?

隨機(jī)方法在混合動(dòng)力電動(dòng)汽車電源管理上的應(yīng)用

目前，針對(duì)混合動(dòng)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(dāng)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(jī)估計(jì)將來(lái)的行駛環(huán)境。車輛是多自由度的動(dòng)態(tài)系統(tǒng)，其電源需求取決于多種因素（駕駛風(fēng)格、路況、交通、天氣、乘員行程等）。當(dāng)前，預(yù)測(cè)將來(lái)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(jī)方式預(yù)測(cè)將來(lái)的駕駛環(huán)境。

介紹了一種混合動(dòng)力汽車近似最優(yōu)電源管理的新策略，將行駛循環(huán)認(rèn)定為不是近似最優(yōu)解的先驗(yàn)。上述方法基于分析給定滾動(dòng)時(shí)域的電源需求來(lái)預(yù)估將來(lái)的駕駛環(huán)境，并最大限度地減少燃料消耗。同時(shí)，消除了預(yù)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(lái)概率分布，并獲得維持預(yù)期電池能量級(jí)值別在一定值的s參數(shù)。創(chuàng)新之處是引入的混合動(dòng)力汽車控制策略能保持電池的可持續(xù)性，無(wú)需修正系數(shù)即可避免SoE曲線的過度偏移。因此，對(duì)于任何驅(qū)動(dòng)功率控制分布和控制時(shí)域（β），上述控制策略可導(dǎo)出最優(yōu)s（SoE）曲線,通過SoE期望值的偏差提供一個(gè)物理框架校準(zhǔn)其它的EMS來(lái)補(bǔ)償s參數(shù)。仿真結(jié)果表明，該方法可在實(shí)現(xiàn)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(fēng)格突變的影響，提出了兩種方法：①利用對(duì)數(shù)似然比（或車輛的位置信息）識(shí)別當(dāng)前的行車狀態(tài)，然后應(yīng)用到電源需求對(duì)應(yīng)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(yīng)方法通過連續(xù)修正單概率函數(shù)再現(xiàn)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