混合动力电动汽车能量管理策略研究进展

朱东彬 ，王喜洋 ，，李艳文

（1.河北工业大学机械工程学院，天津 300130；2.中国汽车技术研究中心，天津 300300）

1 引言

汽车工业大力发展的同时，人们更加注重保护环境，实现汽车低能耗、低排放是现今汽车工业的主流趋势[1]。较之纯电动汽车（Electric Vehicle，EV）和传统内燃机汽车（Internal Combustion Engine Vehicle，ICEV），HEV动力系统有显著的优势。HEV不仅具有石油燃料高比能量和高比功率的长处，弥补了EV续驶里程短的不足，还发扬了EV作为“绿色汽车”节能和低排放的特点，显著改善了整车燃油经济性能和排放性能。混合动力系统是指两个或两个以上不同工作原理的动力源组成，可以将不同动力源组合在一起用于驱动车辆的系统。文中主要研究了电机电池组与发动机混合的HEV。相比纯电动系统，混合动力系统具有以下多种优势：（1）相同动力需求下具有更好的燃油经济性且排放更低；（2）应用优等功率的电动机和蓄电池，提升了整车动力性能；（3）小负荷工况可大幅提高内燃机工作效率，以及怠速工况减轻不必要的能量损耗。能量管理系统作为HEV的核心系统，其能量管理策略的优劣直接影响着HEV的可靠性、控制性、燃油经济性和排放性能，因而能量管理策略是混合动力系统的研究重点。首先从不同角度对HEV的能量管理问题进行了概述，进而对现有能量管理策略进行分类和对比分析，对各类策略方法的特点和存在的问题进行了深入地探讨，最后展望了HEV能量管理研究的发展方向。

2 HEV能量管理

能量管理问题涉及多种影响整车能量优化的因素，对于HEV能量管理策略的优化起着关键的指导性作用，目前可以从以下几个方面考虑。

2.1 等效油耗的能量管理问题

由于电动汽车不会直接消耗油料，所以只能以能量消耗的方式测试电动车的等效油耗或将电动车以等同于燃油车辆的驾驶型态进行测试并记录能量消耗，再换算出电动车的等效油耗，所以等效油耗问题是研究HEV能量管理问题的门槛。

2.2 发动机能效优化问题

发动机能效是指发动机对燃料释放能量的有效利用率，发动机在工作过程中，燃料释放的总能量只有一部分用作输出做功，其余都以热能或其他形式损耗了，发动机的能效成为其性能评价的一个重要指标。发动机的热损耗与机械损耗占燃油化学能的65%左右，提升发动机的能效可以很大程度改善HEV的能量经济性。

2.3 系统集成能量管理问题

系统集成是新能源汽车的关键技术，包括拓扑构型的选择以及零部件参数的优化和匹配设计。HEV能量管理的优化是针对已有系统，采用相应的算法，在系统各动力源之间进行能源分配和管理，优化各部件的工况点，使各部件相互协作，最大限度地发挥系统的性能。

2.4 制动能量回收问题

制动能量回收是指车辆的部分动能以再生制动的形式转化为电能加以二次利用，这对于提高车辆的经济性具有重要意义[2]。根据对汽车制动系统动力学的分析和电动机、蓄电池的模型，构建如下的优化问题：

式中：f（x，t）—目标函数；k1、k2—权系数；x—控制变量，用于定义变量上下限，x=｛Tm，Tff｝，Tff—前轮机械摩擦制动转矩；Fbmax—后轮最大地面制动力；ωmmax—电动机的最大角速度；φf、φr—前后轮的利用率附着系数，定义为：

式中：i—轮数，取 f或 r；

Fzi—车轮的垂直载荷。

式（1）中，系数k1、k2的取值大小，体现对能量回收和制动性能的侧重关系。

3 HEV能量管理策略研究进展

近年来，专家学者对于HEV的能量管理进行了大量研究并取得了较大的进展，目前HEV能量管理主要有以下控制原则：优化发动机工作点、减少发动机动态波动、限制发动机最低转速、控制发动机启停次数、优化蓄电池荷电状态（State of Charge，SOC）以及合理分配动力源。基于此，可以提取出以下多种控制策略。

3.1基于规则能量管理策略

3.1.1 确定性规则策略

该策略常见的有电消耗-电维持型（Charge Depletion-Charge Sustaining，CD-CS）和电动车-电维持型（Electric Vehicles-Charge Sustaining，EV-CS）策略等。文献[3]介绍了一种基于规则的插电式混合动力汽车（Plug-in Hybrid Electric Vehicle，PHEV）的能量管理策略，该混合方式分为EV+CS，CD+CS，EV+CD+CS三种模式，其燃油消耗对比，如图1所示。同时，文献[3]还对不同电池荷电状态时的三种模式间的切换进行分析，如图2所示。随着电量下降，整车依次工作在EV、CS以及CS＆CD模式之间，最终SOC保持在30%左右。除此之外，文献[4]提出了基于最佳电能使用的PHEV控制策略，有效地提高了整车燃油经济性。

图1 基于规则的能量管理策略下的燃油消耗Fig.1 Fuel Consumption Based on Regular Energy Management Strategies

图2 SOC变化曲线Fig.2 Change Curve of SOC

3.1.2 模糊规则策略

模糊控制型能量管理策略，其算法不局限于单一、固定的数值，也不依赖精准数学模型，而是建立在专家知识库或使用者经验的基础上。文献[5]拟定具体模糊规则，合理分配了电机扭矩和发动机扭矩。文献[6]综合考虑能耗和排放性能，从SOC切入，提出了一种基于模糊控制的能量管理策略，该策略在标准工况下，与电辅助控制策略相比，油耗下降约12%，同时排放性能也有相应提升。文献[7]针对某款串联式HEV，融合模糊控制和神经网络提出了一种能量管理策略，结果表明燃油效率和行驶里程有所提升。文献[8]综合神经网络和自适应算法，对模糊策略进行优化以及在线学习，试验结果表明，该策略比ADVISOR中原有策略的模拟油耗降低了10%。

3.2 全局优化管理策略

全局优化管理策略是一种全局数值优化和解析优化控制的方法，包括线性优化策略、随机动态优化策略、动态优化策略以及优化算法优化策略。其中动态优化和遗传算法应用更为广泛，下面主要介绍动态优化和遗传算法策略研究进展。

3.2 .1动态规划策略

动态规划（Dynamic Programming，DP）策略实施的关键在于“离散”，之后选择适当的状态变量和决策变量，就可以应用DP来研究能量管理策略。文献[9]针对一款新型的并联式PHEV，应用DP算法在不同行驶里程下的控制策略进行了全局优化研究，其设计的动态规划数值解法及计算结果，如图3、图4所示。文献[10]提出基于历史交通信息和驾驶循环建模的方法，并应用DP算法使得SOC在驱动周期结束时下降到特定值。文献[11]应用DP算法，使得SOC在驱动周期结束时下降到特定的终端。

图3 动态规划数值解法示意图Fig.3 Schematic Diagram of Numerical Solution of Dynamic Programming

图4 动态规划全局优化计算结果Fig.4 Global Optimization Results of Dynamic Programming

3.2.2 遗传算法优化策略

遗传算法是模拟自然生物学评估过程（适者生存）的随机全局检索技术，是解决复杂工程优化的有效手段。在HEV能量管理领域，便于建立多目标优化问题，可大幅提高综合性能，所以备受重视。文献[12]基于浮点数编码改进原有遗传算法，相比优化前实现了油耗和排放的降低预期。文献[13]将汽车动力性能作为约束条件，提出以HEV排放和油耗为优化目标建立非线性控制模型，并用改良的遗传算法对其展开求解，结果表明此方法可以使HEV的油耗和排放综合性能优化提高4%。

3.3 实时优化管理策略

对于实时优化管理策略，等效油耗最小化策略（EquivalentConsumption Minimization，ECM）和模型预测控制策略（Model Predictive Control，MPC）是两种最具代表性的方法。

ECM策略在于完善最小化油耗目标，可根据HEV本身设计电池能量观测单元，或通过改进ECM策略等方式，从而提高燃油经济性。文献[14]为了识别等效因子（EquivalentFactor，EF）定义了能量比，将实时更新的EF作为计算时的输入，通过使用遥测系统检测车辆位置和电池充电状态，仿真结果表明ECM策略的驾驶成本和燃油消耗量与动态规划策略相当。

MPC策略的原理是将车辆和驾驶员组成一个整体系统，且预测模型必须捕获驾驶员的行为。虽然详细的模型可用于车辆部件的动力学，但是用于驾驶员行为的模型框架较少建立。在某些情况下，驾驶员由控制系统来表示，通常由随机过程驱动并在所建线性模型中附加非线性因素，如执行器饱和度、转换速率等[15]。文献[16]基于随指数变化的随机马尔科夫模型和基于神经网络的速度预测方法的基本原理，分析其对调谐参数的敏感性，并设计提升预测精度，从而提高了车辆燃料的经济性。

3.4 其他智能化能量管理策略

目前较为先进的能量管理策略有基于工况自适应型策略、基于多智能体系统策略、博弈论以及神经网络等。文献[17]利用几种典型的运行工况训练对应的神经网络，达到油耗节省的效果。文献[18]由GPS获取数据信息构建预测模型，并应用极小值原理来进行整车能量配比的优化。文献[19]对马尔科夫理论进行深入研究，预估车辆关键行驶参数及状态量，并进行深入研究，实现HEV根据工况变化的自适应控制。

通过以上分析，对HEV能量管理策略进行了合理的梳理分析，所述各种策略的性能对比，如表1所示。

表1 能量管理策略性能对比Tab.1 Comparisonof Energy Management Strategy Performance

4 结论

综上，HEV能量管理涉及多个目标的优化，从控制能量流动、优化能量利用率角度出发，以提高车辆动力性、燃油经济性以及排放性能为目标，进行了文献综述。

目前从应用上来看仍然存在以下问题：

（1）基于规则式能量管理策略，仅仅是在线应用，优化性较差。而基于优化的策略，大部分算法运算复杂，实时性能难以实现。

（2）对于HEV多目标进行简单地等效化处理，会因为各指标间单位难以统一，导致效果较差。

（3）整车能量管理过程中，电池的过流、过压以及能量管理系统的异常等情况存在安全隐患，并关系到车辆能否正常运行。

考虑到以上HEV能量管理的影响因素、发展概况和存在的问题，并结合实时工况、具体构型，机构特性等方面，对未来进行的工作做出展望：

（1）综合多种方法，取长补短。通过以上分析可知，HEV能量管理对应多种策略，且各有特点。单一的优化策略在HEV能量管理问题上都有着不同的局限性，如何综合不同的方法，取长补短，实现可在线应用的近似全局优化能量管理策略，是HEV能量管理问题的研究重点。

（2）优化电机能效。电机作为新能源汽车重要的动力源，其效率的提升对于新能源汽车的能量经济性改善至关重要。提高电机的效率并扩大高效区范围，从电机材料、设计、电力电子和电机控制等方面综合考虑，也是HEV能量管理问题的一个研究重点。

（3）进行精确的电池SOC估算。精确估算电池SOC可确保其工作在合理的范围内，对于能量的合理分配有重要意义。由于现有技术仍然不成熟，所以准确估测电动汽车电池模块的SOC状态，仍是后期研究的重点。

（4）考虑智能优化控制与驾驶风格的有机结合。智能控制高度融合自动控制和人工智能，对于HEV能量管理系统来说，智能优化控制方法与驾驶工况预测技术以及多目标间的均衡优化的有机结合是未来的研究热点。

（5）在提升能量利用率的同时更要兼顾安全性。快速发展的电子技术推动汽车产业向着低碳化、集成化、信息化、智能化的方向发展，因车辆电控系统故障所引发的功能失效、新能源车辆热失控等安全问题日益突出。从功能安全角度深入探讨、规避HEV能量管理系统的风险，是接下来发展的趋势。