM驅動器的電動汽車直流母線電壓控制方法。HESS由高能量密度電池組和高功率密度超級電容器組成。內部永磁（IPM）電機的電機驅動通常是基于固定的直流母線電壓設計的。但是，可以通過HESS的電壓可控性，選擇最佳的直流母線電壓來提高系統效率。與傳統設計方法不同，所提出的HESS僅通過接口DC/DC轉換器處理車輛功率的一部分，減少了轉換器的損耗，充分利用了存儲設備中儲存的能量，并提供了直流母線電壓的升壓能力。因此，電機驅動可以以最大轉矩控制運行，適用于更長的工作范圍。

在本文中，電機驅動控制器與HESS集成在一起（文中Fig.10），用于追蹤最佳直流母線電壓，同時降低系統成本并降低處理功率。電機模型用于產生最佳的直流母線電壓，通過降低開關損耗來最大化系統效率。HESS能夠追蹤最佳的直流母線電壓，因為它的升壓特性可以通過將DC/DC轉換器輸出與UC串聯連接來實現。該特性允許電動機在MTPA區域運行更長的時間間隔。

1.2 主要結論

配備有HESS和IPM驅動器的電動車輛在不同的駕駛條件下模擬。所提供的原型系統的實驗結果來驗證系統的有效性。通過城市道路循環（UDDS）工況仿真實驗驗證了該控制方法在整個駕駛周期中具有可靠的效果。

Fig.10 Block diagram of integrated HESSand motor controller.

2 混合動力電動汽車LPV轉矩脈動控制[2]

2.1 主要目的及原理

本文主要研究由發動機向傳動系統傳遞時的減振控制（文中Fig.3）。在混合動力電動汽車中本文推薦使用永磁同步電機作為驅動系統，以確保車輛在推進過程中，同時也減輕由發動機產生的轉矩脈動。大多數基于這種推進方法的減振策略都需要非常精確的位置傳感器。然而，本文所提出的方法并不要求使用傳感器，而是建議使用位置或速度觀測器。該方法與線性參數變化控制相結合，以確保速度瞬變過程中的性能穩定。此外，該方法不會使混合動力驅動器使用額外的硬件，并且消耗非常少的額外電能（不包括電機和逆變器中的電氣損耗）。所提出的LPV輸出調節方法可以緩解大范圍速度變化中的扭矩干擾。

Fig.3 Global control loop

2.2 主要結論及未來發展

通過在城市旅行情景中進行仿真，以驗證所提出方法的有效性。仿真結果表明，該方法的優點是它不需要產生擾動的非線性系統模型（這里指的是柴油發動機）。因此，在這種情況下，系統被認為是一個非平穩的多正弦微擾發生器。使得該方法可以很容易地擴展到所有產生正弦或脈沖信號的系統中應用，例如柴油發電機或風力渦輪機。對于未來的研究工作，LPV控制應該通過綜合優化不同參數域（在這種情況下是速度）上來改進該方法，并使用未知輸入的觀測器來估計多正弦干擾。

3 基于V2G技術的混合動力系統極點模糊控制策略[3]

3.1 主要目的及原理

本文提出了一種用于新能源汽車的混合動力系統極點模糊（PF）控制策略。該控制策略彌補了可再生能源不確定性導致的系統頻率穩定性和需求供應連續性問題。其中混合動力系統（文中Fig.1）由風力發電機（WTG）、太陽能光伏發電（PV）、太陽能熱發電機（STPG）、柴油發電機組（DEG）、水電解槽（AE）、超級電容器UC）、燃料電池（FC）和飛輪（FW）組成。由于電池儲能系統（BESS）成本較高，本文采用V2G技術將電動汽車（EV）的電池等效于大規模能量存儲單元來代替小電池來提高系統的頻率穩定性。此外，本文使用最小階觀測器來估計供應誤差，根據估計的電源誤差和頻率偏差計算區域控制誤差（ACE）信號。基于PF技術設計了兩個控制器，每個控制器的任務都是抑制ACE信號的一個頻率分量。ACE信號的高頻成分使用諸如UC和FW等短時間常數量來進行衰減；ACE的低頻分量則由具有長時間常數的DEG、FC和EV進行最小化。

Figure1.Singlelinediagram of thehybrid power system.

3.2 主要結論及未來發展

本文還將所提出的控制策略與傳統的模糊邏輯控制（FLC）相比較，通過在各種情況下的數值模擬分析來驗證所提出的控制策略的有效性和魯棒性，如下：

（1）該控制方案可以根據風速、負荷需求和太陽輻射的變化，瞬時管理PDEG、PFC、PUC、PFW和 PEV的功率流，以減少供電誤差和系統頻率振蕩。

（2）克服了傳統FLC需要大量控制規則的主要缺點，顯著減少了計算時間和內存要求。

（3）能夠承受風速、負荷需求、太陽輻射、系統參數變化以及故障條件等實際數據突然增減的嚴重情況，驗證了其對各種運行條件的穩健性和有效性。

（4）減少混合動力系統所有部件（DEG、FC、UC、FW、EV）的波動。因此，如果使用這種控制策略，則只需要對系統進行小規模地調整，不僅提高了系統總體效率也降低了總成本。

總體而言，實施該控制策略后，混合動力系統的響應得到了極大的改善。未來的工作將改善本研究以進一步探索系統的響應，包括各部分詳細的非線性模型等。

4 插電式混合動力電動汽車的驅動模式優化和路徑規劃[4]

4.1 主要目的及原理

駕駛模式指的是駕駛員可選擇的動力傳動系和某些車輛參數的預設配置。插入式混合動力電動汽車通常具有可以影響混合能源管理系統的特殊驅動模式選項，例如：電動車輛模式（即充分利用電池）和充電維持模式（利用內燃機在推進車輛時對電池充電）。本文提出一種優化算法，使駕駛員能夠選擇合適的驅動模式以提高燃油消耗率。該算法根據行程信息對駕駛模式的決策進行優化，并與考慮到加油站和充電站的路徑規劃相結合以找到最佳路徑。

4.2 主要結論及未來發展

本文通過雪佛蘭Volt的經驗數據來評估所提出優化算法的可靠性。評估結果表明，該算法能夠有效地減小燃油量。

未來的研究工作將在以下幾個方面改善所提出的優化算法。

?該算法應該能夠通知駕駛員切換駕駛模式。且只有在車輛停止或以安全速度行駛時才允許進行駕駛模式的切換。此外，優化駕駛模式切換的時間間隔，以減少駕駛模式決策的頻率（文中Fig.1）。

?一般ECO模式與車輛性能相沖突。未來可以通過該算法優化駕駛模式，使得車輛不僅可以保持理想的性能，還可以實現ECO模式。

?本文所提出的算法都是在假設天氣溫和且交通狀況良好的情況下實施。因此，未來可以結合額外的參數來增加天氣在車輛模型中的影響。

Fig.1.System modelsof four generic drivemodes.

參考文獻

[1]BADAWY M O,HUSAIN T,SOZER Y,et al.Integrated Control of an IPM Motor Drive and a Novel Hybrid Energy Storage System for Electric Vehicles[J].IEEE Transactions on Industry Applications,2017,53(6):5810-5819.

[2] CAUET S,ETIEN E,RAMBAULT L.Mechanical sensorless LPV torque ripple control of hybrid electric vehicle[J].IETControl Theory&Applications,2017,11(16):2761-2771.

[3] LOTFY M,SENJYU T,FARAHAT M,et al.A Polar Fuzzy Control Scheme for Hybrid Power System Using Vehicle-To-Grid Technique[J].Energies,2017,10(8):1083.

[4] CHAU C,ELBASSIONI K,TSENG C.Drive Mode Optimization and Path Planning for Plug-In Hybrid Electric Vehicles[J]. IEEE Transactions on Intelligent Transportation Systems,2017,18(12):3421-3432.