串聯式和增程式混合動力輕型商用車的性能對比

李敏清，馮 堅，韓志玉

（同濟大學 汽車學院，上海 201804，中國）

隨著汽車技術向低碳化、信息化、智能化發展，混合動力汽車已經成為中國汽車產業發展的主要技術方向之一[1]。

在混合動力汽車中，增程式電動汽車（rangeextender electric vehicle，REEV）和串聯式電動汽車（series hybrid electric vehicle,SHEV）由于其高效、節能、結構簡單等特點，在乘用車領域得到廣泛應用。REEV 和SHEV 均屬于串聯構型，兩者的差異在于REEV 的電池可以外接充電，屬于插電式混合動力汽車（plug-in hybrid electric vehicle,PHEV），SHEV 則屬于傳統混合動力汽車（hybrid electric vehicle,HEV）。REEV 可以利用外部電網電能，有效降低車輛的燃油消耗量及溫室氣體排放[2]，而SHEV 較小的電池容量降低了整車的整備質量及制造成本[3]。有研究表明，REEV 相較于SHEV 在燃油經濟性和排放上的優勢在工況的行駛里程較長時會減弱[4]。因此，在選擇整車系統方案時，需要結合使用場景和車型綜合考慮。

目前，許多研究人員對不同混合動力構型在不同場景、不同策略下的燃油經濟性、排放性、使用成本等進行了比較研究[5-8]。F.Vincent 等[7]對一款中型轎車的串聯、并聯和功率分流3 種構型在2 種純電續駛里程方案下的燃油經濟性進行對比；文獻[9]研究了串聯和并聯PHEV 的“從油井到車輪”（well-to-wheel,WTW）二氧化碳排放。雖然相關研究取得了一定進展，但是針對乘用車型較多，商用車型的研究較少；針對PHEV不同構型的研究較多，在同一構型下比較PHEV與HEV 性能的較少。

能量管理策略（energy management strategies,EMS）也是影響混合動力汽車實現節油減排的關鍵技術之一[10]，不同的構型所適用的能量管理策略不同[5]。在進行不同動力系統方案對比時，為了公平性應當首先選定各自油耗、排放最優策略。REEV 和SHEV 的能量管理策略存在明顯的差異性，REEV 存在電量消耗、電量維持（charge-depleting charge-sustaining,CD-CS）模式和混合模式（blended mode），SHEV 只有CS 模式。許多研究表明，PHEV 在混合模式下可以有效地提高燃油經濟性[4,11-12]。然而目前PHEV 和HEV 性能比較研究中，仍舊使用規則式策略（rule-based strategies,RB）使PHEV 運行于CD-CS 模式，未充分利用其節油優勢。有些研究雖然分別針對PHEV 和HEV 進行策略的優化，所用策略的實時性和工程可用性卻難以實現[4,13-14]。

本文旨在比較增程式（REEV）和串聯式（SHEV）車輛使用端的油耗和二氧化碳排放差異，并且充分考慮比較的公平性和策略的實時性。以一款日行150 km、滿載質量4.5 t 的輕型箱式卡車為研究對象，采用2 款1.2 L 和1.5 L 量產發動機進行仿真。將一種動態等效燃油消耗最小策略（dynamic equivalent consumption minimization strategy,DECMS）應用于此類商用車型，并與規則式策略（RB）進行了比較。對DECMS在SHEV 車型上難以適用的問題，提出了改進的混合DECMS 策略（mixed DECMS,M-DECMS）從而獲得更佳的結果。為2 款車型選擇了油耗結果最優的策略，并在各自最優策略下比較了燃油消耗和二氧化碳排放差異，為企業整車開發提供性能數據參考。

1 動力系統和數學模型

本文應用AVL Cruise 軟件，建立了增程式和串聯式的整車縱向動力學模型，并利用MATLAB/Simulink將能量管理策略模型以動態鏈接庫的形式集成到AVL Cruise 中。本文的研究對象為一輛滿載質量為4.5 T 增程式輕型商用廂式卡車，車輛的滑行阻力曲線通過試驗法獲得。

增程式（REEV）和串聯式（SHEV）動力系統主要包括發動機、啟動發電一體機（integrated starter and generator,ISG）、電池、驅動電機（traction motor,TM）、主減速器等，其中發動機與ISG 電機構成的輔助動力單元（auxiliary power unit，APU）通常處于發電狀態，是決定整車油耗的關鍵。啟動發電一體機（ISG）和驅動電機（TM）均為永磁同步電機。本文選用1.2 L和1.5 L 排量發動機，分別與2 種ISG 電機匹配，同一發動機下REEV 和SHEV 2 種車型在硬件方面的唯一的差別在于電池類型和性能參數，具體的動力部件參數見表1。

表1 關鍵動力部件參數

本研究中發動機采用準穩態模型計算發動機燃油消耗量，發動機比油耗be通過萬有特性曲線獲得，發動機瞬時燃油消耗量公式為

啟動發電一體機（ISG）和驅動電機（TM）的能耗通過公式（2）計算得到。

其中：下標“i”代表ISG 或TM；Pi為電機功率；Ti為電機扭矩；ni為電機轉速；ηi為電機效率；C含義同式（1），為轉換系數；Ti≥0 時電機處于驅動模式，Ti＜0 時電機處于發電模式。

在仿真中，發動機（ICE）、ISG 和TM 的扭矩響應特性如公式（3）所示（來自AVL Cruise 用戶指南）。

其中：下標“j”代表ICE、ISG 或TM；Tj-1為上一計算步長下的扭矩；Tj-2為最大扭矩；Tj-3為能量管理策略的請求扭矩；Δtj為計算步長；j=ICE 時，tj為發動機從0扭矩到最大扭矩的響應時間；j=ISG 或TM 時，tj為電機從最大發電扭矩到最大驅動扭矩的響應時間。

本研究中，增程式（REEV）車型和串聯式（SHEV）車型使用的電池均為典型的非線性儲能元件。為了簡化計算模型，本研究只涉及電池的幾個關鍵參數。SOC為電池荷電狀態（state of charge）[15]，R為電池內阻。圖1 為模型中使用的電池內阻曲線圖。

圖1 電池內阻隨SOC 變化曲線

2 能量管理策略的描述和改進

2.1 規則式能量管理策略

運行規則式策略（RB）時，根據SOC 和整車需求功率Pdem決定輔助動力單元（APU）啟動狀態和運行工作點。本文執行的規則式策略考慮了對電池電流的影響，保證電池電流不超過許用限值。APU 未啟動，計算考慮電池充放電電流極值所對應的電池放電功率上限Pbat,max，Pdem一旦大于Pbat,max，APU 啟動，防止電池電流過大；APU 啟動時，通過Pdem和SOC 查表求得APU 允許最大功率，約束APU 實際工作點。

2.2 動態ECMS 管理策略

本文應用了一種動態等效燃油消耗最小策略（DECMS）[9]。混合動力汽車的能量管理問題可以視為一個有約束的有限時域最優控制問題，在一個行駛工況下求解輔助動力單元（APU）的電功率控制序列PA(t)使總燃油消耗量FC 最少[16]。

式中：t0為計算域的開始時間；tf為計算域的結束時間；PA(t)為APU 電功率；Pdem(t)為車輛需求功率。此問題可以用Pontryagin 極小值原理（Pontryagin’s maximum principle,PMP）解決，等效燃油消耗最小策 略（equivalent consumption minimization strategy,ECMS）作為解決此優化問題的一種啟發式方法也可以用PMP 進行分析推導[17]。對于串聯構型，PMP 中的Hamilton 函數為[18]

式中：S(t)為電池的SOC，PA(t)為APU 的電功率，λ為等效因子，為發動機的瞬時油耗，Pdem(t)為車輛需求功率，為電池SOC 的導數。

在實時應用過程中，如何在行駛工況未知時選取合適的等效因子λ成為ECMS 的挑戰。動態等效燃油消耗最小策略（DECMS）采用SOM 神經網絡方法用于速度特征識別，并根據識別結果從一個預定義集合中選擇最合適的等效因子。另外，考慮到發動機的實際啟停特性和SOC 約束，此策略引入模糊邏輯控制器來控制發動機最小運行時間，其詳細原理可參考文獻[9]。

動態等效燃油消耗最小策略（DECMS）在一輛增程式乘用車上展現了較好的燃油經濟性。本研究將DECMS 應用于4.5 t 輕型卡車增程式（REEV）和串聯式（SHEV）兩種車型上。DECMS 的實施框架見圖2。

圖2 DECMS 策略執行框圖

首先，采用聚類中心數為4 的SOM 神經網絡方法用于速度特征識別[9]。圖3 展示了訓練完畢的SOM神經網絡對一個中國-全球瞬態整車循環（China world transient vehicle cycle，C-WTVC）工況的識別結果，右側縱坐標代表4 種車速特征模式，并將識別結果用于構造打靶工況。

圖3 C-WTVC 工況車速特征識別結果

其次，通過打靶法求解4 種打靶工況下的最優等效因子。打靶法是用PMP 求解最優控制問題的標準方法[16]。給定4種打靶工況vp(t)，t∈[t0,tf]，p∈{1,2,3,4}。打靶求解的優化問題進一步表達為：

式中：S0為初始SOC，Sf為終值SOC，本文中S0=Sf=55%。打靶過程中，引入發動機最小運行時間tmin保證電量均衡，并選擇油耗FC 最小的λ作為最優等效因子。1.5 L 發動機增程式（REEV）和串聯式（SHEV）車型在4種打靶工況下均可以求得電量均衡的λ值，然而1.2 L發動機在打靶過程中發現SHEV 車型在超高速工況下無法找到電量均衡的λ4值，測試結果見表2。這意味著滿足此約束條件的微分方程無解，導致DECMS 策略中的關鍵控制參數λ4缺失。

表2 1.2 L 發動機選型下的4 種打靶結果

2.3 混合管理策略的提出及其對整車油耗的影響

研究中發現動態等效燃油消耗最小策略（DECMS）應用于1.2 L 發動機SHEV 車型時，出現超高速打靶工況無解的情況，導致參數λ4的缺失，λ4暫取系統約束范圍內的極限值，并進行仿真。仿真結果顯示，SOC在高速區間跌破最小限值，見圖4。

圖4 SHEV 1.2 L 車型DECMS 的SOC 曲線

由圖4 可知：SHEV 車型在1.2 L 發動機配置下，動態等效燃油消耗最小策略（DECMS）無法滿足其在中國-全球瞬態整車循環（C-WTVC）高速工況的功率需求，電池電量耗盡。針對此問題，本文引入混合策略的概念，其關鍵思想在于，如果能在低、中速工況使用DECMS，而在預知未來一段工況超出DECMS 適用范圍時提前切換至規則式策略（RB），就能滿足SHEV 車型在小發動機下的動力性需求。當模式切換條件在整個行駛工況不滿足時，不需要切換策略，混合DECMS（M-DECMS）就等價于DECMS。M-DECMS 在一個C-WTVC 循環的執行方式見圖5。其中，紅色點劃線區分運行模式。

圖5 混合DECMS 的執行示意圖

2.3.1 混合管理策略的模式切換

混合DECMS（M-DECMS）的模式切換時刻tsw是決定此策略控制效果的關鍵參數，其對于電池SOC 的影響可見圖6，該圖截取了在一個中國-全球瞬態整車循環（C-WTVC）不同模式切換時刻下的SOC 曲線。模式切換時刻tsw分別取857、1 157 和1 257 s。

圖6 不同模式切換時間下的SOC 曲線

由圖6 可知：當模式切換時刻tsw取857 s 時，SOC在進入高速工況前的低中速工況提前充電，SOC 有明顯的上升；當tsw取1 257 s 時，SOC 在進入高速工況后不久跌破最小限值。另外，在857、1 157 和1 257 s 3 種切換時刻下的100 km 油耗分別為14.43、14.34、14.45 L，tsw取1157 s 時油耗最低。此結果說明，如模式切換的時刻不當，會增加油耗；如果模式切換時刻太晚，還會造成電池過放的問題。模式切換時刻在實時應用中，需要車輛通過GPS 等方式獲取外部道路信息，在預測到未來一段工況超出策略適用范圍時根據當前SOC、未來工況平均車速等信息計算確定。需要說明的是，本文中模式切換時刻為標定值，關于最優模式切換時刻的實時算法有待后續研究。

2.3.2 混合策略的工況適應性

為了分析混合DECMS（M-DECMS）應用于串聯式（SHEV）車型時在不同工況下的燃油經濟性，對中國-全球瞬態整車循環（C-WTVC）低速、C-WTVC 中速、實際路譜和C-WTVC 150 km 這4 種工況進行仿真。實際路譜為采集獲得的一款商用車在日常行駛路線上的車速數據，車速曲線如圖7 所示，平均車速41 km·h-1，最高車速約為73 km·h-1，包含高速工況。60

圖7 采集車速曲線

在4 種工況下混合DECMS（M-DECMS）和規則式策略（RB）的油耗仿真結果見表3。由表3 可知，在中國-全球瞬態整車循環（C-WTVC）和實際道路工況下，M-DECMS 的油耗分別比RB 高0.2%和0.4%；在C-WTVC 低速和中速工況下，M-DECMS 的油耗比RB 低1.0%和1.3%。結果表明，M-DECMS 和RB 在包含高速區間的工況燃油經濟性接近，而在城市擁堵等低中速工況M-DECMS 可能更具優勢。在輕卡常見的城市物流場景下，M-DECMS 可以展現更佳的燃油經濟性。

表3 SHEV 1.2 L 不同工況及策略的油耗

圖8 展示了中國-全球瞬態整車循環（C-WTVC）中速工況和C-WTVC 工況下，發動機在不同工作點（轉速和扭矩）的運行時間占比，可以解釋M-DECMS 策略在低中速工況燃油經濟性較好的原因。發動機的運行時間占比用γ表示。

圖8 SHEV 1.2 L 發動機在不同工作點的運行時間占比

可以看出在C-WTVC 中速工況，M-DECMS 相較于RB，處于發動機高效區（發動機比油耗be≤ 255 g·kWh-1）的工作點比例更高，減少了發動機能量損失；在C-WTVC 工況，2 種策略的發動機工作點分布相似，雖然M-DECMS 策略下處于高效區的發動機工作點比例略高，但是其在大負荷高油耗區的比例也增加了。

3 整車性能仿真結果及分析

為了對比增程式（REEV）和串聯式（SHEV）的油耗和二氧化碳排放，仿真工況為7 個連續的中國-全球瞬態整車循環（C-WTVC），用以模擬所研究商用車的日常行駛工況。其行駛里程為150 km，總時間約為3.8 h。

3.1 動力性和燃油經濟性對比

增程式（REEV）和串聯式（SHEV）經仿真驗證滿足此款商用車型的動力性要求，動力性要求和仿真結果見表4。由表4 可知，選用同一發動機，串聯式和增程式車型最高車速相同，這是因為最高車速取決于發動機外特性；最大爬坡度則由TM 電機外特性曲線決定，因此兩種車型下其值也相同；串聯式車型50 km·h-1加速時間小于增程式車型，這是因為串聯式車型的動力性電池可以在短時間內發出較高的峰值功率。在同一車型下，選擇較大的發動機可以提高最高車速和50 km·h-1加速時間。

表4 動力性要求及仿真結果

油耗仿真中，將增程式的初始SOC 設置為100%，用以模擬增程式在日常使用中初始滿電的情況。為便于比較，在計算增程式最終油耗時，將電池終了SOC 折算至25%；同時，仿真中確保串聯式的初始SOC 與終了SOC 差異小于1%便于比較燃油經濟性。不同能量管理策略下的100 km 油耗見圖9。

圖9 不同能量管理策略下的100 km 油耗

在中國-全球瞬態整車循環（C-WTVC）150 km 工況，對于1.2 L 發動機，增程式車型在動態等效燃油消耗最小策略（DECMS）下油耗優于RB 策略，相較于RB 降低了6.4%；串聯式車型規則式策略（RB）油耗略優于混合DECMS（M-DECMS），差異為0.2%；在油耗最低策略下，增程式較串聯式降低了30.0%的燃油消耗。對于1.5 L 發動機，DECMS 在串聯式和增程式車型下燃油消耗均優于RB 策略，分別降低1.4%和5.2%；在油耗最低策略下，增程式較串聯式降低了30.2%的燃油消耗。綜上所述，在增程式充分利用電池電能的情況下，增程式相較于串聯式車型可以平均降低30.1%的燃油消耗。

動力部件能耗分解圖從能量損失（QL）的角度展現了不同策略間油耗差異的來源，見圖10。

圖10 主要動力部件能耗分解圖

以選用1.2 L 發動機的2 種車型為例（見圖10a），同一車型下不同策略主要影響了發動機損耗和電池損耗，ISG 電機和TM 電機損耗差異很小。REEV 1.2 L車型中，動態等效燃油消耗最小策略（DECMS）的發動機損耗和電池損耗低于規則式策略（RB）。SHEV 1.2 L車型中，RB 與混合DECMS（M-DECMS）的總損耗十分接近，因而其燃油消耗也接近。另外，由于1.5 L 發動機總體燃油消耗率優于1.2 L 發動機，因而在同一策略同一車型下，其發動機損耗明顯小于REEV，且電池損耗也有所降低。

3.2 二氧化碳排放對比

本研究中二氧化碳排放是指車輛在駕駛階段產生的燃油消耗直接碳排放和外部電能消耗間接碳排放，其中串聯式（SHEV）車型外部電能消耗為零。

本文采用碳平衡質量法計算100 km 油耗直接二氧化碳排放質量[19]

式中：kf為汽油碳排放系數，kg·L-1；Qfue為車輛在特定行駛工況下的100 km 燃油消耗，L；ρ為汽油密度，取值0.745 kg·L-1；wF為汽油碳質量百分比，取85.7%；B為碳到二氧化碳轉換系數，B=3.67。

本文估算100 km電能消耗間接二氧化碳排放質量[19]

式中：Qele為車輛在特定行駛工況下的100 km 電能耗，kWh；η為考慮電力傳輸及充電過程損耗的傳輸效率，取值88%[19]；P為火力發電在我國電力生產中的占比，取值67.8%[20]；kc為全國電力平均kWh CO2排放質量，取值0.583 9 kg[21]。

基于上述公式和仿真結果，在中國-全球瞬態整車循環（C-WTVC）工況下按照日均行駛里程150 km、年工作日按250 d 計算，二氧化碳年排放質量mae見圖11。

圖11 不同能量管理策略下的二氧化碳年排放質量

由圖11可知：1.2 L 排量發動機串聯式車型（SHEV 1.2 L）在規則式策略（RB）下年排放量略小于混合DECMS（M-DECMS），降低了20 kg；1.2 L 排量發動機增程式車型（REEV 1.2 L）在動態等效燃油消耗最小策略（DECMS）下年排放量相比RB 降低了650 kg；在兩種車型各自油耗最優的策略下，增程式車型年排放量相比串聯式車型低17.75%，減少了2.23 t。1.5 L 發動機下，增程式和串聯式最優策略均為DECMS，年排放量較RB 分別減少了450 kg 和150 kg。在油耗最佳策略下，增程式相比串聯式降低15.54%，減少了1.66 t 二氧化碳排放。

3.3 不同混合動力系統的電池充放電特性比較

增程式（REEV）和串聯式（SHEV）的電池充放電特性存在差異，電池充放電電流的大小常用充放電倍率（battery C rates）表式，充放電倍率對電池的循環壽命有著較大的影響[22]。本文根據仿真獲得的電流值對兩種動力系統方案在中國-全球瞬態整車循環（C-WTVC）150 km 工況下的電池充放電倍率進行對比。兩種系統的動力電池參數見表1，比較結果見圖12。該圖為1.2 L 排量發動機下增程式車型（REEV1.2 L）和串聯式車型（SHEV1.2 L）在不同策略下的電池充放電倍率頻率直方圖。橫軸表示電池充放電倍率，增程式組距為0.2 C，充放電倍率從0 至2.8 劃分為14 個區間；串聯式組距為2 C，充放電倍率從0 至28 也劃分為14 個區間。縱軸為對應組距下的頻率，所有條形圖的高度之和為1。規則式策略（RB）下的充放電倍率分布見圖13(a)和(b)，動態等效燃油消耗最小策略（DECMS）以及混合DECMS（M-DECMS）見 (c)和(d)。1.5 L 發動機下的分布規律與1.2 L 類似，此處不再展示。

由圖12 可知：增程式（REEV）的電池充放電倍率小于2C，串聯式（SHEV）的電池充放電倍率最高可達15C至20C。兩種策略下增程式對電池充放電倍率的使用需求都明顯低于串聯式，也就是說從電池使用壽命的角度來說，增程式優于串聯式，串聯式的動力電池配置應關注電池的充放電性能和循環壽命。另外，在選擇兩種動力系統方案時，應考慮它們不同的充放電特性對電池循環壽命的影響，從電池生命周期的角度對成本、碳排放等進行更深入的研究。

圖12 1.2 L 發動機不同車型電池電流控制表現

4 結論

針對一款日均行駛里程150 km 的4.5 t 輕型商用車，本文仿真分析比較了增程式和串聯式兩種動力系統的動力性、燃油經濟性和二氧化碳排放。比較了實用性強的規則式策略（RB）和動態等效燃油消耗最小策略（DECMS），確定了不同混合動力構型下的油耗最低策略。針對等效燃油消耗最小策略應用于串聯式車型時電池電量在高速工況會提前耗盡的問題，提出了改進的混合DECMS 策略（M-DECMS）。結果表明：在中國-全球瞬態整車循環（C-WTVC）工況、150 km 行駛里程下，1.2 L 發動機配置的增程式電動汽車（REEV）的最佳策略為DECMS，串聯式電動汽車（SHEV）為規則式策略；1.5 L 發動機配置下，增程式和串聯式最佳策略均為DECMS。在C-WTVC 工況最佳策略下，增程式車型相較于串聯式平均下降30.1%的燃油消耗及16.65%的二氧化碳排放。因此，增程式車型在燃油消耗和駕駛階段二氧化碳排放上要優于串聯式。