基于运行数据的PHEV工作模式辨别与能耗分析

2018-10-22臧鹏飞

汽车工程学报 2018年5期

金勇，臧鹏飞，王哲

（1.环球车享汽车租赁有限公司，上海 201800；2.同济大学新能源汽车工程中心，上海 201800）

汽车是人类最主要的地面交通工具，但是由于环境污染、能源危机等一系列问题，汽车行业正经历着由传统燃油汽车到新能源汽车的变革[1]。由于新能源汽车的电气化和信息化程度更高，所以国内外的许多相关企业和科研单位都研发了新能源汽车的监控及数据采集系统，能够获取大量新能源汽车的实际运行数据[2]。

国内外的相关企业以及业界专家对新能源汽车的运行数据做了许多方面的处理分析，所获成果颇丰。丹麦技术大学的FETENE等[3]基于电动汽车的大数据对其能耗和行驶里程进行估计。美国的特斯拉公司将大数据分析应用于电动汽车的设计研发、生产管理质量监控、服务维修、用户习惯、超级充电站布局和车主驾驶行为分析等方面[4]。韩国岭南大学的ARIAS等[5]采用大数据技术预测电动汽车的充电需求。同济大学的吴阳博[6]开发了新能源汽车数据采集系统，该系统基于GPRS和Internet可对电动汽车的主控制器、驱动电机、电池、车载记录仪、车载智能信息单元的状态进行远程监控，具有关键参数在线绘图、故障查找和预警、电动汽车控制参数的远程设定、车辆的电子地图远程跟踪和定位、数据回放与分析等功能。北京理工大学的学者利用新能源汽车的大数据建立了动力电池的故障诊断方法[7]。吉林大学的田野建立了一套可靠、高效、智能的电动汽车远程监控、标定和诊断系统，成功实现了远程监控、标定及诊断功能[8]。

综上所述，现有的新能源汽车运行数据处理分析尚停留在续驶里程估算、驾驶行为、充电行为等常规分析层面，对于利用数据深入分析车辆工作模式以及整车能耗等的相关研究还较为匮乏，针对PHEV这类车型的相关工作更是少之又少。因此，本文根据某款PHEV的大量历史运行数据，采用基于时序关联和划分的分析方法，通过对数据的分类、筛选、过滤、整合及处理，对纯电动模式、混合驱动模式、内燃机模式和行车充电模式等工作模式进行辨别，分析每种工作模式下的整车能耗情况，最后根据分析结果对PHEV的动力系统提出改进建议。

1 目标车辆简介与数据说明

1.1 目标车辆简介

用于研究的目标车辆为某款国产PHEV，该款车辆采用1.5T涡轮增压内燃机与电机组合的驱动系统，并配备13 kWh磷酸铁锂动力电池，工信部公布的纯电行驶里程为70 km。具体的车辆基本参数见表1。

该款PHEV采用并联式混合动力系统，其工作模式主要分为四种：纯电动模式、混合驱动模式、内燃机模式和行车充电模式[9]。纯电动模式是指动力电池提供车辆所需全部能量，内燃机不工作；混合驱动模式是指内燃机和电动机同时输出力矩驱动车辆前进，此时电机的能量来自电池组；内燃机模式是指内燃机作为唯一动力源，且其输出的能量全部用于驱动车辆前进，电池即不充电也不放电；行车充电模式是指内燃机驱动车辆并通过发电机为电池充电。

表1 PHEV基本参数

1.2 运行数据说明

该款PHEV的运行数据来源于上海新能源汽车公共数据采集与监测研究中心，符合上海市地方标准《新能源汽车及充电基础设施公共数据采集规范》。原始数据共32项，在涵盖车辆基本行驶参数的同时，也包括驱动电机、动力电池等关键零部件的性能参数，以及充电桩充电电流、电压等基础设施参数。其中，用于整车能耗分析的数据主要有两类13项，将同一时刻采集到的13项数据称为工况点，具体数据采集类型和实际精度见表2。

考虑到数据传输的时效性以及仪器记录的准确性，原始数据并不能全部准确真实地反映车辆行驶的实际情况，因此需要对潜在数据的误差风险进行数据清理，对错误数据进行更正，必要时删除部分无效数据以保证数据的准确与可靠，从而确保后续分析的准确与可靠。

表2 运行数据采集类型

通过调研现阶段新能源汽车远程监控数据的基本情况，可以得出影响数据可靠性的因素主要有以下几点：

1.2.1 数据错位

车载仪器在接收部分信号时会因出现迟滞现象而导致数据错位，这属于仪器自带的系统误差，由此出现如时间间隔、车辆加速度等相关参数与实际数值相反的情况，致使后续分析研究出现不必要的偏差，从而影响分析结果。

1.2.2 数据溢出

新能源汽车监控系统采用现代数字系统，在发生电磁干扰或使用非类型安全（non-type-safe）语言等情况下，数据计算与存储系统会发生数据溢出现象，即所表示的数据超出了计算机所能表示的数据范围。此种情况给数据处理与分析带来了极大干扰，需要在对数据进行处理前先行将其清理。

1.2.3 数据重复

新能源汽车监控数据类型众多、数量庞大，在海量数据中会出现数据类型重复及数值重复等现象，该情况在统计用户用车频次等分析研究方面会对结果造成干扰，需要删除多余、无用的数据。

1.2.4 数据残缺

新能源汽车监控数据中存在部分数据的缺失，如在分析电池健康状态的过程中，在连续的时间段内出现总电池电压的数值缺失，将无法建立完整时序的电池健康状态的演变规律。

为了解决以上问题，采用基于K-means算法[10]的聚类方法对数据进行清理。K-means算法是经典的基于距离的聚类算法，采用欧式距离作为相似性的聚类评价指标，对超出距离范围外的数据进行剔除，快速简单，时间复杂度近似于线性，对大数据具有较高效率。

2 基于运行数据的PHEV工作模式辨识和能耗分析方法

本研究采用的基本方法为基于时序关联和划分的分析方法。首先将PHEV历史静态数据进行分段，并对采集数据进行分类、筛选、过滤、整合及处理，然后对各数据段的工作模式进行辨别，最后分析每个工作模式下的整车能耗情况。其整体框架如图1所示。

图1 整车能耗分析的整体框架

2.1 数据分段

由于车辆在停止运行的过程中并不会将数据上传到服务器，因此需要对采集到的运行数据按照采样间隔进行分段，将车辆连续运行期间所采集到的数据分为一个数据段。具体方法为：若相邻工况点之间的采集间隔大于2 min，则前一个工况点为上一个数据段的末端数据，后一个工况点为下一个数据段的起始数据。

2.2 工作模式辨别

工作模式辨别是指根据如表2所示的各种数据类型判断PHEV在各数据段是处于纯电动模式、混合驱动模式、内燃机模式和行车充电模式中的哪一种。

首先判断PHEV在各数据段是否处于纯电动模式，主要方法有两种：单位里程法和功率比较法。采用功率比较法时，诸如驱动电机转矩估算、采样周期过长等误差对纯电动模式的判断影响较大。因此在判定该款PHEV的行驶模式是否为纯电动模式时，采用单位里程电耗法进行分析。

单位里程电耗法是通过比较整车实际电耗与理论电耗判断PHEV在当前数据段的工作模式，具体方法为：若式（1）成立，则认为PHEV在该数据段处于纯电动模式，否则就认为PHEV在该数据段处于非纯电动模式。

式中：SOCf为数据段末的电池SOC值，%；SOC0为数据段起始的电池SOC值，%；E为动力电池总能量，kWh；L为当前数据段所覆盖的行驶里程，km；Ls为工信部公布的纯电续驶里程，km；E*为在标准工况下完成工信部公布的纯电续驶里程所消耗的电能，kWh。

若PHEV在该数据段不处于纯电动模式，则需要进一步判断PHEV在该数据段是否处于混合驱动模式或者内燃机模式。具体方法为：当车速大于0且电池的SOC为递减，即数据段满足式（2）时，认为PHEV在该数据段处于混合驱动模式；当车速大于0且电池的SOC不变时，即数据段满足式（3）时，认为PHEV在该数据段处于内燃机模式。

式中：v为PHEV的瞬时速度，km/h；SOCi与SOCi-1分别为该数据段中第i个和第i-1个工况点的电池SOC数值，%。

若PHEV在该数据段不处于电动模式、混合驱动模式和内燃机模式中的任何一种模式，则需再判断PHEV在该数据段是否处于行车充电模式。由于行车充电模式与制动能量回馈模式具有相似的特性，而制动能量回馈的持续时间相对于行车充电模式要短很多，因此可以先筛选出速度大于0且SOC增加的数据段，然后根据该数据段持续时间的长短来区分这两种模式。具体方法为：当车速大于0且数据段的持续时间大于一定的阈值，即满足式（4）时，认为PHEV在该数据段处于行车充电模式。

式中：δ为阈值，s。

总结以上工作模式的辨别方法，可得如图2所示的流程图。

图2 工作模式辨别流程

2.3 各工作模式下的整车能耗分析方法

2.3.1 纯电动模式能耗分析方法

由于纯电动模式下PHEV只消耗电能，因此主要分析其百公里电耗。在筛选出的纯电动行驶数据段中，计算各数据段的电能消耗，以加权平均的方式计算每一辆PHEV在纯电动模式下的百公里电耗，即：

式中：Epure为单车纯电动模式的综合电耗，kWh/100 km；SOCf和SOC0为纯电动模式数据段末端和起始的电池SOC值，%；∑L为单车纯电动模式各数据段行驶里程的总和，km。

2.3.2 混合驱动模式能耗分析方法

混合驱动模式下，每辆车的能耗由电耗和油耗两部分组成。其中电耗计算方式与纯电动行驶时一致，而油耗计算可由整车行驶所需能量与电能消耗的差值计算。

利用每一辆PHEV在混合驱动模式下的数据段计算其百公里电耗，具体计算方法为：

式中：Ehybrid为混合驱动模式下的百公里电耗，kWh/100 km。

内燃机消耗燃油提供的能量为整车行驶所需能量与电能消耗的差值，即：

式中：Wv为整车行驶所需能量，kWh；Wf为整车行驶克服滚动阻力所消耗的能量，kWh；Ww为整车行驶克服空气阻力所消耗的能量，kWh；Wa为整车行驶克服加速阻力所消耗的能量，kWh；Wi为整车行驶克服坡度阻力所消耗的能量，kWh；Wb为电池提供的电能，kWh；Wo为内燃机输出的能量，kWh；Qhybrid为混合驱动模式的百公里油耗，L/100 km；ρ为汽油密度，kg/m3；Hμ为汽油低热值，MJ/kg；η为能量从油箱传递到车轮的效率。

在混合驱动模式下，定义电贡献度为电能消耗量与整车行驶所需能量的比值，从而进一步反映PHEV在混合驱动模式下的电能参与度，电贡献度计算公式为：

2.3.3 行车充电和内燃机模式能耗分析方法

在行车充电模式下，内燃机消耗燃油提供能量即为整车行驶所需能量与动力电池增加的能量之和，即：

式中：Qengine为行车充电模式的百公里油耗，L/100 km。

内燃机模式可以视为行车充电模式的一个特例，油耗的计算方法与公式（9）类似，令其中的Wb=0即可。具体公式为：

3 针对某批次运行数据的整车能耗分析结果

针对某批采集自50辆PHEV，时间跨度为8个月的运行数据，采用前文所提出的方法进行工作模式的判别和整车能耗的分析。

3.1 纯电动模式的能耗分析

根据式（1）计算出50辆车纯电动模式的行驶里程占总行驶里程的总比例为25.47%，其中单车纯电动模式的行驶里程占总行驶里程比例最高为53.68%，最低仅为1.49%。总体来看，对于这50辆样本车辆，混合驱动模式下的行驶里程明显高于纯电动模式下的行驶里程。

50辆车中纯电动模式的行驶里程占比在40%以下的车辆为86%。但在这86%的车辆中，各纯电动模式的行驶里程占比区间内的车辆数量分布相对较为均匀，具体分布如图3所示。

图3 五十辆车的纯电动模式行驶里程占比分布情况

在纯电动模式行驶里程比例与日均出行里程的关系方面，当日均出行里程为60～70 km时，纯电动模式的行驶里程比例最高，为33.55%；当日均出行里程在70 km以上时，纯电动模式的行驶里程比例最低，为14.29%。这说明当车辆纯电动模式的行驶里程能够满足驾驶员每日出行需求的情况下，驾驶员倾向于使用纯电动模式驾驶汽车；而当车辆的纯电动模式的续驶里程无法满足驾驶员出行需求的情况下，驾驶员一方面需要开启混合驱动模式运行，另一方面对于是否运行在纯电动模式下的关注度也有所降低。具体关系如图4所示。

图4 纯电动模式的行驶里程比例与日均出行里程的关系

根据式（5）计算出50辆样本PHEV的纯电动行驶平均百公里电耗为22.26 kWh，单车最大平均百公里电耗为40.40 kWh，最小平均百公里电耗为18.95 kWh，见表3。

表3 五十辆PHEV纯电动模式下百公里电耗的统计结果

统计50辆样本PHEV在纯电动模式下平均百公里电耗分布范围，纯电动模式百公里电耗在20 kWh以下的车辆占比为26%，纯电动模式百公里电耗在20～25 kWh之间的车辆占比为60%，其百公里电耗的具体分布如图5所示。

图5 纯电动模式下百公里电耗的PHEV数量分布

3.2 混合驱动模式的能耗分析

混合驱动模式下PHEV消耗的能量为燃油和电能两种，因此本文将百公里油耗和百公里电耗一并作为此模式下的能耗指标。根据式（6）和式（7），以加权平均的方式计算该款PHEV混合驱动模式的综合能耗为3.61 kWh/100 km电耗+6.85 L/100 km油耗，具体结果见表4。

表4 PHEV混合驱动模式综合能耗

根据式（8）计算车辆在混合驱动模式下的电贡献度可知，该款PHEV的混合驱动模式下平均电贡献度为32.99%，其具体电贡献度见表5。各电贡献度区间的车辆行驶里程分布如图6所示。

表5 混合驱动模式下的电贡献度

图6 混合驱动模式下电贡献度的高低分布

PHEV处于混合驱动模式下的工况点中，各个速度分段的占比如图7所示。由图可知，车辆处于混合驱动模式的工况点中，车速低于40 km/h的工况点占到50%以上，而这正是内燃机效率较低的工作区间。因此，能量分配控制策略原则应是以电机驱动替代内燃机效率最低的工况，提高城市工况下的混合驱动模式的电贡献度，减少内燃机在低效率、高能耗情况下的介入。