增程式電動汽車控制策略的優化*

閔海濤，葉冬金，于遠彬

(吉林大學，汽車仿真與控制國家重點實驗室，長春 130025)

前言

國外AVL、MAHLE和FEV等公司在增程式純電動車整車控制方面進行了多年的研究與實踐，但主要是對發動機工作點/區域及其控制效果進行研究，這種方法并不能確定所制定的控制策略與系統能達到的最佳性能的接近程度。為解決此問題，本文中利用NSGA-II算法，以系統循環損失能量最小為優化目標，對增程式純電動車控制策略進行優化。

1 增程式電動汽車的構型與控制策略

1.1 增程式電動汽車結構

增程式電動汽車的結構特點就是在傳統純電動汽車基礎上加裝發動機和發電機組，如圖1所示。因此純電動汽車所具備的特點在增程式電動汽車上依然具備［3］。與傳統混合動力汽車相比，增程式電動汽車的發動機功率較小，電機和電池功率較大，電池可向電網充電。

本文中所用增程式電動汽車主要技術參數如表1所示。

表1 增程式電動汽車仿真模型參數

1.2 增程式電動汽車控制策略

增程式電動汽車電池組工作模式如圖2所示。增程式純電動車在電池充滿電的初期行駛階段，整車的需求功率完全由動力電池提供，發動機不參與工作，此時增程式純電動車相當于純電動汽車;當電池組的能量消耗到一定程度時，發動機起動，與動力電池協同工作，此時增程式純電動車相當于混合動力汽車。增程式純電動車電池容量只須滿足城市大部分人員每天行駛里程的要求，所以與純電動汽車相比，電池成本大幅下降;而增程式純電動車發動機的使用，主要是為避免駕駛員對行駛里程的擔憂，并且只是在電池電量不足時才起動，發動機無須提供車輛所有的動力需求，其功率可顯著降低。

1.2.1 增程式電動汽車工作模式

增程式純電動車動力系統有兩個動力源:發動機發電機組(增程器，或稱輔助動力單元)和動力電池組。根據兩個動力源不同的能量分配形式，增程式純電動車的基本運行模式有:EV模式、串聯驅動模式、發電機組驅動行車發電模式和制動能量回收模式等。圖3(a)為EV模式:發動機發電機組不參與工作，車輛以動力電池組消耗能量的形式行駛，此時電池組的電量在不斷消耗，即SOC不斷減少。圖3(b)為串聯驅動模式:發動機驅動整車行駛，當發動機不足以單獨驅動車輛行駛時，動力電池提供功率需求不足的部分。圖3(c)為發電機組驅動行車發電模式:這種情況下，發動機單獨驅動車輛行駛，發動機輸出功率超出車輛需求的部分向動力電池充電，以此提高發動機工作效率和整車能量利用率。圖3(d)為制動能量回收模式，車輛在滑行或制動時動力總成進入該模式:當駕駛員踩下制動踏板或猛抬加速踏板時，整車進入制動能量回收模式，驅動電機進入發電狀態，給動力電池組充電。這種模式下，電制動和機械制動聯合作用，二者的分配比例由整車行駛狀態決定。

1.2.2 整車驅動策略

與很多其他國家比較而言，現階段我國的小學語言識字過程缺乏新穎的方法模式。處于低年級的小學生他們思想與心智都不夠成熟，識字教學還存在相應的困難。乏味呆板的識字過程并不能激起他們學習的興趣，怎樣改變傳統枯燥的教學方法引發學生強烈的學習興趣便是關鍵課題。

整車驅動策略設定了3個發動機工作點和基于車速切換的上、下限值，在工作中發動機的工作點或工作段是通過比較車速的當前值與切換限值來進行切換，這樣能夠使系統更高效穩定地工作，并能簡化整車控制策略。發動機三點控制策略的規則如下:

(1)根據整車功率需求，在發動機中尋找輕、中、高負荷的3個工作點，見圖4，分別記為PL、PM和PH，這3個點均為相應功率下的最佳燃油經濟點;

(2)設定車速切換上下限值為vH、vL，二者的值分別為80和50km/h;

(3)在電量消耗模式，動力電池提供車輛行駛所有的功率需求;

(4)在電量保持模式，采用APU為主、電池為輔的控制模式。第1種情況是當電池能輸出的功率足夠并且SOC值大于設定的下限值時，這種情況下當車速大于vH時發動機工作于高負荷的PH點，當車速介于vL～vH時，發動機工作在介于高負荷和中負荷的PM點，當車速小于vL時，發動機工作于低負荷的PL點;第2種情況是當電池能輸出的功率不足，并且SOC值小于設定的下限時，判斷車速是否大于vH，當滿足條件時工作在PH點，否則工作在PM點。

該控制策略利用了增程式純電動車增程器工作狀況不用跟隨負載功率需求的特點，通過在第(1)、(2)步中設定的多工作點工作模式和車速切換限值，減小了車速波動大的情況下發動機工作點的切換頻率，第(3)步保證了電流消耗模式下的純動力電池工作狀態，而通過第(4)步的工作點切換策略，在優化發動機燃油經濟性的基礎上也使動力電池SOC穩定在一定的區間內，這有利于提高動力電池的效率和使用壽命。

2 增程式電動汽車控制策略優化分析

在控制策略設計中須解決的一個非常重要的問題:對于已經確定的增程式純電動車的系統配置，實際制定的控制策略得到的性能是否接近系統能達到的最佳性能。本文中對增程式純電動車控制策略的控制參數進行優化，以確保所制定的控制策略得到的整車性能盡量接近系統能達到的最佳性能。

2.1 NSGA-II優化算法

帶精英策略的非支配遺傳基因算法(NSGA-II)具有較強的全局搜索和求解問題的能力，魯棒性強，適用于并行處理，是一種比較好的全局優化方法［4－5］。

針對增程式純電動車控制策略優化的問題，將NSGA-II算法在增程式純電動車控制策略優化問題的應用流程總結為:首先，隨機產生N個個體形成初始種群Pt，得到子代種群Qt，將子代種群與父代種群組合成大小為2N的種群Rt;其次，對種群Rt中的個體進行非支配排序和擁擠度計算，從中選擇最優的N個個體存入種群Pt+1中;最后，對新種群Pt+1進行遺傳算法的基本操作(選擇、交叉、變異)產生新的子代種群Qt+1，查看迭代代數是否滿足要求，如果沒有，將Pt+1和Qt+1組合成大小為2N的種群Rt+1，并重復上述操作，如果滿足，則停止迭代。經選定不同迭代代數的多輪實驗，確定迭代代數為80，因此時種群的質量已趨穩定。

2.2 優化變量

在增程式純電動車的控制策略中，發動機工作點是隨著車速不同而切換的，用到兩個限值(工作點1/2切換限值、工作點2/3切換限值)以切換發動機工作點，這兩個限值分別用cyc_mph_low和cyc_mph_high表示，現對這兩個參數進行優化，使整車效率得到提高。另外，發動機起停的頻繁程度對整車燃油經濟性也有影響，所以將發動機最短關閉時間(cs_min_off_time)也作為優化變量。所選取的優化變量和各變量的上下限值如表2所示。

表2 優化變量

2.3 優化目標

本文中的優化目標為系統循環損失能量最小。也就是合理分配循環中的每個控制量，在整車需求功率一定的情況下，使功率源能量傳遞效率和制動能量回收效能綜合最優。增程式純電動車的動力源有增程器和動力電池，所以功率源能量傳遞效率包括增程器輸出功率經過傳動系驅動整車的效率和動力電池輸出功率經過傳動系驅動整車的效率兩部分。優化目標為

式中:J為系統循環損失能量;Pfc(t)、Pbat(t)分別為發動機和電池的輸出功率;Qreg(t)為單位時間制動回收能量;Pneed(t)為整車輸出功率。

2.4 約束條件

約束條件為整車動力性能指標、純電動續駛里程和電池循環壽命，其中整車動力性指標約束即動力部件應滿足表3中整車最高車速、加速時間和最大爬坡度的要求，將動力性指標轉化為對應的發動機和動力電池功率大小的約束，即

式中:Pneed(vmax)為最高車速時的功率需求;ηeff、ηmot分別為機械傳動效率和電機效率;Pi(v)為坡度為i且車速為v時的功率需求;Tmot為電機輸出轉矩;io、ig分別為主減速器和變速器速比;r為車輪半徑;Pfc_max和 Pbat_max分別為發動機和電池的最大輸出功率。

表3 約束條件

整車純電動續駛里程約束不能通過簡單的公式計算得出，須根據相應循環工況下的電池能量需求綜合計算得到。而電池循環壽命約束與電池SOC使用范圍息息相關，為保證一定純電動續駛里程，電池SOC使用范圍不能太窄，但電池循環壽命要求又限制了電池SOC的使用范圍。

2.5 優化結果與分析

由于增程式純電動車控制策略參數優化的非線性和復雜性，須借助仿真軟件ADVISOR2002來計算整車油耗和動力性。優化過程如下:首先通過優化程序NSGA-II調用仿真軟件ADVISOR2002中的增程式純電動車整車模型，并賦初始值給優化變量，由ADVISOR2002計算出增程式純電動車系統循環損失能量目標函數值和整車動力性能約束函數，并將值返回給NSGA-II進行約束判斷，對滿足約束的解進行尋優，直至尋找到最優的解集［6－7］。

增程式純電動車運行過程中，電池的能量利用率較增程器高，所以希望電量消耗模式能夠盡量長，但受電池循環壽命的影響，電池SOC的使用范圍有限，本文中的優化過程主要考慮的是電量保持模式下，增程器與動力電池的能量綜合利用率盡量高。

優化過程的循環工況選擇NEDC工況，將增程式純電動車控制策略參數采用NSGA-II算法進行優化。NSGA-II參數設置如下:種群規模為90，進化代數為90，優化前后單位時間電池損失能量如圖5所示，優化前后發動機工作情況如圖6所示，優化結果如表4所示。

表4 優化結果

由圖5可知，優化后單位時間電池損失能量雖然在局部某些地方較優化前上升，但總體而言，優化后的單位時間電池損失能量明顯下降，經過計算，優化前單位時間電池平均損失能量為105.34W/h，優化后則減小到 81.94W/h，較優化前下降了22.22%，電池損失能量大為減少。這說明優化后電池能量利用率得到有效提高。

由圖6可知，優化結果減小了工作點1/2切換限值(cyc_mph_low)而增大了工作點2/3切換限值(cyc_mph_high)，這主要是因為發動機工作于第2個工作點的效率相對較高，優化結果增加了發動機工作于第二點的幾率，這能提高發動機的工作效率，并降低系統循環損失能量，但這兩個值不能過于拉大，雖然發動機工作于最優效率點，但如果動力電池組輸出功率的變化范圍較大，將不利于整車效率的提高。而增大發動機最小關閉時間(cs_min_off_time)主要是為避免發動機的開閉動作過于頻繁，但這個值也不能過大，因為此時整車所需能量只從動力電池組獲得，動力電池組必須滿足整車所有的功率需求，造成動力電池有可能大電流放電，對其壽命不利。

從表4可知，在保證動力性能的前提下，整車一個NEDC循環的系統循環損失能量從優化前的2.2067kW·h下降到優化后的2.0604kW·h，降低了6.63%。由此可見，通過NSGA-II優化算法，找到了一組更好的控制參數，該優化結果是有效的，應用NSGA-II對增程式純電動車控制策略參數進行優化切實可行。

3 結論

(1)增程式電動汽車的工作模式分為電量消耗模式和電量保持模式。其整車驅動策略的思想是使發動機工作于效率較高的3個工作點，這樣既能避免在功率跟隨控制策略下效率不高的缺陷;又能防止在恒溫器控制策略下，當電池SOC較低時，為提供充足的功率，發動機工作點轉速較高，整車噪聲較大的不足。

(2)以系統循環損失能量最小為優化目標，利用帶精英策略的非支配遺傳基因算法，對增程式電動汽車控制策略進行優化。結果表明，所提出的優化算法可以找到一組全局優化的控制參數，整車效率得到有效提高。

［1］ Hans Kemper，et al．E-Vehicles with Range Extender– Properties and Potentials［C］．Aachener Kolloquium Fahrzeug-und Motorentechnik，2009:1001 －1024．

［2］ Jean J Botti，M James Grieve，John A MacBain．Electric Vehicle Range Extension Using an SOFC APU［C］．SAE Paper 2005 －01－1172．

［3］ Tate E D，Harpster Michael O，Savagian Peter J．The Electrification of the Automobile:From Conventional Hybrid，to Plug-in Hybrids，to Extended-Range Electric Vehicles［C］．SAE Paper 2008－01－0458．

［4］ 劉杰．混合動力轎車用復合電源參數匹配與優化設計研究［D］．長春:吉林大學汽車工程學院，2011．

［5］ 高媛．非支配排序遺傳算法(NSGA)的研究與應用［D］．杭州:浙江大學信息科學與工程學院，2006．

［6］ Hu Xiaolin，Wang Zhongfan，Liao Lianying．Multi-Objective Optimization of HEV Fuel Economy and Emissions Using Evolutionary Computation［C］．SAE Paper 2004－01－1153．

［7］ Gao Wenzhong，Mi Chris．Hybrid Vehicle Design Using Global Optimization Algorithms［J］．Int．J．Electric and Hybrid Vehicles，2007，1(1):57 －67．