朱東彬 ，王喜洋 ，，李艷文

（1.河北工業(yè)大學(xué)機(jī)械工程學(xué)院，天津 300130；2.中國汽車技術(shù)研究中心，天津 300300）

1 引言

汽車工業(yè)大力發(fā)展的同時(shí)，人們更加注重保護(hù)環(huán)境，實(shí)現(xiàn)汽車低能耗、低排放是現(xiàn)今汽車工業(yè)的主流趨勢(shì)[1]。較之純電動(dòng)汽車（Electric Vehicle，EV）和傳統(tǒng)內(nèi)燃機(jī)汽車（Internal Combustion Engine Vehicle，ICEV），HEV動(dòng)力系統(tǒng)有顯著的優(yōu)勢(shì)。HEV不僅具有石油燃料高比能量和高比功率的長(zhǎng)處，彌補(bǔ)了EV續(xù)駛里程短的不足，還發(fā)揚(yáng)了EV作為“綠色汽車”節(jié)能和低排放的特點(diǎn)，顯著改善了整車燃油經(jīng)濟(jì)性能和排放性能?；旌蟿?dòng)力系統(tǒng)是指兩個(gè)或兩個(gè)以上不同工作原理的動(dòng)力源組成，可以將不同動(dòng)力源組合在一起用于驅(qū)動(dòng)車輛的系統(tǒng)。文中主要研究了電機(jī)電池組與發(fā)動(dòng)機(jī)混合的HEV。相比純電動(dòng)系統(tǒng)，混合動(dòng)力系統(tǒng)具有以下多種優(yōu)勢(shì)：（1）相同動(dòng)力需求下具有更好的燃油經(jīng)濟(jì)性且排放更低；（2）應(yīng)用優(yōu)等功率的電動(dòng)機(jī)和蓄電池，提升了整車動(dòng)力性能；（3）小負(fù)荷工況可大幅提高內(nèi)燃機(jī)工作效率，以及怠速工況減輕不必要的能量損耗。能量管理系統(tǒng)作為HEV的核心系統(tǒng)，其能量管理策略的優(yōu)劣直接影響著HEV的可靠性、控制性、燃油經(jīng)濟(jì)性和排放性能，因而能量管理策略是混合動(dòng)力系統(tǒng)的研究重點(diǎn)。首先從不同角度對(duì)HEV的能量管理問題進(jìn)行了概述，進(jìn)而對(duì)現(xiàn)有能量管理策略進(jìn)行分類和對(duì)比分析，對(duì)各類策略方法的特點(diǎn)和存在的問題進(jìn)行了深入地探討，最后展望了HEV能量管理研究的發(fā)展方向。

2 HEV能量管理

能量管理問題涉及多種影響整車能量?jī)?yōu)化的因素，對(duì)于HEV能量管理策略的優(yōu)化起著關(guān)鍵的指導(dǎo)性作用，目前可以從以下幾個(gè)方面考慮。

2.1 等效油耗的能量管理問題

由于電動(dòng)汽車不會(huì)直接消耗油料，所以只能以能量消耗的方式測(cè)試電動(dòng)車的等效油耗或?qū)㈦妱?dòng)車以等同于燃油車輛的駕駛型態(tài)進(jìn)行測(cè)試并記錄能量消耗，再換算出電動(dòng)車的等效油耗，所以等效油耗問題是研究HEV能量管理問題的門檻。

2.2 發(fā)動(dòng)機(jī)能效優(yōu)化問題

發(fā)動(dòng)機(jī)能效是指發(fā)動(dòng)機(jī)對(duì)燃料釋放能量的有效利用率，發(fā)動(dòng)機(jī)在工作過程中，燃料釋放的總能量只有一部分用作輸出做功，其余都以熱能或其他形式損耗了，發(fā)動(dòng)機(jī)的能效成為其性能評(píng)價(jià)的一個(gè)重要指標(biāo)。發(fā)動(dòng)機(jī)的熱損耗與機(jī)械損耗占燃油化學(xué)能的65%左右，提升發(fā)動(dòng)機(jī)的能效可以很大程度改善HEV的能量經(jīng)濟(jì)性。

2.3 系統(tǒng)集成能量管理問題

系統(tǒng)集成是新能源汽車的關(guān)鍵技術(shù)，包括拓?fù)錁?gòu)型的選擇以及零部件參數(shù)的優(yōu)化和匹配設(shè)計(jì)。HEV能量管理的優(yōu)化是針對(duì)已有系統(tǒng)，采用相應(yīng)的算法，在系統(tǒng)各動(dòng)力源之間進(jìn)行能源分配和管理，優(yōu)化各部件的工況點(diǎn)，使各部件相互協(xié)作，最大限度地發(fā)揮系統(tǒng)的性能。

2.4 制動(dòng)能量回收問題

制動(dòng)能量回收是指車輛的部分動(dòng)能以再生制動(dòng)的形式轉(zhuǎn)化為電能加以二次利用，這對(duì)于提高車輛的經(jīng)濟(jì)性具有重要意義[2]。根據(jù)對(duì)汽車制動(dòng)系統(tǒng)動(dòng)力學(xué)的分析和電動(dòng)機(jī)、蓄電池的模型，構(gòu)建如下的優(yōu)化問題：

式中：f（x，t）—目標(biāo)函數(shù)；k1、k2—權(quán)系數(shù)；x—控制變量，用于定義變量上下限，x=｛Tm，Tff｝，Tff—前輪機(jī)械摩擦制動(dòng)轉(zhuǎn)矩；Fbmax—后輪最大地面制動(dòng)力；ωmmax—電動(dòng)機(jī)的最大角速度；φf、φr—前后輪的利用率附著系數(shù)，定義為：

式中：i—輪數(shù)，取 f或 r；

Fzi—車輪的垂直載荷。

式（1）中，系數(shù)k1、k2的取值大小，體現(xiàn)對(duì)能量回收和制動(dòng)性能的側(cè)重關(guān)系。

3 HEV能量管理策略研究進(jìn)展

近年來，專家學(xué)者對(duì)于HEV的能量管理進(jìn)行了大量研究并取得了較大的進(jìn)展，目前HEV能量管理主要有以下控制原則：優(yōu)化發(fā)動(dòng)機(jī)工作點(diǎn)、減少發(fā)動(dòng)機(jī)動(dòng)態(tài)波動(dòng)、限制發(fā)動(dòng)機(jī)最低轉(zhuǎn)速、控制發(fā)動(dòng)機(jī)啟停次數(shù)、優(yōu)化蓄電池荷電狀態(tài)（State of Charge，SOC）以及合理分配動(dòng)力源。基于此，可以提取出以下多種控制策略。

3.1基于規(guī)則能量管理策略

3.1.1 確定性規(guī)則策略

該策略常見的有電消耗-電維持型（Charge Depletion-Charge Sustaining，CD-CS）和電動(dòng)車-電維持型（Electric Vehicles-Charge Sustaining，EV-CS）策略等。文獻(xiàn)[3]介紹了一種基于規(guī)則的插電式混合動(dòng)力汽車（Plug-in Hybrid Electric Vehicle，PHEV）的能量管理策略，該混合方式分為EV+CS，CD+CS，EV+CD+CS三種模式，其燃油消耗對(duì)比，如圖1所示。同時(shí)，文獻(xiàn)[3]還對(duì)不同電池荷電狀態(tài)時(shí)的三種模式間的切換進(jìn)行分析，如圖2所示。隨著電量下降，整車依次工作在EV、CS以及CS＆CD模式之間，最終SOC保持在30%左右。除此之外，文獻(xiàn)[4]提出了基于最佳電能使用的PHEV控制策略，有效地提高了整車燃油經(jīng)濟(jì)性。

圖1 基于規(guī)則的能量管理策略下的燃油消耗Fig.1 Fuel Consumption Based on Regular Energy Management Strategies

圖2 SOC變化曲線Fig.2 Change Curve of SOC

3.1.2 模糊規(guī)則策略

模糊控制型能量管理策略，其算法不局限于單一、固定的數(shù)值，也不依賴精準(zhǔn)數(shù)學(xué)模型，而是建立在專家知識(shí)庫或使用者經(jīng)驗(yàn)的基礎(chǔ)上。文獻(xiàn)[5]擬定具體模糊規(guī)則，合理分配了電機(jī)扭矩和發(fā)動(dòng)機(jī)扭矩。文獻(xiàn)[6]綜合考慮能耗和排放性能，從SOC切入，提出了一種基于模糊控制的能量管理策略，該策略在標(biāo)準(zhǔn)工況下，與電輔助控制策略相比，油耗下降約12%，同時(shí)排放性能也有相應(yīng)提升。文獻(xiàn)[7]針對(duì)某款串聯(lián)式HEV，融合模糊控制和神經(jīng)網(wǎng)絡(luò)提出了一種能量管理策略，結(jié)果表明燃油效率和行駛里程有所提升。文獻(xiàn)[8]綜合神經(jīng)網(wǎng)絡(luò)和自適應(yīng)算法，對(duì)模糊策略進(jìn)行優(yōu)化以及在線學(xué)習(xí)，試驗(yàn)結(jié)果表明，該策略比ADVISOR中原有策略的模擬油耗降低了10%。

3.2 全局優(yōu)化管理策略

全局優(yōu)化管理策略是一種全局?jǐn)?shù)值優(yōu)化和解析優(yōu)化控制的方法，包括線性優(yōu)化策略、隨機(jī)動(dòng)態(tài)優(yōu)化策略、動(dòng)態(tài)優(yōu)化策略以及優(yōu)化算法優(yōu)化策略。其中動(dòng)態(tài)優(yōu)化和遺傳算法應(yīng)用更為廣泛，下面主要介紹動(dòng)態(tài)優(yōu)化和遺傳算法策略研究進(jìn)展。

3.2 .1動(dòng)態(tài)規(guī)劃策略

動(dòng)態(tài)規(guī)劃（Dynamic Programming，DP）策略實(shí)施的關(guān)鍵在于“離散”，之后選擇適當(dāng)?shù)臓顟B(tài)變量和決策變量，就可以應(yīng)用DP來研究能量管理策略。文獻(xiàn)[9]針對(duì)一款新型的并聯(lián)式PHEV，應(yīng)用DP算法在不同行駛里程下的控制策略進(jìn)行了全局優(yōu)化研究，其設(shè)計(jì)的動(dòng)態(tài)規(guī)劃數(shù)值解法及計(jì)算結(jié)果，如圖3、圖4所示。文獻(xiàn)[10]提出基于歷史交通信息和駕駛循環(huán)建模的方法，并應(yīng)用DP算法使得SOC在驅(qū)動(dòng)周期結(jié)束時(shí)下降到特定值。文獻(xiàn)[11]應(yīng)用DP算法，使得SOC在驅(qū)動(dòng)周期結(jié)束時(shí)下降到特定的終端。

圖3 動(dòng)態(tài)規(guī)劃數(shù)值解法示意圖Fig.3 Schematic Diagram of Numerical Solution of Dynamic Programming

圖4 動(dòng)態(tài)規(guī)劃全局優(yōu)化計(jì)算結(jié)果Fig.4 Global Optimization Results of Dynamic Programming

3.2.2 遺傳算法優(yōu)化策略

遺傳算法是模擬自然生物學(xué)評(píng)估過程（適者生存）的隨機(jī)全局檢索技術(shù)，是解決復(fù)雜工程優(yōu)化的有效手段。在HEV能量管理領(lǐng)域，便于建立多目標(biāo)優(yōu)化問題，可大幅提高綜合性能，所以備受重視。文獻(xiàn)[12]基于浮點(diǎn)數(shù)編碼改進(jìn)原有遺傳算法，相比優(yōu)化前實(shí)現(xiàn)了油耗和排放的降低預(yù)期。文獻(xiàn)[13]將汽車動(dòng)力性能作為約束條件，提出以HEV排放和油耗為優(yōu)化目標(biāo)建立非線性控制模型，并用改良的遺傳算法對(duì)其展開求解，結(jié)果表明此方法可以使HEV的油耗和排放綜合性能優(yōu)化提高4%。

3.3 實(shí)時(shí)優(yōu)化管理策略

對(duì)于實(shí)時(shí)優(yōu)化管理策略，等效油耗最小化策略（EquivalentConsumption Minimization，ECM）和模型預(yù)測(cè)控制策略（Model Predictive Control，MPC）是兩種最具代表性的方法。

ECM策略在于完善最小化油耗目標(biāo)，可根據(jù)HEV本身設(shè)計(jì)電池能量觀測(cè)單元，或通過改進(jìn)ECM策略等方式，從而提高燃油經(jīng)濟(jì)性。文獻(xiàn)[14]為了識(shí)別等效因子（EquivalentFactor，EF）定義了能量比，將實(shí)時(shí)更新的EF作為計(jì)算時(shí)的輸入，通過使用遙測(cè)系統(tǒng)檢測(cè)車輛位置和電池充電狀態(tài)，仿真結(jié)果表明ECM策略的駕駛成本和燃油消耗量與動(dòng)態(tài)規(guī)劃策略相當(dāng)。

MPC策略的原理是將車輛和駕駛員組成一個(gè)整體系統(tǒng)，且預(yù)測(cè)模型必須捕獲駕駛員的行為。雖然詳細(xì)的模型可用于車輛部件的動(dòng)力學(xué)，但是用于駕駛員行為的模型框架較少建立。在某些情況下，駕駛員由控制系統(tǒng)來表示，通常由隨機(jī)過程驅(qū)動(dòng)并在所建線性模型中附加非線性因素，如執(zhí)行器飽和度、轉(zhuǎn)換速率等[15]。文獻(xiàn)[16]基于隨指數(shù)變化的隨機(jī)馬爾科夫模型和基于神經(jīng)網(wǎng)絡(luò)的速度預(yù)測(cè)方法的基本原理，分析其對(duì)調(diào)諧參數(shù)的敏感性，并設(shè)計(jì)提升預(yù)測(cè)精度，從而提高了車輛燃料的經(jīng)濟(jì)性。

3.4 其他智能化能量管理策略

目前較為先進(jìn)的能量管理策略有基于工況自適應(yīng)型策略、基于多智能體系統(tǒng)策略、博弈論以及神經(jīng)網(wǎng)絡(luò)等。文獻(xiàn)[17]利用幾種典型的運(yùn)行工況訓(xùn)練對(duì)應(yīng)的神經(jīng)網(wǎng)絡(luò)，達(dá)到油耗節(jié)省的效果。文獻(xiàn)[18]由GPS獲取數(shù)據(jù)信息構(gòu)建預(yù)測(cè)模型，并應(yīng)用極小值原理來進(jìn)行整車能量配比的優(yōu)化。文獻(xiàn)[19]對(duì)馬爾科夫理論進(jìn)行深入研究，預(yù)估車輛關(guān)鍵行駛參數(shù)及狀態(tài)量，并進(jìn)行深入研究，實(shí)現(xiàn)HEV根據(jù)工況變化的自適應(yīng)控制。

通過以上分析，對(duì)HEV能量管理策略進(jìn)行了合理的梳理分析，所述各種策略的性能對(duì)比，如表1所示。

表1 能量管理策略性能對(duì)比Tab.1 Comparisonof Energy Management Strategy Performance

4 結(jié)論

綜上，HEV能量管理涉及多個(gè)目標(biāo)的優(yōu)化，從控制能量流動(dòng)、優(yōu)化能量利用率角度出發(fā)，以提高車輛動(dòng)力性、燃油經(jīng)濟(jì)性以及排放性能為目標(biāo)，進(jìn)行了文獻(xiàn)綜述。

目前從應(yīng)用上來看仍然存在以下問題：

（1）基于規(guī)則式能量管理策略，僅僅是在線應(yīng)用，優(yōu)化性較差。而基于優(yōu)化的策略，大部分算法運(yùn)算復(fù)雜，實(shí)時(shí)性能難以實(shí)現(xiàn)。

（2）對(duì)于HEV多目標(biāo)進(jìn)行簡(jiǎn)單地等效化處理，會(huì)因?yàn)楦髦笜?biāo)間單位難以統(tǒng)一，導(dǎo)致效果較差。

（3）整車能量管理過程中，電池的過流、過壓以及能量管理系統(tǒng)的異常等情況存在安全隱患，并關(guān)系到車輛能否正常運(yùn)行。

考慮到以上HEV能量管理的影響因素、發(fā)展概況和存在的問題，并結(jié)合實(shí)時(shí)工況、具體構(gòu)型，機(jī)構(gòu)特性等方面，對(duì)未來進(jìn)行的工作做出展望：

（1）綜合多種方法，取長(zhǎng)補(bǔ)短。通過以上分析可知，HEV能量管理對(duì)應(yīng)多種策略，且各有特點(diǎn)。單一的優(yōu)化策略在HEV能量管理問題上都有著不同的局限性，如何綜合不同的方法，取長(zhǎng)補(bǔ)短，實(shí)現(xiàn)可在線應(yīng)用的近似全局優(yōu)化能量管理策略，是HEV能量管理問題的研究重點(diǎn)。

（2）優(yōu)化電機(jī)能效。電機(jī)作為新能源汽車重要的動(dòng)力源，其效率的提升對(duì)于新能源汽車的能量經(jīng)濟(jì)性改善至關(guān)重要。提高電機(jī)的效率并擴(kuò)大高效區(qū)范圍，從電機(jī)材料、設(shè)計(jì)、電力電子和電機(jī)控制等方面綜合考慮，也是HEV能量管理問題的一個(gè)研究重點(diǎn)。

（3）進(jìn)行精確的電池SOC估算。精確估算電池SOC可確保其工作在合理的范圍內(nèi)，對(duì)于能量的合理分配有重要意義。由于現(xiàn)有技術(shù)仍然不成熟，所以準(zhǔn)確估測(cè)電動(dòng)汽車電池模塊的SOC狀態(tài)，仍是后期研究的重點(diǎn)。

（4）考慮智能優(yōu)化控制與駕駛風(fēng)格的有機(jī)結(jié)合。智能控制高度融合自動(dòng)控制和人工智能，對(duì)于HEV能量管理系統(tǒng)來說，智能優(yōu)化控制方法與駕駛工況預(yù)測(cè)技術(shù)以及多目標(biāo)間的均衡優(yōu)化的有機(jī)結(jié)合是未來的研究熱點(diǎn)。

（5）在提升能量利用率的同時(shí)更要兼顧安全性。快速發(fā)展的電子技術(shù)推動(dòng)汽車產(chǎn)業(yè)向著低碳化、集成化、信息化、智能化的方向發(fā)展，因車輛電控系統(tǒng)故障所引發(fā)的功能失效、新能源車輛熱失控等安全問題日益突出。從功能安全角度深入探討、規(guī)避HEV能量管理系統(tǒng)的風(fēng)險(xiǎn)，是接下來發(fā)展的趨勢(shì)。