工況特征參數對插電式混合動力汽車能耗影響特性的研究＊

熊演峰 余強 閆晟煜 王恒凱

（1.長安大學，西安 710064；2.中國第一汽車股份有限公司智能網聯開發院，長春 130011）

1 前言

汽車行駛工況可由某類型車輛在特定區域的車速-時間歷程表征[1]，獲取和分析工況特征對控制策略優化有重要意義。插電式混合動力汽車（Plug-in Hybrid Electric Vehicle，PHEV）因具有發動機、電機2種動力源和油箱、電池2個能量源，并可外接充電，所以行駛工況對其能耗影響更為突出[2-4]。

表征工況特征的參數較多，研究不同參數對能耗的影響，有助于制定整車能量管理控制策略。Dembski N等[5]基于城市道路循環工況（Urban Dynamometer Driving Schedule，UDDS），結合正交試驗和多目標遺傳算法，證明了電機額定功率、充電扭矩和發動機關閉扭矩對油耗和排放影響顯著；Brady J 等[6]運用ADVISOR仿真軟件，得出影響混合動力汽車（Hybrid Electric Vehicle，HEV）油耗的主要參數依次為發動機關閉扭矩、最小工作扭矩、SOC工作區間；周云山等[7]采用同軸并聯混合動力客車的Cruise模型進行仿真，結果表明油耗與SOC區間強相關；李禮夫等[8]認為車速和加速度等工況參數對純電動汽車電耗和續駛里程影響較大；陳雪平等[9]采用Modelica 模型庫分析了車速與加/減速度對能耗的影響；王欽普等[10]提出發動機與電機瞬態扭矩響應能力的不同影響PHEV整車動力性、經濟性與排放性能；高建平等[11]針對實際行駛工況開發的控制策略可有效降低油耗；楊林等[12]提出車速及其變化劇烈與頻繁程度是影響電耗的主要因素；聶彥鑫等[13]提出PHEV整車低速工況采用純電模式、高速工況采用混合動力模式可降低油耗；秦大同等[14]針對工況和里程提出PHEV變參數能量管理策略；Wu 等[15]采用貝爾曼原理和粒子群優化算法對PHEV整車能量管理策略進行全局優化，證明行駛工況和里程對能耗影響較大。綜上，現有文獻主要研究某個具體工況特征參數對整車能耗的影響，未對工況參數進行系統梳理，對不同工況參數與能耗的影響貢獻度關系研究較少。

本文采用主成分分析法研究各類工況特征參數對工況的表征程度，在世界輕型汽車測試循環（Worldwide Light-duty Test Cycle，WLTC）基礎上重構測試工況，基于AVL-Cruise 軟件開展性能仿真，依托某PHEV 車型開展不同類型參數的單因子正交試驗，分析各因子能耗靈敏度，選取典型特征參數研究其對能耗的影響，以期為能量管理策略開發提供理論依據。

2 理論分析

2.1 測試工況分析

我國采用的乘用車測試工況主要有新歐洲駕駛循環（New European Driving Cycle，NEDC）和WLTC，其中NEDC 屬于模態工況，而WLTC 屬于瞬態工況，更貼近實際，測試和評價可信度更高，如圖1所示[16-17]。

圖1 WLTC、NEDC工況對比

WLTC包含低速、中速、高速和超高速段，其主要特征參數如表1 所示，其中平均速度由運行距離、運行時間決定，平均行駛速度由運行距離和除怠速外的運行時間決定。

表1 WLTC工況特征參數

2.2 參數影響因子分析

行駛工況參數可表征擬合工況對實際工況的代表性，參數越多，近似程度越高，但會增加運算量。同時，各參數之間存在相關性[18]，為識別各工況參數的影響因子，引入多元分析法中的主成分分析法[19]。

主成分分析法是指通過構造原變量（即工況參數）的一系列線性組合，使各線性組合在相互獨立的前提下，以較少的變量數量盡可能多地反映原變量信息。具體流程為：

a.原始數據處理，由表1可得到原始數據Xij，標準化后構建標準矩陣Xik：

式中，n為樣本數。

b.求解相關系數矩陣Rpp：

式中，P為新變量個數，Xki、Xkj為標準矩陣中的元素。

c.矩陣Rpp非負特征值及對應特征向量可用雅克比迭代法求解；工程中常采用SPSS 軟件開展主成分分析，得到主成分方差和方差貢獻率，如表2所示。

d.選取矩陣Rpp的P個主成分，P的取值取決于保留的方差貢獻率之和是否滿足期望，按照表2繪制碎石圖如圖2所示，前4個主成分能夠概括工況的絕大部分信息。

表2 WLTC工況特征參數主成分信息

圖2 碎石圖

3 整車仿真模型搭建與模式劃分

3.1 仿真模型搭建

本文研究的PHEV采用P2構型，如圖3所示。整車整備質量為1 400 kg，滿載質量為1 775 kg，搭載1 L 汽油發動機、5 擋機械式自動變速器（Automated Mechanical Transmission，AMT），主減速比為3.94，電機峰值扭矩為140 N·m，峰值功率為20 kW，動力電池容量為35 A·h，標稱電壓300 V。

圖3 某插電式混合動力汽車同軸并聯構型

在AVL-Cruise中搭建整車動力學仿真模型，如圖4所示。

3.2 整車模式劃分

PHEV較HEV的電池電量大，可外接充電。處于電量消耗模式（Charge Depleting，CD）時，整車純電驅動；SOC下降到電池放電下限時，整車處于電量保持模式（Charge Sustaining，CS），策略與HEV 類似，模式劃分如表3所示。

圖4 整車動力學仿真模型

表3 整車模式劃分

模式識別模塊根據油門踏板或制動踏板開度、車速等信號識別當前狀態，將整車劃分成相應主模式和子模式，驅動主模式劃分如圖5 所示。行車發電模式下，為實現較好的經濟性，令發動機工作于經濟區下限，多余功率對電池充電。

圖5 驅動主模式劃分

4 工況特征參數影響因子分析

4.1 整車性能仿真

WLTC中超高速段、高速段、中速段、低速段分別對應高速、市郊、干路和支路工況，考慮到單個循環時間過短，通過多個相同工況疊加的方式構建17個高速工況、12 個市郊工況、13 個干路工況、10 個支路工況和3 個WLTC工況。

仿真條件：電池初始SOC為60%，放電下限為35%，CS 模式SOC區間為35%～40%，純電行駛最高車速為70 km/h。仿真結果如表4 所示，其中1 L 汽油按2.19 kW·h電量折合[20]，ΔSOC為仿真前、后SOC變化值。

表4 不同循環工況能耗

4.2 特征參數靈敏度分析

由表4 可知，燃油消耗量、折合燃油消耗量總體上與車速正相關，整車在低速工況下傾向于純電驅動以應對加、減速工況，中高速工況下傾向于起動發動機以滿足整車大功率需求。車速對模式切換影響最大，因此控制策略常以車速作為模式切換條件，車速越高，發動機參與驅動的時間和油耗響應的靈敏度相應增加。

不同工況下SOC隨時間的變化情況如圖6所示：干路工況SOC下降最快，第2 800 s 附近進入CS 模式，在37%處波動；支路工況行駛距離較短，整車處于CD 模式，行程終了時SOC達到放電下限附近；市郊工況車速較高，SOC下降較慢，行程結束時電量未充分利用；高速工況整車進入行車充電模式，行程結束時SOC上升導致油耗較高。

圖6 不同工況SOC隨時間變化曲線

結合表4和圖6可知：電耗量與平均車速成反比，車速提高后，發動機參與驅動時間較長，同時為電池充電時間增加，電機驅動整車時間減少，電耗量相應減少。干路工況ΔSOC最大，但燃油消耗量并非最低，主要原因是整車在第2 800 s后進入CS模式。

考慮到行駛中不能外接充電，電量增加源自發動機充電和制動能量回收，因此行程終了時SOC能否下降至放電下限對PHEV燃油消耗量影響較大，而整車用電或用油傾向又與車速強相關，因此車速可通過ΔSOC間接影響油耗。

加速度可表征駕駛員駕駛意圖，如圖7所示。前期為滿足整車加速功率和動力電池充電功率需求，燃油消耗量上升，中期動力電池參與驅動，燃油消耗量降低，后期因電池容量有限，能耗隨加速度增大而持續上升；平均減速度絕對值與燃油消耗量關系類似。由平均加速度、平均減速度絕對值與燃油消耗量響應曲線的非單調關系可知，加速度與燃油消耗量響應關系不敏感，另外加速度也受速度間接影響。

圖7 加速度-能耗響應曲線

行停比指行車時間與怠速時間的比值，屬于比例類參數，以行停比為例，開展比例類參數與能耗響應關系分析，結果如圖8 所示。由圖8 可知：當行停比小于9時，燃油消耗量增加較快；當行停比大于14 時，燃油消耗量增加相對平緩，主要因為前期怠速時間較長，整車傾向于純電驅動且電量消耗不大，燃油消耗量也較低；當行停比介于9～14時，怠速時間變短，雖然純電驅動但電耗急劇增加，油耗也相應增加；當行停比大于14，整車進入高速或城郊工況，怠速時間迅速減少，隨著車速快速提高，進入行車發電模式，電量減少較少甚至增加，但燃油消耗量持續增加。因行停比與車速和油耗相耦合且強相關，但與電耗量成非線性關系，弱相關，因此靈敏度低于車速類參數。

圖8 行停比-能耗響應曲線

綜上，因低速工況在電量允許的前提下傾向于純電驅動模式，高速工況傾向于混合動力模式，所以模式識別模塊和扭矩分配模塊通常選取車速類參數作為發動機起動門限閾值，從而影響燃油消耗量與電耗量；加速度可間接表征車速，其對燃油消耗量的貢獻度受電池電量影響，因此相對弱相關；比例類特征參數與能耗的相關性取決于與車速類參數的耦合程度及電池電量的影響，因此也成弱相關。

4.3 車速類特征參數靈敏度分析

選取純電驅動最高車速、純電模式SOC下限值、行車充電扭矩系數等車速類參數進行單因子正交試驗，開展能耗靈敏度分析。

純電驅動最高車速是模式識別模塊中發動機是否起動的重要門限閾值，設置其他初始條件一致，僅純電驅動最高車速不同，仿真結果如表5所示。

表5 不同純電驅動最高車速的相應能耗

由表5 可知：隨純電動最高車速提高，燃油消耗量和折合燃油消耗量先下降后上升，在60～80 km/h 范圍內最小；電耗量隨車速增加而持續增加。

不同純電驅動最高車速下SOC隨時間的變化情況如圖9所示。

圖9 不同純電動最高車速下SOC隨時間變化曲線

當純電驅動最高車速設為20 km/h 時，SOC基本持平并略有上升，整車處于CS或行車充電模式；隨著純電驅動最高車速增加，電池SOC下降斜率變大；純電驅動最高車速設為60 km/h時，行程終了SOC降至放電下限；純電驅動最高車速設為80 km/h 和100 km/h 時，整車分別在第3 000 s、第2 800 s處進入CS模式，因此純電驅動模式最高車速閾值與發動機是否進入低效發電區強相關，進而影響ΔSOC。

純電驅動模式SOC下限值是CD/CS 模式切換的重要閾值，其他初始條件一致，僅純電驅動模式最小SOC下限值不同，仿真結果如表6所示。

表6 不同純電驅動模式SOC下限的相應能耗

由表6 可知：隨純電驅動模式SOC下限值增大，燃油消耗量和折合燃油消耗量持續增加。不同純電驅動SOC下限值時SOC隨時間的變化情況如圖10所示。

圖10 不同純電動SOC放電下限對應SOC隨時間變化曲線

由圖10可知，當行程結束時，SOC通常下降至允許放電下限。PHEV 具備外接充電功能，為充分利用電量，控制策略應將其設在電池允許放電下限值附近以降低燃油消耗量。

行車充電模式指利用發動機剩余功率為電池充電，以提高發動機負荷，行車充電扭矩系數是行車發電模式下電機扭矩需求的函數，與SOC相關，可查表獲取。

其他初始條件一致，不同行車充電扭矩系數Kchr下的仿真結果如表7所示。

表7 不同行車充電扭矩系數對應能耗

由表7可知：燃油消耗量隨行車充電扭矩系數增大而增大，但折合燃油消耗量卻在行車充電扭矩最大時獲得最小值。不同行車充電扭矩系數下SOC隨時間的變化情況如圖11所示。

由圖11可知：當行車充電扭矩系數變大時，發動機發電扭矩越大，SOC下降越緩慢。對于同軸并聯混合動力系統，車速與發動機轉速強相關，進而影響發動機效率，低速工況進入行車充電模式會導致系統整體效率降低，因此應傾向高速工況時進入。

圖11 不同行車充電扭矩系數下SOC隨時間變化曲線

5 結束語

本文采用主成分分析法，通過碎石圖證明了車速類工況特征參數相對加速度類、比例類更能表征工況，所以能耗影響因子最大。基于AVL-Cruise模型的仿真結果表明：車速類參數是模式切換與扭矩分配模塊的重要閾值，間接影響電池電量使用區間，其能耗影響因子最大；加速度參數對能耗的影響由車速變化趨勢和當前電池電量決定，相對弱相關；比例類參數的影響大小取決于與車速類參數耦合程度。

純電驅動最高車速和純電驅動模式SOC下限值設定應與電量變化相結合，以保證充分利用電池電量，實現能耗最小；行車充電模式傾向高速工況進入，避免進入發動機低效區。