1. 概述
近年來結(jié)合外部環(huán)境信息對智能能量管理策略的研究增多。傳統(tǒng)的方式是將循環(huán)工況進(jìn)行片段劃分，然后利用聚類方法將這些片段形成典型的工況片段組，從而設(shè)計(jì)相應(yīng)的能量管理策略并形成“工況-策略”數(shù)據(jù)庫，在車輛運(yùn)用過程中根據(jù)實(shí)際路況的識別，在數(shù)據(jù)庫中匹配與當(dāng)前路況相似的策略進(jìn)行執(zhí)行。對于長且有規(guī)律的駕駛循環(huán)，該方法是有效且適用的。通常利用馬爾可夫鏈模型統(tǒng)計(jì)生成具有代表性的駕駛循環(huán)。除此之外，根據(jù)參數(shù)對排放和燃料消耗的影響，基于統(tǒng)計(jì)分析的方法也可以選取多個(gè)獨(dú)立的參數(shù)來描述城市駕駛的維度。
為了提高可獲得的出行信息水平，越來越多的研究將基于GPS、地理信息系統(tǒng)和歷史數(shù)據(jù)來進(jìn)行工況預(yù)測，進(jìn)而調(diào)整控制算法提高能量管理策略的應(yīng)用效果。本文第2部分將介紹智能交通系統(tǒng)。針對實(shí)時(shí)計(jì)算量大的問題，本文第3部分將介紹基于云計(jì)算的能量管理策略優(yōu)化。
圖1、智能交通系統(tǒng)的示意
2. 基于GPS智能手機(jī)的交通監(jiān)控系統(tǒng)
隨著智能手機(jī)的普及和功能的完善，基于智能手機(jī)GPS的交通監(jiān)控系統(tǒng)，充分利用了移動(dòng)網(wǎng)絡(luò)的廣泛性、GPS的位置和速度測量能力、智能手機(jī)的通信能力，通過遠(yuǎn)程信息技術(shù)使混合動(dòng)力汽車的控制器能夠獲取關(guān)于未來駕駛狀況的信息，利用即將到來的道路地形數(shù)據(jù)和相應(yīng)的車輛速度來使能耗實(shí)現(xiàn)最優(yōu)化處理。
基于GPS智能手機(jī)的交通監(jiān)控系統(tǒng)監(jiān)督預(yù)測能量管理的架構(gòu)可分為上層和下層。在上層，利用實(shí)時(shí)交通數(shù)據(jù)獲得的交通流速度計(jì)算出最優(yōu)的SOC軌跡。在下層，使用水平速度預(yù)測器來預(yù)測每一個(gè)滾動(dòng)時(shí)域的未來行駛速度。上層和下層分別對應(yīng)于長期擾動(dòng)和短期擾動(dòng)。需要注意的是，通過這種方法獲得的交通流速度將不同于實(shí)際車輛的速度，進(jìn)而產(chǎn)生的SOC參考軌跡存在誤差。為了解決這一問題，將生成的SOC軌跡在每個(gè)控制層作為終端SOC參考值引入到模型預(yù)測控制層中，使得較低層級的模型預(yù)測控制反饋閉環(huán)為減小參考SOC值的誤差提供了一定的控制靈活性。詳細(xì)的控制方式如下：
（1）獲取實(shí)時(shí)交通數(shù)據(jù)和路徑信息，計(jì)算最優(yōu)電池SOC軌跡；
（2）預(yù)測當(dāng)前控制層的短期未來速度分布；
（3）在給定參考SOC和預(yù)測速度序列的情況下，模型預(yù)測控制器計(jì)算最優(yōu)控制策略；
（4）將最優(yōu)控制策略的第一步應(yīng)用于準(zhǔn)靜態(tài)PHEV模型；
（5） 反饋系統(tǒng)狀態(tài)，更新系統(tǒng)約束，并在下一時(shí)刻重復(fù)計(jì)算過程。
圖2、監(jiān)督預(yù)測能量管理控制架構(gòu)
3. 基于云計(jì)算的能量管理策略優(yōu)化
圖3、交通數(shù)據(jù)反饋系統(tǒng)框架
除了交通狀況外，駕駛風(fēng)格的監(jiān)控和校正可以顯著提高車輛經(jīng)濟(jì)性。特別是，對于采用了Blended-type控制策略的PHEV而言，扭矩需求的微小偏差將觸發(fā)發(fā)動(dòng)機(jī)起動(dòng)，進(jìn)而對車輛能量管理策略發(fā)生顯著的變化?？梢越Y(jié)合行程信息和駕駛風(fēng)格來獲得最佳車輛速度曲線，從而引導(dǎo)駕駛員以最小的能量消耗進(jìn)行行駛。
通常，控制系統(tǒng)的在線計(jì)算能力可能成為這方面的限制因素。考慮到動(dòng)態(tài)規(guī)劃的計(jì)算量大和控制器成本問題，通過云計(jì)算處理交通信息獲取最佳策略是一個(gè)較為可行的解決方案，這種方案不僅可以保證模型準(zhǔn)確性，計(jì)算結(jié)果還可以運(yùn)用到類似條件的其他車輛。云計(jì)算和智能交通系統(tǒng)可以緩解在線計(jì)算壓力提供整體優(yōu)化。具體實(shí)施方式是：
（1）驅(qū)動(dòng)程序?qū)㈩A(yù)定旅行目的地信息發(fā)送到云平臺(tái)上執(zhí)行密集型計(jì)算；
（2）在云中，服務(wù)器生成一條路徑，收集相關(guān)的交通和地理信息；
（3）通過一種利用精確的車輛和油耗模型來確定路線沿線最優(yōu)速度軌跡的空間域動(dòng)態(tài)規(guī)劃算法來解決優(yōu)化問題；
（4）服務(wù)器將速度軌跡發(fā)送到與駕駛員通信的車輛。
圖4、云——車輛交互原理
4. 小結(jié)和展望
本文介紹了能量管理策略與智能交通系統(tǒng)的結(jié)合，通過智能交通系統(tǒng)對行駛路況進(jìn)行合理的規(guī)劃和估計(jì)，進(jìn)而與車載能量管理控制策略結(jié)合提升車輛能耗性能。后續(xù)文章我們將繼續(xù)從測試評價(jià)的角度，介紹在測試評價(jià)過程中發(fā)現(xiàn)的能量管理控制策略，進(jìn)一步的，我們將對能量管理策略未來發(fā)展趨勢進(jìn)行介紹。請關(guān)注后續(xù)文章：
■ 測試評價(jià)過程針對能量管理控制策略的研究
■ 能量管理控制策略未來發(fā)展趨勢分析
參考文獻(xiàn)
[1]·C·M·Martínez,·X·Hu,·D·Cao,·et·al.·Energy·Management·in·Plug-in·Hybrid·Electric·Vehicles·Recent·Progress·and·a·Connected·Vehicles·Perspective,IEEE·Trans·Veh·Technol 66(6),pp.4534-4549,2017
[2]·C·Sun,·S·J·Moura,·X·Hu,·Dynamic·Traffic·Feedback·Data·Enabled·Energy·Management·in·Plug-in·Hybrid·Electric·Vehicles,·IEEE·Transactions·on·Control·Systems·Technology,·vol.·23,·no.·3,·pp.·1075-1086,·MAY·2015
[3]·Engin·O,·Simona·O,·James·W,·et·al.·Cloud-Based·Velocity·Profile·Optimizationfor·Everyday·Driving:A·Dynamic-Programming-Based·Solution,·IEEE·Transactions·on·Intelligent·Transportation·Systems,·vol.·15,·no.·6,·pp.·2491-2505,·DECEMBER·2014
掃一掃在手機(jī)上閱讀本文章
中國（四川）自由貿(mào)易試驗(yàn)區(qū)成都高新區(qū)天府大道北段1700號7棟1單元14層1435號
028-83139986 400 119 1980
