基于ECMS算法的能量管理策略研究

徐彩丽 黄宏成 朱海健

上海交通大学汽车电子控制技术国家工程实验室， 上海 200240



基于ECMS算法的能量管理策略研究

徐彩丽 黄宏成 朱海健

上海交通大学汽车电子控制技术国家工程实验室， 上海 200240

控制策略是混合动力汽车的核心技术之一，直接影响了混合动力汽车的经济性、动力性等。本文以Prius混联式混合动力汽车为研究对象，进行ECMS算法的研究，对算法中的等效系数的确定以及等效系数的主动修正进行研究分析，先根据行驶工况确定参考等效系数，再根据电池SOC对等效系数进行调整，并在AVL/CRUISE中建立整车模型，在SIMULINK中设计了基于ECMS算法的控制策略，进行整车经济性的仿真分析，仿真结果表明所设计的控制策略能够在实现较好的燃油经济性的同时维持电池SOC的平衡。

混合动力汽车 ECMS 能量管理策略

0 前言

在目前纯电动汽车和和燃料电池汽车技术还不成熟的情况下，混合动力汽车作为一种过渡性产品在降低油耗和排放方面有很大的潜力[1]。混合动力汽车按其结构形式可分为串联式HEV，并联式HEV和混联式HEV[1,2]，混联式HEV结合了串联和并联式HEV的优点，但其结构相对比较复杂。控制策略是混合动力汽车的核心技术之一，直接影响了混合动力汽车的经济性、动力性等。

控制策略可分为基于规则和基于优化两类[2]。基于规则的能量管理控制策略算法简单，实时性较好，且具有很好的鲁棒性，但是其控制效果一般，无法充分发挥混合动力汽车的优势。相反，基于优化的能量管理控制策略引入优化的思想，寻求系统的全局或局部最优解，最典型的是动态规划算法(DP)和最小燃油消耗最小算法(ECMS)。DP算法作为一种全局算法无法进行实际应用，而ECMS算法是一种瞬时优化算法，有很好的应用前景。

本文以Prius混联式混合动力汽车为研究对象，进行ECMS算法的研究，旨在提高这种算法的实时性和降低算法的复杂性。对算法中的等效系数的确定以及等效系数的主动修正进行研究分析，并在AVL/CRUISE中建立整车模型，在SIMULINK中设计了基于ECMS算法的控制策略，进行整车经济性的仿真分析。

1 系统建模

虽然THS系统不断更新换代，但主要是相关部件参数的变化，性能的提高,其基本结构并没有发生变化[3]。所以本文仍以THS系统[3,4]为研究对象。如图1，THS系统使用单排行星齿轮机构，将发动机、电机1(MG1)和输出轴分别与行星齿轮机构的行星架、太阳轮和齿圈相连，大量文章针对THS系统建模仿真分析。

在准静态情况下，发动机、电机MG1、电机MG2之间的转速、转矩关系如下：

ωMG1=(1+R)ωe-RωMG2

(1)

(2)

(3)

式中，R是行星齿轮机构中齿圈与太阳轮的齿数比，ωe,ωMG1,ωMG2分别是发动机、电机MG1、电机MG2的转速(rpm)，Te,TMG1,Tr分别是发动机、电机MG1和行星架的扭矩。

图1 THS系统Fig.1 THS system

分析上面三个式子，在车速确定时，MG2转速也随之确定(固定速比关系)，所以可以通过调节MG1的转速来调节发动机转速；在需求扭矩一定时，要使得发动机扭矩为某一值，只需调节电机MG2的扭矩。所以THS系统利用行星齿轮机构实现了发动机转速和扭矩的调节，实现了转速和扭矩的双解耦。通过转速和扭矩的调节可使发动机工作在高效区域内，同时辅助电机MG2还可进行制动能量的回收。因此Prius在降低油耗方面有很大优势。但是额外增加的组件：行星齿轮机构、两个电机和电池及其附件，也带来了机械损耗。

混合动力汽车中，电池的荷电状态SOC是一个重要的状态量，它反映了电池存储能量的多少，是控制系统一个重要的指标。动力电池建模的主要是为了根据电池的充放电功率预测其电池SOC的变化。

电池的SOC与电池的工作电流有关。

(4)

式中，Ibatt是电池充放电电流(A)，Qbatt是电池电量(C)。

电池的充放电功率为：

(5)

式中，UOC是电池的开路电压(V)，Rbatt是电池内阻。

电池的充放电功率与两个电机的工作状态有关，有下式计算得到：

(6)

综合以上，可以得到电池SOC与两个电机转矩及转速的关系式：

(7)

2 基于ECMS的能量控制策略

ECMS算法的基本思想是：对于电量维持型混合动力汽车，电池只是一个能量缓冲器，车辆行驶中消耗的能量最终来自于燃油[5]。消耗的电池电能需要在车辆后面的行驶中消耗一定量的燃油进行补充，因此需要建立所消耗电池电能与补偿这些电能所需燃油的等效关系，将某一瞬时发动机消耗燃油与所消耗电池电能的等效燃油量归结为统一的能耗指标，作为优化控制的控制目标。

ECMS算法综合考虑每一瞬时系统的燃油消耗率和电池充放电功率，并将电池的充放电功率进行等效，从而得到系统的等效燃油消耗[5,6]。使得瞬时等效燃油消耗最小的控制律即是此时的控制量。

2.1 ECMS算法具体应用

根据前文分析，由等效燃油消耗的思想可以确定任意时刻系统的优化目标函数如下：

(8)

(9)

系统需要满足下面这些约束条件：

Te,min≤Te≤Te,max

(10)

ωe,min≤ωe≤ωe,max

(11)

TMG1,min≤TMG1≤TMG1,max

(12)

ωMG1,min≤ωMG1≤ωMG1,max

(13)

TMG2,min≤TMG2≤TMG2,max

(14)

ωMG2,min≤ωMG2≤ωMG2,max

(15)

对电量维持型混合动力汽车，其电池SOC必须满足：

SOCmin≤SOC≤SOCmax

(16)

(17)

图2 ECMS算法实现过程Fig.2 Realization of ECMS algorithm

具体实现时，如图2所示，当发动机转速低于怠速转速时，此时其输出扭矩为零；当发动机转速高于怠速转速时，要考虑发动机的外特性曲线，即发动机的扭矩不能超过在此转速下能够输出的最大扭矩。两个电机及电池等也要做类似处理，一方面保证计算结果有意义，另一方面滤去不合适的点，提高搜索效率。其次，要设定一个等效系数，优化目标是等效燃油消耗。等效燃油消耗分为两部分，一部分是实际的发动机的燃油消耗，另一部分是电池的等效燃油消耗。每一步搜索时计算等效燃油消耗值，再进行比较，以等效燃油消耗最小值的控制量作为这一时刻的控制变量，进而得到系统最佳的工作状态。这样就可计算某一具体循环下的等效燃油消耗及在ECMS算法下的控制策略。通过这种方式，可以反复调整等效燃油系数的值，使其在具体循环下的总的燃油消耗值尽量小。

本文在前人的研究[6-9]基础上，对ECMS算法进行了改进，主要是等效系数的确定和修正。分为两步，首先根据行驶工况确定参考等效系数，其次根据电池SOC对参考等效系数进行实时调整。

2.2.1 参考等效系数

因为等效系数会随着电池SOC进行主动调整，所以参考等效系数的值不需要很精确，在迭代计算上的基础上给出一个大概的参考值。不同的驾驶循环其参考系数应有所差别。图3给出了6种典型驾驶循环，NYCC(纽约城市工况)表示平均车速很低的市区道路工况，LA92(洛杉矶工况)代表城市道路，HWFET代表高速道路；欧洲工况中ECE代表城区工况，EUDC代表郊区和高速公路，ECE+EUDC代表城区+郊区混合道路。根据系统的平均效率确定等效系数的范围，进行迭代计算，并结合

DP算法的结果，确定每种循环下的参考等效系数。如表格1所示。

图3 六种典型驾驶循环
Fig.3 Six typical driving cycles

表1 典型循环工况下的参考等效系数值

综合图3以及表格1，可以分析得到，在郊区道路下的参考等效系数的值较小，虽然此时车速较高，但没有频繁的加减速，其扭矩需求并不是很高，在电池SOC允许的情况下，可直接由电机驱动。

2.2.2 等效系数的修正

在根据SOC对等效系数进行调整时，有采用线性关系的，有采用分段处理的，本文采用正切关系，如下式：

(18)

式中,s_ref是参考等效系数值，此值可以根据上面的计算得到；b是SOC的变化范围，此处

b=0.8-0.4=0.4；a是调节系数，可以通过a的值来调节SOC对等效系数的影响(见图4)。选择此种方式调整SOC，等效系数的函数是一个连续的光滑曲线，且随着SOC的增大而减小，随SOC的减小而增大，而且可以通过调节a的值，改变调整SOC的速率，保证SOC的波动在一定范围内。

以UDDS循环为例，图7给出了a=100时不同参考等效系数下SOC的变化情况，可以看出，在同一参考系数下，SOC的值基本在某一值附近波动；不同参考值之间SOC值的差别也很小(0.06以内)。说明通过公式(19)的调整，电池SOC能够保持在一个合理的范围内，同时降低了SOC随参考等效系数变化的敏感度。

图4 不同a值下等效系数与SOC的关系曲线Fig.4 Relationship between equivalent coefficient and SOC with different values of a

图5 a为100时不同参考等效系数下SOC的变化曲线Fig.5 Battery SOC curve under different reference equivalent coefficient when a is 100

这样，ECMS算法的优化过程即可进行，如图6所示。首先根据驾驶循环确定参考等效系数的值，则等效系数可实时根据电池SOC调整。基于此，每一瞬时在所有控制量的作用下其等效油耗即可确定，进而进行瞬时优化得到最佳控制变量。从本章提出的等效系数的确定方法可以看出，等效系数的取值具有一定的不确定性，按此算法优化的油耗其优化效果会变差，但是此方法可以保证电池

SOC能够维持在合理的范围内，重要的是，算法的实时性得到了很好的保证，能够进行实时控制。

图6 ECMS算法优化过程Fig.6 Optimization process of ECMS algorithm

3 整车仿真

AVL/CRUISE软件由奥地利李斯特内燃机及测试设备公司开发，可以用于车辆的动力性、经济性等多方面的仿真[10]。CRUISE采用模块化建模方式，可以进行整车较全面的性能分析，且与其他软件如MATLAB/SIMULINK 良好的接口功能，使得用户可以自定义模型元件及相关的控制策略的开发。

图7为CRUISE中建立的整车模型。该系统中的变速器中有一个发动机、两个电机和一个行星齿轮系。发动机与行星架相连，发电机MG1与太阳轮相连，电动机MG2与齿圈及主减速器相连。选择MATLAB DLL接口作为控制器模块。

图7 CRUISE中的整车模型Fig.7 Vehicle model in CRUISE

3.1 控制策略模型

SIMULINK中的控制策略模型如图8所示。可分为以下几个主要模块：信号输入模块、驾驶模式解释模块、需求扭矩计算模块、不同模式下的扭矩分配模块、信号输出模块。

图9-12是在NEDC循环和UDDS循环下不同初始SOC时的仿真结果。图9和图10显示了过程中SOC的变化情况，图11和图12是发动机的扭矩变化曲线。分析可以得出：在不同初始SOC下，系统能够主动调节使得SOC回到参考值(0.6)附近；当SOC较低时，发动机启动工作，以维持SOC的平衡。

图9 NEDC循环下SOC的变化曲线(不同初始SOC值)Fig.9 SOC curve in NEDC driving cycle under different SOC values

图10 UDDS循环下SOC的变化曲线(不同初始SOC值)Fig.10 SOC curve in UDDS driving cycle under different SOC values

表2给出了在NEDC和UDDC循环下基于ECMS控制策略的油耗值与AVL/CRUISE中已有控制策略的仿真结果的比较。因为是电量维持型HEV，其电池电量在过程中变化不是很大，所以仅给出油耗的比较。在NEDC和UDDS循环下，油耗值分别降低4.2%和3.7%。说明了本文提出的控制策略在保证电池SOC在期望范围内的同时，提高燃油经济性。

图11 NEDC循环下发动机的工作状况(不同初始SOC值)Fig.11 Engine working conditions in NEDC driving cycle under different SOC values

图12 UDDS循环下发动机的工作状况(不同初始SOC值)Fig.12 Engine working conditions in UDDS driving cycle under different SOC values

表2 NEDC循环与UDDS循环下仿真油耗比较

4 总结

本文以一种混联式混合动力汽车为对象，进行能量管理控制策略的研究。一方面根据典型驾驶循环确定参考等效系数，另一方面，实时根据SOC对等效系数进行修正。通过设计基于ECMS算法的实时控制策略，利用AVL/CRUISE和MATLAB/SIMULINK进行了联合建模仿真，仿真结果说明所设计的控制策略能够有效地保证电池SOC在合理的范围内，同时系统的油耗水平也较低。

[1] 汽车新能源技术[M]. 人民交通出版, 2003.

[2] 李卫民. 混合动力汽车控制系统与能量管理策略研究 [D]. 上海: 上海交通大学, 2008.

[3] Muta K, Yamazaki M, Tokieda J. Development of new-generation hybrid system THS II-Drastic improvement of power performance and fuel economy[R]. SAE Technical Paper, 2004.

[4] Liu J, Peng H, Filipi Z. Modeling and analysis of the Toyota Hybrid System[J]. TIc, 2005, 200: 3.

[5] Paganelli G, Delprat S, Guerra T M,etal. Equivalent consumption minimization strategy for parallel hybrid powertrains[C]//Vehicular Technology Conference, 2002. VTC Spring 2002. IEEE 55th. IEEE, 2002, 4: 2076-2081.

[6] Musardo C, Rizzoni G, Guezennec Y,etal. A-ECMS: An adaptive algorithm for hybrid electric vehicle energy management[J]. European Journal of Control, 2005, 11(4): 509-524.

[7] Gu B O, Rizzoni G. An adaptive algorithm for hybrid electric vehicle energy management based on driving pattern recognition[C]//ASME 2006 International Mechanical Engineering Congress and Exposition. American Society of Mechanical Engineers, 2006: 249-258.

[8] 胡红斐, 黄向东, 罗玉涛, 等. HEV 实时等效能量消耗最小控制策略[J]. 汽车工程, 2006, 28(6): 516-520.

[9] 朱庆林. 基于瞬时优化的混合动力汽车控制策略研究[D]. 长春: 吉林大学, 2009.

[10] 姜海斌, 黄宏成. CRUISE 纯电动车动力性能仿真及优化[J]. 机械与电子, 2010 (4): 61-65.

Research of Energy Management Strategy Based on ECMS Algorithm

XuCailiHuangHongchengZhuHaijian

NationalEngineeringLaboratoryforAutomotiveElectronicControlTechnology,ShanghaiJiaoTongUniversity,Shanghai200240

Control strategy is one of the key technologies of HEVs, affecting the fuel economy and drivability. This article studies the ECMS control strategy based on the series-parallel HEVs, focusing on the calculation and tuning methods of the equivalent coefficient in ECMS. First determine the reference coefficient based on the recognition of the driving condition, then tune the equivalent coefficient according to the battery SOC, finally the ECMS control strategy is designed in SUMULINK, and vehicle model is built in AVL/CRUISE. The simulation results show that the proposed method can assure better fuel economy and charge sustaining of the SOC.

hybrid electrical vehicle ECMS energy management strategy

1006-8244(2015)02-021-05

TM35

B