一种基于多目标优化的混合动力汽车能量管理方法

摘要

本发明涉及一种基于多目标优化的混合动力汽车能量管理方法，该方法包括：离线优化阶段：构建多目标优化函数并进行离线优化，所述的多目标优化函数考虑动力源工作状态点转移代价、动力源效率代价、发动机启停代价、电池状态转移代价以及换挡代价；在线实时控制阶段：根据随机工况车速需求确定整车转矩需求，利用优化的多目标优化函数进行各动力源的转矩分配和汽车档位设定，控制汽车运行。与现有技术相比，本发明考虑了汽车的燃油经济性、发动机启停频率、换挡频率的多目标优化问题，兼顾了汽车燃油经济性与平顺性需求。

权利要求

1.一种基于多目标优化的混合动力汽车能量管理方法，其特征在于，该方法包括：离线优化阶段：构建多目标优化函数并进行离线优化，所述的多目标优化函数考虑动力源工作状态点转移代价、动力源效率代价、发动机启停代价、电池状态转移代价以及换挡代价；

在线实时控制阶段：根据随机工况车速需求确定整车转矩需求，利用优化的多目标优化函数进行各动力源的转矩分配和汽车档位设定，控制汽车运行；

所述的多目标优化函数表示为：

其中，COST为多目标优化函数，costefficiencytransfery为动力源y的工作状态点转移代价值，costefficiencyy为动力源y的动力源效率代价值，costICEstartstop为发动机启停代价值，costBattery为电池状态转移代价值，costGears为换挡代价值，λ1y、λ2y、λ3、λ4、λ5为权重参数，y为动力源的编号，y＝1，2，……，Y，Y为常数；

costefficiencytransfery通过下式获得：其中，ηy,1(T,n)、ηy,k(T,n)分别对应为动力源y在能量管理前、后相邻的两个时刻的能耗效率，ηy,2(T,n)、ηy,3(T,n)、……ηy,k‑1(T,n)为在ηy,1(T,n)、ηy,k(T,n)之间根据(T，n)线性插值获得的对应的能耗效率，T为转矩，n为转速；

costefficiencyy通过下式获得：costefficiencyy＝1‑ηy,k(T,n)，其中，ηy,k(T,n)为动力源y在能量管理后的能耗效率，T为转矩，n为转速；

costICEstartstop通过下式获得：其中，ΔtICE为发动机启停间隔时间；

costBattery通过下式获得：

costBattery＝I·(SOC‑SOCbal)，其中，I为电池输出电流，SOC为当前电量值，SOCbal为混合动力汽车电量维持模式下电量的平衡值；

costGears通过下式获得：

其中，Δtgears为换挡的间隔时间。

2.根据权利要求1所述的一种基于多目标优化的混合动力汽车能量管理方法，其特征在于，离线优化阶段的具体步骤为：输入随机工况；

根据随机工况的目标车速计算需求转矩；

将动力源分配转矩、汽车档位作为控制变量，在控制变量的容许空间内搜索使目标优化函数最小的控制变量值；

将控制变量值输入至混合动力汽车仿真模型进行仿真，选取评价指标，采用启发式算法，对多目标优化函数中的权重参数进行优化。

3.根据权利要求2所述的一种基于多目标优化的混合动力汽车能量管理方法，其特征在于，所述的评价指标包括百公里油耗、发动机启停频率、换挡频率中的一个或多个的组合。

4.根据权利要求1所述的一种基于多目标优化的混合动力汽车能量管理方法，其特征在于，在线实时控制阶段的具体步骤为：获取离线优化阶段优化的多目标优化函数；

根据随机工况车速需求确定整车转矩需求；

确定动力系统的约束；

离散化控制变量，所述的控制变量包括各动力源的分配转矩和汽车档位；

以多目标优化函数为目标，在控制变量空间内搜索控制变量的最优解；

根据控制变量的最优解控制汽车运行。

说明书

一种基于多目标优化的混合动力汽车能量管理方法

技术领域

[0001] 本发明涉混合动力汽车技术领域，尤其是涉及一种基于多目标优化的混合动力汽车能量管理方法。

背景技术

[0002] 节约资源和保护环境是当今时代的重要主题，混合动力电动汽车具有巨大的节能潜力。混合动力系统动力源由电动机和内燃机组成，在提供动力时，可以具有不同的能量分配方式，提供了一定的设计自由度。能量管理策略作为混合动力汽车研发的核心技术之一，通过协调混合动力汽车发动机与电机之间的能量分配，实现车辆在不同行驶工况下的能量分配。性能优良的能量管理策略对于充分发挥混合动力汽车的结构优势，提高燃油经济性，实现环境的可持续发展具有重要意义。

[0003] 目前，能源管理策略包括基于规则的能源管理策略和基于优化的能量管理策略。基于规则的能量管理策略可细分为确定性规则和模糊规则，基于优化的能量管理策略可细分为全局优化和瞬时优化。基于规则的能量管理策略以其简单、可靠、鲁棒性强等优点被广泛应用于实车能量管理中。然而，这种能源管理策略的制定依赖于经验，对工况的适应性差。基于优化的能量管理策略在理论上可以在已知工况的情况下得到最优的能量管理，然而，汽车实际工作环境是复杂多变的，这限制了它的广泛应用。

发明内容

[0004] 本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于多目标优化的混合动力汽车能量管理方法，用以解决目前混合动力汽车规则式能量管理策略对随机工况适应性较差、优化式能量管理实时计算量大的问题，同时考虑避免发动机启停频繁与换挡频繁的问题，兼顾汽车能耗经济性与平顺性的需求。

[0005] 本发明的目的可以通过以下技术方案来实现：

[0006] 一种基于多目标优化的混合动力汽车能量管理方法，该方法包括：

[0007] 离线优化阶段：构建多目标优化函数并进行离线优化，所述的多目标优化函数考虑动力源工作状态点转移代价、动力源效率代价、发动机启停代价、电池状态转移代价以及换挡代价；

[0008] 在线实时控制阶段：根据随机工况车速需求确定整车转矩需求，利用优化的多目标优化函数进行各动力源的转矩分配和汽车档位设定，控制汽车运行。

[0009] 优选地，所述的多目标优化函数表示为：

[0010]

[0011] 其中，COST为多目标优化函数，costefficiencytransfery为动力源y的工作状态点转移代价值，costefficiencyy为动力源y的动力源效率代价值，costICEstartstop为发动机启停代价值，costBattery为电池状态转移代价值，costGears为换挡代价值，λ1y、λ2y、λ3、λ4、λ5为权重参数，y为动力源的编号，y＝1，2，……，Y，Y为常数。

[0012] 优选地，costefficiencytransfery通过下式获得：

[0013]

[0014] 其中，ηy,1(T,n)、ηy,k(T,n)分别对应为动力源y在能量管理前、后相邻的两个时刻的能耗效率，ηy,2(T,n)、ηy,3(T,n)、……ηy,k‑1(T,n)为在ηy,1(T,n)、ηy,k(T,n)之间根据(T，n)线性插值获得的对应的能耗效率，T为转矩，n为转速。

[0015] 优选地，costefficiencyy通过下式获得：

[0016] costefficiencyy＝1‑ηy,k(T,n)，

[0017] 其中，ηy,k(T,n)为动力源y在能量管理后的能耗效率，T为转矩，n为转速。

[0018] 优选地，costICEstartstop通过下式获得：

[0019]

[0020] 其中，ΔtICE为发动机启停间隔时间。

[0021] 优选地，costBattery通过下式获得：

[0022] costBattery＝I·(SOC‑SOCbal)，

[0023] 其中，I为电池输出电流，SOC为当前电量值，SOCbal为混合动力汽车电量维持模式下电量的平衡值。

[0024] 优选地，costGears通过下式获得：

[0025]

[0026] 其中，Δtgears为换挡的间隔时间。

[0027] 优选地，离线优化阶段的具体步骤为：

[0028] 输入随机工况；

[0029] 根据随机工况的目标车速计算需求转矩；

[0030] 将动力源分配转矩、汽车档位作为控制变量，在控制变量的容许空间内搜索使目标优化函数最小的控制变量值；

[0031] 将控制变量值输入至混合动力汽车仿真模型进行仿真，选取评价指标，采用启发式算法，对多目标优化函数中的权重参数进行优化。

[0032] 优选地，所述的评价指标包括百公里油耗、发动机启停频率、换挡频率中的一个或多个的组合。

[0033] 优选地，在线实时控制阶段的具体步骤为：

[0034] 获取离线优化阶段优化的多目标优化函数；

[0035] 根据随机工况车速需求确定整车转矩需求；

[0036] 确定动力系统的约束；

[0037] 离散化控制变量，所述的控制变量包括各动力源的分配转矩和汽车档位；

[0038] 以多目标优化函数为目标，在控制变量空间内搜索控制变量的最优解；

[0039] 根据控制变量的最优解控制汽车运行。

[0040] 与现有技术相比，本发明具有如下优点：

[0041] 一、本发明综合考虑对能耗经济性、发动机启停次数、换挡频率进行优化，在实现混合动力汽车能耗经济性的同时，保障发动机启停频率、换挡频率在合适的范围，以减少动力系统、传动系统的磨损，减少发动机启停以及换挡过程的冲击，优化汽车的平顺性；

[0042] 二、本发明采用多种随机工况，并结合启发式算法，以汽车百公里油耗、发动机启停频率及换挡频率为指标，对综合的多目标优化代价函数的权重参数进行了优化，相比于规则式能量管理策略，最终用于负责能量管理的模块对不同的工况具有自适应性；

[0043] 三、本发明最终建立用于混合动力汽车的能量管理模块，采用经过离线优化的多目标优化代价函数来进行能量管理的决策，在动力传动系统控制变量离散空间进行寻优，相比于其它优化式能量管理策略减少了计算量，可以保障计算的实时性。

附图说明

[0044] 图1为本发明一种基于多目标优化的混合动力汽车能量管理方法中离线优化阶段的流程图；

[0045] 图2为本发明一种基于多目标优化的混合动力汽车能量管理方法中在线实时控制阶段的流程图。

具体实施方式

[0046] 下面结合附图和具体实施例对本发明进行详细说明。注意，以下的实施方式的说明只是实质上的例示，本发明并不意在对其适用物或其用途进行限定，且本发明并不限定于以下的实施方式。

[0047] 实施例

[0048] 本实施例提供一种基于多目标优化的混合动力汽车能量管理方法，该方法包括：

[0049] 离线优化阶段：构建多目标优化函数并进行离线优化，所述的多目标优化函数考虑动力源工作状态点转移代价、动力源效率代价、发动机启停代价、电池状态转移代价以及换挡代价；

[0050] 在线实时控制阶段：根据随机工况车速需求确定整车转矩需求，利用优化的多目标优化函数进行各动力源的转矩分配和汽车档位设定，控制汽车运行。

[0051] 具体实施时，首先要根据具体的动力系统的结构离线调试能量管理模块的参数，如图1所示；在调试完成以后，便可以使用优化以后的能量管理模块对混合动力汽车进行能量管理，如图2。

[0052] 如图1所示，进行EMS模块(energy management system,能量管理系统)的离线优化时，包括构建随机工况，构建驾驶员模型，构建能量管理模块，构建HEV(hybrid electric vehicle，混合动力汽车)模型，采用启发式算法对目标函数权重参数进行优化，具体步骤说明如下：

[0053] (1)在建立随机工况时，可以通过做汽车试验，在实际运行过程中采集汽车的运行速度、道路的坡度的数据，也可以采用像WLTC(Worldwide Harmonized Light Vehicles Test Cycle)、CLTC(China light‑duty vehicle test cycle)一样的标准工况，以此作为整个仿真模型的工况输入，提供仿真模型的目标工况；此外，工况的随机组合越符合实际情况，包含实际汽车行驶的工况越全面，越有利于训练出对实际工况具有一定自适应性的能量管理模块；

[0054] (2)构建驾驶员模块时，采用PI控制器模型(Proportional  integral controller，比例积分控制器)，用来估算在实际运行过程中的需求转矩，具体计算公式如下：

[0055]

[0056] e(t)＝vr(t)‑va(t)

[0057] 其中，Tr(t)为需求转矩，e(t)为目标车速与实际车速的差值，vr(t)为目标车速，va(t)为实际的车速，kp、ki是P、I参数。

[0058] (3)构建EMS模块时，采用优化式能量管理策略的思想，采用所构建的多种目标函数的线性组合作为综合的多目标优化函数，表示为：

[0059]

[0060] 其中，COST为目标优化函数，costefficiencytransfery为动力源y的工作状态点转移代价值，costefficiencyy为动力源y的动力源效率代价值，costICEstartstop为发动机启停代价值，costBattery为电池状态转移代价值，costGears为换挡代价值，λ1y、λ2y、λ3、λ4、λ5为权重参数，y为动力源的编号，y＝1，2，……，Y，Y为常数。在本实施例中，动力源包括发动机、ISG电机(Integrated starter/generator motor，集成启动/发电一体化电机)、EM电机(Electric motor)，即y＝1，2，3。

[0061] 具体地：

[0062] costefficiencytransfery通过下式获得：

[0063]

[0064] 其中，ηy,1(T,n)、ηy,k(T,n)分别对应为动力源y在能量管理前、后相邻的两个时刻的能耗效率，ηy,2(T,n)、ηy,3(T,n)、……ηy,k‑1(T,n)为在ηy,1(T,n)、ηy,k(T,n)之间根据(T，n)线性插值获得的对应的能耗效率，T为转矩，n为转速。

[0065] costefficiencyy通过下式获得：

[0066] costefficiencyy＝1‑ηy,k(T,n)，

[0067] 其中，ηy,k(T,n)为动力源y在能量管理后的能耗效率，T为转矩，n为转速。

[0068] costICEstartstop通过下式获得：

[0069]

[0070] 其中，ΔtICE为发动机启停间隔时间。

[0071] costBattery通过下式获得：

[0072] costBattery＝I·(SOC‑SOCbal)，

[0073] 其中，I为电池输出电流，SOC为当前电量值，SOCbal为混合动力汽车电量维持模式下电量的平衡值。

[0074] costGears通过下式获得：

[0075]

[0076] 其中，Δtgears为换挡的间隔时间。

[0077] EMS工作的逻辑是根据综合的多目标代价函数，在控制变量的容许空间内搜索使代价函数最小的控制变量值，并以此作为控制指令传递给HEV模型，实现HEV的能量管理。

[0078] (4)根据汽车理论构建HEV模型，采用动力源的转矩响应采用简化的一阶惯性环节来描述，汽车采用经典的纵向动力学模型，考虑惯性阻力、坡道阻力、风阻、滚阻四大阻力，以此模拟汽车的运动。

[0079] (5)采用启发式算法进行能量管理模块综合目标代价函数权重参数的优化，其优化逻辑为，先初始化权重参数，在运行仿真模型，以仿真结果的百公里油耗、发动机启停频率、换挡频率中的一个或多个的组合作为评价指标，不断更新权重参数，并筛选性能优良的参数组合，作为能量管理模块的权重参数。

[0080] 图1说明了EMS模块离线优化权重参数的流程，可以用来完成EMS模块的设计，在完成优化以后，便可以按照图2中EMS在线实时控制流程图，实现混合动力汽车的能量管理。

[0081] 在此，基于图2对在线实时控制阶段的具体步骤进行说明：

[0082] 获取离线优化阶段优化的多目标优化函数，对EMS模块进行初始化；

[0083] 然后汽车便可以开始行驶，在行驶过程中，驾驶员模型根据随机工况车速需求确定整车转矩需求；

[0084] 确定动力系统的约束，如根据发动机、电机的转矩‑转速外特性，在不同的转速下，动力源具有不同的转矩限制范围，因此可以确定各动力源的转矩约束；

[0085] 离散化控制变量，所述的控制变量包括各动力源的分配转矩和汽车档位；

[0086] 以多目标优化函数为目标，在控制变量空间内搜索控制变量的最优解，完成动力源转矩的分配、档位的选择；

[0087] HEV车辆模型根据决策指令控制动力源及变速箱响应，改变车辆的运行状态，直到汽车停止运行。

[0088] 上述实施方式仅为例举，不表示对本发明范围的限定。这些实施方式还能以其它各种方式来实施，且能在不脱离本发明技术思想的范围内作各种省略、置换、变更。