【技術實現(xiàn)步驟摘要】
本專利技術涉及混合動力能量管理領域，特別涉及一種基于粒子群算法的串聯(lián)式混合動力車輛綜合能量管理方法。
技術介紹
1、混合動力車輛兼具兩種動力源的特性，通過協(xié)同控制可以充分發(fā)揮內(nèi)燃機和電池各自的優(yōu)點，其中，串聯(lián)式混動車輛具有結構簡單，低速工況動力性強，可有效避免里程焦慮的優(yōu)點，是當前極具競爭力的車型。
2、在混合動力車輛能量管理領域，基于粒子群算法的能量管理策略具有結構簡單，能夠快速收斂，達到全局最優(yōu)的優(yōu)點。然而傳統(tǒng)的粒子群算法主要利用牽引功率作為目標功率，且忽略電池的損耗。
3、隨著人們對車輛動力性和舒適性有更高的要求，車輛的功率需求也隨之增加，在高功率工況下，車輛的散熱功率需求變得更大，而傳統(tǒng)以牽引功率作為需求功率的計算方法使得其與實際需求功率相差較大，進而得到不符合實際需求的控制策略。而電池老化會影響混合動力車輛的性能與經(jīng)濟性，高功率充放電、高溫等都會使電池的損耗較大，忽略電池損耗得出的優(yōu)化結果，可能導致電池的過早老化，提高運行成本。
技術實現(xiàn)思路
1、本公開提供了一種基于粒子群算法的串聯(lián)式混合動力車輛綜合能量管理方法，在傳統(tǒng)粒子群算法的基礎上，進一步考慮冷卻系統(tǒng)散熱功率和電池損耗成本，通過計算冷卻系統(tǒng)散熱功率和建立電池損耗模型，優(yōu)化能量管理策略的效果，提高能耗經(jīng)濟性。
2、本公開提供的基于粒子群算法的串聯(lián)式混合動力車輛綜合能量管理方法，包括如下步驟：
3、s101：建立混合動力車輛綜合需求功率p計算模型；
4、s10
5、s103：建立基于所述綜合需求功率p和電池soc的混動車輛工作模式及功率輸出控制策略模型；
6、s104，針對所述控制策略中包含的工作模式或功率輸出切換閾值和特定輸出功率值，采用粒子群算法進行尋優(yōu)；
7、s105，將粒子群優(yōu)化結果代入控制策略中。
8、進一步的，所述步驟s101中，混合動力車輛需求功率模型為：
9、
10、其中，m為整車質(zhì)量；g為重力加速度；f是滾動阻力；是坡度角度；cd是風阻系數(shù)；a為迎風面積；a為加速度；δ為旋轉質(zhì)量換算系數(shù)；v為車輛行駛速度；pf為風扇功率；pm為水泵功率；pc是制冷單元功率。
11、進一步的，所述步驟s102中：
12、損耗的總成本為：
13、j＝j1+j2+jbat
14、其中，j即為所述優(yōu)化目標函數(shù)；
15、其中，燃油消耗成本為：
16、j1＝c1*mf
17、其中，j1為燃料消耗成本，c1為燃料價格；mf為燃油消耗率；
18、電能消耗成本為：
19、
20、其中，j2為電能消耗成本，c2為電價；pb為電池輸出功率；
21、電池損耗成本為：
22、
23、ea＝-31700+370.3c
24、
25、其中，jbat為電池損耗成本；ns為串聯(lián)電池數(shù)量；np為并聯(lián)電池數(shù)量；m為單節(jié)電池價格；ibat為電池電流；ah為安時吞吐量；b為前因子；ea為電池活化能；r為氣體常數(shù)；tbat為電池的溫度；z為指數(shù)因子；c為工作條件下電池的c率；ibat為電池組的電流，qbat為電池組的容量。
26、進一步的，所述步驟s102中的燃油消耗率mf的獲取方法包括：
27、根據(jù)發(fā)動機和發(fā)電機的map圖，結合得到輔助動力單元的map圖，并計算出輔助動力單元在每個功率點的最佳燃油消耗點，擬合得最佳燃油曲線，進而根據(jù)控制策略分配的發(fā)電功率，得到燃油消耗率。
28、進一步的，所述步驟s103中的策略模型具體包括：
29、(1)soc＞0.8時，采用儲能單元純電驅(qū)動模式：
30、如果p>s2max，則輸出功率：s1＝p–s2max，s2＝s2max；
31、否則，s1＝0；s2＝p；
32、其中，s1為輔助動力單元即發(fā)動機-發(fā)電機組輸出功率，s2為儲能模塊輸出功率；
33、(2)0.3≤soc≤0.8時，采用輔助動力單元和儲能單元混合驅(qū)動模式；
34、如果0<p<第一閾值p1，則輸出功率為：s1＝0，s2＝p；
35、如果p1<p<第二閾值p2，則s1＝p，s2＝0；
36、如果p>p2，則s1＝特定輸出功率值p3，s2＝p-p3；
37、如果p≤0，則s1＝0，s2＝p。
38、進一步的，所述步驟s104具體包括以下步驟：
39、以所述第一閾值p1、第二閾值p2、特定輸出功率值p3為尋優(yōu)參數(shù)，進行粒子群初始化，包括：設定粒子群規(guī)模m＝60，粒子的邊界條件p1：[0?50]，p2：[40?90]，p3：[80?130]，鄰域范圍λ＝20，粒子位置隨機分布，例子速度＝0，設置最大迭代次數(shù)n＝100；
40、適應度函數(shù)設置為優(yōu)化目標函數(shù)，將粒子的初始位置記錄為歷史最佳位置，對每個粒子計算適應度函數(shù)；
41、基于初始條件和初次迭代，從第二次迭代開始，每個迭代步，計算每個粒子的位置和速度并確立為其單個粒子最優(yōu)位置和群體最優(yōu)位置；
42、當?shù)螖?shù)達到設置最大迭代次數(shù)時，優(yōu)化過程結束。
43、與現(xiàn)有技術相比，本公開的有益效果是：(1)通過引入冷卻系統(tǒng)散熱功率和電池損耗模型，提高制定能量管理策略的有效性；(2)基于粒子群算法優(yōu)化模式切換閾值，能快速得出優(yōu)化結果，節(jié)約開發(fā)時間；(3)提高車輛運行能耗經(jīng)濟性。
本文檔來自技高網(wǎng)...【技術保護點】
1.一種基于粒子群算法的串聯(lián)式混合動力車輛綜合能量管理方法，包括以下步驟：
2.根據(jù)權利要求1所述的方法，其特征在于，所述步驟S101中，混合動力車輛需求功率模型為：
3.根據(jù)權利要求1或2所述的方法，其特征在于，所述步驟S102中：
4.根據(jù)權利要求3所述的方法，其特征在于，所述步驟S102中的燃油消耗率mf的獲取方法包括：
5.根據(jù)權利要求1所述的方法，其特征在于，所述步驟S103中的策略模型具體包括：
6.根據(jù)權利要求5所述的方法，其特征在于，所述步驟S104具體包括以下步驟：
【技術特征摘要】
1.一種基于粒子群算法的串聯(lián)式混合動力車輛綜合能量管理方法，包括以下步驟：
2.根據(jù)權利要求1所述的方法，其特征在于，所述步驟s101中，混合動力車輛需求功率模型為：
3.根據(jù)權利要求1或2所述的方法，其特征在于，所述步驟s102中：
4...
【專利技術屬性】
技術研發(fā)人員：姜聰，王超，龍仁榮，張濤，
申請(專利權)人：中國北方車輛研究所，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。