增程式混合動力汽車的分段式能量管理策略研究

洪木南，周安健，蘇 嶺，姚振輝，劉 波

（重慶長安汽車股份有限公司 新能源汽車研究院，重慶 401120）

隨著非可再生資源的日漸枯竭和環境污染的加劇，世界各國針對汽車節能技術開展了大量的研究與開發。混合動力汽車具有怠速啟停、能量回收等節油功能，同時可以將發動機小型化，進一步降低油耗和排放，循環工況節油率可達25%[1-2]，是減少石油依賴，降低環境污染的有效途徑。插電式混合動力汽車插電式混合動力汽車（Plug-in Hybrid Electric Vehicle，PHEV）除了具有常規混合動力汽車的功能，還可以利用電網的能量進一步降低油耗和減少排放，近年來受到越來越多的關注[3]。

為了充分利用從電網充入的能量，在每個充電周期內，PHEV能量管理策略可以分為電能消耗（Charge Depleting，CD）階段和電能維持（Charge Sustaining，CS）階段。在CD階段，PHEV要充分使用電能驅動車輛，動力電池剩余電量（State of Charge，SOC）逐漸下降；在CS階段，既要避免動力電池過度放電，又要防止電池SOC過高而導致電網充電空間下降，所以需要將動力電池SOC維持在一個適當的范圍內[4]。

常見的CD階段策略有兩類，一類是完全使用純電動驅動，發動機始終處于停機狀態；另一類則是油電混合驅動，純電動驅動和發動機驅動在整個CD階段可以同時發生，也可以先后發生。CS階段策略也分為油電混合驅動和僅靠發動機驅動兩種[5]。

在常規混合動力汽車的基礎上將電池容量和電機功率加大，再增加車載充電機和外部充電接口，即可得到PHEV，因此，PHEV的構型同常規混合動力的構型并無區別。其中，并聯、混聯或動力分流構型因發動機可以直接參與驅動，在普通轎車應用中具有較多優勢，所以受到大量關注[1-6]。隨著PHEV純電里程的增加，發動機不再是主導，僅作為增程器偶爾使用，因此增程式PHEV也將逐步得到發展[7]。

本文分析了增程式PHEV的開關式能量管理策略，針對其不足，提出了一種分段式能量管理策略。為進一步發揮分段式策略的優勢，提出了一種自動調整分段式控制閾值的自學習能量管理策略。接著建立混合動力汽車仿真模型，對開關式能量管理策略和分段式能量管理策略進行了仿真比較，同時對具有自學習功能的分段式能量管理策略進行了仿真分析。

1 開關式能量管理策略

開關式能量管理策略如圖2所示，當SOC低于某一限值時，立即啟動發動機，在提供驅動功率的同時給電池充電；當SOC高于另一限值時，停止發動機。該策略在CD階段完全使用純電動行駛，在CS階段則一部分時間用純電動行駛，一部分時間由發動機發電驅動車輛行駛，同時給電池充電。

圖2 開關式能量管理策略示意圖

該方法優勢明顯，一旦發動機啟動，可以始終工作在最高效率點，發動機的工作狀態達到最佳，同時可以讓SOC保持在一定的區間內。它的缺點是，發動機的發電功率和車輛驅動功率無關，發動機的大部分能量要經過電池的充放電過程再釋放出來，降低了整個驅動系統的效率，其實質為犧牲電效率換取發動機的機械效率。從能量轉換的角度看，發動機在車輛處于中高負荷時可以實現較高效率的發電且所發電量全部直接用于驅動車輛，從而避免進出電池帶來的能量損失。開關式策略僅根據SOC大小決定發動機的啟停，難以實現燃油經濟性的最優化。

2 分段式能量管理策略

為了解決上述開關式控制的缺點，功率跟隨算法被提了出來[8]。功率跟隨算法大大減少了充放電過程，在一定的功率區間內，發電功率始終等于驅動功率；當驅動功率很低時，發動機按預先設定的最低功率點工作，多余的功率給電池充電；當驅動功率很大，發動機功率不夠時，電池放電補充。這種方法不能保證SOC維持在一定區間，通常需要增加一些輔助策略，在低SOC時適當多充電，高SOC時適當減小發電功率。同時，由于發動機的功率要跟隨驅動功率而發生變化，所以無法讓發動機始終工作在最高效率點上，其實質是犧牲發動機的機械效率換取電效率。功率跟隨策略下發動機的工作點如圖3所示。

圖3 功率跟隨策略下發動機的工作點

圖4 分段式能量管理策略

為了在PHEV中綜合體現開關式策略和功率跟隨策略的優勢，提出了一種分段式能量管理策略，如圖4所示，將SOC使用范圍分成4個區域，其中SOCmin、SOCmax為電池允許使用的最低和最高SOC，SOCA、SOCB、SOCC為控制閾值。高SOC區域采用純電動模式，發動機停機；中高SOC區域采用功率跟隨算法；中低SOC區域采用開關式控制策略；低SOC區域對電池進行保護，只能充電不能放電。

在純電動模式，根據駕駛員踏板和當前電機轉速計算整車驅動功率，由驅動電機執行，發動機始終關閉，只在回收能量時充電，該階段電量下降較快。

在功率跟隨模式，發動機啟動，發動機功率由下式給定：

式中：Pdrv為整車驅動需求功率，kW；Paux為各控制器和車載用電器的功率消耗，kP；ηgen為發電機發電效率，該效率與發電機的轉速和轉矩相關，%；Pice_max為發動機最大功率，kW；Pice為發動機最終目標功率，kW。

確定發動機的目標功率后，由最佳油耗線可以確定發動機的目標轉速。最佳油耗線是發動機油耗特性圖上一系列等功率線與有效燃油效率等高線相切的切點連接而成的線，其上的每一個點代表某個給定功率下的最低油耗點。

當驅動功率很大，發動機最大功率發電仍無法滿足時，不足的部分由電池放電進行補充，因此該階段仍然屬于電量消耗模式，但由于大部分時間發動機發電功率滿足整車驅動和其它用電要求，所以電量下降較緩慢。

在混動模式，發動機始終工作在最經濟區域以上，發電功率優先滿足驅動功率和整車用電功率，驅動功率太大而發電功率滿足不了時，電池需輔助出力，驅動功率小而發電功率有剩余時，全給電池充電。

在只充不放模式，發動機工作在最經濟區域以上，發電功率優先滿足電池充電功率和整車用電功率，電池充電功率必須大于一個定值。驅動功率太大而發電功率滿足不了時，優先給電池充電，限制驅動功率，驅動功率小而發電功率有剩余時，全給電池充電。

分段式控制策略通過在高SOC區域采用純電動模式，充分利用電網充入電池的電量；在中低SOC區域引入功率跟隨的控制思想，發電量隨驅動功率而變化，減少了流經電池的能量損失；在低SOC區域通過混動和只充不放的控制模式，確保電量維持在低位水平而不過高或過低。

由于發動機在功率跟隨區就有可能啟動，如果在當前充電周期（即兩次外插充電期間）內的行駛里程較短，原始充電量就已經夠用時，去掉功率跟隨區可以降低燃油消耗。如果當前充電周期內的行駛里程較長，去掉功率跟隨區會導致快速到達混動區，混動區中電池不斷地充放電，不利于系統整體效率的提高。

3 自學習策略

如前所述，進入功率跟隨區的SOC閾值和當前充電周期內的行駛里程有關，不僅如此，用電負載等影響車輛能耗的因素也會導致最佳功率跟隨SOC閾值發生變化。因此，固定的SOC閾值并不適用于不同的駕駛工況和駕駛習慣。一些學者通過提取工況特征參數[9]或GPS信息交互獲取工況信息[10-11]，從而選取更匹配的控制參數，但控制較為復雜，且無法考慮駕駛員操作、車輛用電負荷等其它因素的影響。本節首先研究SOC閾值與油耗的關系，并在充電周期結束時，利用該關系對SOC閾值進行調整，從而獲得最佳的SOC閾值。

3.1 SOC閾值對油耗的影響

由圖4可知，各SOC閾值具有如下關系：SOCmin≤SOCC≤SOCB≤SOCA≤SOCmax。為了充分利用電網能量，SOCB、SOCC應越低越好，但不能突破電池使用下限，且應預留一定的安全范圍。同時，為了在CS階段不頻繁啟停發動機，SOCB和SOCC的緩沖區間不能太窄。

SOCA的選取則直接影響CD階段電量消耗的速度。研究表明，PHEV在當前充電周期結束時，如果SOC正好到達期望值，油耗最低[12]，此時，來自電網的電能被分散到整個CD階段。因此，如果當前充電周期內的總耗能不大于外部補充的電能，不需要啟動發動機，油耗為0，SOCA＝SOCB，無需啟用功率跟隨模式；如果當前充電周期內的總耗能大于外部補充的電能，則需要提前啟動發動機才能獲得更低的油耗，且總耗能越大，發動機啟動時機越早，即SOCA越大。

3.2 SOC閾值自學習

如果駕駛員的行駛里程和駕駛習慣較為固定，可以通過判斷當前充電周期內車輛運行時的SOC對SOCA進行調整，以便在下一個充電周期降低油耗。為了防止誤調整帶來的油耗大幅上升，每一個充電周期僅對SOCA進行階梯性的微調，例如0.5%。調整方法如下：

（1）如果當前充電周期內車輛運行時的SOC始終大于SOCB，表明沒有進入CS階段，充入電池的電網能量沒有充分利用，應推遲啟動發動機，SOCA向下調整0.5%（不能低于SOCB，最低只能與SOCB相等）。

（2）如果當前充電周期內車輛運行時的SOC到達SOCB（±2%）后維持了一段較長的時間，表明車輛在CS階段運行時間過長，發動機啟動太晚，SOCA應向上調整0.5%。

（3）如果當前充電周期內車輛運行時的SOC到達SOCB（±2%）后僅維持了較短的時間，或者充電周期結束時SOC正好到達SOCB，SOCA不調整。

4 控制策略仿真分析

4.1 仿真模型

增程式混合動力車輛模型是在Matlab/ Simulink軟件環境下，以某企業自主開發的混合動力汽車平臺模型為基礎搭建的。混合動力平臺模型經過多次和實車試驗數據對比，已用于指導車輛動力系統選型，具有較高的準確性。增程式混合動力車輛模型的部分參數見表1。

4.2 結果分析

給定初始SOC為45%，選擇SOCC＝30%，SOCB＝35%，針對3種不同的SOCA，運行NEDC工況6000 s，結果見表2。由表可知，在電量均得到充分利用的前提下，SOCA越大，越能提前啟動發動機進入功率跟隨階段，對油耗有改善。由圖5中的 SOC變化曲線可知，隨著SOCA的提高，電量的消耗變得更加“均勻”。此外，當SOCA＝35%時，不會進入功率跟隨模式，其實質是采用了開關式能量管理策略。

表1 車輛模型參數

表2 不同SOC閾值仿真結果

圖5 三種不同SOC閾值下的SOC曲線

4.3 自學習策略

為驗證自學習策略的效果，同時減少仿真量，假設每個充電周期的駕駛路線固定為6000 s的NEDC標準駕駛循環工況，每次充電僅充至45%。設定SOCC＝30%，SOCB＝35%，初始SOCA＝35%，根據每次運行時SOC的值來動態調整SOCA閾值，結果如圖6所示。由圖可知，隨著SOCA閾值的調整，百公里油耗逐漸降低；經過18次調整后，SOCA＝44%時，油耗降至最低值，此時，如果SOCA再增加，油耗反而惡化。

圖6 SOC閾值自學習結果

5 結論

提出了一種包含純電動、功率跟隨、混動、只充不放4個控制區的分段式能量管理策略，比開關式策略具有更好的燃油經濟性。某車型的仿真研究案例表明，與開關式能量管理策略相比，分段式能量管理策略能使油耗降低3.2%。利用自學習手段對分段式能量管理策略的SOC控制閾值進行自動在線調整，在每兩次充電之間，駕駛路線較為固定的情況下，可以自動調節到最優的控制閾值。