插电式混合动力汽车(Plug-in Hybrid Electric Vehicle,PHEV)兼顾纯电动汽车和普通混合动力汽车的优点,是减少能源消耗、减少污染气体排放的有效途径,也是内燃机车辆向纯电动车辆转型的重要过渡产品。能量管理策略是影响其节能效果的主...
详细信息
插电式混合动力汽车(Plug-in Hybrid Electric Vehicle,PHEV)兼顾纯电动汽车和普通混合动力汽车的优点,是减少能源消耗、减少污染气体排放的有效途径,也是内燃机车辆向纯电动车辆转型的重要过渡产品。能量管理策略是影响其节能效果的主要因素,其决定了两个动力源之间如何能更好的协调工作,最大程度的发挥混合动力汽车的优势。传统的混合动力汽车采用基于规则的能量管理策略,不能根据当前工况以及实时获取的信息作出最优的决策。而基于优化方法的能量管理策略,可以很好的解决这一问题。本文建立了以GT-Suite和MATLAB/simulink联合仿真平台,搭建了插电式混合动力汽车整车模型,实现了基于规则的CDCS控制策略。应用动态规划算法计算了对应工况的全局最优解,并分析了不同网格离散程度对结果和计算时长的影响。将动态规划运用在模型预测控制框架中,通过确定SOC的可达区域减小计算量,并分析了不同预测区间长度对当前一步结果的影响。通过将发动机瞬时油耗和电池SOC关于转矩和转速的多项式拟合,建立在预测区间内线性约束的优化问题,使得计算时间减小,大大提高算法实时性。根据车辆实际行驶时行驶距离已知和未知两种情况,分析使用了两种SOC的约束方式,使得电池的SOC值可以较为合理的变化。为了建立更加符合实际驾驶员的车速预测模型,采用车载诊断设备读取了某实际驾驶员的包括高速、乡村、市区的实际驾驶信息作为预测模型的训练样本与测试样本。采用神经网络模型进行车速预测模型,探究了预测模型准确程度与输入时长关系,同时对比分析了预测准确度与输入变量的关系。分别构建了基于BP神经网络和RBF神经网络的车速预测模型,根据经验公式选取了关键参数并使用粒子群算法优化了神经网络初值,预测结果比以等时长车速输入的预测方法有一定提升。通过在一系列标准工况下的仿真,对比分析了各类控制策略在高SOC状态和SOC保持状态下的仿真结果。结果证明作者使用的方法在提高燃油经济型和提高算法实时性上是有效的。最后,通过对比不同的车速预测方法下的仿真结果,分析了预测结果准确度对实际油耗的影响,说明了精确车速预测模型的必要性。
为应对日趋严重的能源和环境危机,各国都在致力于开发高效清洁的新能源汽车。插电式混合动力汽车(Plug-in Hybrid Electric Vehicles,PHEV)可以从电网直接吸收电能,同时克服了纯电动汽车续航里程短以及传统汽车燃油消耗高的缺陷,被认为...
详细信息
为应对日趋严重的能源和环境危机,各国都在致力于开发高效清洁的新能源汽车。插电式混合动力汽车(Plug-in Hybrid Electric Vehicles,PHEV)可以从电网直接吸收电能,同时克服了纯电动汽车续航里程短以及传统汽车燃油消耗高的缺陷,被认为是当前极具发展潜力的新能源汽车。PHEV具有发动机和电机两种动力源,为了协调各动力源工作,设计一个合理且高效的能量管理策略具有非常重要的意义。另一方面,作为PHEV主要驱动电源的动力电池无法兼具高比能量和高比功率的需求,而超级电容具有高功率密度的特点,可与电池组成复合储能系统作为动力源,从而提升车辆动力性能。本文以单轴并联型PHEV为研究对象,分别从能量管理策略、复合式储能系统设计以及动力系统参数多目标优化问题三方面进行了研究,主要研究内容如下:针对PHEV能量管理问题,提出一种基于改进深度强化学习的能量管理策略。通过引入双重回放缓冲区改进深度强化学习中的双延迟深度确定性策略梯度(TD3)算法,提出DRB-TD3算法以提升原算法的采样效率。设计了基于规则的约束控制器并嵌入到深度强化学习结构中,以消除不合理的转矩分配。研究结果表明DRB-TD3算法有效的提升了收敛效率,所提出的基于改进深度强化学习算法的PHEV能量管理策略在性能鲁棒性、发动机平均效率、燃油经济性等方面均优于基于传统深度强化学习算法的策略,更有利于PHEV的实际应用。针对PHEV单一动力电池低比功率,无法响应暂态功率需求的问题,设计了一种电池和超级电容并联的复合储能系统。同时针对采用动态规划法优化复合储能系统负载电流分配时缺乏实时性的问题,利用不同驱动工况下动态规划优化的结果构成训练集进行训练,并综合GRU网络以及XGBoost算法,提出了一种Stacking集成学习框架下多模型融合的能量管理策略。研究结果表明,基于Stacking融合模型的实时能量管理系统优化性能最佳,模型预测精度最高,能紧跟随动态规划离线优化结果,具有良好的负载电流分流效果。同时本文所设计的复合储能实时能量控制系统能有效的削弱电池峰值电流,有助于延长电池的使用寿命。针对带有复合储能系统的PHEV动力系统参数优化问题,提出了一种基于多目标蜻蜓算法(MODA)的多目标参数优化方法。针对复合储能系统,提出了带有滑动窗口的实时小波功率分配策略,并对滑动窗口长度进行了选择。制定了基于规则的车辆控制策略,以整车燃油消耗量和污染物排放量为优化目标,采用MODA对PHEV动力系统控制参数进行优化。研究结果表明利用MODA优化后的车辆有效的降低了油耗,减少了污染物排放,相比于优化前,发动机输出功率减少,电机输出功率增加,发动机和电机的工作效率均得到了显著的提升,同时得到的多组Pareto最优解,为整车设计和优化提供了更多的选择。
在当今世界的发展进程中,能源短缺和环境污染始终是人类面临的两大难题。虽然纯电动汽车达到了节能环保的目的,但是由于纯电动汽车关键技术上的限制,普及电动汽车还需要很长的一段时间。近年来发展起来的插电式混合动力汽车(Plug-in Hybrid Electric Vehicles,PHEV)是向纯电动汽车发展过程中出现的一种过渡车型,它的主要特点是既可以用纯电动模式行驶,又可以用混合动力模式行驶,电量不足时可以给电池充电,从而改善整车燃油经济性和排放,增加续驶里程。如何建立合适的控制策略来实现不同工作模式之间的切换显得尤为重要,因此,对于PHEV控制策略的研究成为了热点。本文以MATLAB和ADVISOR为平台,并联插电式混合动力汽车为研究对象,以最低油耗和排放为主要目标,建立了基于未来车速信息的预测控制策略,并对预测控制策略参数进行了优化分析。首先根据并联式混合动力汽车的整车参数和PHEV目标性能要求进行参数匹配,确定了满足设计要求的各部件(发动机、电机和动力电池)参数。其次分析了未来路况信息对PHEV油耗和排放的影响,将汽车未来行驶工况的车速信息作为研究目标,建立了未来车速预测计算模型,为建立预测控制策略模型奠定基础。然后,根据PHEV具有电量消耗和电量保持的特点,建立了基于未来车速信息的预测控制策略模型。最后分别对CD和CS阶段进行仿真分析,结果表明:在不同阶段,预测控制策略能够合理分配发动机和电机的转矩,同时改善整车的燃油经济性和排放。针对影响整车油耗和排放的预测控制策略参数,采用多目标遗传算法对其进行优化,在满足整车动力性的前提下,以最大限度降低油耗和排放,同时提高发动机和电机工作效率为目的,寻找控制策略参数的最优值,从而进一步实现节能减排。
暂无评论