中圖分類號：U469.72 文獻(xiàn)標(biāo)志碼：B 文章編號：1001-2222（2025）03-0089-06

低碳、零碳生活是當(dāng)前社會發(fā)展的主要趨勢。在道路交通方面，純電動車輛是最有競爭力的解決方案，但價格和續(xù)航里程問題限制了其廣泛應(yīng)用。而氣體發(fā)動機(jī)、甲醇發(fā)動機(jī)等低碳發(fā)動機(jī)已經(jīng)實現(xiàn)了一定的突破，氫發(fā)動機(jī)和氨發(fā)動機(jī)也將迎來新的發(fā)展。串聯(lián)混合動力車輛在純電驅(qū)動的基礎(chǔ)上增加一個低碳發(fā)電系統(tǒng)，在不影響行駛里程的情況下減少碳排放，是當(dāng)前道路運(yùn)輸?shù)囊粋€重要發(fā)展方向。

經(jīng)濟(jì)性是評價混合動力車輛的重要指標(biāo)，也是研究的難點和熱點。L.PEREZ等[通過對動態(tài)規(guī)劃混合動力車輛的全局能量管理策略進(jìn)行研究，可實現(xiàn)較為理想的燃油經(jīng)濟(jì)性，但是難以應(yīng)用到實時控制中。C.MUSARDO等2通過最小值原理，結(jié)合燃油最小控制方法實現(xiàn)從全局到實時的應(yīng)用。這些研究主要在給定的運(yùn)行工況下優(yōu)化。

隨著道路智能化的發(fā)展，很多研究開始基于道路信息對混動車輛的能量管理進(jìn)行優(yōu)化。A.RA-JAGOPALAN等3提出了針對道路運(yùn)行工況的預(yù)測控制方法，通過應(yīng)用ITS和GPS信號預(yù)測車輛的運(yùn)行軌跡，然后通過動態(tài)規(guī)劃得到最佳的扭矩分配。B.YAN等4提出了基于路線的控制方法，通過道路信息規(guī)劃最優(yōu)的SOC軌跡，并通過定位系統(tǒng)實現(xiàn)MPC的優(yōu)化控制。這些控制方法需要基于強(qiáng)大的計算載體和互聯(lián)網(wǎng)道路信息，在一定程度上會提高

設(shè)計成本和運(yùn)營成本。

本研究針對一種 49t 串聯(lián)氣電混動公路卡車，基于不同載荷的運(yùn)行工況對發(fā)電系統(tǒng)的控制進(jìn)行優(yōu)化，通過載重和運(yùn)行工況識別實現(xiàn)對運(yùn)行環(huán)境的預(yù)測，進(jìn)而對系統(tǒng)的燃?xì)庀倪M(jìn)行最小化的能量管理，結(jié)果顯示通過該方法燃?xì)饨?jīng)濟(jì)性可提升 10.6% 。

1系統(tǒng)模型

1.1 系統(tǒng)構(gòu)型

本研究以 49t 串聯(lián)氣電混動公路卡車的混合動力系統(tǒng)為研究對象（見圖1）。電驅(qū)動系統(tǒng)為凱博eDMT_-x ，可以獨立驅(qū)動車輛行駛，行駛中既可以用電驅(qū)動，也可以通過回饋制動給電池充電。雙電機(jī)（發(fā)電機(jī)1和發(fā)電機(jī)2）通過減速器與CNG氣體發(fā)動機(jī)相連，形成發(fā)電系統(tǒng)（GEN）。動力總成的基本參數(shù)見表1。

1.2 系統(tǒng)模型

構(gòu)建模型時主要針對發(fā)電系統(tǒng)的運(yùn)行來優(yōu)化車輛的能耗，模型主要采用反向模型，不考慮運(yùn)行過程中瞬態(tài)對系統(tǒng)的影響。該系統(tǒng)中，發(fā)電系統(tǒng)產(chǎn)生的能量用于驅(qū)動系統(tǒng)，而電池相當(dāng)于能量的緩沖器，可以對電能進(jìn)行存儲和釋放。由圖2系統(tǒng)功率傳遞示意圖可見，電池與發(fā)電系統(tǒng)共同工作，給電驅(qū)動系統(tǒng)提供電能。

發(fā)電系統(tǒng)、電池和電驅(qū)動系統(tǒng)的功率關(guān)系可以表示為

式中： P_batt 為電池功率； P_GEN 為發(fā)電機(jī)的發(fā)電功率；η_batt 為電池效率； η_GEN 為發(fā)電效率； sin（x） 為符號函數(shù)。

1）電驅(qū)動系統(tǒng)

車輛在運(yùn)行中的受力是由車輛狀態(tài)、運(yùn)行環(huán)境和駕駛員操作共同決定的，因此通過車輛動力學(xué)公式可以將車輛的驅(qū)動力表示為

由于驅(qū)動扭矩主要由eDMT系統(tǒng)來提供，因此

通過車輛動力學(xué)公式可以將車輛的消耗功率表示為

式（2）和式（3）中： v 為車速； β 為車輛對應(yīng)的坡度；M 為車輛載重； μ 為滾阻系數(shù)； g 為車輛重力加速度； ρ 為空氣密度； 為車輛的風(fēng)阻系數(shù)； A 為迎風(fēng)面積； η_edmt 為eDMT從驅(qū)動系統(tǒng)電功率到車輛的綜合驅(qū)動功率的轉(zhuǎn)化效率； F_fb 為車輛的制動力。

2）發(fā)電系統(tǒng)

發(fā)電機(jī)系統(tǒng)由發(fā)動機(jī)和兩個相同的發(fā)電機(jī)共同組成，發(fā)動機(jī)輸出正扭矩，兩個發(fā)電機(jī)通過輸出負(fù)扭矩實現(xiàn)發(fā)電。發(fā)電過程中，發(fā)電系統(tǒng)的綜合效率為發(fā)動機(jī)效率 η_ICE 與電機(jī)平均效率 的乘積，可以表示為

針對雙電機(jī)的功率分配，基于最小值原理，相同電機(jī)在等功率分配的情況下可獲得最佳經(jīng)濟(jì)性[5]。因此，雙電機(jī)的控制以發(fā)電功率平均分配為目標(biāo)，對應(yīng)的發(fā)電效率近似相等。發(fā)電機(jī)1和發(fā)電機(jī)2的平均效率可以表示為7MG1MG27MG1+MG2。

其中發(fā)動機(jī)、發(fā)電機(jī)和發(fā)電系統(tǒng)的效率如圖3所示。

每個時刻的發(fā)動機(jī)消耗與電功率的關(guān)系可以表示為

式中： S=1 表示發(fā)電系統(tǒng)處于運(yùn)行狀態(tài)； S=0 表示發(fā)電系統(tǒng)處于停機(jī)狀態(tài)。

當(dāng)發(fā)電系統(tǒng)運(yùn)行時，根據(jù)不同的發(fā)電功率需求可計算出最佳的扭矩和轉(zhuǎn)速分配方式。由此可得出不同發(fā)電功率對應(yīng)的最優(yōu)發(fā)電效率。因此在實際運(yùn)行中發(fā)電功率可以表示為

式中： η_GEN^OPT 為在不同的功率下發(fā)電系統(tǒng)的最優(yōu)效率（見圖4）。可以看出，最佳的發(fā)電效率區(qū)間為130kW 以上。

3）電池電池模型采用內(nèi)阻模型，如圖5所示。

可以推導(dǎo)出電池的效率：

式（7）和式（8）中： P_batt 為電池的輸出功率； U_o 為電池的開路電壓； I 為電池端電流； R₀ 為電池內(nèi)阻。開路電壓和內(nèi)阻在短時間內(nèi)可以認(rèn)為是定值，因此電池的效率隨著電流的增加而減小。

2控制策略開發(fā)

2.1 問題描述

在常規(guī)的控制策略設(shè)計中，車輛的發(fā)電系統(tǒng)控制與電驅(qū)動功率相耦合，而驅(qū)動系統(tǒng)的輸出功率主要與車輛的加速踏板和制動踏板相關(guān)。采用動力跟隨控制時，若頻繁出現(xiàn)正、負(fù)驅(qū)動功率切換也會對應(yīng)產(chǎn)生增程模塊發(fā)電與純電模式隨驅(qū)動切換的問題，整個過程主要受駕駛員操作的影響。

但是氣體發(fā)動機(jī)扭矩響應(yīng)和狀態(tài)切換需要平順，加上發(fā)動機(jī)起動過程需要潤滑，時間上就要求發(fā)動機(jī)從起動到怠速，再到輸出功率持續(xù) 15s 。而且發(fā)動機(jī)快速停機(jī)會使整個冷卻系統(tǒng)停止工作，而氣體發(fā)動機(jī)、渦輪增壓器需要一個冷卻的過程，這就要求發(fā)動機(jī)從輸出功率到發(fā)動機(jī)停機(jī)也要有10s怠速緩沖時間。綜合考慮起動和停機(jī)過程的控制時間，CNG氣體機(jī)增程器在動力跟隨控制模式與純電控制模式切換中需要25s的切換時間，并會伴隨著對應(yīng)的怠速能量損耗。

由于起停切換過程較長，產(chǎn)生的能耗較大，常規(guī)的動力跟隨控制難以從駕駛員踏板響應(yīng)的實時輸出功率中確定發(fā)動機(jī)起停的控制策略。而恒溫器控制方法是通過功率跟隨策略在高效率區(qū)給電池發(fā)電到設(shè)定的SOC值 a₁ ，再通過純電運(yùn)行模式將電池電量消耗到SOC值 a₂ ，通過保持SOC窗口在[a₂，a₁] 之間來保證發(fā)動機(jī)有足夠長的停機(jī)時間，但是系統(tǒng)的充電和放電區(qū)間基本沒有考慮當(dāng)前的功率負(fù)載，難以將電池與發(fā)電系統(tǒng)的綜合高效率區(qū)間結(jié)合在一起。

2.2基于運(yùn)行工況的控制策略

道路卡車主要受本身運(yùn)行工況的制約，而車輛在驅(qū)動時的加速和制動時的電制動可以認(rèn)為是車輛運(yùn)行過程中的動態(tài)擾動。在這種情況下車輛運(yùn)行過程中驅(qū)動系統(tǒng)產(chǎn)生的平均驅(qū)動力主要受坡度、車速和車輛載重的影響。將整個運(yùn)行工況劃分為中間的N 段子運(yùn)行工況，車輛在不同的子運(yùn)行工況中的平均驅(qū)動力可以近似表示為

Mg（μcosβ（t）+sinβ（t））dt.

在運(yùn)行工況中所需的電功率可以表示為

式（9）和式（10）中： 為車輛的平均驅(qū)動力； T 為該段的時長； 為車輛的平均車速。車輛質(zhì)量 M 主要分為空載和滿載兩種狀態(tài)，而這兩種狀態(tài)對應(yīng)的值差異較大，進(jìn)而會明顯影響車輛消耗的電功率。在確認(rèn)車輛載重以后，車輛運(yùn)行工況中的上坡、下坡和平路工況可以通過地圖信息提前獲取，每一段對應(yīng)的車速信息可以根據(jù)地圖信息中城市、城郊和高速運(yùn)行工況的限速和平均車速進(jìn)行估計?；谶\(yùn)行工況的控制策略如圖6所示。車輛運(yùn)行過程中可以識別出車輛的載重，可作為式（9）和式（10）中的常量，而運(yùn)行工況識別是根據(jù)車輛運(yùn)行到目標(biāo)運(yùn)行工況，通過對車速和坡度的變化估計出當(dāng)前處于運(yùn)行工況的 Ψ_m 位置（其中 m∈N ），進(jìn)而確定當(dāng)前位置的平均功率。當(dāng)?shù)贸霎?dāng)前道路的平均功率后，可以通過決策機(jī)制選擇對應(yīng)的控制策略。

通過功率段的劃分來對控制模式進(jìn)行選擇，小功率消耗路段采用純電驅(qū)動，大功率消耗路段采用功率跟隨控制來保證供電端的穩(wěn)定性，避免出現(xiàn)電池輸出能力不足的情況。同時結(jié)合圖3中發(fā)電系統(tǒng)與電池系統(tǒng)的效率趨勢，得到如圖7所示的控制策略。根據(jù)車輛驅(qū)動所需的電功率分為高功率段、中功率段和低功率段，不同功率段具體控制策略如下：

1）當(dāng)系統(tǒng)處于高功率運(yùn)行時，對應(yīng)驅(qū)動系統(tǒng)負(fù)載大功率，功率跟隨方式有較高的效率。當(dāng)電驅(qū)動系統(tǒng)功率超出發(fā)電系統(tǒng)高效率區(qū)時，系統(tǒng)以最高效率發(fā)電，電池輸出電功率補(bǔ)償車輛的輸出電功率；當(dāng)電驅(qū)動功率未到發(fā)電系統(tǒng)高效率區(qū)時，發(fā)電系統(tǒng)以最高效率發(fā)電的同時給電池充電。整個運(yùn)行工況下發(fā)動機(jī)不停機(jī)，當(dāng)車輛有小扭矩和負(fù)扭矩時，發(fā)電系統(tǒng)不發(fā)電，發(fā)動機(jī)怠速運(yùn)行，以減少發(fā)動機(jī)起停過程產(chǎn)生的能量損耗。

2）當(dāng)系統(tǒng)處于中低功率運(yùn)行時，電驅(qū)動功率處于電池與發(fā)電系統(tǒng)高效率區(qū)的交匯點，因此可以通過功率跟隨策略在高效率區(qū)給電池發(fā)電到設(shè)定的SOC值 a₁ ，再通過純電運(yùn)行模式將電池電量消耗到SOC值 a₂ ，通過保持SOC窗口在 [a₂，a₁] 之間保證動力總成系統(tǒng)高效率運(yùn)行，同時減少發(fā)動機(jī)起動和停機(jī)產(chǎn)生的能量消耗。

3）當(dāng)系統(tǒng)處于低功率和負(fù)功率運(yùn)行時，功率跟隨發(fā)電策略會導(dǎo)致低效率發(fā)電，而發(fā)電系統(tǒng)最優(yōu)效率發(fā)電會導(dǎo)致電池產(chǎn)生較大的充電電流而降低電池的使用效率。因此，整個動力總成采用純電驅(qū)動模式，該模式下發(fā)動機(jī)停機(jī)，電驅(qū)動系統(tǒng)由電池獨立提供電能。

B.YAN等4通過最小值原理和動態(tài)規(guī)劃對混合動力車輛的能量管理和發(fā)動機(jī)起?？刂七M(jìn)行優(yōu)化，也得出類似的優(yōu)化結(jié)果。

2.3 運(yùn)行工況識別

運(yùn)行工況中，影響車輛持續(xù)輸出功率的主要因素是車重、坡度和車速。車速可以通過傳感器直接讀取，而坡度和車輛質(zhì)量信息需要在車輛實時運(yùn)行過程中基于車輛動力學(xué)進(jìn)行實時估計。

車輛運(yùn)行過程可以通過縱向車輛動力學(xué)表示：

式中： v 為車速； T_act 為驅(qū)動系統(tǒng)實際輸出扭矩； i_fd 為后橋減速比； r_wh 為車輪半徑； ?ρ 為空氣密度； 為車輛的風(fēng)阻系數(shù)； A 為迎風(fēng)面積； β 為對應(yīng)的坡度； μ 為車輛的滾阻系數(shù)。

式（11）可以轉(zhuǎn)化成包含兩項的等式：

式中： β_u 和 μ 的關(guān)系為 tanβ_u=_μ ，上式可以表示為

其中， 為需要估計的變量，可以表示為

為已知變量，可以表示為

基于遞歸最小二乘法在線估計方法可以得到車輛運(yùn)行的坡度和載重：

其中：

式中： 為協(xié)方差矩陣；對應(yīng)的更新增益 類似于濾波器，對估計的數(shù)據(jù)進(jìn)行平均。具體的方法在文獻(xiàn)[6]中有詳細(xì)描述。

3 試驗驗證

3.1 運(yùn)行工況

此次優(yōu)化的車型為搭載凱博 eDMT_-x 驅(qū)動系統(tǒng)和雙增系統(tǒng)的軒德E3混動牽引車，車輛具體配置信息見表2。

車輛行程是從哈密到石頭梅露天礦，單程約256km ，往返約 512km ，全程為柏油鋪裝路面加高速路。道路運(yùn)行中的海拔和常規(guī)車速如圖8所示。

整個運(yùn)行工況分為三個主要部分：第一部分為0～90km 的爬坡運(yùn)行工況，車速范圍為 30～ 80km/h ，在這一路段范圍內(nèi)，車輛以功率跟隨控制為主；第二部分為 91～170km 輕微下坡的高速運(yùn)行工況；最后一部分為 171～256km 的下坡運(yùn)行工況。由于整個道路運(yùn)行數(shù)據(jù)量巨大，本研究以第一部分控制爬坡的數(shù)據(jù)為研究對象。

3.2 測試結(jié)果

針對給定的運(yùn)行工況，分別對基于道路的控制策略和常規(guī)的恒溫器控制策略進(jìn)行對比?；诤銣仄鞯目刂品椒ǜ鶕?jù)SOC值來確定當(dāng)前的充放電需求，當(dāng)SOC低于 30% 時通過發(fā)電機(jī)進(jìn)行充電，當(dāng)SOC達(dá)到 70% 時，以使用電池的電驅(qū)動為主。

運(yùn)行過程以空載爬坡這段過程為例，結(jié)果如圖9所示。圖中虛線代表發(fā)動機(jī)起停狀態(tài)，1代表發(fā)動機(jī)運(yùn)行，0代表發(fā)動機(jī)停機(jī)。

采用基于恒溫器控制的常規(guī)控制方法，發(fā)動機(jī)只在 2 100～2 900 s之間進(jìn)行停機(jī)，而在這個階段車輛仍然處于爬坡過程中，處于較大負(fù)荷驅(qū)動狀態(tài)，因此在這個過程中電池輸出效率較低。而采用基于運(yùn)行工況的控制方法對車輛運(yùn)行過程中存在的低電功率負(fù)載路段進(jìn)行提取，在識別后進(jìn)行停機(jī)控制，在高負(fù)載區(qū)起動發(fā)動機(jī)，可以保證發(fā)電系統(tǒng)在車輛動力跟隨控制中進(jìn)行高效率發(fā)電。在該階段運(yùn)行過程產(chǎn)生的能耗如圖10所示，其中氣耗量為CNG發(fā)動機(jī)發(fā)送量的累計值。

從圖10中可以看出，采用基于運(yùn)行工況的控制方法CNG氣耗量為 34kg ，相比采用基于恒溫器控制的 43kg 氣耗量節(jié)省了 9kg 。從圖9中可以看出，采用基于恒溫器控制SOC值從 50.4% 上升到64% ，增長了 13.6% ；采用基于運(yùn)行工況的控制方法SOC值從 65.4% 下降到 52% ，降低 13.4% 。SOC總差值為 26.8% ，折合電量為 20.99kW?h 。根據(jù)GB/T37340—2019《電動汽車能耗折算方法》，將額外電能折合成氣耗量，為 4.43kg 。由此可見，采用基于運(yùn)行工況的控制相較于采用基于恒溫器的控制方法，綜合氣耗量降低了 4.57kg ，節(jié)省了 10.6% 的能耗。

4結(jié)束語

基于卡車的運(yùn)行工況識別對串聯(lián)混合動力車輛的能量管理進(jìn)行優(yōu)化控制，構(gòu)建了目標(biāo)混動系統(tǒng)的電池、發(fā)電系統(tǒng)的效率模型和驅(qū)動系統(tǒng)模型；基于動力總成的效率分布特性，提出了一種電池與發(fā)電系統(tǒng)的最佳功率分配的方法，在考慮系統(tǒng)穩(wěn)定性的情況下，實現(xiàn)系統(tǒng)高效率運(yùn)行。解析了不同運(yùn)行工況下的最佳效率控制方法，提出了基于卡車運(yùn)行工況識別的增程混合動力車輛的能量管理方法。通過該控制方法針對新疆的目標(biāo)道路上的串聯(lián)混動車輛進(jìn)行優(yōu)化，經(jīng)驗證，可實現(xiàn)能耗降低 10.6% 。

參考文獻(xiàn)：

[1]PEREZ L，BOSSIO G，MOITRE D，et al.Optimization ofpower management in an hybrid electric vehicle using dynamic programming[J].Mathematics and computersin simulation，2006，73：244-254.

[2] MUSARDOC，RIZZONIG，GUEZENNECY，etal.AECMS：Anadaptivealgorithm forhybrid electricvehicle energy management[J].European journal of control，2005，11（4/5）：509-524.

[3] RAJAGOPALAN A，WASHINGTON G.Intelligent control of hybrid electric vehicles using GPS information[C].SAEPaper 2002-01-1936.

[4] YANB，HUYQ，YANT，etal.Route-basedadaptive optimization for energy management of hybrid electric vehicles[J].International journal of automotive technology，2014，15（7）：1175-1182.

[5] NAJJARIB，MIRZAEIM，TAHOUNIA.Decentralized integration of constrained active steering and torque vectoring systems to energy-efficient stability control of electric vehicles[J].Journal of the franklin institute，2022，359：8713-8741.

[6] VAHIDIA，STEFANOPOULOUA，PENGH.Recursive least squares with forgetting for online estimation ofvehicle mass and road grade：theory and experiments [J].Vehicle system dynamics，2005，43（1）：31-55.

Abstract：Series hybridelectricvehiclescancombinelow-carbonenginessuchasgasengineand methanolengine withelectric drivetoefectivelyreducecarbonemissons，whichisanimportantdevelopmentdirectionforroad trucks.Series hybrid mainly consists of generation system，bateryanddrive system，which jointly powersupply withthebattryto meetthe power consumptionrequirementsduringvehicleoperation.Sekingtheoptimalpowerdistributionbetwenbatteryand generationsystem is crucialforhybridenergyconservation.Foragas-electrichbridtruck，anewhybridpowercontrolmethodwasproposedby fulyutilizingtheeficiencydiffrencebetweenbatteryandgenerationsystemandcombiningtheloadcharacteristicsofroad， whichcouldefectivelyimprovetheeficiencyof powersupplysystem.Comparedwithrule-basedcontrolmethod，theeconomy improved by 10.6% ：

Keywords：series hybrid;condition;identification;power distribution;generation system;control strategy [編輯：姜曉博]