不同能量管理策略的增程電動汽車排放的實際道路試驗

王煜安，羅佳鑫，王亞超，王 欣，葛蘊珊*，蔣 震

（1. 北京理工大學機械與車輛學院，北京 100081，中國；2. 中國汽車技術研究中心有限公司，天津 300300，中國）

增程式電動汽車兼備純電動汽車與混合動力汽車的優點，它在技術特點上屬于串聯插電式混合動力汽車[1]。當車輛電池組電量較高時，由動力電池提供驅動電機所需的電力，當電池組電量較低時，發動機啟動并通過發電機與動力電池一起提供驅動電機所需的電力。

劉成祺等人[2]研究了增程式電動汽車在北方冬季典型道路行駛時的電耗與油耗，試驗結果表明，增程式電動汽車在高速路況電耗最高，擁堵路況油耗最高。P. Lijewski等人[3]對增程式電動汽車與并聯插電式混合動力汽車進行了實際行駛排放(real driving emission, RDE)對比試驗，結果表明增程式電動汽車的一氧化碳（CO）、碳氫化合物HC排放更高，在高速區間CO的瞬態排放升高了10倍，氮氧化物（NOx）的排放隨著發動機高負荷工作時間的增加而增加。

已有研究表明: 駕駛行為[4]與交通狀況[5]會影響到汽油發動機的污染物排放，由于增程式電動汽車的發動機不直接通過機械連接輸出功率，所以駕駛行為與交通狀況是否會影響到增程式電動汽車的實際道路排放需要進一步通過試驗驗證。由于瞬時排放測量存在偏差，瞬時低排放易受到這兩者的影響而不能很好的反映瞬時排放的真實值。而瞬時高排放作為總行程累計排放的主要貢獻者，能夠更好的反映排放特征。

Z. Mera等人[6]首先提出可以通過NOx瞬時高排放集合對柴油車的NOx排放進行分析，其中瞬時高排放集合是由原始排放數據聚類獲得。WANG Yachao等人[7]也利用了瞬時高排放集合 (instantaneous high emission set, IHES) 對混合動力汽車的細顆粒數量 (particle number, PN) 排放影響因素進行了分析。

本文對2輛具有不同能量管理策略的增程式電動汽車在不同駕駛工況下，分別進行了實際行駛排放(RDE)試驗，其中駕駛工況分別為：正常駕駛、激進駕駛、擁堵路況駕駛3種。從CO、PN原始排放數據聚類，獲得瞬時高排放集合(IHES)，并通過發動機轉速與節氣門開度等參數，分析了CO、PN瞬時高排放產生的原因，以研究不同能量管理策略和駕駛工況對CO、PN排放的影響。

1 試驗方案

1.1 試驗設備

試驗設備為Horiba公司生產的OBS-ONE便攜式車載排放測試系統(portable emission measurement system, PEMS)。該設備主要由氣體分析模塊、粒子數量計數模塊和排氣流量計3大模塊組成。其中CO2和CO的氣體濃度使用不分光紅外法(non-dispersive infrared, NDIR)測得，NOx的氣體濃度使用化學發光探測法(chemiluminescent detector, CLD)測得，PN的數量則由凝結粒子計數器(condensation particle counters, CPC)測得。發動機的轉速、節氣門開度等瞬態狀態通過車載診斷系統(on board diagnostic system, OBD)測得，車輛行駛速度、海拔高度以及溫濕度等信息則由全球定位系統(global positioning system, GPS)和氣象模塊測得。

1.2 試驗車輛

本試驗選取兩輛滿足國六排放法規的增程式電動汽車，并根據國六排放法規[8]附錄R中對于混合動力汽車I型試驗的要求確定兩車的平衡電量。車輛主要的技術參數由表1所示。

A車的能量管理策略為多點控制，多點控制策略會預先設置多個處于高效區或經濟區的發動機工作點，增程器根據整車功率需求調整發動機在預設的工作點工作，其發動機供油方式為進氣道噴射(port fuel injection, PFI)。而B車的能量管理策略為功率跟隨，發動機根據整車功率需求實時調整工作點以工作在最優工作曲線附近[9]。當同一車輛進行不同駕駛工況試驗時，能量控制策略預先設定并保持不變，其發動機供油方式為汽油缸內直噴(gasoline direct injection, GDI)。

表1 試驗車輛主要技術參數

1.3 試驗路線

試驗路線按照國六排放法規的行駛路線要求進行設計，市區、市郊以及高速階段的總里程及其占比均符合RDE的行程要求。試驗地點位于北京大興區與通州區，試驗時均為晴朗天氣。

試驗中激進駕駛要求駕駛員僅在市區、市郊階段加減速時比正常工況更為劇烈，擁堵路況則選擇周一8點的早高峰時段開始試驗，此時市區較為擁堵，車輛低速行駛時間較長。表2列出了6次試驗各自的“激進程度”[va]p-95、市區階段的平均車速v、試驗時長T、試驗總里程S等信息。[va]p-95為大于0.1 m/s2的正加速度a和其對應車速v的乘積va，再升序排列后的第95分位值，表征總行程的激進程度。（國六法規中的符號為“v*apos-[95]”，本文簡化為[va]p-95，下標p代表正加速度的含義）。

從表2中可以看出，相較于正常駕駛工況，激烈駕駛工況對應的[va]p-95明顯更高，A、B兩車分別達到了16.98、17.80 m2/s3；擁堵路況駕駛工況則對應更低的平均車速與更高的試驗時長，A車為35.75 km/h和7 522 s，B車為36.77 km/h和7 345 s。

表2 各試驗行程信息

2 試驗結果預處理

2.1 數據處理方法

不同的計算方法會對排放量的計算結果產生較大影響[10]，本文采用數據平均法計算最終污染物的排放量，即用總累計排放除以總試驗里程，不做任何數據平滑或加權處理，反映的是真實排放水平。

2.2 瞬時高排放集合聚類

本文以CO的瞬時高排放集合(instantaneous high emission set, IHES)聚類過程為例。

步驟1：計算單次試驗總行程累計污染物質量排放mtot，并對試驗每1 s采集記錄的CO瞬時質量排放降序排列。

步驟2：將降序排列后的CO瞬時排放數據逐個累加：

式中，Δmk為在k時刻，1 s內的質量排放。

步驟3：分別對貢獻了mtot前20%、50%、80%的CO瞬時高排放集合IHES 20、IHES 50、IHES 80進行分析。即若mk小于mtot的20%、50%、80%，則將當前時刻的Δmk以及對應的車輛、發動機瞬時數據分別加入IHES 20、IHES 50、IHES 80。

2.3 CO瞬時高排放集合分析

表3表示CO瞬時高排放分別貢獻CO總質量排放前20%、50%、80%時的瞬時質量排放臨界值(e(CO))及其在試驗總時間的占比(τ)。

表3可看出，A車的CO瞬時高排放更為集中，在3種不同的駕駛工況下，均在1%，5%，20%的試驗時間內排放了超過CO總排放量的20%，50%，80%。而B車的CO瞬時排放更為分散，在40%的試驗時間內才排放了超過CO總排放量的80%。

表3 CO瞬時高排放的臨界值與時間占比

2.4 PN瞬時高排放集合分析

表4表示A、B車PN瞬時高排放分別貢獻PN總質量排放前20%、50%、80%時的瞬時質量排放臨界值(e(PN))及其在試驗總時間的占比。由表可以看出A車的PN瞬時高排放更為集中，在3種不同的工況下，均在0.2%，1%，10%的試驗時間內排放了超過PN總排放量的20%，50%，80%。與CO排放規律類似，B車的瞬時排放分布同樣更為分散，在40%的試驗時間內排放了超過PN總排放量的80%。這是因為B車裝配了汽油機顆粒捕集器(gasoline particulate f ilter, GPF)所導致的，GPF能夠捕集汽油機排放的顆粒，從而改變了PN排放的分布規律。

表4 PN瞬時高排放的臨界值與時間占比

3 結果分析

3.1 CO原始瞬時排放及排放量

圖1為數值平均法計算得到的2車不同工況下CO總行程質量排放量(em)。A車在擁堵路況下CO排放明顯劣化，達到了298 mg/km，而B車未觀察到明顯劣化。

圖1 2車不同工況下CO總行程質量排放

圖2給出了2車正常工況下CO原始瞬時排放(e)與發動機轉速(n)隨時間的變化曲線。A車CO的最高瞬排集合HES20除了在冷啟動期間產生以外，多集中于高速階段的高轉速變化區域（見圖2a），而B車CO的最高瞬排集合HES20集中于發動機各啟動階段。這是由于2車的能量管理策略差異所導致的，A車發動機工況變化時轉速負荷變化相對劇烈。而B車在高速階段工況變化更為緩和（見圖2b）。此外，A車的發電機功率和動力電池容量較小，在高負荷工況或饋電狀態下，需要頻繁啟動發動機，CO控制效果相對較差。

3.2 CO瞬時高排放影響因素分析

表5和表6表示A車CO各瞬時高排放集合HES以及總行程的發動機轉速變化率與節氣門開度變化率的分布，取上四分位數(U)和下四分位數(D)進行表示，其中總行程數據即HES100中包含的所有數據。

由表5可看出：A車的瞬時高排放集合HES20、HES50對應的發動機轉速變化率明顯高于HES80與總行程對應的變化率。

由表6可以看出：HES20、HES50也對應了更高的節氣門開度變化率分布。這與上文結論一致，即A車的多點控制策略依賴預設的工作點，高效經濟區較窄，發動機工況變化相對劇烈。在高速加速階段，整車需求功率較大，A車需要頻繁地調節轉速與負荷以使發動機工作在高效經濟區。在這過程中，空燃比控制較難，易跳出閉環控制從而出現混合氣過濃的情況[11]。而B車的瞬時高排放集合的發動機轉速變化率與節氣門開度變化率并未明顯升高，這是由于B車的CO瞬時高排放集中于發動機啟動階段，B車功率跟隨的控制策略在需求功率較大時發動機轉速和負荷的變化幅度相比A車更小，更利于空燃比的控制，降低了產生CO瞬時高排放的風險。

圖2 正常工況下2車CO瞬時排放、發動機轉速與時間的關系

表5 A車CO各HES以及總行程的發動機轉速變化率分布

表6 A車CO各HES以及總行程的節氣門開度變化率分布

圖3為A、B車正常工況下CO各HES以及總行程的車速頻次分布圖，左縱坐標為各瞬時高排放集合中同一速度出現的頻次(fre)，右縱坐標為總行程集合(CO_HES100)中同一速度出現的頻次[fre(CO_HES100)]。

由圖3可看出，A車CO的最高瞬排集合HES20多集中于100 km/h附近的區域，即高速階段。而B車CO的HES20多集中于0 km/h附近的區域，即車輛剛起步階段。激進工況與擁堵駕駛工況下，瞬時高排放集合的車速頻次分布與正常工況一致，即工況的變化并沒有導致CO瞬時高排放的速度頻次分布發生明顯改變，說明CO瞬時高排放分布不受駕駛工況的影響，這是由增程式電動汽車的技術特點決定的。

圖3 CO各HES以及總行程(CO_HES100)的車速-頻次分布

3.3 PN原始瞬時排放及排放量

圖4為數值平均法計算得到的A、B 2車PN總行程排放量。2車在激進工況都會增加PN排放，A車在擁堵路況下明顯產生了更多的PN排放，達到了4.91×1011/km。B車由于裝配了GPF，所以整體的排放量較低，但是B車3個不同駕駛工況的試驗均在高速階段有較多的濃度相對高的PN瞬時排放產生。

圖4 2車PN總行程排放量分布

3.4 PN瞬時高排放影響因素分析

表7為B車PN各HES以及總行程的排氣流量分布，HES20對應了更大的排氣流量。

此外HES20也對應了更大的轉速與節氣門開度，激進駕駛與擁堵路況駕駛的節氣門開度均處于最大開度。PN的瞬時排放隨著轉速、負荷的上升而上升，同時負荷和轉速的上升也引起了排氣流量即空速的上升。各工況下HES20對應了更高的排氣流量，這是因為高速階段，發動機轉速、負荷升高引起了排氣流量的上升，隨著排氣流量的上升PN瞬時排放增加。這與尹乾熙[12]針對一臺缸內直噴汽油機的臺架試驗獲得的結論一致。

圖5為PN各HES以及總行程的車速頻次分布圖。由圖5可看出：A車PN最高瞬排集合HES20集中于40 km/h以下，這對應于車輛各啟動階段。市區階段的擁堵路況會存在更多的低速行駛，大部分時間由動力電池提供需求功率，所以發動機停機時間更久，再啟動時發動機缸內溫度相對較低，混合氣更易偏濃，產生了更高的PN瞬時排放。而不同工況未對B車瞬時高排放集合的車速頻次分布產生明顯影響。

表7 B車PN各HES以及總行程的排氣流量分布

圖5 PN各HES以及總行程(PN_HES100)的車速-頻次分布

4 結 論

本文對2輛分別為多點控制策略和功率跟隨策略的增程式電動汽車在正常、激進、擁堵駕駛工況下進行了實際道路排放試驗?；谠囼灲Y果，得到了以下結論：

1) 不同的能量管理策略會導致CO的瞬時高排放規律存在明顯差異。A車采用多點控制策略，轉速、負荷變化相對激烈，這會導致空燃比控制產生偏差，偏離理論空燃比，CO瞬時排放增加。而B車采用功率跟隨策略，轉速、負荷變化相對緩和，排放控制效果好。

2) 駕駛行為不是影響增程式電動汽車CO、PN排放的主要影響因素。這是因為增程式電動汽車的發動機與車輛運動狀態之間是相對解耦的。

3) 擁堵路況會導致A車發動機停機時間更久，使得發動機缸內溫度相對低，再啟動時混合氣加濃，產生了更高的PN排放。

參考文獻 (References)

[1] 閔海濤, 葉冬金, 于遠彬. 增程式電動汽車控制策略的優化[J]. 汽車工程, 2014, 36(8): 899-903.

MIN Haitao, YE Dongjin, YU Yuanbin. Optimization of the control strategy for range extended electric vehicle [J].Auto Engi, 2014, 36(8): 899-903. (in Chinese)

[2] 劉成祺, 解來卿, 樊月珍, 等. 某增程式電動汽車北方冬季工況下能耗測試與分析 [J]. 汽車技術, 2016 (2): 45-49.

LIU Chengqi, XIE Laiqing, FAN Yuezhen, et al. Test and Analysis on Energy Consumption of A Rang Extended Electric Vehicle in Winter of Northern China [J].Auto Tech, 2016 (2): 45-49. (in Chinese)

[3] Lijewski P, Kozak M, Fu? P, et al. Exhaust emissions generated under actual operating conditions from a hybrid vehicle and an electric one f itted with a range extender [J].Transp Res Part D: Transp Envir, 2020, 78: 102183.

[4] Saeed M, Andersson L. Real driving emissions (RDE) of a gasoline PHEV [D]. Goteborg: Chalmers University of Technology, 2018.

[5] 張運. 道路坡度與交通狀況對輕型汽油車實際行駛排放的影響[D]. 重慶： 重慶大學, 2019.

ZHANG Yun. Impact of road grade and traff ic condition on real driving emission of light-duty gasoline vehicles [D]. Chongqing: Chongqing University, 2019. (in Chinese)

[6] Mera Z, Fonseca N, López J M, et al. Analysis of the high instantaneous NOx emissions from Euro 6 diesel passenger cars under real driving conditions [J].Appl Energy, 2019, 242: 1074-1089.

[7] WANG Yachao, WANG Junfang, HAO Chunxiao, et al. Characteristics of instantaneous particle number (PN) emissions from hybrid electric vehicles under the realworld driving conditions [J].Fuel, 2021, 286, 119466.

[8] 中華人民共和國環境保護部, 國家質量監督檢驗檢疫總局. 輕型汽車污染物排放限值及測量方法(中國第六階段): GB 18352.6-2016 [S]. 北京: 中國標準出版社, 2 016.

Ministry of Environmental Protection of the People’s Republic of China, General Administration of Quality Supervision, Inspection and Quarantine of the People’s Republic of China. Limits and measurement methods for emissions from light-duty vehicles (China 6): GB 18352.6-2016 [S]. Beijing: China Standard Press, 2016. (in Chinese)

[9] 沈望勝. 基于出行特征的增程式電動汽車能量管理策略研究[D]. 長春： 吉林大學, 2020.

SHEN Wangsheng. Research on energy management strategy of extended-range electric vehicle based on trip characteristics [D]. Changchun: Jilin University, 2020. (in Chinese)

[10] Merkisz J, Pielecha J, Jasiński R. Remarks about real driving emissions tests for passenger cars [J]. Archives of Transport, 2016, 39: 51-63.

[11] 毛德智. 基于改進PID與模糊算法的汽油機瞬態空燃比復合控制方法研究[D].長沙： 長沙理工大學, 2017.

MAO Dezhi. Study on compound control method of gasoline engine transient air fuel ratio based on improved PID and fuzzy algorithm [D]. Changsha: Changsha University of Science ＆ Technology, 2017. (in Chinese)

[12] 尹乾熙. 缸內直噴汽油機微粒捕集器捕集特性研究[D]. 長春：吉林大學, 2015.

YIN Qianxi. Research on the trap characteristics of gasoline particulate f ilers [D]. Changchun: Jilin University, 2015. (in Chinese)