基于運行工況識別的混動車輛發電系統控制方法研究

中圖分類號：U469.72 文獻標志碼：B 文章編號：1001-2222（2025）03-0089-06

低碳、零碳生活是當前社會發展的主要趨勢。在道路交通方面，純電動車輛是最有競爭力的解決方案，但價格和續航里程問題限制了其廣泛應用。而氣體發動機、甲醇發動機等低碳發動機已經實現了一定的突破，氫發動機和氨發動機也將迎來新的發展。串聯混合動力車輛在純電驅動的基礎上增加一個低碳發電系統，在不影響行駛里程的情況下減少碳排放，是當前道路運輸的一個重要發展方向。

經濟性是評價混合動力車輛的重要指標，也是研究的難點和熱點。L.PEREZ等[通過對動態規劃混合動力車輛的全局能量管理策略進行研究，可實現較為理想的燃油經濟性，但是難以應用到實時控制中。C.MUSARDO等2通過最小值原理，結合燃油最小控制方法實現從全局到實時的應用。這些研究主要在給定的運行工況下優化。

隨著道路智能化的發展，很多研究開始基于道路信息對混動車輛的能量管理進行優化。A.RA-JAGOPALAN等3提出了針對道路運行工況的預測控制方法，通過應用ITS和GPS信號預測車輛的運行軌跡，然后通過動態規劃得到最佳的扭矩分配。B.YAN等4提出了基于路線的控制方法，通過道路信息規劃最優的SOC軌跡，并通過定位系統實現MPC的優化控制。這些控制方法需要基于強大的計算載體和互聯網道路信息，在一定程度上會提高

設計成本和運營成本。

本研究針對一種 49t 串聯氣電混動公路卡車，基于不同載荷的運行工況對發電系統的控制進行優化，通過載重和運行工況識別實現對運行環境的預測，進而對系統的燃氣消耗進行最小化的能量管理，結果顯示通過該方法燃氣經濟性可提升 10.6% 。

1系統模型

1.1 系統構型

本研究以 49t 串聯氣電混動公路卡車的混合動力系統為研究對象（見圖1）。電驅動系統為凱博eDMT_-x ，可以獨立驅動車輛行駛，行駛中既可以用電驅動，也可以通過回饋制動給電池充電。雙電機（發電機1和發電機2）通過減速器與CNG氣體發動機相連，形成發電系統（GEN）。動力總成的基本參數見表1。

1.2 系統模型

構建模型時主要針對發電系統的運行來優化車輛的能耗，模型主要采用反向模型，不考慮運行過程中瞬態對系統的影響。該系統中，發電系統產生的能量用于驅動系統，而電池相當于能量的緩沖器，可以對電能進行存儲和釋放。由圖2系統功率傳遞示意圖可見，電池與發電系統共同工作，給電驅動系統提供電能。

發電系統、電池和電驅動系統的功率關系可以表示為

式中： P_batt 為電池功率； P_GEN 為發電機的發電功率；η_batt 為電池效率； η_GEN 為發電效率； sin（x） 為符號函數。

1）電驅動系統

車輛在運行中的受力是由車輛狀態、運行環境和駕駛員操作共同決定的，因此通過車輛動力學公式可以將車輛的驅動力表示為

由于驅動扭矩主要由eDMT系統來提供，因此

通過車輛動力學公式可以將車輛的消耗功率表示為

式（2）和式（3）中： v 為車速； β 為車輛對應的坡度；M 為車輛載重； μ 為滾阻系數； g 為車輛重力加速度； ρ 為空氣密度； 為車輛的風阻系數； A 為迎風面積； η_edmt 為eDMT從驅動系統電功率到車輛的綜合驅動功率的轉化效率； F_fb 為車輛的制動力。

2）發電系統

發電機系統由發動機和兩個相同的發電機共同組成，發動機輸出正扭矩，兩個發電機通過輸出負扭矩實現發電。發電過程中，發電系統的綜合效率為發動機效率 η_ICE 與電機平均效率 的乘積，可以表示為

針對雙電機的功率分配，基于最小值原理，相同電機在等功率分配的情況下可獲得最佳經濟性[5]。因此，雙電機的控制以發電功率平均分配為目標，對應的發電效率近似相等。發電機1和發電機2的平均效率可以表示為7MG1MG27MG1+MG2。

其中發動機、發電機和發電系統的效率如圖3所示。

每個時刻的發動機消耗與電功率的關系可以表示為

式中： S=1 表示發電系統處于運行狀態； S=0 表示發電系統處于停機狀態。

當發電系統運行時，根據不同的發電功率需求可計算出最佳的扭矩和轉速分配方式。由此可得出不同發電功率對應的最優發電效率。因此在實際運行中發電功率可以表示為

式中： η_GEN^OPT 為在不同的功率下發電系統的最優效率（見圖4）?？梢钥闯?，最佳的發電效率區間為130kW 以上。

3）電池電池模型采用內阻模型，如圖5所示。

可以推導出電池的效率：

式（7）和式（8）中： P_batt 為電池的輸出功率； U_o 為電池的開路電壓； I 為電池端電流； R₀ 為電池內阻。開路電壓和內阻在短時間內可以認為是定值，因此電池的效率隨著電流的增加而減小。

2控制策略開發

2.1 問題描述

在常規的控制策略設計中，車輛的發電系統控制與電驅動功率相耦合，而驅動系統的輸出功率主要與車輛的加速踏板和制動踏板相關。采用動力跟隨控制時，若頻繁出現正、負驅動功率切換也會對應產生增程模塊發電與純電模式隨驅動切換的問題，整個過程主要受駕駛員操作的影響。

但是氣體發動機扭矩響應和狀態切換需要平順，加上發動機起動過程需要潤滑，時間上就要求發動機從起動到怠速，再到輸出功率持續 15s 。而且發動機快速停機會使整個冷卻系統停止工作，而氣體發動機、渦輪增壓器需要一個冷卻的過程，這就要求發動機從輸出功率到發動機停機也要有10s怠速緩沖時間。綜合考慮起動和停機過程的控制時間，CNG氣體機增程器在動力跟隨控制模式與純電控制模式切換中需要25s的切換時間，并會伴隨著對應的怠速能量損耗。

由于起停切換過程較長，產生的能耗較大，常規的動力跟隨控制難以從駕駛員踏板響應的實時輸出功率中確定發動機起停的控制策略。而恒溫器控制方法是通過功率跟隨策略在高效率區給電池發電到設定的SOC值 a₁ ，再通過純電運行模式將電池電量消耗到SOC值 a₂ ，通過保持SOC窗口在[a₂，a₁] 之間來保證發動機有足夠長的停機時間，但是系統的充電和放電區間基本沒有考慮當前的功率負載，難以將電池與發電系統的綜合高效率區間結合在一起。

2.2基于運行工況的控制策略

道路卡車主要受本身運行工況的制約，而車輛在驅動時的加速和制動時的電制動可以認為是車輛運行過程中的動態擾動。在這種情況下車輛運行過程中驅動系統產生的平均驅動力主要受坡度、車速和車輛載重的影響。將整個運行工況劃分為中間的N 段子運行工況，車輛在不同的子運行工況中的平均驅動力可以近似表示為

Mg（μcosβ（t）+sinβ（t））dt.

在運行工況中所需的電功率可以表示為

式（9）和式（10）中： 為車輛的平均驅動力； T 為該段的時長； 為車輛的平均車速。車輛質量 M 主要分為空載和滿載兩種狀態，而這兩種狀態對應的值差異較大，進而會明顯影響車輛消耗的電功率。在確認車輛載重以后，車輛運行工況中的上坡、下坡和平路工況可以通過地圖信息提前獲取，每一段對應的車速信息可以根據地圖信息中城市、城郊和高速運行工況的限速和平均車速進行估計?；谶\行工況的控制策略如圖6所示。車輛運行過程中可以識別出車輛的載重，可作為式（9）和式（10）中的常量，而運行工況識別是根據車輛運行到目標運行工況，通過對車速和坡度的變化估計出當前處于運行工況的 Ψ_m 位置（其中 m∈N ），進而確定當前位置的平均功率。當得出當前道路的平均功率后，可以通過決策機制選擇對應的控制策略。

通過功率段的劃分來對控制模式進行選擇，小功率消耗路段采用純電驅動，大功率消耗路段采用功率跟隨控制來保證供電端的穩定性，避免出現電池輸出能力不足的情況。同時結合圖3中發電系統與電池系統的效率趨勢，得到如圖7所示的控制策略。根據車輛驅動所需的電功率分為高功率段、中功率段和低功率段，不同功率段具體控制策略如下：

1）當系統處于高功率運行時，對應驅動系統負載大功率，功率跟隨方式有較高的效率。當電驅動系統功率超出發電系統高效率區時，系統以最高效率發電，電池輸出電功率補償車輛的輸出電功率；當電驅動功率未到發電系統高效率區時，發電系統以最高效率發電的同時給電池充電。整個運行工況下發動機不停機，當車輛有小扭矩和負扭矩時，發電系統不發電，發動機怠速運行，以減少發動機起停過程產生的能量損耗。

2）當系統處于中低功率運行時，電驅動功率處于電池與發電系統高效率區的交匯點，因此可以通過功率跟隨策略在高效率區給電池發電到設定的SOC值 a₁ ，再通過純電運行模式將電池電量消耗到SOC值 a₂ ，通過保持SOC窗口在 [a₂，a₁] 之間保證動力總成系統高效率運行，同時減少發動機起動和停機產生的能量消耗。

3）當系統處于低功率和負功率運行時，功率跟隨發電策略會導致低效率發電，而發電系統最優效率發電會導致電池產生較大的充電電流而降低電池的使用效率。因此，整個動力總成采用純電驅動模式，該模式下發動機停機，電驅動系統由電池獨立提供電能。

B.YAN等4通過最小值原理和動態規劃對混合動力車輛的能量管理和發動機起停控制進行優化，也得出類似的優化結果。

2.3 運行工況識別

運行工況中，影響車輛持續輸出功率的主要因素是車重、坡度和車速。車速可以通過傳感器直接讀取，而坡度和車輛質量信息需要在車輛實時運行過程中基于車輛動力學進行實時估計。

車輛運行過程可以通過縱向車輛動力學表示：

式中： v 為車速； T_act 為驅動系統實際輸出扭矩； i_fd 為后橋減速比； r_wh 為車輪半徑； ?ρ 為空氣密度； 為車輛的風阻系數； A 為迎風面積； β 為對應的坡度； μ 為車輛的滾阻系數。

式（11）可以轉化成包含兩項的等式：

式中： β_u 和 μ 的關系為 tanβ_u=_μ ，上式可以表示為

其中， 為需要估計的變量，可以表示為

為已知變量，可以表示為

基于遞歸最小二乘法在線估計方法可以得到車輛運行的坡度和載重：

其中：

式中： 為協方差矩陣；對應的更新增益 類似于濾波器，對估計的數據進行平均。具體的方法在文獻[6]中有詳細描述。

3 試驗驗證

3.1 運行工況

此次優化的車型為搭載凱博 eDMT_-x 驅動系統和雙增系統的軒德E3混動牽引車，車輛具體配置信息見表2。

車輛行程是從哈密到石頭梅露天礦，單程約256km ，往返約 512km ，全程為柏油鋪裝路面加高速路。道路運行中的海拔和常規車速如圖8所示。

整個運行工況分為三個主要部分：第一部分為0～90km 的爬坡運行工況，車速范圍為 30～ 80km/h ，在這一路段范圍內，車輛以功率跟隨控制為主；第二部分為 91～170km 輕微下坡的高速運行工況；最后一部分為 171～256km 的下坡運行工況。由于整個道路運行數據量巨大，本研究以第一部分控制爬坡的數據為研究對象。

3.2 測試結果

針對給定的運行工況，分別對基于道路的控制策略和常規的恒溫器控制策略進行對比?；诤銣仄鞯目刂品椒ǜ鶕OC值來確定當前的充放電需求，當SOC低于 30% 時通過發電機進行充電，當SOC達到 70% 時，以使用電池的電驅動為主。

運行過程以空載爬坡這段過程為例，結果如圖9所示。圖中虛線代表發動機起停狀態，1代表發動機運行，0代表發動機停機。

采用基于恒溫器控制的常規控制方法，發動機只在 2 100～2 900 s之間進行停機，而在這個階段車輛仍然處于爬坡過程中，處于較大負荷驅動狀態，因此在這個過程中電池輸出效率較低。而采用基于運行工況的控制方法對車輛運行過程中存在的低電功率負載路段進行提取，在識別后進行停機控制，在高負載區起動發動機，可以保證發電系統在車輛動力跟隨控制中進行高效率發電。在該階段運行過程產生的能耗如圖10所示，其中氣耗量為CNG發動機發送量的累計值。

從圖10中可以看出，采用基于運行工況的控制方法CNG氣耗量為 34kg ，相比采用基于恒溫器控制的 43kg 氣耗量節省了 9kg 。從圖9中可以看出，采用基于恒溫器控制SOC值從 50.4% 上升到64% ，增長了 13.6% ；采用基于運行工況的控制方法SOC值從 65.4% 下降到 52% ，降低 13.4% 。SOC總差值為 26.8% ，折合電量為 20.99kW?h 。根據GB/T37340—2019《電動汽車能耗折算方法》，將額外電能折合成氣耗量，為 4.43kg 。由此可見，采用基于運行工況的控制相較于采用基于恒溫器的控制方法，綜合氣耗量降低了 4.57kg ，節省了 10.6% 的能耗。

4結束語

基于卡車的運行工況識別對串聯混合動力車輛的能量管理進行優化控制，構建了目標混動系統的電池、發電系統的效率模型和驅動系統模型；基于動力總成的效率分布特性，提出了一種電池與發電系統的最佳功率分配的方法，在考慮系統穩定性的情況下，實現系統高效率運行。解析了不同運行工況下的最佳效率控制方法，提出了基于卡車運行工況識別的增程混合動力車輛的能量管理方法。通過該控制方法針對新疆的目標道路上的串聯混動車輛進行優化，經驗證，可實現能耗降低 10.6% 。

參考文獻：

[1]PEREZ L，BOSSIO G，MOITRE D，et al.Optimization ofpower management in an hybrid electric vehicle using dynamic programming[J].Mathematics and computersin simulation，2006，73：244-254.

[2] MUSARDOC，RIZZONIG，GUEZENNECY，etal.AECMS：Anadaptivealgorithm forhybrid electricvehicle energy management[J].European journal of control，2005，11（4/5）：509-524.

[3] RAJAGOPALAN A，WASHINGTON G.Intelligent control of hybrid electric vehicles using GPS information[C].SAEPaper 2002-01-1936.

[4] YANB，HUYQ，YANT，etal.Route-basedadaptive optimization for energy management of hybrid electric vehicles[J].International journal of automotive technology，2014，15（7）：1175-1182.

[5] NAJJARIB，MIRZAEIM，TAHOUNIA.Decentralized integration of constrained active steering and torque vectoring systems to energy-efficient stability control of electric vehicles[J].Journal of the franklin institute，2022，359：8713-8741.

[6] VAHIDIA，STEFANOPOULOUA，PENGH.Recursive least squares with forgetting for online estimation ofvehicle mass and road grade：theory and experiments [J].Vehicle system dynamics，2005，43（1）：31-55.

Abstract：Series hybridelectricvehiclescancombinelow-carbonenginessuchasgasengineand methanolengine withelectric drivetoefectivelyreducecarbonemissons，whichisanimportantdevelopmentdirectionforroad trucks.Series hybrid mainly consists of generation system，bateryanddrive system，which jointly powersupply withthebattryto meetthe power consumptionrequirementsduringvehicleoperation.Sekingtheoptimalpowerdistributionbetwenbatteryand generationsystem is crucialforhybridenergyconservation.Foragas-electrichbridtruck，anewhybridpowercontrolmethodwasproposedby fulyutilizingtheeficiencydiffrencebetweenbatteryandgenerationsystemandcombiningtheloadcharacteristicsofroad， whichcouldefectivelyimprovetheeficiencyof powersupplysystem.Comparedwithrule-basedcontrolmethod，theeconomy improved by 10.6% ：

Keywords：series hybrid;condition;identification;power distribution;generation system;control strategy [編輯：姜曉博]