增程式电动汽车自适应能量管理策略

以增程式电动汽车到达充电站时,动力电池电量处于较低水平为控制目标,设计了以燃油消耗最小与动力电池荷电状态(SOC)沿目标曲线变化的双目标代价函数,并采用动态规划算法进行优化求解。为实现在线最优控制,采用BP神经网络对优化结果进行训练学习,得到控制模型。仿真结果表明,所训练的控制模型对于动态规划优化结果具有很好的学习效果,SOC偏离误差在3%以内。最后,为解决控制模型仅适用于特定工况与行驶里程的问题,设计了一种自适应能量管理控制器,其包括运行状态识别模块、控制模型库、控制模型选择模块等。硬件在环试验表明,所设计的控制器能够控制SOC在仿真结束时刚好降到最低值,在乘用车高速公路燃油经济性测试循环(HWFET)工况下,该控制器相比电量消耗/电量维持算法燃油经济性提高了9.2%。