混合動力汽車能量優化綜述

尚志誠，劉一鳴

?

混合動力汽車能量優化綜述

尚志誠，劉一鳴

（重慶車輛檢測研究院有限公司，國家客車質量監督檢驗中心，重慶 401122）

文章重點闡述了混合動力汽車能量優化的三種分類方式，并對幾種常見能量優化的控制策略進行介紹和比較，得出這些算法的優缺點及適應場合。

混合動力汽車；能量控制策略

引言

混合動力汽車(Hybrid Electric Vehicle，HEV)是由兩種或兩種以上的能量源提供動力的汽車，是新老技術結合的產物，它同時具有純電動汽車和傳統內燃機汽車的優點，既有純電動汽車高效率和低排放的優點，又具有燃油汽車高比能量（單位質量的燃料所具有的能量）和比功率（單位質量的燃料所具有的功率）的長處，顯著改善了傳統內燃機汽車的排放和燃油經濟性，增加了電動汽車的行駛里程[1-4]。作為傳統燃油汽車與純電動汽車的過渡產品和折中方案，混合動力汽車已經成為國際范圍內新型環保車輛開發的熱點[5]，具有很好的發展前景和市場潛力。

混合動力汽車按動力復合方式可劃分為3種類型：串聯式混合動力電動汽車（Series Hybrid Electric Vehicle，SHEV）、并聯式混合動力電動汽車(Parallel Hybrid Electric Vehicle，PHEV)、混聯式混合動力電動汽車(Series Parallel Hybrid Electric Vehicle，SPHEV)[6-8]。按照電功率在總驅動功率中所占的比例，則又可分為深度混合/全混（Full Hybrid）、中度混合（Mild Hybrid）和輕微混合（Micro Hybrid）。不管是何種型式的混合動力系統，都要對多個能量源與其他部件相互配合進行優化組合，形成不同的動力系統工作模式，以適應不同的行駛工況需求，獲得傳統汽車所不能得到的優化控制目標（最佳燃油經濟性，最低排放等)[9]。

混合動力汽車的能量控制策略可根據當前車輛的運行狀態，合理分配發動機和電池的功率輸出，以實現最小的燃油消耗或者排放。其本質是對發動機和電池的能量負荷進行協同控制。不同的能量協同控制策略，其建模和計算的復雜程度，在線控制的可實施性以及智能化程度的差異很大。如何尋找一個運算量較小，可在線運行又能實現自主學習的智能化能量協同控制策略成為近年來混合動力汽車研究領域的一個熱門話題。

1 能量控制策略分類

混合動力汽車的能量控制策略共有三種分類方式：

Guzzella L，Sciarretta A在文獻[10]中將能量控制策略分為無因果關系控制策略和因果關系控制策略。這種分類方式是依據能量控制策略是否依賴于未來駕駛工況。無因果關系控制策略需要詳細的車輛未來駕駛信息，這些駕駛信息的獲取有兩種方式：第一種方式是車輛運行在固定工況，如美國城市循環工況(UDDS)及公路循環工況(HWFET)。第二種方式是針對公共交通車輛，其具有相對固定的駕駛路線并可獲取一定的未來駕駛信息。除此之外，駕駛信息都是不可提前獲取的，至少在某種意義上不能提前獲取車輛的車速及海拔高度的詳細信息，在這種情況下，就只能使用因果關系能量控制策略。

同樣是Sciarretta A，Guzzella L在文獻[11]中將能量控制策略分為啟發式控制策略、最優控制策略及次優控制策略。啟發式控制策略中采用了布爾或模糊規則，其中的多個控制參數，如發動機啟動轉速對混合動力系統的結構和工況具有很強的依賴性，因此，需要開展一系列昂貴的標定實驗。此外，在某種確定工況下控制效果很好，但在其它工況下，同樣的控制參數會導致很差的控制效果。為了解決上述啟發控制策略面臨的問題，可以采用系統的、基于模型目標方程的最優化能量控制策略。最優化控制策略的實現方式包含靜態最優化、數值動態優化以及封閉動態優化。所有這些最優控制策略都需要未來的駕駛信息，在實時控制系統的實現比較困難，因而次優能量控制策略得到了廣泛研究。

Salmasi F R[12]，Wirasingha S G, Emadi A[13]分別將混合動力汽車的能量控制策略分為兩種類型：基于規則的能量控制策略和最優化的能量控制策略。如圖1所示?；谝巹t的能量控制策略又可以分為確定性規則控制和模糊規則控制。最優化控制又可以分為全局最優和實時最優的控制策略。

圖1 能量控制策略分類[12-13]

確定性規則中又有開關控制策略和功率跟隨控制策略，模糊規則中有傳統模糊控制策略和自適應控制策略。全局優化中可以采用線性規劃控制策略、動態規劃及隨機動態規劃。實時最優控制策略中包括等效燃油消耗、去耦控制及最優預測控制策略。

2 常見控制策略介紹

2.1 確定性規則控制

（1）開關控制

Ehsani M, Gao Y, Emadi A[14]采用了開關控制策略，事先設定好電池的和，當SOC低于時，開啟發動機且一直工作在效率最高點，當SOC高于時，發動機關閉。開關型控制策略控制邏輯較為簡單，但并不能滿足車輛在所有工況條件下的功率需求，不過這種控制策略在行駛路徑已知的串聯式混合動力城市公交車上得到廣泛的應用。

（2）功率跟隨控制策略

在這種控制策略下[12]，發動機是汽車動力的主要來源，汽車需要的額外功率由電機提供，發動機持續給電池充電。這種控制策略一般依據如下幾種規則：1.車速較低時只使用電機；2.需求功率大于發動機所能提供的功率時由電機提供額外的功率；3.制動的能量再回收；4.功率需求低于某一極限值時發動機關閉，以提高發動機效率；5.電池的SOC低于某一極限值時，發動機要提供額外的功率給電池充電。這種控制策略很受歡迎，但其缺點是整個動力傳動系統的效率不是最優的，且沒有充分考慮排放的改善。Toyota Prius以及Honda Insight均采用這功率跟隨型控制策略。

2.2 模糊規則控制

（1）傳統模糊控制策略

Lee H D, Sul S K[15]提出了模糊控制邏輯來降低的排放的同時持續給電池充電并獲取駕駛員的需求轉矩。模糊控制器的輸入是加速踏板行程和電機轉速。按照“IF…is…AND…is…THEN…is…”形式制定規則庫，輸出則為發動機和電機的功率分配。結果顯示這種控制邏輯與傳統內燃機車輛相比的排放可以降低20%，這種控制策略的主要缺點是不能保證對電池的持續充電。

（2）自適應模糊控制

Langari R, Won J S[16-17]中將自適應模糊控制策略應用到能量控制策略中?？刂撇呗灾兄饕牟糠郑厚{駛信息提取，駕駛環境識別，模糊轉矩分配以及荷電狀態補償器。其中駕駛環境識別中又包含四部分內容：路型識別，駕駛員類型識別，駕駛趨勢識別以及驅動方式識別。這種控制策略在車輛需求大功率時，會終止對電池的充電以滿足車輛性能要求，即使電池的SOC已經很低。自適應模糊控制策略在能量優化策略中使用廣泛，其主要缺點是不考慮動力傳動系統的效率。

2.3 全局最優控制策略

（1）線性規劃

Tate E D, Boyd S P[18]將凸規劃用于能量管理系統。他們將極小化燃油消耗表述為非線性的凸規劃問題并最終近似為一個大的線性規劃問題。其中瞬時的燃油消耗假設為發動機輸出功率的凸函數，，一系列類似的處理方式用于該問題。最終建立目標方程為并包含許多限制條件。這種控制策略可以提供全局最優解，然而轉換過程中用到了許多近似，事實上線性規劃對于復雜的動力傳動系統的能量優化控制是不合適的。

（2）動態規劃

Lin C C, Peng H, Grizzle J W, et al[19]將DP算法用于混合動力卡車的最優功率分配。以汽車在已知工況下的油耗最小為最終目標，建立相應的能量流模型，將車輛運行工況按時間間隔，劃分為若干相繼的片段，然后求得各片段發動機功率最優輸出序列，使目標函數達到極值。DP算法需要知道車輛的工況，且迭代過程計算量較大，DP算法的結果代表著能量優化結果的最好效果。

（3）隨機動態規劃

Lin C C, Peng H, Grizzle J W[20]使用隨機動態規劃對混合動力汽車的能量分配策略進行優化。這種方法認為駕駛員的功率需求基于Markov過程，能量分配策略是在一系列隨機的駕駛工況中進行最優控制，而不是針對優化某種給定的工況。隨機動態規劃策略可以求解有約束的非線性優化問題，這種控制策略可以產生隨時間連續變化的能量分配策略，用以控制發動機與電池的實際能量分配，但這種控制策略需要經過確定的動態規劃策略的訓練。

2.4 實時最優控制策略

（1）等效燃油消耗

Sciarretta A, Back M, Guzzella L[21]采用等效燃油消耗控制策略來實現實時的最優控制過程。優化目標函數為：

其中和是時間內的燃油能量消耗和電能消耗。應當注意的是這種控制策略不依賴于平均效率。權重因子通過下式獲得：

其中和用于評估駕駛結束后等效電能的消耗的正負。等效燃油消耗控制策略的缺點是沒有明確的考慮電池的持續充電問題。

（2）去耦控制策略

Pisu P, Koprubasi K, Rizzoni G[22]提出了一種新穎的控制策略來確保可接受的車輛駕駛性能。除了駕駛功率需求和電池SOC，還有其它措施來保證車輛的駕駛性能，比如換擋平順及減少傳動系統振動。針對電機用于直接驅動后輪且發動機上集成啟動電機的動態車輛模型，采用去耦控制策略?？刂破鞯妮敵鲇扇糠纸M成：1.第一部分駕駛功率需求的設計使用等效燃油消耗的控制策略；2.第二部分主要用于控制電池SOC；3.第三部分確保車輛的駕駛性能，這部分采用線性二次型調節器。但這種控制策略仍處于發展的初級階段。

（3）最優預測控制

Salman M, Chang M F, Chen J S[23]引入了價值函數用于表示等效燃油消耗，這個價值函數可以有預見性的找到實時預測控制法則。最優控制理論用于解決上述問題，這種方法通過預先查看駕駛方式和地形信息，實現燃油經濟性的瞬時最優。

3 總結

本文依據Salmasi F R[12]，Wirasingha SG,Emadi A[13]將混合動力汽車能量控制策略分為兩種類型：基于規則的能量控制策略和最優化能量控制策略。基于規則的能量控制策略實現起來相對簡單，但不能得到問題的最優解。全局最優的控制策略需要預先知道未來的駕駛信息，且運算耗時。針對具體的工程問題，可以根據所需實現的目標選擇合適的能量控制策略，以期實現以最小的代價獲取較優控制結果的目的。

[1] 陳清泉,孫逢春,祝嘉光,等.現代電動汽車技術[M].北京理工大學出版社, 2002.

[2] 阿布里提?阿布都拉,清水健一.電動汽車的發展現狀和開發方向[J].電工電能新技術, 2001, 20(1):49-53.

[3] (波蘭)Szumanowski A 著.混合電動車輛基礎.陳清泉,孫逢春譯[M].北京:北京理工大學出版社,2001.

[4] 廣瀨久士,丹下昭二.電動車及混合動力車的現狀與展望[J].汽車工程, 2003, 25(2): 204-209.

[5] 王冬,田光宇,陳全世.混合動力電動汽車動力系統選型策略分析[J].汽車工業研究,2001, (2):17-20.

[6] Chan C C. The state of the art of electric and hybrid vehicles[J]. Proceedings of the IEEE, 2002, 90(2): 247-275.

[7] Wirasingha S G, Emadi A. Classification and review of control strategies for plug-in hybrid electric vehicles[J]. IEEE Transactions on Vehicular Technology, 2011, 60(1): 111-122.

[8] 鄧元望,王耀南,陳潔平.混合動力驅動系統及其在越野車中的應用[J].農業機械學報,2006,37(10):38-41.

[9] 朱元.混合動力汽車能量管理策略的四步驟設計方法[D].清華大學汽車工程系,2003.

[10] Guzzella L, Sciarretta A. Vehicle propulsion systems[M].Springer, 2007.

[11] Sciarretta A, Guzzella L. Control of hybrid electric vehicles[J]. Con -trol systems, IEEE, 2007, 27(2): 60-70.

[12] Salmasi F R. Control strategies for hybrid electric vehicles: Evolu -tion,classification, comparison,and future trends[J]. IEEE Transac- tions on Vehicular Technology, 2007, 56(5): 2393-2404.

Summary of Energy Optimization of Hybrid Vehicle

Shang Zhicheng, Liu Yiming

( Chongqing Vehicle Inspection Research Institute Co., Ltd., National Bus Quality Supervision and Inspection Center, Chongqing 401122 )

This paper focuses on three kinds of classification methods of energy optimization for hybrid electric vehicles, introduces and compares several common control strategies of energy optimization, and obtains the advantages and disadvan -tages of these algorithms and their adaptive occasions.

hybrid electric vehicle;energy control strateg

U469.7

A

1671-7988(2019)07-29-03

尚志誠（1989-），男，工程師，就職于重慶車輛檢測研究院有限公司，國家客車質量監督檢驗中心。

U469.7

A

1671-7988(2019)07-29-03

10.16638/j.cnki.1671-7988.2019.07.009