基于发动机运行区域动态边界优化的混合动力客车能量管理策略研究*
2016-04-11张文学张幽彤
张文学，张幽彤，秦 靖
(北京理工大学，清洁车辆北京市重点实验室，北京 100081)
2016166
基于发动机运行区域动态边界优化的混合动力客车能量管理策略研究*
张文学，张幽彤，秦 靖
(北京理工大学，清洁车辆北京市重点实验室，北京 100081)
针对插电式单轴并联天然气发动机-电机混合动力城市客车开发了整车控制系统和能量管理策略，完成了系统硬、软件设计并进行了试验验证。其中能量管理策略的开发是基于电池荷电状态和发动机最高效率区动态边界优化，即引入空间轨迹优化算法实时优化发动机高效运行的边界参数，以保证发动机能在所需模式和电池允许的SOC下尽可能运行于高效区域。在道路试验中，该策略能够使车辆在多种工作模式之间稳定可靠运行和切换，结果表明，搭载该整车控制系统的混合动力城市客车与同类型传统客车相比，0-50km/h的加速时间缩短15.8%，燃料消耗降低26.9%。
插电式并联混合动力车；发动机；能量管理策略；动态边界；轨迹优化
前言
混合动力系统中对发动机实际运行区域的优化对于提高整车燃料经济性和排放性能具有十分重要的作用[1-7]。对于单轴并联构型的混合动力系统，发动机的运行贯穿于纯发动机模式、混合驱动模式和行车充电模式，几乎涵盖了发动机的整个转速范围。以策略中允许的发动机最低运行转速和发动机最高输出转速为左右边界，以发动机在各转速下实际输出的最大和最小转矩为上下边界，在发动机转矩转速图上可形成发动机的实际运行区。而发动机在每一转速下均存在一个使该转速下的输出效率最高的转矩，在发动机转矩转速图上这些点可形成一条贯穿于整个转速范围的最高效率运行轨迹。发动机高效区边界优化的目标就是在满足规定的限定条件下尽可能地使发动机的实际运行区向最高效率轨迹收拢，形成一条狭长且随参数变化而优化的动态高效运行区，从而提高发动机运行效率。
目前基于优化的能量管理策略在插电式混合动力领域的研究较多。文献[8]中采用粒子群非梯度全局优化算法获得最优的PHEV能量管理策略。文献[9]中采用动态规划全局优化算法对能量管理策略的控制参数进行优化，建立能量管理策略。但全局优化算法能量管理策略计算需求量大，且需要对转矩进行准确预测[10]，因而不能直接应用到实际控制中[11]。文献[12]中提出了更具实用性的峰值电源最大荷电状态与发动机开关控制策略，将转矩划分为大、中和小3个区域，并结合荷电状态与需求转矩所在区域，计算发动机的实际输出转矩。
为实现发动机高效运行的目的，本文中开发了基于电池荷电状态与发动机高效运行边界优化的综合能量管理策略，并引入了空间轨迹优化算法进行发动机高效区运行边界实时优化。基于单轴并联构型提出了发动机高效区“动态边界”的概念，通过优化算法实时获取发动机高效区的运行边界，充分利用了基于规则控制策略的实用性和实时优化算法的高效性。
1 整车控制策略
1.1 整车电控系统方案与功能
图1为天然气发动机-电机混合动力城市客车电控系统结构图。整车控制器采集加速和制动踏板信号，结合车速挡位等信息计算出转矩。通过多路CAN总线与电机控制器、发动机控制器、AMT控制器和电池管理系统实时通信，实现转矩的合理分配和整车模式切换等控制策略。同时将车辆运行信息发送到仪表控制系统，并对发动机、电机和控制器等发热部件的温度信息进行相应的实时监测和保护。
图1 整车电控系统结构图
1.2 能量管理策略
在充分利用基于规则控制策略实用性优势的基础上，根据城市客车实际运行工况的特点并利用重混车型电机功率较大的优势，制订了基于电池荷电状态和发动机动态边界优化的综合能量管理策略。车辆的能量分配由整车控制器通过当前转矩和当前车速下最高效率所对应的转矩值之间的关系和电池SOC值来判断，并通过对发动机和电机转矩的分配和对离合器动作的控制来实现。根据实验获取的发动机效率MAP并通过实时优化算法提取发动机高效率运行的边界参数，除锂电池电量过低的极端工况外，使发动机最大限度运行于高效率区域内。该策略中，由于高效区的“动态边界”是根据城市工况运行特点、发动机特性和整车运行参数，通过实时优化算法而获得，发动机在高效运行区内根据既定规则响应转矩需求，因此不依赖于发动机输出转矩的精确估计。而在实际转矩输出中发动机的输出转矩需求尽量保持相对稳定，对于急剧变化的工况不予快速响应，而由电机满足瞬间转矩变化需求，以避免瞬变工况对整车经济性的影响。
车辆采用2挡起步，基于能量管理策略对电池SOC的保证，本文中在控制策略中结合换挡规律将2挡强制规定为纯电动驱动模式，并给出发动机的起动条件为
(1)
式中：vCur为当前车速；GCur为当前挡位。当车速大于30km/h而由2挡升3挡时，采用离合器接合过程中的转矩控制策略[13]起动发动机。进入3挡后开始执行能量管理策略。表1为基于电池荷电状态和发动机最高效率的综合能量管理策略。
表1中，以需求转矩和电池SOC为依据将整个
表1 基于电池荷电状态和发动机最高效率的综合能量管理策略
发动机运行区域划分为9个区域，但基于需求转矩为依据的区域边界并非固定，而是通过优化算法实时计算获得。Treq为根据当前车速和加速踏板行程从需求转矩MAP中查到的当前需求转矩值；Tη_MAX为当前转速下发动机最高效率点对应的转矩值；Tb1和Tb2分别为发动机输出转矩区间的上下边界，在本控制策略中通过实时优化算法获得；TE为发动机输出的转矩值；TM为电机输出的转矩值；TG1，TG2和TG3分别为3种工况下的充电转矩， 由下式确定：
(2)
式中：SOCCharge为优化后得到的电池最低荷电值[14]；SOCCur为当前SOC值；TG_MAX为规定的最大充电转矩，根据整车参数确定。
按照目前混合动力技术研究中对SOC高、中、低水平的划分[15]，当锂电池荷电状态处于低水平时(SOC≤40%)，发动机输出转矩在满足车辆需求的同时增加额外的输出转矩用于充电；当锂电池荷电状态处于中等水平时(40%
1.3 边界参数实时优化提取方法
PHEV能量管理策略的最优控制问题均可描述为寻找从初始状态到终了状态使系统性能代价函数最小的最优控制变量问题。针对本文所研究的发动机高效区运行边界优化问题，其控制变量为发动机转矩输出区间的上下边界，即Tb1和Tb2，而代价函数即为发动机的能量消耗，因此可以建立系统性能代价函数：
(3)
式中：N为控制节点数；n为转速；T为转矩；L为瞬时性能代价值；t为运行的时间节点。
为了能够快速合理得到气耗率场内的动态边界优化方程，将动态边界参数优化问题转换为空间轨迹优化问题。本文中的边界参数优化问题是一个离散数学问题，因此适合采用空间轨迹优化方法中的直接法进行计算[15-16]。
引入空间轨迹优化问题的Bolza型特征性能指标函数、边界条件及其等式或不等式约束[17-18]，并进行简化。该控制因素约束条件受发动机控制策略影响，其边界条件受发动机外特性、驱动电动机功率和电池SOC的影响，以转速步长代替时间步长。在进行优化计算前对轨迹优化函数在气耗率场空间中进行代入和简化计算。
(1) 离散场空间内Bolza型特征性能指标函数
J=φ(x(t0),t0,x(tf),tf)+
(4)
式中：φ(x(t0),t0,x(tf),tf)为边界条件函数；x(t)为状态变量；u(t)为控制约束；t0和tf分别为初始和终止时间。
简化目标因素函数，将式(3)中目标函数转换到转速n和转矩T无直接数学关系的坐标内，则有
L(x(t),u(t),t)=
L(Tb1(n),Tb2(n),n(t),T(t),t)=L(n,T)
(5)
(2) 建立在加速过程中边界条件函数。由于Tb1和Tb2分别为发动机在当前转速下的转矩输出边界，因此有边界条件：
Tb2(n)≤T(n)≤Tb1(n)≤Te(n)
(6)
式中Te为该转速下的外特性转矩。
当考虑驱动电动机助力作用时，有
T≥T0-Tmi-a0Is
(7)
式中：Tmi为当前电池SOC下驱动电动机能够实现的助力转矩(再生转矩为负)；a0为系统初始加速度。初始时系统为动平衡状态，则有初始条件
T0+Tm0=Tf0+a0Is
(8)
式中：Tm0为驱动电动机初始转矩；Tf0为系统初始阻力矩。
(3) 建立约束条件函数
CL≤dT≤CR
(9)
根据发动机控制逻辑求解约束函数得
CL=max(T(dqLLim),T(dnLLim))
(10)
CR=min(T(dqRLim),T(dnRLim),T(dpRLim))
(11)
式中：dqLLim为循环喷气量最大降低率；dnLLim为转速最大降低率；dqRLim为每循环喷气量最大升高率；dnRLim为转速最大升高率；dpRLim为轨压最大升高率。
对于起动过程有
CR=dTs,max
(12)
式中dTs,max为发动机起动过程中转矩的最大升高率，根据发动机性能和起动时的温度确定。
以上约束函数的建立一方面是对发动机的响应能力进行表征，从而将其作为边界参数优化过程中的考虑因素，同时也属于发动机控制策略中的保护策略范畴，通过发动机控制逻辑经验标定完成。
建立驱动电动机效率和电池SOC约束条件：
(13)
式中：ηM为驱动电动机在需求工况下的效率；ηLim为驱动电动机使能的效率阈值；SOCLim为动力电池荷电状态允许放电阈值。
(4) 得到Bolza型特征性能指标函数
J=φ+∑Li=Fi
(14)
通过以上的公式推导及变换，将边界参数优化问题简化为全转速下系统性能函数最小化问题。为了便于代码化，在气耗率场空间内采用离散空间的最速梯度法求解工况场空间内的轨迹优化问题[16]。可以求得以怠速转速为始点、最高转速为终点的全转速工况场空间内的最优边界曲线公式为
(15)
此时有效范围内最优边界曲线公式中的任一转速n下的点Tb1(n)和Tb2(n) 即为在这一转速下发动机最优输出转矩的上下边界。基于该上下边界值与当前需求转矩，并根据表1中的相应控制规则确定当前发动机和电机的输出转矩。
1.4 边界参数优化和能量管理策略实现
在发动机实际运行的动态过程中，整车转矩动态协调算法会造成发动机实际转矩滞后，因此算法中取多个延时效应后的工况点位置作为系统的目标工况位置。由于下一工况点位置受整车动态协调策略控制，计算的最优边界随着行车过程中参数的变化而改变，最优边界参数在整车和发动机转矩控制策略的协调过程中受上周期计算的延时时间和目标转矩的影响，呈现迭代运算过程。
基于以上分析，将前面关于最优边界参数提取的理论推导表示为逻辑算法，包括简化数学公式、优化数据空间、边界条件和约束条件等。整个能量管理策略的代码流程如图2所示。
图2 能量管理策略算法代码流程图
2 试验分析
为验证该能量管理策略达到对转矩分配的基本功能要求，对整车工作模式进行试验验证，并将整车性能试验与之结合进行。应用上述设计的整车管理系统，在天然气-电机混合动力城市客车上进行了车辆运行试验和分析。试验车辆动力系统主要参数见表2。
2.1 整车工作模式验证
根据整车能量管理策略，行车过程的工作模式分为：纯电动模式、发动机单独驱动模式、行车充电模式和混合驱动模式。图3(a)为电机单独驱动车辆运行模式，一般在车速较低时采用，另外当电池SOC高于设定阈值时，车辆采用纯电动模式起步；图3(b)为发动机单独驱动车辆运行模式，一般在发动机运行于高效区域或电量过低时采用；图3(c)为混合驱动运行模式；图3(d)为电池SOC较低情况下的行车充电运行模式，电机工作在充电模式(转矩为负值)，可以控制发动机工作于高效率区，提高经济性。
表2 天然气电机混合动力客车的基本参数
图3 混合动力客车不同工作模式下的工况曲线
2.2 整车动力性测试
整车的动力性能主要包括最大车速、爬坡性能和加速性能等，而整车加速性能是车辆动力性能的主要方面。参考GB/T 19752—2005《混合动力电动汽车动力性能试验方法》对试验用PHEV城市客车满载状态下0-50km/h的加速时间进行测试。
对混合动力车和传统车分别进行多次加速试验，结果如表3所示。6次试验的算术平均，混合动力车0-50km/h加速平均用时29.2s，比传统车的34.7s缩短了5.5s，即15.8%。图4和图5分别为加速过程中车速和发动机、电机转速变化曲线。
表3 整车加速试验结果
图4 加速过程中车速和挡位变换曲线
图5 发动机和电机转速随挡位变换关系
2.3 整车燃料经济性测试
参考混合动力电动汽车能量消耗量试验方法[19]，在燃料经济性试验中，燃料的消耗量通过试验前后记录电能存储系统的电能消耗(net energy ange, NEC)，并将电量消耗转换为燃料消耗量，试验数据如表4所示。
将表4中3次试验的数据取算术平均，得到车辆的燃料消耗率为每百公里29.5m3天然气，比同类型传统车降低了26.9%。图6和图7为试验中发动机和电机的运行点(提取部分点集)在发动机和电 机万有特性图中的分布。从图中可以看出，发动机运行基本集中在高效区域；而为保证发动机最大限度运行于高效率区，电机的运行点分布相对而言较为分散，但仍然主要分布于高效区。
表4 整车经济性试验数据
图6 发动机工作点分布图
图7 电机工作点分布图
3 结论
本文中针对插电式气电混合动力客车开发了整车管理系统。完成了相关硬件的设计和模块化软件的编写；建立了多路复合CAN网络拓扑结构，并将各控制器进行合理地安排；开发了基于电池荷电状态和发动机最高效率的能量管理策略，使发动机最大限度地工作于高效率区域。开发过程中通过运用优化标定技术获取相关控制参数，保证了整车控制系统的高效稳定可靠运行。采用该控制策略的混合动力客车整车动力性提高了15.8%，经济性提高了26.7%。
[1] RAHMAN S A, ZHANG N, ZHU J. A comparison on fuel economy and emissions for conventional hybrid electric vehicles and the UTS plug-in hybrid electric vehicle[C]. 2nd Int. Conf. Comput. Autom. Eng.,Singapore,2010,5:20-25.
[2] 高建平,何洪文,孙逢春.混合动力电动汽车机电耦合系统归类分析[J].北京理工大学学报,2008,28(3):197-201.
[3] 张晓伟,朱黎明,熊瑞.混合动力整车控制系统开发[J].电力电子技术,2011,45(6):50-52.
[4] SIURU B.CNG hybrid-electric buses [EB/OL].(2010-01-13). http://www.masstransitmag.com/online/article.jsp?siteSection=5&id=6180&pageNum=1.
[5] 何桦,杨福源,杨雨平,等.天然气串联式混合动力城市客车开发[J].汽车工程,2008,30(3):202-205.
[6] 辛世界,隆武强,范立云,等.并联混合动力城市客车控制策略研究[J].大连理工大学学报,2007,47(4):515-520.
[7] 舒红宇,王锟,陈齐平,等.天然气混合动力城市客车动力系统的设计与开发[J].重庆大学学报,2012,35(2):112-117.
[8] BANVAIT H, LIN X, SOHEL S, et al. Plug-in hybrid electric vehicle energy management system using particle swarm optimization[C]. Proc. EVS-24,Stavanger,Norway,May 2009.
[9] LIN C C, PENG H, GRIZZLE J, et al. Power management strategy for a parallel hybrid electric truck[J]. IEEE Trans. Control Syst. Technol.,2004,11(6):839-848.
[10] KESSELS J T B A, KOOT M W T, VAN DBPPJ, et al. Online energy management for hybrid electric vehicles[C]. IEEE Transactions on Vehicular Technology,2008,57(6):3428-3440.
[11] BOUKEHILI A, ZHANG Y T, ZHAO Q, et al. Hybrid vehicle power management modeling and refinement[J]. International Journal of Automotive Technology,2012,13(6):987-998.
[12] EHSANI M, GAO Y, EMADI A. Modern electirc, hybrid electric, and fuel cell vehicles: fundamentals, theory, and design[M]. Roca Raton: CRC Press,2010:242-243.
[13] 倪成群,张幽彤,赵强,等.伴随发动机起动的混合动力模式切换策略[J].北京理工大学学报,2013,33(10):1032-1036.
[14] BOUKEHILI A, ZHANG Y, SUN S. Simulation and comparison of HEV battery control for best fue-l economy and longer battery life[C]. Proc.25th World Battery,Hybrid and Fuel Cell Electric Vehicle Symp.&Exhibition,Shenzhen,China.
[15] 雍恩米,陈磊,唐国金.飞行器轨迹优化数值方法综述[J].宇航学报,2008,29(2):397-406.
[16] FANTI M P,PEDRONCELLI G,STECCO G,et al.Modeling and optimization of aircraft trajectories: a review[C].2012 7th International Conference on Systemof Systems Engineering. Proceedings,16-19 July,2012:235-240.
[17] 陈功,傅瑜,郭继峰.飞行器轨迹优化方法综述[J].飞行力学,2011,29(4):1-5.
[18] BASIN M, CALDERON A D,FERRARA A. Sliding mode optimal regulator for a Bolza-Meyer criterion with non-quadratic state energy terms[C]. 2009 American Control Conference,10-12 June,2009:4951-4955.
[19] GB/T 19754—2005重型混合动力电动汽车能量消耗量试验方法[S].北京:中国标准出版社,2005.
A Research on Energy Management Strategy for Hybrid Electric Bus Based onDynamic Boundary Optimization of Engine Operation Region
Zhang Wenxue, Zhang Youtong & Qin Jing
BeijingInstituteofTechnology,LowEmissionVehicleResearchLaboratory,Beijing100081
The vehicle control system and the energy management strategy for a parallel single-axle plug-in CNG engine-motor hybrid electric bus are developed, with its system hardware and software designed and test verification conducted. In them, the development of energy management strategy is based on the SOC of battery and the optimization of dynamic boundary of the highest efficiency region, i.e. the real-time optimization of boundary parameters of high efficiency operation region of engine by spatial trajectory optimization algorithm to ensure the engine can operate within high efficiency region in desired mode at a permissible SOC of battery. In road test, the strategy can make the vehicle stably operates in different modes and reliably switches between them. The results indicate that the hybrid electric city bus with that control system achieves a better power performance and fuel economy with its 0-50km/h acceleration time and fuel consumption reduce by 15.8% and 26.9% respectively, compared with the traditional bus of same category.
plug-in PHEV; engine; energy management strategy; dynamic boundary; trajectory optimization
*湖北省自然科学基金(2010CDA010)和湖北省中青年创新团队(T201114)项目资助。
原稿收到日期为2014年12月23日，修改稿收到日期为2015年11月21日。
