新能源汽车节能优化与控制 课件 胡晓松 -第4、5章 新能源汽车能量管理策略、速度预测与SOC规划_第1页
新能源汽车节能优化与控制 课件 胡晓松 -第4、5章 新能源汽车能量管理策略、速度预测与SOC规划_第2页
新能源汽车节能优化与控制 课件 胡晓松 -第4、5章 新能源汽车能量管理策略、速度预测与SOC规划_第3页
新能源汽车节能优化与控制 课件 胡晓松 -第4、5章 新能源汽车能量管理策略、速度预测与SOC规划_第4页
新能源汽车节能优化与控制 课件 胡晓松 -第4、5章 新能源汽车能量管理策略、速度预测与SOC规划_第5页
已阅读5页,还剩141页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

新能源汽车节能优化与控制第4章新能源汽车能量管理策略本章学习目标学习目标1.掌握EMS的定义、功能及其在混合动力系统中的核心作用,能够区分基于规则、优化和学习三大类策略的适用场景与特点。2.熟悉恒温器控制、功率跟随、有限状态机等典型规则策略的控制逻辑,并能通过仿真案例分析其性能表现。3.了解动态规划、庞特里亚金极小值原理、等效燃油消耗最小化策略等优化方法的数学基础与求解流程,并能理解其在能量管理中的优缺点。4.掌握强化学习、深度强化学习在能量管理中的应用原理,了解其在实际部署中面临的挑战与发展方向。5.能够结合网联化、智能化背景,讨论多车协同、车路协同、生态驾驶等新兴技术对能量管理策略的影响与推动。目录32基于规则的能量管理策略基于优化的能量管理策略4基于学习的能量管理策略5能量管理策略未来发展趋势1能量管理技术简介与分类4.1能量管理技术简介与分类能量管理策略(EMS)的定义与作用EMS是混合动力汽车节能优化的关键技术,旨在满足多个约束条件下,完成不同动力源间的最优功率输出分配,满足车辆功率需求。EMS相当于混合动力汽车的“大脑”,能够直接决定混合动力系统的工作效率,对于提升整车性能,尤其经济性,具有决定性作用。4.1能量管理技术简介与分类关键目标与适用车型关键目标包括经济性、动力性、安全性、舒适性等,通过优化动力源的功率分配,实现车辆性能的全面提升。仅适用于具有多个动力源的混合动力汽车,如油-电混合动力汽车、电-电混合动力汽车。技术挑战与现有方法混合动力汽车的动力源多样化及其相互耦合特性,给能量管理策略的制定带来挑战。为解决这一问题,研究人员提出了基于规则、基于优化、基于学习的多种能量管理策略。4.1能量管理技术简介与分类三大类策略概述基于规则的能量管理策略:基于规则式控制方法通过专家知识与工程经验来设定规则,根据动力系统的状态确定的工作模式,进而实现能量分配。4.1能量管理技术简介与分类三大类策略概述②基于优化的能量管理策略:基于全局优化的控制方法是通过数值求解或解析优化的算法,在约束边界范围内对特定工况下最小化能量管理定义的代价函数的过程。基于瞬时优化的控制方法,不依赖于全部驾驶工况信息,仅保证当前或未来部分时间短的能耗或燃油消耗率最小。该方法在鲁棒性以及计算负荷上都有明显优势,适用于实车的能量管理在线控制。4.1能量管理技术简介与分类三大类策略概述基于学习的能量管理策略:基于人工智能的控制方法是引入机器学习算法,通过数据驱动的方式从专家经验或控制策略与环境交互数据中自学习,进而优化控制策略的模型参数逼近全局最优。基于人工智能的控制方法保证了理论上逼近全局最优的可能性,而其强大自学习能力避免了依赖专家经验的调参并提供更强的自适应性与泛化能力,同时其离线训练保证了实时控制的可行性,是当前研究热点。4.1能量管理技术简介与分类三大类策略小结目录31能量管理技术简介与分类基于优化的能量管理策略4基于学习的能量管理策略5能量管理策略未来发展趋势2基于规则的能量管理策略4.2基于规则的能量管理策略核心思想基于规则的能量管理策略(RB-EMS)根据工程经验或离线优化结果,基于启发式方法或工程经验制订规则其主要思路是根据混合动力汽车系统的特点和运行模式,通过定义一系列车辆动力系统运行的规则来决定动力驱动系统的工作状态,一般表现为带有控制参数表的流程图RB-EMS可进一步分为基于确定性规则的能量管理策略和基于模糊性规则的能量管理策略优点优点是开发简单,计算量小,算法的稳定性好,可以在车辆动力总成上实时实现缺点无法保证控制效果的最优性,需要开发者针对车型进行反复调试需要进行大量的校准工作,以保证在不同驾驶循环下的性能不同混合动力构型间的算法迁移性较差,面对不同车型参数或构型时需要重新开发4.2.1基于确定性规则的能量管理策略简介基于确定性规则的能量管理策略,根据设计者的“专家经验”,在满足车辆动力需求的前提下,预先定义了一系列逻辑规则,实现系统工作模式的切换与多动力源之间的功率分配。例如,将混合动力汽车中的发动机控制在最佳工作条件或高效率工作区间,在满足车辆动力需求的前提下,实现系统工作模式的切换与多动力源之间的功率分配。经典的基于最优工作条件的策略有恒温器控制策略、功率跟随控制策略、有限状态机控制策略和电能消耗-电能维持(ChargeDepleting-ChargeSustaining,CD-CS)策略、频率解耦控制等。发动机运行在低油耗区间4.2.1基于确定性规则的能量管理策略恒温器控制策略在恒温器控制策略中,发动机可以在最佳效率点运行,提供恒定的扭矩和速度,通过打开或关闭发动机保持电池荷电状态在预定义的上限和下限之间。该策略的主要优点是提高了发动机的平均效率,缩短了电池的充放电周期,但也存在发动机频繁启停导致功率损失加大等问题。基本控制规则:1)发动机在最高效率区域或次优排放区域开始工作,当电池SoC低于设定的最低阈值时,提供恒定功率。发动机功率的一部分提供给电机以满足功率需求,其余部分用于给电池充电。2)当电池SoC增加到预设的最大阈值时,发动机关闭,只有电池提供驱动电源。图4-3恒温器控制策略4.2.1基于确定性规则的能量管理策略恒温器控制策略简单来说:当S0C=S0Cmin时,发电机工作并向蓄电池充电。当S0C=S0Cmax时,发电机便停止向蓄电池充电。4.2.1基于确定性规则的能量管理策略功率跟随策略功率跟随策略根据车辆的功率需求调整输出功率,确定发动机输出功率以及启动或关闭的时刻,以满足驾驶员的功率需求。与恒温器控制策略相比,功率跟随策略可以实现整体系统效率和电池耐用性的改善,但发动机工作区域变大,降低了整体效率。基本控制规则:1)如果功率需求小于发动机在其工作转速下的最大功率,则将工作点调整为在最小输出功率上工作。2)如果电池SoC高于设定的最小值且低于最大值,同时驾驶员功率需求小于电池容量且大于发动机在工作转速下的最大功率,则发动机以最大输出运行,其余功率需求由电池提供。3)仅当电池SoC高于预设最大值且能满足功率需求时,应关闭发动机。图4-4功率跟随控制策略原理4.2.1基于确定性规则的能量管理策略功率跟随策略结构图4.2.1基于确定性规则的能量管理策略有限状态机控制策略有限状态机是一种由有限个离散状态、状态转移条件和输出规则构成的数学模型,用于描述系统在输入事件作用下的状态演化过程。有限状态机的输出量是输入量和当前状态量的函数,即当某事件发生时,有限状态机只能够根据输入量和当前状态量从当前状态转移到下一个状态。经典有限状态机原理解读:1)当前时刻的输入信号和现态共同作用到组合逻辑,x(t)代表当前时刻的输入信号,s(t)代表现态。2)组合逻辑根据这两个量的输入信号进入到次态,即当前时刻输出信号,s(t+1)代表次态,z(t)代表当前时刻的输出信号。3)次态输入状态寄存器内部,清除信号和时钟信号共同作用于状态寄存器,状态寄存器输出现态,然后进入新的周期。4)clear代表状态清除信号,clk代表外部时钟信号。图4-5经典有限状态机原理4.2.1基于确定性规则的能量管理策略有限状态机控制策略有限状态机分类:有限状态机按照系统的输入量及输出量之间的关系可以分为两大类:1)一类状态机被称为Moore,该类状态机的输出量只与系统的状态有关,而与系统的输入量毫无关联。2)另一类状态机被称为Mealy,即经典状态机,该类状态机的输出量不仅取决于系统的状态量,还与系统的输入量有关,也是较为常用的有限状态机。Moore型状态机Mealy型状态机4.2.1基于确定性规则的能量管理策略有限状态机控制策略有限状态机的状态转移机制:1)一般情况下,系统由多个状态组成,各个状态之间由有向链接相连。2)系统收到输入信号后会确定如何响应该输入信号,当触发状态切换时,系统达到转移条件,发生状态转移并产生相应的输出信号,且不同的状态对应不同的输出信号。3)能够在状态系统中找到各个状态之间的转移规则,是研究有限状态机的关键步骤。图4-6有限状态机状态转移机制在混合动力汽车应用中,状态机规定了运行模式,如发动机模式、混合驱动模式和行车充电模式等。操作模式之间的转换取决于驾驶员需求的变化、车辆运行条件的变化及系统/子系统故障。4.2.1基于确定性规则的能量管理策略电能消耗-电能维持(CD-CS)策略电能消耗-电能维持(CD-CS)策略通过设置动力电池SOC阈值,将车辆分为两种运行模式:电能优先消耗的CD模式和以燃料电池或发动机为主要能量来源的CS模式。该策略在仿真中表现出良好的节能效果,但在实际应用中需要针对不同车型和驾驶工况进行优化调整。基本设计原则:1)电能优先消耗原则:保证尽可能多地使用电能从而减少燃油消耗,提高燃油经济性。在车辆SoC未达到设置的下限时,优先采取纯电动驱动。当电量消耗殆尽(电池SoC处于下限值)时,以发动机驱动为主。2)制动能量回收原则:为提高车辆的燃油经济性,当车辆制动或减速时,优先使用电机承担制动力矩输出,回收制动能量,转化为电能储存。3)动力性优先原则:能量管理策略应当保证车辆满足动力性要求,CD-CS能量管理策略优先使用电能,但当电机的输出的驱动力矩不足以满足车辆需求扭矩时,应当启动发动机对动力性进行补足,优先保证车辆的动力性。4)行车安全原则:当电机不足以提供全额的制动力时,需采用机械制动器进行制动力矩补足,以保证车辆的行驶安全性。图4-7CD-CS策略原理4.2.1基于确定性规则的能量管理策略频率解耦控制频率解耦控制是一种确定性规则,即具有慢响应动态的能量源(如发动机)提供低频功率,而具有更快动态响应的其他类型的能量源可以通过提供峰值和高频功率来补偿系统所需的功率。该策略依赖负载需求信号的低频和高频组件的解耦,并将低频内容应用于系统中的主能源,而高频使用辅助快速响应源进行补偿。频率解耦可以通过简单的低通滤波器、滑动平均策略或时频表示工具(如小波变换)来实现。低通滤波器4.2.1基于确定性规则的能量管理策略案例分析以功率分流式插电混合动力汽车为例,设定CD-CS规则能量管理策略,控制功率分配。动力系统结构如下图所示,其中以内燃机(ICE),发电机(MG1)驱动,电动机(MG2)供电。动力结构图4.2.1基于确定性规则的能量管理策略CD模式下,驱动模式切换逻辑:(1)纯电机驱动模式:若当前时刻需求转矩大于0且不超过当前时刻电动机最大驱动转矩,车辆仅由电机驱动,发动机不参与动力驱动。(2)混合驱动模式:若当前时刻需求转矩大于当前电动机的最大驱动转矩,电动机不能提供足够的动力输出,但由于此时发动机提供的转矩低,不在高效区间,会造成大量燃油浪费。发动机以最佳经济区输出扭矩,剩余不足由电动机补足,若转矩仍不足,则发动机以最大扭矩驱动。(3)再生制动模式:若当前时刻动力电池SOC小于SOC上限值,车辆需求扭矩小于0时,若当前时刻电动机可满足制动力需求,则制动力矩完全由电动机提供,制动力完全回收为电能储存。(4)机械制动:若当前时刻动力电池SOC大于SOC上限,为避免过度充电造成电池寿命损耗,应当避免进入再生制动模式,此时车辆制动力完全由机械制动器完全提供。(5)混合制动模式:若当前时刻动力电池SOC小于SOC上限,且车辆需求扭矩小于0时,若当前时刻电动机无法满足制动力需求,则剩余制动力不足部分,完全由机械制动器完全提供。(6)行车充电模式:若当前时刻需求扭矩小于电机当前时刻最大输出扭矩,发动机承担全额扭矩输出,发电机进行工作发电。CD-CS规则为防止电池过度充电、过度放电,对电池寿命进行损伤,以0.8为动力电池SOC充电上限,0.3为电池SOC充电下限。制定如下所示的CD-CS规则:4.2.1基于确定性规则的能量管理策略CS模式下,驱动模式切换逻辑:(1)混合驱动模式:若当前时刻需求转矩大于发动机最大转矩时,发动机以最佳经济区输出扭矩,剩余不足由电动机补足,若转矩仍不足,则发动机以最大扭矩驱动,剩余由电机补足。(2)行车充电模式:当需求扭矩小于电机当前时刻最大输出扭矩时,发动机承担全额扭矩输出,发电机进行工作发电。(3)再生制动模式:若当前时刻电动机可满足制动力需求,则制动力矩完全由电动机提供,制动力完全回收为电能储存。(4)混合制动模式:若当前时刻电动机无法满足制动力需求,则剩余制动力不足部分,完全由机械制动器完全提供。CD-CS规则为防止电池过度充电、过度放电,对电池寿命进行损伤,以0.8为动力电池SOC充电上限,0.3为电池SOC充电下限。制定如下所示的CD-CS规则:4.2.1基于确定性规则的能量管理策略图4-8CD-CS规则CD-CS规则最终汇总为下方框图:4.2.1基于确定性规则的能量管理策略仿真工况与仿真结果

仿真所用车辆速度数据如下图所示。为保证可以完整的检验CD-CS策略,仿真采用八倍该工况进行仿真,电池SoC初始值被设置为0.7,终值设置为0.3,上限值设置为0.8,下限值设置为0.3。图4-9仿真所用车辆速度数据4.2.1基于确定性规则的能量管理策略仿真工况与仿真结果

仿真结果显示:内燃机的转矩在整个行车中的变化明显分为两个阶段。1)在工况的0-2100s区间,为纯电动行驶(CD阶段)。此阶段动力电池电量充足,整车动力输出主要由电动机MG2承担,除少数需求转矩超过电动机当前时刻最大转矩上限时刻,内燃机参与工作,其余时刻内燃机不参与动力输出。此阶段动力电池SOC迅速下降。2)在约2100s以后,为混合动力模式阶段(CS阶段)。为防止电池过度放电造成电池损伤,系统需维持动力电池SOC在0.3附近,因此车辆处于行车充电时间增多,发动机工作时间大大增长,油耗迅速增加。图4-10仿真结果4.2.2基于模糊规则的能量管理策略应用背景系统数学模型的建模精度是影响策略有效性的关键因素之一。然而,对于包括混合动力系统在内的动态系统,精确地建立对应的数学模型是十分困难的。模糊控制在多域、时变、非线性的控制问题中具有较好的鲁棒性与自适应性,因此被广泛用于车辆的能量管理问题。模糊控制的理论基础模糊控制是一种借鉴人类经验进行判断和决策的方法。它用“较高”“适中”“较低”等概念描述状态,再按照“如果出现某种情况,就采取相应措施”的规则进行控制。在混合动力汽车中,模糊控制器会综合车辆的动力需求、电池剩余电量等信息,判断当前运行状态,再决定发动机和电机如何分担动力需求,协调燃油与电能的使用。模糊控制对精确数学模型的依赖较小,控制规则也比较直观、便于调整,因此适合混合动力汽车这类运行情况复杂、不断变化的系统。不过,它的控制效果很大程度上取决于规则设计是否合理,需要结合实际工况进行调试和改进。4.2.2基于模糊规则的能量管理策略单模糊控制逻辑图从控制架构看,模糊控制策略可分为单模糊控制器和多模糊控制器两类.图中所示的单模糊控制器策略,以整车需求功率、实时车速和电池荷电状态(SOC,即剩余电量水平)为输入,先通过“模糊化”将具体数值转化为“较高”“较低”等程度描述,再通过“模糊推理”依据规则作出判断,最后通过“解模糊化”将判断结果转化为具体的发动机和电机功率分配指令,实现对能量流的控制。图4-11单模糊控制器策略多模糊控制策略通过多个模糊控制器分工协作,共同完成能量管理。例如,可由一个模糊控制器根据电池SOC判断电量调节需求,再由另一个模糊控制器结合这一结果和车辆需求转矩,确定发动机输出转矩,电机则承担剩余转矩需求。各控制器通过信息传递协调工作,使动力分配同时考虑车辆的动力需求和电池的电量状态。4.2.2基于模糊规则的能量管理策略多模糊控制逻辑图隶属度函数和模糊规则是影响控制效果的关键因素:可以利用遗传算法、粒子群优化等方法调整隶属度函数和规则,将模糊控制与优化方法结合起来,改进仅依靠专家经验设计的控制策略。多模糊控制器策略目录1能量管理技术简介与分类2基于规则的能量管理策略4基于学习的能量管理策略5能量管理策略未来发展趋势3基于优化的能量管理策略4.3基于优化的能量管理策略问题描述与分类能量管理问题的本质是如何求解复杂非线性时变系统的优化问题,因此基于优化的能量管理策略应运而生。基于优化的策略运用解析或数值优化方法,通过定义成本函数,考虑系统的约束条件,如全局状态约束(如电池SOC)和局部状态约束(如功率限制、速度限制和转矩限制),使其最小化从而得到最优控制序列。基于优化的能量管理策略又可分为全局优化和实时优化两大类。基于全局优化的能量管理策略基于全局优化的能量管理策略,是应用最优控制理论的能量管理方法,该方法需要提前获取整个驾驶工况的信息,通过定义成本函数和约束条件,计算出使得该函数最小化的解。该策略的主要优化方法包括:动态规划算法、庞特里亚金极小值原理、凸优化算法以及遗传算法等4.3.1

基于全局优化的能量管理策略动态规划(DP)动态规划算法通过将系统整体问题转化为多阶段决策问题,采用后向递归方法或前向动态规划技术求解子问题,从而获得最优控制序列。在混合动力汽车能量管理中,DP算法能够获得全局最优解,但计算量较大,难以用于实时控制。基本过程:1)离散化最优问题,确定状态变量,控制变量及可行域;2)确定状态更新转移过程;3)确定优化问题的成本函数;4)根据成本函数,采用顺序解法或逆序解法求解最优控制序列。图4-12DP算法基本原理4.3.1基于全局优化的能量管理策略DP的数学模型对于离散时间系统,有关于控制变量与状态变量的目标函数可表示为通过最小化目标函数,便可以得到最优策略,即从最终状态开始逆向计算,在每一步中选择使得累计成本最小的控制量,并将每一时刻的最优控制量储存起来,便得到了最优控制序列。当后向过程结束后,再进行前向求解,从而完成整个DP算法式中,xk表示系统状态量,uk表示系统控制量式中,x0和xN分别表示系统初状态和末状态,LN(xN)表示终端成本,Lk(xk,uk)表示瞬时成本4.3.1基于全局优化的能量管理策略DP在混合动力汽车能量管理中的应用首先需要明确优化目标、状态变量和控制变量。由于行驶工况提前已知,各阶段的车速可以确定,因此通常以电池SOC作为状态变量,以发动机、电机的转矩或功率等作为控制变量,研究如何分配动力,使整个行驶周期的燃油消耗等成本尽可能低。在此基础上,DP的具体求解过程为:将行驶过程划分为多个阶段,并将状态和控制变量离散化后,先从终点向起点逐步计算,保存各阶段、各状态下的最优累计成本及相应决策;再从初始状态出发,按照这些决策逐步确定控制方案,得到整个行驶周期的能量分配结果。DP的优缺点DP能够统筹整个行驶周期的能量分配,在给定模型、离散精度和约束条件下获得全局最优控制方案。因此,其结果常作为理论最优参考,用于评价其他能量管理策略的节能效果,并帮助提取控制规律。但是,DP需要提前知道完整的行驶工况,且计算量会随状态维数增加而迅速增长,存在“维数灾难”问题,难以直接用于实际车辆的实时控制。此外,其结果的最优性也受模型准确性和离散精度的影响。4.3.1基于全局优化的能量管理策略案例分析以一辆同轴并联插电式混合动力汽车为例,以能耗最小为目标,应用DP设计能量管理策略。其动力系统的拓扑结构如图下所示,车辆由动力电池与内燃机两个动力源提供动力,执行机构包含一个永磁同步电机与一个具有12个传动档位的变速箱。变速箱输出轴与车轮通过差速器相连。其中电池通过逆变器输出交流电,驱动电机工作,电机将电池的电能转化为机械能,并将其将输出到变速箱输入轴。发动机与变速箱通过轴连接,可以直接提供驱动转矩。图中红色虚线代表电功率连接,双箭头表示功率可以双向传递。图4-13并联插电式混合动力汽车动力系统的拓扑构型4.3.1基于全局优化的能量管理策略

对于插电式混合动力能量管理问题,基于DP的策略数学形式如下:4.3.1基于全局优化的能量管理策略仿真工况与仿真结果仿真所用循环工况如左图所示,转矩分配如右图所示。在DP控制策略下,发动机一旦介入工作,其输出转矩较大。在工况初始阶段,由于电池电量充足,因此发动机没有介入工作,电机作为单一执行机构驱动车辆行驶。而在中后期行驶过程中,发动机开始参与驱动,且其工作转矩集中在高效率区域。图4-15DP控制策略下发动机与电机转矩分配图4-14仿真实验循环工况4.3.1基于全局优化的能量管理策略庞特里亚金极小值原理(PMP)及其数学表达庞特里亚金极小值原理(PMP)通过引入协态变量,将最优控制问题转化为两点边值问题。其核心是在满足系统动态和边界条件的前提下,逐时选择使哈密顿函数最小的控制量。哈密顿函数综合瞬时成本与状态变化的影响,可表示为:若控制策略u*为最优策略,则其必须在每个时刻、可行控制范围内满足:式中,x,

u,

λ分别为状态变量、状态变量、协态变量,L为瞬时成本,f描述系统状态变化规律求解时,需联立上述最小化条件、状态方程和协态方程,并结合边界条件确定控制策略打靶法通过反复调整协态变量初值,使求得的轨迹满足终端边界条件。求解过程中,状态与协态分别满足:4.3.1基于全局优化的能量管理策略PMP的打靶法求解流程1)设定初值和边界条件根据系统模型和成本函数建立哈密顿函数,明确初始状态及终端条件,并选择协态变量初值λ02)计算控制量与状态轨迹在每个时刻选择使哈密顿函数最小的可行控制量,联立求解状态与协态方程,得到相应轨迹3)检查终端条件并迭代若计算结果不满足终端边界条件,则调整λ0并重新求解,直至满足要求,求解相应的控制序列图4-16打靶法流程4.3.1基于全局优化的能量管理策略PMP的优缺点在计算效率方面,PMP通过哈密顿函数最小化及状态、协态方程求解能量分配问题。与DP相比,其计算量通常较小,能够在考虑系统动态和约束条件的基础上优化控制策略,因此是混合动力汽车能量管理优化的重要方法在最优性方面,PMP仅提供最优解的必要条件。满足哈密顿函数最小化条件及相关方程,并不意味着已经获得全局最优解,仍需结合问题结构进一步判断,不能直接将其结果视为全局最优。在现实应用方面,运行打靶法需要预先获取行驶工况,并反复调整协态变量初值。但是,混合动力系统的非线性特性将增加计算负担,因此该求解方式往往难以直接用于混合动力汽车的实时能量管理控制。4.3.1基于全局优化的能量管理策略凸优化凸优化是在凸可行域内最小化凸目标函数的方法,其局部最优解也是全局最优解。在能量管理中,可据此建立发动机与电池之间的功率分配模型。凸优化的最优性有理论保证、求解效率较高。但是,模型代价和约束的凸近似可能带来误差,还需要单独处理发动机启停、换挡等离散决策。典例:1)建立凸优化模型选取发动机功率和电池功率为控制变量,将燃油代价的凸近似与电池功率惩罚相结合,构建目标函数。2)设置凸约束根据车辆需求建立功率平衡关系,结合部件能力和电池SOC设置上下限约束。3)凸优化问题求解利用凸优化求解器,在可行范围内寻找使目标函数最小的功率组合。4.3.1基于全局优化的能量管理策略遗传算法(GA)遗传算法是一种基于生物进化规律的随机搜索方法,通过模拟遗传变异等生物现象来解决优化问题,具有良好的全局搜索性能和较低的算法复杂度。在能量管理系统中,GA可以用于优化EMS中的规则、参数或评估标准,以获得更好的性能,但由于反复搜索,计算量大,通常作为离线优化方法。主要步骤:(1)初始种群:选择可行解域中的初始种群。(2)遗传操作:通过对初始种群的选择、交叉和变异产生新的种群,以收敛到全局最优解。(3)参照智能最优算法的迭代,判断种群是否满足结束条件。图4-17GA的基本流程4.3.2基于实时优化的能量管理策略简介基于实时优化的能量管理策略也常被称为在线优化的能量管理策略。与基于全局优化的策略相比,这类策略通常不需要提前获取完整行驶周期的工况信息,而是根据当前车辆状态、驾驶需求及必要的短期预测信息,在线计算发动机与电机的动力分配,并随工况变化及时调整,具有实时在线控制的应用潜力。然而,这类策略主要针对当前时刻或有限预测时域进行优化,难以保证整个行驶周期内的全局最优。因此,其燃油经济性与理想的全局优化结果可能存在差距,实际节能效果也会受到模型精度、控制参数及工况变化的影响。。该策略包括等效燃油消耗最小化策略(EquivalentConsumption

MinimizationStrategy,ECMS)和模型预测控制(ModelPredictiveControl,MPC)等。4.3.2基于实时优化的能量管理策略等效燃油最小化策略(ECMS)ECMS的核心思想在于,将总燃油消耗看作实际燃油消耗与等效燃油消耗的总和,通过等效因子将电能转化为燃油消耗,在每一瞬时求解使目标函数最小化的功率分配方案。等效因子s(t)把电能使用与燃油代价联系起来,分别考虑电池充电和放电。充放电的等效含义:1)放电时,电池供能计入正的等效油耗反映未来补充这部分电能所需的代价。2)充电时,储存的电能可节省未来的燃油,因此电能的等效油耗记为负值。3)等效因子区分充电和放电。ECMS一般将二者设为常数,综合表征特定工况下的平均充放电效率与油电转换关系。图4-18ECMS控制原理4.3.2基于实时优化的能量管理策略ECMS的等效因子选取等效因子影响整车能量分配与SOC平衡,需要结合已知工况进行离线标定。合理选取因子,可在特定条件下获得接近全局最优的控制效果。固定等效因子对工况变化的适应有限,可依据SOC反馈、工况识别、驾驶风格或地理信息在线调整,形成自适应ECMS,但仍对因子取值和驾驶工况较敏感。离线标定的主要步骤:1)估计等效因子的范围,并选取适当的离散步长,在等效因子取值范围内对等效因子进行离散。2)在已知工况和整车模型下分别运行ECMS,记录各候选因子对应的SOC轨迹、终端SOC偏差及燃油消耗。3)检验SOC偏差是否在理想范围约束之内,若满足约束则停止迭代运算,此时的对应的等效因子作为ECMS的近似最优等效因子,若不满足则重复步骤2)直至满足约束为止。等效因子选取步骤4.3.2基于实时优化的能量管理策略模型预测控制(MPC)MPC是一种先进的过程控制方法,以不同预测模型为基础,采用滚动优化原则,具有鲁棒性强、控制效果良好、稳定性高的优点。在能量管理中,MPC通过在每个采样时刻求解一个有限时域开环优化问题,并将所得控制序列的第一个元素施加于被控对象,从而实现在线优化控制。控制流程:1)在每一个采样时刻,根据当前测量信息在线求解一个有限时域开环优化问题。2)将所得控制序列的第一个元素施加于被控对象。

3)在下一个采样时刻重复此过程,将新的测量值更新优化问题并重新求解。图4-19MPC控制流程4.3.2基于实时优化的能量管理策略模型预测控制(MPC)MPC的四个特征:1)预测模型:预测模型根据被控对象的历史和当前信息,预测系统在有限时域内的输出,为下一步的优化决策奠定基础。可以运用数据驱动等方法对未来控制时域内的控制需求、控制目标、不确定性参数或随机变量等扰动量进行预测和估计。

2)参考轨迹:在预测控制中,考虑过程的动态特性,为避免控制过程出现输入和输出的急剧变化,往往要求过程输出沿着一条期望的、平缓的曲线达到设定值。该曲线通常称为参考轨迹。图4-19MPC控制流程4.3.2基于实时优化的能量管理策略模型预测控制(MPC)MPC的四个特征:3)滚动优化:预测控制中的优化采用有限时域滚动优化策略。在每一个采样时刻,优化性能指标只涉及从该时刻至未来有限的时间;而在下一个采样时刻,该优化时段会同时向前更新。

4)反馈矫正:获得预测时域的优化控制序列后,MPC仅将预测时域第一个控制量施加于系统模型,从而产生控制输出量。通过闭环反馈控制,不断修正系统的预测值,可减小系统不确定性对控制性能的影响,从而提高系统的控制精度和鲁棒性。图4-19MPC控制流程4.3.2基于实时优化的能量管理策略模型预测控制(MPC)的求解运用MPC进行能量管理时,由于约束条件较多,在滚动时域内在线优化,因此计算量较大。MPC为有限时域内的滚动优化方法,只是一种控制思想,不能直接进行求解,所以需要利用优化算法求解以获取最优控制序列。常见的求解方法包括DP方法、二次规划(QuadraticProgramming,QP)方法、快速MPC方法以及连续广义最小残量(Continuous/GeneralizedMinimumResidual,C/GMRES)方法等。DP用于求解多阶段决策问题。QP可以求解非线性MPC问题,但不适用于大规模非线性问题。快速MPC可以求解由于系统模型复杂而导致在线计算量大的MPC问题,提高在线求解速度。C/GMRES可以求解大规模非线性MPC,实现快速求解。4.3.2基于实时优化的能量管理策略基于DP求解的MPCDP算法求解能量管理问题的前提是提前获知汽车的整个行驶工况,因此,DP算法并不适用于实时控制。此外,若循环工况过长且分解的子阶段过多时,则计算量将很大。MPC是一个滚动优化、滚动实施的过程,通过滚动优化不断更新预测时域内汽车未来的运行状态,将能量管理问题转化为有限时域内的非线性约束优化问题。因此,DP算法适合解决此类问题。同时MPC需要预测有限时域内行驶工况,满足DP算法需要提前获知行驶工况的条件,故可采用DP算法求解MPC,以获得滚动时域内的优化控制序列,实现预测时域内的全局最优。然而,基于DP的求解方法采用迭代搜索方式寻优,计算量较大,存在运行速度较慢的问题。若系统模型和约束为非线性,动力学模型具有多个状态量,则计算负荷将更大,难以实现车辆实时运行。4.3.2基于实时优化的能量管理策略基于QP求解的MPCQP是一种将常规非线性优化问题转化为线性二次型最优控制问题的方法,已经应用于许多非线性规划问题中。假定变量个数为n,约束条件个数为m,则其一般形式为:在应用MPC进行能量管理时,若模型或约束具有非线性,则形成带约束的非线性优化问题。NMPC的控制律通常无显式解析形式,闭环稳定性分析较困难,且在线求解计算量较大,可能产生延迟,难以保证非凸问题的全局最优。为提高效率,可采用序列二次规划(SQP),将原问题近似为一系列QP子问题。凸QP子问题的全局最优并不代表原问题的全局最优,且大规模求解仍受计算负担和近似误差限制,闭环稳定性也需进一步分析。4.3.2基于实时优化的能量管理策略显式MPC传统MPC通过在线求解优化问题获得最优控制量(如QP),然而,该类方法求解速度较慢,适合于采样周期长、动态过程变化慢的问题求解。为减少MPC在线计算时间,通过离线计算整个控制律,在线控制以查表形式实现。该类方法仅适用于状态量和输入维数较少,约束较少且预测时域较短的系统。基于C/GMRES求解的MPCC/GMRES是将连续方法与线性方程相结合的快速算法,用于求解大规模系统工程的非线性问题。其主要思路为:建立控制序列的非线性代数方程,再利用连续法推导控制序列的更新微分方程,通过积分实时更新控制输入,避免反复进行非线性优化迭代。采用MPC进行能量管理时,若被控系统为约束条件较多的非线性模型,采用C/GMRES方法可快速求解。该方法的优点是对于更新控制输入的计算时间基本恒定。缺点是由连续方法获得的微分方程必须在时域内离散化,算法可能由于离散化误差而导致失败。4.3.2基于实时优化的能量管理策略案例分析以图中所示的混合动力汽车构型为例,应用MPC设计能量管理策略。设计代价函数考虑了车辆的燃油经济性、用电成本和电池温度的影响:SOC参考轨迹为:并联式混合动力汽车拓扑结构4.3.2基于实时优化的能量管理策略案例分析采用PMP算法求解,哈密顿函数可以写为:在预测域内,存在u*(t)使得哈密顿函数取到全局最小:最优控制序列可写为:4.3.2基于实时优化的能量管理策略案例分析算法的主要步骤为:第一步:在第k步,根据速度预测模型得到预测速度序列。第二步:在预测时域内计算SOC参考轨迹。第三步:在满足物理约束的前提下,在预测时域内求解哈密顿函数值,寻找最优电机转矩控制序列。第四步:更新状态变量和协态变量。第五步:在预测时域内通过打靶法求解两点边值问题,直到电池SOC满足收敛条件或者超过迭代次数的最大值。第六步:得到最优电机转矩控制序列,将预测时域内的第一个控制变量施加到系统中。第七步:更新系统状态,重复第一到第六步,直到仿真结束。4.3.2基于实时优化的能量管理策略仿真结果1)从功率曲线可以观察到,在整个仿真过程中,发动机均会参与工作,而不是在最后阶段才参与工作,这与基于全局优化的能量管理策略类似。2)从工作点分布可以观察到,发动机工作点基本位于低燃油消耗区,而电机的工作点基本位于高效率区。图4-23电机工作点分布图4-22发动机工作点分布图4-21基于MPC能量管理策略的发动机和电机的功率曲线目录31能量管理技术简介与分类2基于规则的能量管理策略基于优化的能量管理策略5能量管理策略未来发展趋势4基于学习的能量管理策略4.4基于学习的能量管理策略基于学习的能量管理策略概述随着大数据、人工智能与计算机技术的发展,机器学习被积极地应用于能量管理问题中。基于学习的能量管理策略基于先进的数据挖掘方法与大量的历史、实时经验数据获得预测结果或控制策略,可分为监督学习、无监督学习以及强化学习3大类。三类机器学习方法的特点与区别在监督学习和无监督学习框架下,静态样本都可以直接对模型进行训练而无须和环境进行交互,二者最大的区别在于数据是否预先带有一系列标签。监督学习根据已有数据集的特征和标签探索它们之间内在的联系,然后将这种联系进行巩固,建立模型。典型应用有回归和分类。无监督学习从无标签的数据集中找到这组数据集的潜在构型与联系。典型应用有聚类和降维。强化学习则是一种动态试错的过程,需要不断根据环境给予的反馈来更新策略。图4-24机器学习方法4.4.1监督学习与无监督学习监督学习(SL)监督学习(SL)以事先定义的特征数据与目标数据作为训练集,通过对训练数据集中的输入和输出数据之间的关系进行学习和分析,从中发现数据集中的相关规律和模式,以实现对新数据的准确预测或分类。监督学习可以被进一步分为回归监督学习和分类监督学习。回归监督学习通常被集成在基于MPC的控制框架中,用于实现车速、发动机转矩以及动力电池功率等信息的预测。分类监督学习普遍用于驾驶模式、车辆工作模式以及驾驶工况类型的分类与识别,目的是辅助实现自适应的能量管理控制。4.4.2强化学习强化学习(RL)强化学习是一种基于智能体与环境的持续交互实现策略优化的方法,通过奖励信号来调整智能体的行为策略,以实现长期累积奖励的最大化。在能量管理问题中,动力系统燃油经济性模型、动力电池衰退模型以及交通条件通常被定义为环境,控制器内部的优化算法与映射关系被定义为智能体。基本框架:强化学习框架由智能体,环境,动作,状态和奖励构成,状态之间的迁移是建立在具有马尔可夫性质的马尔可夫决策(MarkovDecisionProcess,MDP)过程中的。智能体通过与环境不断交互获取反馈来调整自己的策略,该策略使得智能体无论在任何时间步的状态下都能得到接下来的控制动作,策略的优劣取决于长期执行该策略的累积奖励大小。图4-25基于强化学习的能量管理策略强化学习(RL)的数学模型马尔可夫决策过程可表示为在强化学习中,智能体通过与环境不断交互获取反馈来调整自己的策略。由于环境的随机性与不确定性,奖励函数通常采用折扣未来累积奖励Gt:马尔可夫决策过程中的最优策略为式中,γ为折扣因子,取值为[0,1],r为奖励式中,S和A分别为状态空间集和动作空间集,Psa为状态转移概率,R为奖励函数式中,E为期望,st为当前t时间步的状态,v(s)为状态值函数4.4.2强化学习强化学习(RL)的不足虽然强化学习算法已广泛应用于混合动力汽车能量管理策略领域,并能获得接近最优的控制效果,但仍存在以下不足:维数灾难。实际驾驶场景中的状态与动作空间十分庞大,传统表格型强化学习需要存储和检索大量数据,导致难以兼顾计算速度与存储容量,增加搜索最优控制策略的难度。离散化误差。表格难以准确表示连续变化的车辆状态和控制动作,限制能量管理的优化效果。提高离散精度虽能减小误差,会使表格规模增加并带来计算和存储负担。难以兼顾模型精度与实时性。简单、低精度的模型容易产生控制误差,而精确、复杂的模型又会增加开发成本和计算负担。泛化性受限。强化学习中所应用的离散化表只能表示少量的控制信息,通过常规方法实现适应可变驾驶环境并保证长期稳定性能的控制模型是一项挑战。面临奖励噪声与延迟。强化学习算法必须从离散的、有噪声影响且具有一定延迟的标量奖励信号中学习,使得行动和相应奖励之间的延迟可能长达数千个时间步长。4.4.2强化学习深度强化学习(DRL)DRL将强化学习与深度神经网络结合,利用环境反馈的奖励改进决策。神经网络用于近似价值函数或策略,从高维状态中学习控制规律,以提高长期累计回报。算法动作与策略核心特点DQN深度Q网络离散动作基于价值用价值网络估计动作的长期回报,选择离散动作DDPG深度确定性策略梯度连续动作确定性策略策略网络输出连续控制量,价值网络评价并指导策略更新SAC软演员评论家连续动作随机策略采用随机策略,在提高回报的同时鼓励探索主要步骤:1)定义问题:以车速、需求功率和电池SOC等为状态,以功率分配为动作,设置燃油消耗与SOC相关奖励。2)交互采样:智能体执行动作,车辆模型反馈下一状态和奖励,形成用于训练的交互数据。3)更新网络:根据数据构建学习目标,通过反向传播更新网络参数,逐步改进价值估计或控制策略。4.4.3深度强化学习深度强化学习(DRL)DRL具有以下优点:缓解维数灾难:利用深度神经网络表示策略,处理高维连续控制信息。长期性能优化:最大化累积奖励,平衡探索与利用,提升长期控制效果。端到端控制:通过环境交互直接学习控制策略,降低对精确系统模型的依赖。实时决策:训练完成后,神经网络能快速输出控制动作,支持在线决策。自主学习:结合试错机制,从在线交互和离线样本中学习并改进策略。复杂非线性处理:通过多层网络提取复杂特征,学习非线性控制关系。4.4.3深度强化学习DRL算法的构型DQN算法DQN算法是第一个深度强化学习算法,通过引入目标网络和经验回放机制,解决了数据相关性和非静态分布的问题,提高了模型的收敛性与稳定性。在能量管理中,DQN能够从高维状态输入中学习,但动作空间受到限制,且容易高估Q值。算法基本原理:DQN使用目标网络和在线网络这两个卷积神经网络进行学习,在线网络用于对当前状态动作对的价值期望进行预测,并每隔一定迭代次数后将在线网络的参数进行复制,传递给目标网络,目标网络用于产生目标Q值并在一定时间内保持不变。这在一定程度上降低了预测Q值和目标Q值的相关性,提高了模型的收敛性与稳定性。4.4.3深度强化学习图4-26DQN算法原理DQN算法的数学模型DQN算法基于ε-greedy策略,随机选择较小概率ε的动作,并选择概率较大1-ε的Q值最大化的动作。ε值在初始设置较大,以增强其探索能力,随着迭代次数的增加,ε值逐渐减小。该算法可通过如下概率规则进行形式化表达:DQN基于Q-learning算法构造了深度学习网络可学习的目标函数,其中Q-learning算法采用增量求和的方式对动作值函数进行更新DQN的动作值函数由神经网络模型进行近似,更新的规则为4.4.3深度强化学习DQN算法的不足然而,深度强化学习算法还存在一些不足。尽管DQN可以从高维状态输入中学习,但因为最优行为的选择是基于所有可能行为的Q值的比较结果,动作空间在离散和低维活动中受到限制。此外,DQN在计算目标Q值时,动作选择与动作价值评估均基于目标网络的Q值估计。由于最大化操作容易放大Q值估计误差,DQN可能出现Q值过估计现象,进而影响训练稳定性和最终策略性能。DQN通过利用神经网络近似Q函数,成功地解决了强化学习的“维数诅咒”问题。但是,DQN算法必须对动作空间进行离散化,离散动作空间的间隔大小对训练和优化效果的影响很大,需要很好地权衡,这也会导致控制误差。因此,DQN不是处理能量管理问题的最佳解决方案。4.4.3深度强化学习DDPG算法DDPG算法是基于策略的深度强化学习算法,能够处理高维连续的控制信息,通过演员(Actor)-评论家(Critic)架构实现连续动作空间内的策略优化。在能量管理中,DDPG具有明显更快的收敛速度,能够更好地适应复杂多变的驾驶工况。算法基本框架:1)Actor网络根据当前状态输出连续动作,Critic网络评价该动作的预期长期回报。2)训练时,在动作中加入随机噪声以增强探索,并将状态、动作、奖励和下一状态存入经验池。3)通过缓慢更新目标网络,提高训练的稳定性。4.4.3深度强化学习图4-27DDPG框架及其应用DDPG算法的数学模型目标网络软更新:DDPG分别为Actor和Critic设置目标网络,通过加权平均的方式,使目标网络参数缓慢跟随当前网络参数变化,减小训练目标的波动,提高学习稳定性。更新方式为:基于Bellman方程计算目标Q值:DDPG利用目标Actor网络确定下一状态下的动作,再由目标Critic网络评估该动作的价值,将其折扣值与当前奖励相加,构造Critic网络的训练目标:Critic网络的损失函数:DDPG以目标Q值与当前Critic网络估计值之间的均方误差作为损失函数,通过梯度下降更新参数θQ,使动作价值估计逐步接近训练目标:4.4.3深度强化学习案例分析车辆构型如下所示,利用DDPG算法和DQN算法设计能量管理策略,控制功率分配。状态变量s和控制动作a定义为动力结构图4.4.3深度强化学习案例分析为统一不同量纲解决混合动力汽车能效优化控制问题,定义累积奖励为:传动系统中动力部件需要满足相应的物理边界约束:4.4.3深度强化学习不同权重系数下的DQN和DDPG的累积奖励如右图所示。DQN的累积奖励值在迭代次数300次后才开始稳定收敛至较高值,且累积奖励在前期有一定震荡现象的产生。DDPG的累积奖励在前30次迭代的训练过程中,显著增加,在第30次迭代之后,累积奖励逐渐稳定收敛为零。DQN和DDPG每次迭代的时间基本一致,DDPG具有明显更快的收敛速度。仿真结果4.4.3深度强化学习图4-28不同权重系数下DQN和DDPG的累积奖励收敛情况虽然收敛后的累积奖励仍在波动,其原因是由于智能体仍在以较小的行为探索率调整网络参数,这对所提出的DRL-EMS的收敛稳定性基本没有影响。右图是测试工况内的燃油消耗情况

在高速情况下燃油消耗的速率会明显增加随着权重系数α的减小,动力电池的健康状态虽然有所改善,但测试工况的总燃油消耗量也会相应增加。仿真结果4.4.3深度强化学习图4-29测试工况内的燃油消耗情况SAC算法SAC算法作为一种基于AC框架的深度强化学习算法,继承了DDPG有效解决离散状态与动作带来的维度灾难问题的优势,同时具有较强的自调节与探索能力。基于最大熵原理与AC框架的SAC深度强化学习算法具有稳定性高,探索空间广等优势。算法的三个重要组成部分:1)用于存储经验的经验池2)用于稳定和探索的自动熵调整结构3)多层感知器构成的四个Q网络和策略网络组成的Actor-Critic结构。4.4.3深度强化学习图4-30自适应SAC算法的构型SAC算法的数学模型最大熵优化目标:SAC在累积奖励中加入策略熵,使智能体在追求较高长期收益的同时保持策略随机性,增强探索能力。其优化目标可表示为:软价值评估与策略改进:SAC通过软价值函数评价策略,将动作价值与熵奖励共同纳入状态价值。策略改进则在提高预期Q值的同时保持适当的随机性,从而兼顾收益与探索:熵系数自适应调节:SAC通过最小化熵系数的目标函数,自动调整熵系数α,当策略熵低于目标时,提高熵奖励权重;高于目标时,则降低该权重。4.4.3深度强化学习TD3算法双延迟深度确定性策略梯度(TwinDelayedDeepDeterministicPolicyGradient,TD3)算法,是一种用于解决连续控制问题的在线异策式深度强化学习算法。TD3在双Q取小的基础上,采用延迟策略更新,使Actor的更新频率低于Critic;同时向目标动作加入截断高斯噪声,实现目标策略平滑,减小价值估计误差并提高训练稳定性。算法的六个网络:1)TD3算法包括Actor网络、Critic1网络、Critic2网络、Actor目标网络、Critic1目标网络、Critic2目标网络。2)TD3算法建立了2个独立的Critic网络,取二者中的较小值为目标Q值,从而避免Q值估计过高。4.4.3深度强化学习图4-31TD3算法原理深度强化学习算法小结深度强化学习利用神经网络表示高维状态与非线性关系,减少对状态逐一枚举的依赖,为复杂能量管理问题提供了新的求解思路。但它并未完全消除高维问题带来的训练难度,也不保证获得全局最优解。在能量管理中,DRL可以融合多源交通信息与车辆状态,学习不同运行条件下的能量分配规律。具有代表性的训练工况有助于提高策略的适应能力,但对未知工况的泛化效果仍需通过验证确定。DQN主要面向离散动作,应用于功率分配时通常需要设置有限的功率档位。DDPG能够直接输出连续控制量,减少动作离散化带来的表达限制,适用于连续控制量。TD3通过双评论家、延迟策略更新等机制缓解价值高估问题。SAC则通过随机策略和熵正则化兼顾回报与探索,改善训练表现。4.4.3深度强化学习超参数调优挑战:深度强化学习涉及较多超参数,且性能对参数设置敏感,反复调试会消耗大量计算资源。可采用网格搜索、随机搜索或基于性能估计的优化搜索,并进一步引入在线自适应调优,使参数随训练过程和环境变化动态调整。奖励函数设计挑战:奖励函数直接影响学习方向与控制效果,如何使其准确体现能量管理的长期目标是关键。可通过逆强化学习,从熟练驾驶员或DP等策略的示范中推断奖励机制,并利用奖励塑造加入适当奖惩,加快学习、引导合理行为。安全探索挑战:随机探索可能产生违反电流、温度和SOC等约束的动作,仅依靠奖励惩罚难以充分保障安全。可结合仿真数据、实际安全约束与安全评估模型开展安全强化学习,并探索分布式训练,同时考虑不同车辆的参数及部件老化差异。4.4.4实际应用的挑战和潜在解决方案基于深度强化学习的能量管理策略面临的六大挑战图4-30基于深度强化学习的能量管理策略实际应用中面临的挑战延迟控制挑战:传感与执行延迟使控制动作无法立即生效,导致当前状态和动作不足以准确描述下一时刻的系统变化。可将尚未执行的历史控制指令纳入状态,或建立延迟感知模型,预测系统响应,并通过多步估计等方法补偿延迟影响。电磁干扰挑战:高压部件产生的电磁干扰及通信信号失真会影响状态与奖励信息,进而使模型朝错误方向更新。可在噪声环境中训练智能体,并探索G-Learning、GRAPE等抗噪方法,降低噪声引起的估计偏差,但其实际效果仍需在复杂车辆环境中验证。测试与评估挑战:深度神经网络具有黑盒特征,训练范围外的决策难以解释,安全性和可靠性不易验证。需加强可解释性分析,结合极端工况及未参与训练的真实道路数据开展测试,并持续检查在线学习后的策略是否满足安全约束与法规要求。基于深度强化学习的能量管理策略面临的六大挑战4.4.4实际应用的挑战和潜在解决方案图4-30基于深度强化学习的能量管理策略实际应用中面临的挑战提高模型的可解释性:可解释性是测试与评估的重要指标,有助于理解模型的决策过程,判断是否存在误判或遗漏,提高模型可靠性。同时,可帮助开发人员分析异常行为背后的逻辑关系,定位异常原因和位置,在重要应用中尤为必要。完善测试与评估方法:实际运行条件多变且难以预测,因此需要模拟极端工况,测试EMS在极限状态下的安全性和可靠性。同时,应收集真实道路测试数据,并利用大量未参与训练的数据检验EMS的性能,评估其对不同运行条件的适应能力。建立面向在线学习的安全验证机制:基于DRL的EMS可能随时间更新,以适应环境变化。因此,应开发专门的测试系统,检验更新后的策略是否仍满足预设约束,为在线学习过程中的安全性和可靠性提供保障。潜在解决方案4.4.4实际应用的挑战和潜在解决方案图4-30基于深度强化学习的能量管理策略实际应用中面临的挑战目录31能量管理技术简介与分类2基于规则的能量管理策略基于优化的能量管理策略4基于学习的能量管理策略5能量管理策略未来发展趋势4.5能量管理策略的未来发展趋势1.高效和自适应的优化算法:

智能交通中的能量管理策略依赖于先进的优化算法,对能量分配和路线规划进行智能决策车辆需要根据交通、道路和自身状态快速调整能量分配,控制算法必须能够实时完成计算车速、信号灯和周围车辆状态不断变化,算法需要根据环境变化自动调整控制策略能量管理不仅要降低油耗或电耗,还要兼顾通行效率、驾驶安全和电池状态等要求此外,算法不能过度依赖高性能计算设备,需要在普通车载控制器上稳定运行优化算法应具有更好的可靠性和通用性,便于部署到实际车辆中4.5能量管理策略的未来发展趋势2.真实环境应用:

现有网联环境下的节能控制大多基于理想仿真环境,对真实场景的验证还存在许多限制仿真通常采用理想的道路、交通和车辆条件,难以完全反映实际驾驶环境真实能量管理需要考虑道路坡度、路面附着、天气、限速和车辆质量变化等因素交通拥堵、前车急刹和道路施工等情况,会增加能量管理策略的控制难度V2X通信可能存在信号延迟、信息丢失和数据处理不及时等问题需要增加真实道路试验,检验策略的节能效果、安全性和可靠性4.5能量管理策略的未来发展趋势3.多车协同优化:随着网络技术的不断发展和自动驾驶的普及,多车多任务协同优化方法的重要性凸显未来道路上将长期存在智能车辆与普通车辆混合行驶的情况,不仅要考虑一辆车的能耗,还要考虑多辆车之间的相互影响车辆可以共享速度、位置和行驶意图,为整体优化提供更多信息4.分布式训练架构:通过云平台所搭载的全局经验缓存系统收集同类型车辆在不同交通环境中的运行数据与控制参数大量车辆数据进行离线学习,使控制策略获得更丰富的驾驶经验,共享车辆数据可以减少重复采集过程,并缩短算法训练时间训练后的策略能够适应更多未见过的道路和交通工况本章总结新能源汽车能量管理策略策略概述

能量管理的基本概念与功能目标,建立规则、优化和学习三类策略的分类体系。基于规则的能量管理策略

依据确定性规则或模糊规则,实现动力系统的能量分配与协调控制。基于优化的能量管理策略

采用动态规划、极小值原理及ECMS等方法,开展全局优化或实时优化。基于学习的能量管理策略

涵盖监督与无监督学习、强化学习及深度强化学习,讲解DQN、DDPG、SAC、TD3等算法。应用评估

结合仿真案例,讲解策略设计与实现方法,探讨不同方法的性能差异及未来发展趋势。4.6练习题1.当前能量管理策略可分为几种,每种能量管理策略的特点分别是什么?2.基于规则的能量管理策略有几种,其原理分别是什么?3.基于优化的能量管理策略有几种,其原理分别是什么?3.基于学习的能量管理策略有几种,其原理分别是什么?5.不同的基于学习的能量管理策略的优点以及缺点分别是什么?4.6练习题6.能量管理策略未来发展趋势是什么?7.请依据本章所介绍的CD-CS能量管理策略原理与动态规划原理,针对插电式混合动力汽车,以能耗为优化目标,分别设计一套CD-CS能量管理策略与动态规划能量管理策略,插电式混合动力汽车的车辆参数见表4-1。新能源汽车节能优化与控制ChongqingUniversity第5章速度预测与SOC规划本章学习目标学习目标1.了解速度与交通流预测的主要方法,掌握数据驱动的速度预测模型的应用特点。2.了解混合动力汽车能量管理策略的相关知识,熟悉基于MPC的能量管理策略基本原理。3.了解基于SOC规划的能量管理策略,熟悉DP和PMP在MPC框架下的实现方式。目录32交通流预测基于SOC规划的能量管理策略1速度预测5.1速度预测为什么要进行速度预测速度预测在能量管理中扮演了重要角色:优化动力系统运行效率:在混合动力车辆中,速度预测可提前识别未来行驶工况,结合驾驶风格识别,动态调整发动机与电动机的功率分配。例如,预测到前方拥堵时,系统可提前切换至纯电动模式,减少燃油消耗支持模型预测控制(MPC)策略:基于模型预测控制的能量管理系统利用速度预测数据,建立短期未来状态的数学模型,通过滚动优化实现能量分配最优解。这种方法能平衡动力需求与能耗,尤其适用于混合动力汽车的动力总成控制速度预测示意图5.1.1基于指数形式的速度预测算法简介基于指数形式的预测方法使用一个简单的指数变化表达式来表示预测范围内的未来信息,即假设未来的需求转矩或者未来车速呈现指数变化预测方法依赖于对未来驾驶信息的指数变化假设,而实际工况的随机性和驾驶员行为的不确定性,使得上述预测模型并不适用于实际工况,仅作为一种理论模型存在。

马尔可夫过程用概率描述状态变化。其核心假设是,系统未来时刻的状态只与当前状态相关,而与过去的状态无关。马尔可夫链用于速度预测,其特点为:

用概率描述车速的不确定性

计算量小,查表即可实现实时预测算法局限性

在历史数据不足或行驶工况改变时,固定的转移概率可能不再适用,导致预测精度下降5.1.2基于数据驱动的速度预测算法1.基于马尔可夫链的速度预测图5-2车辆行驶状态转移马尔可夫模型的关键概念包括

(1)状态转移过程

事物从状态Ei转移到状态Ej

的演化过程称为状态转移过程(2)状态转移概率

在状态转移过程中,系统在当前处于状态Ei时转移到状态Ej

的概率称为状态转移概率,通常记作Pi,j。事物从状态Ei转移到状态Ej

的概率可表示为:

5.1.2基于数据驱动的速度预测算法1.基于马尔可夫链的速度预测状态转移概率矩阵马尔可夫模型的关键概念包括

(3)状态转移概率矩阵

若系统共有n个可能的状态,即Ej,Ej,…,

Ej

,且用Pi,j

表示从状态Ei转移到状态Ej的状态转移概率,则马尔可夫链的状态转移概率矩阵P可写为右侧形式

式中,状态转移概率矩阵中的每个元素Pi,j必须满足如下条件:矩阵将车速划分为若干区间,用历史数据统计区间之间的转移概率5.1.2基于数据驱动的速度预测算法状态转移概率矩阵图5-3一步加速度状态转移矩阵1.基于马尔可夫链的速度预测2.基于反向传播神经网络的速度预测反向传播(Backpropagation,BP)神经网络是一种按误差逆传播算法训练的多层前馈网络。在训练阶段,BP神经网络通过反向传播算法优化网络权值和阈值,学习输入特征与速度之间的非线性关系;在完成部署之后,BP神经网络通过输入层、隐含层和输出层的结构,利用梯度下降法最小化预测误差。BP神经网络通常包含三层前馈层,即右图中的输入层、中间层(也称为隐含层)和输出层。其在每一层中均有节点,每层中的神经元与邻层的神经元之间相互全连接,而各层内部的神经元之间没有连接,各层神经元之间无反馈连接,构成具有层次结构的前馈型神经网络系统。图5-4BP神经网络的结构5.1.2基于数据驱动的速度预测算法2.基于反向传播神经网络的速度预测单个神经元的模型如右图所示。每个神经元接收来自其他神经元的信号输入,并且每个信号都通过一个带有权重的连接传递。神经元把这些信号加起来得到一个总输入值,然后将总输入值与神经元的阈值进行对比,再通过一个“激活函数”处理得到最终的输出,最后将其作为之后神经元的输入传递下去。神经元输出Y

可表示为

其中,f表示激活函数,Xc

表示其他神经元传递过来的信号;wc

表示该神经元与其他各神经元的连接权值;θ

表示阈值(偏置)图5-5单个神经元模型5.1.2基于数据驱动的速度预测算法2.基于反向传播神经网络的速度预测BP神经网络中常用的激活函数包括:Sigmoid激活函数tanh激活函数:ReLU激活函数图5-6Sigmoid函数图像5.1.2基于数据驱动的速度预测算法图5-7tanh函数图像图5-8ReLU函数图像图5-9ELM网络结构ELM是一种单隐层前馈神经网络,通过随机初始化输入层到隐含层的权重和偏置,输出层权重通过广义逆矩阵(Moore-Penrose逆)直接计算。其核心优势在于训练速度快、泛化性能强,适用于实时性要求较高的交通场景:相比传统BP神经网络,ELM无需迭代调整参数,显著降低计算复杂度,适合处理车辆速度预测中的高维时序数据3.基于极限学习机的速度预测5.1.2基于数据驱动的速度预测算法ELM神经网络的输出T可表示为:上式可表示为:隐含层与输出层之间的连接权值β,可通过求解下式的最小二乘解获得:3.基于极限学习机的速度预测5.1.2基于数据驱动的速度预测算法RBF神经网络是一种三层前馈网络,包含输入层、径向基层(隐含层)和输出层。其核心思想是通过径向基函数(如高斯函数)将输入数据映射到高维空间,再通过线性组合输出预测结果相比BP神经网络,RBF训练速度更快,且对噪声数据具有更强的鲁棒性4.基于径向基神经网络的速度预测5.1.2基于数据驱动的速度预测算法图5-10

RBF神经网络结构4.基于径向基神经网络的速度预测5.1.2基于数据驱动的速度预测算法(1)输入层输入层的作用是把来自外界的输入和RBF神经网络结合,不对数据做任何处理,输入层节点数由外界输入个数决定,示例中为历史车速,一共

n

个输入节点组成,输入向量为:(2)隐含层隐含层包含多个径向基神经元,通过神经元核函数(也称作激活函数)对来自输入层的输入进行空间映射的变换,径向基向量可表示为:(3)输出层输出层的主要功能为对隐含层神经元输出信息,进行线性加权处理后得到整个RBF神经网络的预测结果输出:图5-10

RBF神经网络结构(1)RNNRNN擅长通过大量的训练样本数据来学习识别时间序列内部和不同时间序列之间的规律。而路段短时速度预测的核心问题为从路段短时速度数据中挖掘规律,基于此预测未来时刻的速度值。因此,可运用RNN预测路段短时速度。对于单个RNN神经元,在t

时间步将输入数据xt

和t−1时间步隐藏状态的值ht

−1组合成包含当前输入信息和先前输入信息的向量,该向量经过激活函数tanh之后,输出新的隐藏状态ht

。其中tanh函数将数值始终限制在[−1,1]区间内,防止数据在多时间步的运算过程中出现指数级变化。5.基于长短期记忆神经网络的速度预测5.1.2基于数据驱动的速度预测算法图5-13

RNN神经元(1)RNN隐藏状态ht

的计算公式为:t

时间步RNN的输出值yt的计算公式为:通过将RNN神经元串联,即可传递记忆和经验信息5.基于长短期记忆神经网络的速度预测5.1.2基于数据驱动的速度预测算法图5-14

RNN结构长短期记忆网络(LongShort-TermMemory,LSTM)是一种专门处理时序数据的深度学习技术,其核心优势在于捕捉长期依赖关系,适用于车辆速度序列的非线性动态建模通过引入记忆单元和门控机制(输入门、遗忘门、输出门),LSTM网络可以有效缓解传统RNN的梯度消失/爆炸问题,能够学习车辆速度数据中的长期时序依赖5.基于长短期记忆神经网络的速度预测5.1.2基于数据驱动的速度预测算法(2)LSTM图5-15

LSTM神经网络的神经元结构1)遗忘门

遗忘门ft读取当前输入和前神经元信息,决定t−1时间步的单元状态保留到当前时间步的程度;结果为1即“完全保留”,为0则“完全剔除”2)输入门

输入门it决定当前时间步的输入xt保留到单元

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论