隨機方法在混合動力電動汽車電源管理上的應用

?

隨機方法在混合動力電動汽車電源管理上的應用

目前，針對混合動力汽車的電源管理優(yōu)化問題已有許多解決方法。然而，其中大部分是優(yōu)化特定行駛循環(huán)的控制策略。眾所周知，當量消耗最小策略（ECMS）方法是利用過去車輛電力需求信息隨機估計將來的行駛環(huán)境。車輛是多自由度的動態(tài)系統(tǒng)，其電源需求取決于多種因素（駕駛風格、路況、交通、天氣、乘員行程等）。當前，預測將來駕駛的需求主要有兩種方法：基于外部傳感器如全球定位系統(tǒng)（GPS）或智能交通系統(tǒng)（ITS）和基于過去信息以隨機方式預測將來的駕駛環(huán)境。

介紹了一種混合動力汽車近似最優(yōu)電源管理的新策略，將行駛循環(huán)認定為不是近似最優(yōu)解的先驗。上述方法基于分析給定滾動時域的電源需求來預估將來的駕駛環(huán)境，并最大限度地減少燃料消耗。同時，消除了預期的電池能量消耗。該方法基于過去電源需求的信息估算電源需求的未來概率分布，并獲得維持預期電池能量級值別在一定值的s參數。創(chuàng)新之處是引入的混合動力汽車控制策略能保持電池的可持續(xù)性，無需修正系數即可避免SoE曲線的過度偏移。因此，對于任何驅動功率控制分布和控制時域（β），上述控制策略可導出最優(yōu)s（SoE）曲線,通過SoE期望值的偏差提供一個物理框架校準其它的EMS來補償s參數。仿真結果表明，該方法可在實現近似最優(yōu)下維持電量的可持續(xù)性。

為了消除駕駛環(huán)境或駕駛風格突變的影響，提出了兩種方法：①利用對數似然比（或車輛的位置信息）識別當前的行車狀態(tài)，然后應用到電源需求對應的概率分布上。提出了兩種行車狀態(tài)，即市區(qū)和郊區(qū)。②自適應方法通過連續(xù)修正單概率函數再現駕駛環(huán)境。

刊名：Control Engineering Practice（英）

刊期：2014年第29期

作者：F. Payri et al

編譯：張振偉