基于實時路況信息的插電式混合動力汽車預(yù)測性能量管理算法研究

陳渠 殷承良 張建龍 秦文剛

（1.上海交通大學，汽車電子控制技術(shù)國家工程實驗室，上海 200240；2.聯(lián)合汽車電子有限公司，上海 201206）

主題詞：插電式混合動力汽車 預(yù)測性能量管理策略 實時路況 能耗分配法

1 前言

能量管理策略是插電式混合動力汽車（Plug-in Hybrid Electric Vehicle，PHEV）的核心技術(shù)之一[1]。基于規(guī)則的管理策略主要依據(jù)工程經(jīng)驗或試驗數(shù)據(jù)反復(fù)調(diào)試控制閾值，較易實現(xiàn)，魯棒性好，但依賴于經(jīng)驗水平，且工況適應(yīng)性差[2]。基于全局優(yōu)化的能量管理策略，如動態(tài)規(guī)劃（Dynamic Programming，DP）算法，需預(yù)知行駛工況信息，且計算時間長，難以用于實車控制[3]。等效燃油消耗最小策略（Equivalent Fuel Consumption Minimization Strategy，ECMS）是一種瞬時優(yōu)化策略，將電池電量消耗等效為燃油消耗，合適的等效系數(shù)可使ECMS作為次優(yōu)解，獲得接近全局最優(yōu)解的控制效果[4]，其關(guān)鍵是最優(yōu)等效因子的確定。

隨著汽車智能化、網(wǎng)聯(lián)化的發(fā)展，汽車部件及系統(tǒng)控制策略可與智能交通系統(tǒng)（Intelligent Transport System，ITS）相結(jié)合[5]。將實時車況信息、道路信息及交通信息等整合到PHEV能量管理策略中，可大幅提升工況適應(yīng)性，從而改善燃油經(jīng)濟性[6]。目前ITS 尚未完全普及，地圖開發(fā)平臺依托大量的車載GPS 接收機、手機位置應(yīng)用程序（APP）、道路測速儀等傳送數(shù)據(jù)，可使開發(fā)者實時獲取免費路況信息，所以有必要研究基于現(xiàn)有可實時獲取的路況信息的PHEV能量管理算法。

本文以某款P2 構(gòu)型PHEV 為研究對象，首先從地圖開發(fā)平臺獲取相關(guān)路況信息，構(gòu)建能耗分配法規(guī)劃全局荷電狀態(tài)（State of Charge，SOC）參考軌跡，建立自適應(yīng)等效燃油消耗最小策略（Adaptive Equivalent Fuel Consumption Minimization Strategy，A-ECMS）實時跟蹤目標SOC參考軌跡實現(xiàn)能量管理，最后采集上海市某段路徑實車速度與對應(yīng)實時路況信息，驗證算法有效性。

2 PHEV整車模型

2.1 整車主要參數(shù)

本文采用的P2 構(gòu)型PHEV 整車結(jié)構(gòu)如圖1 所示[7]，動力及傳動系統(tǒng)參數(shù)如表1所示。

圖1 PHEV動力傳動系統(tǒng)結(jié)構(gòu)

表1 PHEV整車參數(shù)

不考慮車輛的振動和操縱穩(wěn)定性時，車輛的縱向動力學表達式為：

式中，Tw為需求扭矩；m為整車質(zhì)量；g為重力加速度；fr為滾動阻力系數(shù)；θ為坡道角度；CD為空氣阻力系數(shù)；ρd為空氣密度；A為迎風面積；v為車速；δ為旋轉(zhuǎn)質(zhì)量換算系數(shù)；t為時間；r為車輪滾動半徑。

發(fā)動機和電機的扭矩和轉(zhuǎn)速關(guān)系為：

式中，ηT為變速器與驅(qū)動橋的總傳動效率；R（i）為變速器第i擋速比與主減速比的乘積；Te為發(fā)動機輸出扭矩；Tm為電機輸出扭矩；Tb為摩擦制動器的制動扭矩；ωw為車輪轉(zhuǎn)速；ωe為發(fā)動機轉(zhuǎn)速；ωm為電機轉(zhuǎn)速。

2.2 發(fā)動機和電機模型

本文重點研究PHEV的穩(wěn)態(tài)能量管理策略，主要涉及發(fā)動機的燃油經(jīng)濟性，在保證精度的同時，為提高仿真模型運行速度并降低運算成本，本文發(fā)動機和電機模型均采用查表方式進行建模，分別如圖2和圖3所示。

圖2 發(fā)動機有效比油耗特性

圖3 電機特性

2.3 電池模型

SOC是整車能量管理的重要變量，直接影響需求扭矩在發(fā)動機和電機之間的分配。本文將動力電池簡化為如圖4所示的等效電路模型，可得：

式中，I為電池電流；U0為電池開路電壓；R為電池內(nèi)阻；Pb為電池充、放電功率；ηm為電池充、放電效率；Q為電池容量；SOC（k）為k時刻荷電狀態(tài)。當電機輸出扭矩Tm≥0 時，電池處于放電狀態(tài)，當Tm＜0 時，電池處于充電狀態(tài)。

圖4 電池模型

3 預(yù)測性能量管理算法

3.1 SOC軌跡規(guī)劃

3.1.1 路況信息獲取

地圖服務(wù)供應(yīng)商依托終端設(shè)備回傳的數(shù)據(jù)可實現(xiàn)路況信息的1 min 更新和100 m 精度表達，而開發(fā)者可使用的路況信息為1 min 內(nèi)平均路況信息，可較精準地反映實時交通路況。本文基于國內(nèi)某地圖服務(wù)供應(yīng)商的Web 服務(wù)應(yīng)用程序接口（Application Programming Interface，API），通過超文本傳輸協(xié)議（HTTP）或超文本傳輸安全協(xié)議（HTTPS）請求獲取實時路況信息。

如圖5 所示，起點O到終點D稱為路徑，一條路徑可以根據(jù)不同的道路名稱劃分成不同的一級路段，每個一級路段又根據(jù)不同擁堵等級（暢通為1，緩行為2，擁堵為3，嚴重擁堵為4，將其定義為路況指數(shù)）劃分成不同的二級路段。開發(fā)者可使用的路況信息包括路徑和一、二級路段的行駛距離和時間，以及二級路段路況指數(shù)。

圖5 路況說明

以聯(lián)合汽車電子有限公司為起點，上海交通大學（閔行校區(qū)）為終點獲取的路況信息如圖6 所示，含有9個一級路段和181個二級路段。第y個一級路段的平均速度為：

式中，sy、ty分別為地圖平臺返回的第y個一級路段的距離和時間。

3.1.2 能耗分配法

本文僅研究剩余電量無法滿足純電動行駛?cè)坷锍痰那闆r。文獻[8]表明，混合模式與電量消耗-電量維持（CD-CS）模式相比，能夠在相同的油耗水平下使用更少的電池能量。其他學者基于SOC跟隨的實時控制算法中，所跟隨的SOC軌跡基本為基于里程線性變化的SOC參考軌跡[9-11]。

圖6 路況信息

文獻[12]表明，SOC的下降趨勢與速度具有明顯的正相關(guān)性。由于電機的效率區(qū)間比發(fā)動機大，所以PHEV 在實際控制過程中，在滿足功率需求的前提下，希望擁堵路段利用純電動行駛，高速路段起動發(fā)動機使用混合模式運行。本文提出能耗分配法規(guī)劃全局SOC參考曲線，根據(jù)路況信息對電量進行全局分配，在擁堵路段分配更多電量使用純電動行駛。結(jié)合式（1），分配思路如下：

a.根據(jù)路段平均速度平方與距離的乘積，反比例分配電量：

式中，ΔSOCtotal為電池剩余SOC；SOCstart、SOCend分別為路徑起點、終點SOC；ΔSOCk1為第k個二級路段根據(jù)路段平均速度平方與距離的乘積反比例分配的電量；n為二級路段的總數(shù)；sk、vˉk分別為第k個二級路段的距離和平均速度。

當距離相同時，路段k平均速度越小，分配電量的占比越大，車輛更傾向于純電動行駛。

b.根據(jù)路況指數(shù)與距離的乘積，正比例分配電量：

式中，ΔSOCk2為第k個二級路段根據(jù)路況指數(shù)與距離的乘積正比例分配的電量；ck為第k個路段的路況指數(shù)。

當距離相同時，路段ck越大，分配電量占比越大，車輛更傾向于純電動行駛。

c.按比例調(diào)節(jié)分配的總電量：

式中，ΔSOCk為第k個路段分配的總SOC；α1和α2分別為平均速度和路況指數(shù)的能耗分配系數(shù)，可以采用遍歷的方法規(guī)劃最優(yōu)SOC軌跡。

3.2 A-ECMS算法

ECMS算法在每個時刻t使發(fā)動機的實際油耗率（根據(jù)發(fā)動機穩(wěn)態(tài)模型插值求得）和電動機消耗電量的等效油耗率的總和最小[13]。

本文建立自適應(yīng)等效因子s（t）計算：

式中，Hlhv為汽油質(zhì)量熱值常數(shù)；ηdis和ηchar分別為電池充電和放電效率；s0為等效因子常數(shù)部分；kp為比例系數(shù)；kI為積分系數(shù)；SOCref（t）為當前時刻SOC目標值；SOC（t）為當前時刻SOC。

由式（13）、式（15）可知：當SOC（t）＞SOCref（t）時，等效因子減小，在滿足需求功率的條件下增大用電量；當SOC（t）＜SOCref（t）時，等效因子增大，在滿足需求功率的條件下發(fā)動機發(fā)電，保證工作在高效區(qū)間；當SOC（t）=SOCref（t）時，即ΔSOC=0時，等效因子不變，保持上一時刻的控制策略。

系統(tǒng)約束條件為：

式中，Pemin（t）、Pemax（t）分別為t時刻發(fā)動機最小和最大扭矩；Pmmin（t）、Pmmax（t）為t時刻電機最小和最大扭矩；SOCmin和SOCmax為電池最小和最大SOC約束。

4 仿真分析

4.1 測試工況采集

通過車輛車載自動診斷系統(tǒng)（On Board Diagnostics，OBD）接口采集實車速度，每5 min 記錄路況信息，且新數(shù)據(jù)覆蓋之前未行駛路段的路況數(shù)據(jù)，如圖7 所示。t0時刻車輛位于起點O，保存起點O到終點D的路況信息，5 min 后的t1時刻車輛行駛到O1處，更新O1到終點D的路況信息，以此類推，直至車輛到達終點。某次采集的實際車速和路況信息如圖8所示。

從圖8 可以看出：路段平均速度相同時，路況指數(shù)變大，實際行車速度下降，說明出現(xiàn)擁堵；平均速度不相同的兩個路段，平均速度較小的路段對應(yīng)的實際車速較小。結(jié)合路況指數(shù)和平均速度可較好地預(yù)測實際行車速度，為能耗分配法提供了理論基礎(chǔ)。

圖7 路況信息更新說明

圖8 仿真工況

4.2 仿真及結(jié)果分析

基于地圖信息的PHEV 預(yù)測性能量管理策略控制流程如圖9 所示，其中vref為實際車速，β、γ分別為油門踏板和制動踏板開度，分別為最優(yōu)的發(fā)動機扭矩和電機扭矩。以地圖開發(fā)平臺實時路況信息作為能耗分配法的輸入，規(guī)劃全局SOC參考曲線，輸入等效因子自適應(yīng)模塊，根據(jù)當前SOC與規(guī)劃SOC的差值，實時調(diào)整等效因子s（t），最后基于A-ECMS 控制策略完成仿真驗證。當平均速度能耗分配系數(shù)α1=0.6 時，可得最優(yōu)結(jié)果。

圖9 控制策略流程

能耗分配法規(guī)劃的全局SOC參考曲線與真實SOC曲線對比如圖10 所示。在低速階段，能耗分配法規(guī)劃的SOC下降斜率絕對值大于高速段，能分配較多的電量，且SOC參考值小于真實SOC值，經(jīng)過自適應(yīng)控制模塊，等效因子減小，在滿足需求功率的條件下盡可能以純電行駛；在高速階段，SOC參考值大于真實SOC值，等效因子變大，在滿足需求功率的條件下發(fā)動機發(fā)電且保證工作在高效區(qū)間。結(jié)果表明，能耗分配法利用地圖信息規(guī)劃的全局SOC參考軌跡可以在低速和高速區(qū)間合理分配電量，同時，真實SOC曲線與全局SOC參考軌跡變化趨勢保持一致，說明A-ECMS算法可較好地跟蹤目標SOC軌跡，按預(yù)設(shè)電量分配情況進行控制。

圖10 SOC軌跡

圖11 和圖12 所示分別為CD-CS 策略和A-ECMS算法的發(fā)動機扭矩隨時間變化曲線。傳統(tǒng)CD-CS策略先進入電量消耗模式，當SOC減小到臨界值再起動發(fā)動機進入電量維持模式，造成整車燃油經(jīng)濟性較差。能耗分配法根據(jù)路況信息提前進行全局電量分配，確保低速階段有充足電量進行純電動行駛，在高速階段，分配的電量較少，進入混合模式驅(qū)動車輛，確保發(fā)動機工作在高效區(qū)，提高了整車燃油經(jīng)濟性。圖13 所示為發(fā)動機工作點分布MAP圖，與CD-CS策略相比，A-ECMS策略有更多工作點分布在最佳效率曲線內(nèi)。

圖11 CD-CS算法發(fā)動機扭矩

圖12 A-ECMS算法發(fā)動機扭矩

圖13 發(fā)動機工作點分布

CD-CS、A-ECMS 和DP 策略仿真結(jié)果如表2 所示。分別用線性SOC、能耗分配法規(guī)劃的SOC和DP 求得的最優(yōu)SOC軌跡作為SOC參考曲線對A-ECMS 進行仿真。以能耗分配法規(guī)劃的全局SOC軌跡為跟蹤目標雖相較于DP算法的燃油消耗量優(yōu)化效果下降了2.63%，但DP算法需要提前獲取實車路譜，無法滿足實時性要求。

表2 不同策略百公里油耗對比

5 結(jié)束語

本文設(shè)計了基于實時路況信息的PHEV 預(yù)測性能量管理算法。首先根據(jù)實時路況信息建立能耗分配法規(guī)劃全局SOC參考軌跡，預(yù)測每個路段的電量分配，然后建立A-ECMS 策略，以真實SOC值與SOC參考值的偏差作為PI控制的輸入，自適應(yīng)調(diào)整等效因子，使真實SOC跟隨目標SOC參考軌跡實現(xiàn)能量管理。最后以上海市某段路徑行駛工況數(shù)據(jù)進行仿真，結(jié)果表明：全局SOC參考軌跡可在低、高速路段合理分配電量，真實SOC軌跡與SOC參考軌跡變化趨勢保持一致，該策略燃油經(jīng)濟性較CD-CS 策略提高7.65%，接近DP 全局最優(yōu)解。