浅析 丨能量管理控制策略与智能交通系统的结合

为了提高可获得的出行信息水平，越来越多的研究将基于GPS、地理信息系统和历史数据来进行工况预测，进而调整控制算法提高能量管理策略的应用效果。本文第2部分将介绍智能交通系统。针对实时计算量大的问题，本文第3部分将介绍基于云计算的能量管理策略优化。

图1、智能交通系统的示意

基于GPS智能手机的交通监控系统监督预测能量管理的架构可分为上层和下层。在上层，利用实时交通数据获得的交通流速度计算出最优的SOC轨迹。在下层，使用水平速度预测器来预测每一个滚动时域的未来行驶速度。上层和下层分别对应于长期扰动和短期扰动。需要注意的是，通过这种方法获得的交通流速度将不同于实际车辆的速度，进而产生的SOC参考轨迹存在误差。为了解决这一问题，将生成的SOC轨迹在每个控制层作为终端SOC参考值引入到模型预测控制层中，使得较低层级的模型预测控制反馈闭环为减小参考SOC值的误差提供了一定的控制灵活性。详细的控制方式如下：

（1）获取实时交通数据和路径信息，计算最优电池SOC轨迹；

（2）预测当前控制层的短期未来速度分布；

（3）在给定参考SOC和预测速度序列的情况下，模型预测控制器计算最优控制策略；

（4）将最优控制策略的第一步应用于准静态PHEV模型；

（5） 反馈系统状态，更新系统约束，并在下一时刻重复计算过程。

图2、监督预测能量管理控制架构

图3、交通数据反馈系统框架

除了交通状况外，驾驶风格的监控和校正可以显著提高车辆经济性。特别是，对于采用了Blended-type控制策略的PHEV而言，扭矩需求的微小偏差将触发发动机起动，进而对车辆能量管理策略发生显著的变化。可以结合行程信息和驾驶风格来获得最佳车辆速度曲线，从而引导驾驶员以最小的能量消耗进行行驶。

通常，控制系统的在线计算能力可能成为这方面的限制因素。考虑到动态规划的计算量大和控制器成本问题，通过云计算处理交通信息获取最佳策略是一个较为可行的解决方案，这种方案不仅可以保证模型准确性，计算结果还可以运用到类似条件的其他车辆。云计算和智能交通系统可以缓解在线计算压力提供整体优化。具体实施方式是：

（1）驱动程序将预定旅行目的地信息发送到云平台上执行密集型计算；

（2）在云中，服务器生成一条路径，收集相关的交通和地理信息；

（3）通过一种利用精确的车辆和油耗模型来确定路线沿线最优速度轨迹的空间域动态规划算法来解决优化问题；

（4）服务器将速度轨迹发送到与驾驶员通信的车辆。

图4、云——车辆交互原理

■  测试评价过程针对能量管理控制策略的研究

■  能量管理控制策略未来发展趋势分析

参考文献

[1]·C·M·Martínez,·X·Hu,·D·Cao,·et·al.·Energy·Management·in·Plug-in·Hybrid·Electric·Vehicles·Recent·Progress·and·a·Connected·Vehicles·Perspective,IEEE·Trans·Veh·Technol 66(6),pp.4534-4549,2017

[2]·C·Sun,·S·J·Moura,·X·Hu,·Dynamic·Traffic·Feedback·Data·Enabled·Energy·Management·in·Plug-in·Hybrid·Electric·Vehicles,·IEEE·Transactions·on·Control·Systems·Technology,·vol.·23,·no.·3,·pp.·1075-1086,·MAY·2015

[3]·Engin·O,·Simona·O,·James·W,·et·al.·Cloud-Based·Velocity·Profile·Optimizationfor·Everyday·Driving:A·Dynamic-Programming-Based·Solution,·IEEE·Transactions·on·Intelligent·Transportation·Systems,·vol.·15,·no.·6,·pp.·2491-2505,·DECEMBER·2014