基于交通信息的复合电源系统控制策略优化

doi:10.19562/j.chinasae.qcgc.2021.05.005

摘要/Abstract

摘要：

为考虑未来行驶车速和道路坡度对整车需求功率的影响，本文中基于交通信息融合对现有复合电源能量管理策略进行优化。首先采用MATLAB/Simulink搭建复合电源仿真模型，而基于交通拥堵情况和行驶车速类型提出了未来短时间车速变化趋势判定方法；接着结合道路坡度和车速变化趋势，设计了可基于交通信息自动修正超级电容输出功率的模糊控制器。最后，在能获取交通信息的前提下，采用该模糊控制器，对基于自适应小波变换-模糊控制的能量管理策略进行优化。结果表明，基于交通信息优化后的控制策略可进一步发挥复合电源的优势，使复合电源的能量消耗减少约2.3%，电池循环寿命提高约2.96%。

关键词: 复合电源, 能量管理策略, 交通信息, 车速变化趋势

Abstract:

With consideration of the influence of future driving speed and road slope on vehicle power demand， an optimization on the existing energy management strategy of hybrid power source is conducted in this paper based on traffic information fusion. Firstly， the hybrid power simulation model is constructed with MATLAB/Simulink， and based on the traffic congestion situation and driving speed type， a judgment method for the short?term speed changing trend in future is proposed. Then， according to the road slope and speed changing trend， a fuzzy controller， which can automatically correct the output power of ultra?capacitor based on traffic information， is designed. Finally， on the premise of acquiring traffic information and by using the fuzzy controller， an optimization on the energy management strategy based on adaptive wavelet transform?fuzzy control is performed. The results show that the control strategy optimized based on traffic information can further give play to the superiorities of hybrid power source， with its energy consumption reducing by about 2.3% and the battery cycle life extending by about 2.96%.

Key words: hybrid power source, energy management strategy, traffic information, speed changing trend

胡杰,王明,刘迪,颜伏伍,曹恺. 基于交通信息的复合电源系统控制策略优化[J]. 汽车工程, 2021, 43(5): 675-682.

Jie Hu,Ming Wang,Di Liu,Fuwu Yan,Kai Cao. Optimization of Control Strategy for Hybrid Power System Based on Traffic Information[J]. Automotive Engineering, 2021, 43(5): 675-682.

图/表 20

图 1

图 2

图 3

图 4

图 5

图 6

图 7

图 8

图 9

表1

不同车速类型的聚类中心"

聚类中心	$A 1$	$A 2$	$A 3$
平均加速度	-0.745 821	0.005 093	0.611 463
速度标准差	9.164 613 0	1.429 893	7.477 695
片段始末速度差	-24.164 611	0.164 999	19.811 400

表1

图 10

图 11

表2

模糊控制器输入/输出变量定义"

输入/输出变量	论域	模糊子集	模糊子集含义
需求功率 $P d e m$	[0,1]	{PS，PM，PB}	正小，正中，正大
车速趋势 $v t r e$		{NB，NM，NS，ZE， PS，PM，PB}	负大，负中，负小，零，正小，正中，正大
道路坡度 $G r o a d$		{NB，NM，NS，ZE， PS，PM，PB}	负大，负中，负小，零，正小，正中，正大
修正系数 $C s c_c o r r$	[-0.2,0.2]	{NB，NM，NS，ZE， PS，PM，PB}	负大，负中，负小，零，正小，正中，正大

表2

图 12

表3

部分模糊规则表"

If $P d e m$ is PS and $v t r e$ is NB and $G r o a d$ is PS, then $C s c_c o r r$ is NM
If $P d e m$ is PS and $v t r e$ is PS and $G r o a d$ is PM, then $C s c_c o r r$ is PS
If $P d e m$ is PM and $v t r e$ is PS and $G r o a d$ is PM, then $C s c_c o r r$ is PM
…
If $P d e m$ is PB and $v t r e$ is NB and $G r o a d ?$ is NB, then $C s c_c o r r$ is NM
If $P d e m$ is PB and $v t r e$ is PB and $G r o a d$ is PS, then $C s c_c o r r$ is PB

表3

图 13

图 14

图 15

图 16

图 17

参考文献 19

1	IBRAHIM M， JEMEI S， WIMMER G， et al. Selection of mother wavelet and decomposition level for energy management in electrical vehicles including a fuel cell［J］. International Journal of Hydrogen Energy， 2015， 40（45）： 15823-15833.
2	熊瑞，何洪文.电动车辆复合电源系统集成管理基础［M］. 北京：化学工业出版社， 2019.
	XIONG Rui， HE Hongwen. The integrated management foundation of electric vehicle composite power supply system［M］. Beijing： Chemical Industry Press， 2019.
3	李萍，朱晓璐，焦晓红.基于智能优化规则的并联混合动力汽车能量管理策略［J］.燕山大学学报， 2019， 43（6）： 546-553.
	LI Ping， ZHU Xiaolu， JIAO Xiaohong. Energy management strategy of parallel hybrid electric vehicle based on intelligent optimization rules［J］. Journal of Yanshan University， 2019， 43（6）： 546-553.
4	YIN H， ZHOU W， LI M， et al. An adaptive fuzzy logic⁃based energy management strategy on battery/ultracapacitor hybrid electric vehicles［J］. IEEE Transactions on Transportation Electrification，2016， 2（3）： 300-311.
5	PENG J， HE H， XIONG R. Rule based energy management strategy for a series⁃parallel plug⁃in hybrid electric bus optimized by dynamic programming［J］. Applied Energy， 2017， 185： 1633-1643.
6	ETTIHIR K， BOULON L， AGBOSSOU K. Optimization⁃based energy management strategy for a fuel cell/battery hybrid power system［J］. Applied Energy， 2016， 163： 142-153.
7	FU Z， LI Z， TAO F. Adaptive energy management strategy for hybrid batteries/supercapacitors electrical vehicle based on model prediction control［J］. Asian Journal of Control， 2020，22： 2476-2486.
8	尹炳琪，马彬，杨朝红，等.融合地形信息的车载复合电源控制方法研究［J］. 电源技术， 2020， 44（1）： 116-120.
	YING Binqi， MA Bin， YANG Chaohong， et al. Research on control method of vehicle⁃mounted composite power supply integrating terrain information［J］. Power Technology， 2020， 44（1）： 116-120.
9	郑勇.纯电动汽车复合储能系统参数匹配及功率分配策略［D］. 重庆：重庆大学， 2018.
	ZHENG Yong. Parameter matching and power distribution strategy of electric vehicle composite energy storage system［D］. Chongqing： Chongqing University， 2018.
10	MICHALCZUK M， UFNALSKI B， GRZESIAK L M. Fuzzy logic based power management strategy using topographic data for an electric vehicle with a battery⁃ultracapacitor energy storage［J］. The International Journal for Computation and Mathematics in Electrical， 2015， 1（34）： 173-188.
11	ZHAO K， LIANG Z， HUANG Y， et al. Research on a novel hydraulic/electric synergy bus［J］. Energies， 2018， 11（1）： 34.
12	ZHANG Q， DENG Wei. An adaptive energy management system for electric vehicles based on driving cycle identification and wavelet transform［J］. Energies，2016，9（5）：341.
13	HU J， LIU D， DU C， et al. Intelligent energy management strategy of hybrid energy storage system for electric vehicle based on driving pattern recognition［J］. Energy， 2020， 198： 117298.
14	黄相.电动汽车复合电源的实时小波-模糊能量管理策略研究［D］. 南京：南京农业大学，2016.
	HUANG Xiang. Research on real⁃time wavelet⁃fuzzy energy management strategy of hybrid power supply for electric vehicles［D］. Nanjing： Nanjing Agricultural College，2016.
15	孙超.混合动力汽车预测能量管理研究［D］. 北京：北京理工大学， 2016.
	SUN Chao. Research on predictive energy management of hybrid electric vehicles［D］. Beijing： Beijing Institute of Technology， 2016.
16	卢立来.基于路况信息预测的插电式混合动力汽车能量管理策略研究［D］. 重庆：重庆大学， 2015.
	LU Lilai. Research on energy management strategy of plug⁃in hybrid electric vehicle based on road condition information prediction［D］. Chongqing： Chongqing University， 2015.
17	付永恒.基于路况信息的混合动力汽车控制策略研究［D］. 北京：北京交通大学， 2011.
	FU Yongheng. Research on control strategy of hybrid electric vehicle based on road condition information［D］. Beijing： Beijing Jiaotong University， 2011.
18	杨官龙.基于驾驶意图与工况识别的插电式混合动力汽车能量管理策略研究［D］. 重庆：重庆大学， 2014.
	YANG Guanlong. Research on energy management strategy of plug⁃in hybrid electric vehicle based on driving intention and operating condition identification［D］. Chongqing： Chongqing University， 2014.
19	解庆波. 基于驾驶意图与行驶工况的混合动力电动汽车能量管理策略［D］. 重庆：重庆大学， 2016.
	XIE Qingbo. Energy management strategy of hybrid electric vehicle based on driving intention and driving conditions［D］. Chongqing： Chongqing University， 2016.

[1]	刘晋霞,梁志豪,王强,温明星. TTR汽车等效燃油消耗最小的能量管理策略研究[J]. 汽车工程, 2023, 45(2): 285-292.
[2]	齐春阳,宋传学,宋世欣,靳立强,王达,肖峰. 基于逆强化学习的混合动力汽车能量管理策略研究[J]. 汽车工程, 2023, 45(10): 1954-1964.
[3]	陈勇,魏长银,李晓宇,李彦林,刘彩霞,林霄喆. 融合工况识别的增程式电动汽车模糊能量管理策略研究[J]. 汽车工程, 2022, 44(4): 514-524.
[4]	李军求,刘吉威,朱超峰. 基于时变底盘构型的混动车辆能量管理研究[J]. 汽车工程, 2022, 44(12): 1866-1876.
[5]	杨宁康,韩立金,刘辉,张欣. 基于效率优化的混合动力车辆强化学习能量管理策略研究[J]. 汽车工程, 2021, 43(7): 1046-1056.
[6]	张昊,范钦灏,王巍,黄晋,王志. 基于强化学习的多燃烧模式混合动力能量管理策略[J]. 汽车工程, 2021, 43(5): 683-691.
[7]	陈龙,陈智星,徐兴,王峰,蔡英凤,张涛. 考虑发动机起停优化的PHEV能量管理策略[J]. 汽车工程, 2021, 43(3): 313-322.
[8]	杨业, 张幽彤, 张彪, 胡韶奕. 基于等效因子优化的插电式混合动力客车自适应能量管理策略[J]. 汽车工程, 2020, 42(3): 292-298.
[9]	金辉, 张子豪. 基于自适应动态规划的HEV能量管理研究综述^*[J]. 汽车工程, 2020, 42(11): 1490-1496.
[10]	林歆悠, 夏玉田, 李雪凡, 林海波. 燃料电池汽车行驶里程自适应ECMS策略[J]. 汽车工程, 2019, 41(7): 750-756.
[11]	姚堤照, 谢长君, 曾甜, 黄亮. 基于多模糊控制的电电混合汽车能量管理策略^*[J]. 汽车工程, 2019, 41(6): 615-624.
[12]	刘延伟, 朱云学, 林子越, 赵克刚, 叶杰. 基于Radau伪谱法的复合电源电动汽车能量管理策略优化^*[J]. 汽车工程, 2019, 41(6): 625-633.
[13]	解少博，刘通，李会灵，辛宗科. 基于马尔科夫链的并联PHEB预测型能量管理策略研究[J]. 汽车工程, 2018, 40(8): 871-877.
[14]	解少博，辛宗科，李会灵，刘通，魏朗. 插电式混合动力公交车电池配置和能量管理策略协同优化的研究[J]. 汽车工程, 2018, 40(6): 625-.