案例4-第二章 混合动力电动汽车能量管理策略优化案例

案例4——混合动力电动汽车能量管理策略优化案例本案例针对并联式混合动力汽车的能量管理问题，基于动态规划方法建立了整车能量分配的全局优化模型。模型将电池荷电状态（SOC）和驱动需求扭矩作为状态变量，发动机扭矩作为控制变量，通过对循环工况进行分阶段网格化，利用逆向递推计算最优控制策略，最终实现燃油消耗和SOC附加代价的最小化。针对动力源扭矩及电池SOC的运行约束，算法在保证动力性能和驾驶平顺性的前提下，优化了发动机与电机之间的能量分配。通过动态规划的正向寻优过程，获得了满足约束条件下的最优扭矩分配序列和SOC变化轨迹。该方法有效提升了能量管理的全局最优性，为混合动力汽车的节能控制提供了理论支持和实际应用参考。1.问题背景在传统汽车中，驾驶员通过加速和制动踏板控制发动机的输出扭矩，进而决定瞬时速度和功率。对于混合动力汽车，由于其具有两个动力源，理论上每个动力源都可以设置独立的加速和制动踏板。但更为简便有效的方式是驾驶员仅决定汽车的总能量需求，而各动力源的能量分配由能量管理策略决定。因此，混合动力汽车的能量管理主要用于决定各动力源的能量输出，目标是在保证动力性的前提下尽量最小化燃油消耗，有时还会考虑尾气排放和驾驶舒适性。本案例采用基于动态规划的全局优化算法对整车能量进行分配。2.目标函数与约束条件根据动态规划的基本原理，针对并联式混合动力汽车的能量管理问题，首先需要建立非线性动态系统的模型，并确定状态变量和控制变量。接着，将路径循环工况网格化，即将循环工况划分为N个阶段。然后，根据优化目标计算每个阶段对应状态转移过程中的燃油消耗，并通过逆向求解找到最优控制变量。最后，进行正向寻优，最终得到燃油消耗最小的最优控制律和状态变量集合。在并联式混合动力汽车能量管理系统中，电池的荷电状态SOC可以反映各时刻系统的能量状态，因此将SOC作为系统状态变量。当道路循环工况给定后，按照循环工况分为N个阶段，每一阶段的状态量驱动需求扭矩Treq和车速v可以唯一确定，动力源之间的能量分配控制实质就是发动机扭矩和电机扭矩两个控制量的控制律求解问题。因此，混合动力系统的燃油消耗与三个状态量（驱动需求扭矩，车速以及电池SOC对于单轴并联式混合动力汽车，任意阶段的动力源输出扭矩与需求扭矩之间的关系为：T电机扭矩可以通过需求扭矩和发动机扭矩计算得到。为了优化动态规划计算效率，选择状态变量为X=SOC⁡(k电机转速与车轮转速的关系为：w能量管理优化目标是最小化燃油消耗和SOC附加代价，代价函数为：L其中，SOC附加代价函数为：L相邻阶段状态之间的转移表示为x(SOC⁡(动力学模型中，需求扭矩与车速和其他参数相关。基于动态规划的全局优化算法，优化目标函数为：J为了满足车辆行驶过程中对车速和扭矩的需求，同时获得安全，平稳的驾驶体验，发动机，电机和动力电池需要满足以下的约束条件：w其中，we_max,we_min为发动机的最大最小转速，Te_

max

we(k),3.动态规划求解在并联式混合动力汽车能量管理策略中，动态规划算法通过逆向求解过程优化动力源的扭矩分配。具体而言，循环工况已知时，整车控制器根据需求总扭矩和动力源性能曲线，计算各动力源的最大和最小扭矩。由于发动机和电机之间的扭矩分配可以有多种组合，算法通过离散化扭矩分配来提高计算精度，但离散化间隔越小，算法的计算复杂度和所需时间也会增加。因此，离散化的精度要综合考虑计算能力和优化精度。动态规划的逆向过程根据优化对象基本方程所提供的递推关系逐段求解，具体步骤如下，算法流程图如图1所示。图1动态规划逆向求解流程①当k=N时，根据第N阶段的状态x(N)②根据公式

J和Jk[x(k),u(k③向后迭代，令k=k-1。若0<动态规划的正向寻优过程：给定并联式混合动力汽车的初始状态Treq(1)和SOC⁡(1)，查表得到该状态下最优消耗J(1