CN102407850A - 基于随机运行工况模型的混合动力公交车能源管理方法 - Google Patents

Abstract

本发明公开一种基于随机运行工况模型的混合动力公交车能源管理方法，实施步骤如下：1)根据公交车运行的历史车速获取历史车速-位移关系与加速度-位移关系；获取运行路线上每一个位移点的历史平均车速和平均加速度，根据历史车速的方差获取公交车在每个位移点的车速随机因子；2)获取当前位移点之后一定预测位移段内的功率需求，同时获取公交车在当前位移点之后一定预测位移段内的历史电机功率变化范围，获取当前位移点的功率分配比范围；3)获取混合动力的最优分配比，并根据最优分配比控制发动机和电机的输出状态。本发明具有能源分配合理、燃油经济性高、尾气排放少、鲁棒性好、节能环保的优点。

Description

基于随机运行工况模型的混合动力公交车能源管理方法

技术领域

本发明涉及混合动力管理控制技术领域，具体涉及一种混合动力公交车能源管理方法。

背景技术

目前地球上由于燃油汽车的排放导致环境污染问题日益严重，而且石油资源有限，在几十年后就可能开采完。因此，混合动力汽车(HEV)成为了汽车领域的研究热点，HEV采用至少两种动力源，因此为了尽可能地让发动机工作在最佳工作区间，达到减少燃油消耗、减少污染物排放、回收利用制动动能等目的。

城市公交车作为城市主要交通工具，具有数量较多的特点，对于城市空气的污染影响较大，因此人们开始在城市公交车领域添加混合动力技术来降低城市的空气污染。目前已经有许多课题组在研究混合动力公交车的能量管理策略，然而大多数控制策略的针对性较弱，没有考虑到每条线路的运行特点，这样得到的控制效果并不十分理想。一些课题组利用GPS测得的样本来预测公交车未来的运动规律。并以此通过动态规划等手段来制定能量管理策略，这种做法能很好地利用循环工况来估计各时间段的功率需求，达到全局优化的目的。然而这种策略并不具备普适性，只有公交车确切地按照模型轨迹运作时才能达到控制效果。但实际情况是公交车的运行具有很强的随机性，几乎不会按照定制策略时的轨线运动，而且每次的耗时也是不同的，控制策略若基于固定模型很有可能无法达到预期的控制效果。

发明内容

本发明要解决的技术问题是提供一种能源分配合理、燃油经济性高、尾气排放少、鲁棒性好、节能环保的基于随机运行工况模型的混合动力公交车能源管理方法。

为解决上述技术问题，本发明采用的技术方案为：一种基于随机运行工况模型的混合动力公交车能源管理方法，其实施步骤如下：

1)根据公交车运行的历史车速进行积分获取公交车的历史车速-位移关系；根据公交车运行的历史车速进行数值差分获取加速度-位移关系；根据各组历史的车速-位移关系与加速度-位移关系，获取运行路线上每一个位移点的历史平均车速和平均加速度，根据历史车速的方差获取公交车在每个位移点的车速随机因子；

2)根据历史平均车速和平均加速度获取当前位移点之后一定预测位移段内的功率需求，同时根据车速随机因子获取公交车在当前位移点之后一定预测位移段内的历史电机功率变化范围，根据当前位移点之后一定预测位移段内功率需求和历史电机功率变化范围获取当前位移点的功率分配比范围；

3)将功率分配比范围结合目标函数 $J=\underset{u}{\min }E\left\{\underset{S_0}{\overset{S_0+P}{\∫}}(w_f{J}_f(u,s)+w_g{J}_g(u,s))\mathrm{ds}\right\}$ 枚举获取混合动力的最优分配比，并根据最优分配比控制发动机和电机的输出状态，其中J_f为公交车发动机的燃油消耗率，J_g为公交车发动机的污染物排放率，w_f为设定燃油消耗权值，w_g为设定污染物排放权值，s为当前位移点的位移，E为求平均值运算符，P为当前位移点以后的预测位移点数量，u为功率分配比范围内的功率分配比取样值。

作为本发明上述技术方案的进一步改进：

所述步骤1)中预先将公交车的运行路线根据站点分割为多个子路段，所述步骤3)中当前位移点的位移是指当前位移点相对当前子路段起点位置的位移。

3、根据权利要求2所述的基于随机运行工况模型的混合动力公交车能源管理方法，其特征在于，所述步骤1)中根据公交车运行的历史车速记录进行积分获取公交车的历史车速-位移关系的具体步骤包括：将每个子路段的总位移根据时间分成N小段，然后对每一小段根据

${\∫}_{t_i}^{t_{i+1}}V\left(t\right)\mathrm{dt}=\frac{1}{2}(t_{i+1}-t_i)(V\left(t_i\right)+V\left(t_{i+1}\right))+R$

进行积分得到每一小段的位移，其中t_i为第i小段的开始时刻，t_i+1为第i+1小段的开始时刻，V(t_i)为t_i时刻的车速，R为截断误差；然后对每一小段的位移求和获得公交车在当前子路段中的总位移，根据总位移和当前位置的历史速度得到公交车的历史车速-位移关系。

所述步骤1)中根据各组历史的车速-位移关系与加速度-位移关系，获取运行路线上每一个位移点的历史平均车速和平均加速度具体是指，获取当前子路段中的路口，如果当前路段中有多个路口则按照信息熵指标选取其中一个主要的路口，根据历史车速大小将该路口区域内的历史车速-位移关系分类为红灯数据集合和绿灯数据集合，然后对红灯数据集合与绿灯数据集合分别求取其历史平均车速和获取平均加速度。

所述步骤1)中根据各组历史的车速-位移关系与加速度-位移关系，获取运行路线上每一个位移点的历史平均车速和平均加速度是指：将按照设定步长选取固定的位移向量，然后搜寻距离当前位移点最近的两个用于获取历史车速的采样点，然后利用插值运算获取当前位移点的车速与加速度，并计算各组历史数据在该位移点的历史平均车速和平均加速度。

所述步骤2)中根据车速随机因子获取公交车在当前位移点之后一定预测位移段内的电机功率变化范围具体是指：

A)根据车速随机因子获取预测位移点内每一点的车速分布规律

为s_i+1位移点的历史平均车速；

B)车速分布规律满足约束条件 $P(v_{i+1}\≥\frac{2I(s_{i+1}-s_i)}{Q(\mathrm{SOC}\_\mathrm{Init}-\mathrm{SOC}\_\mathrm{Low})}-v_i)\≥\mathrm{\α}$ 来获得电机电流I所允许的变化范围，其中s_i为第i个位移点，s_i+1为第i+1个位移点，Q为蓄电池的总电容量，SOC_Init为蓄电池位于当前位移点的起始荷电状态，SOC_Low为蓄电池荷电状态的下限，α为设定的蓄电池放电保守参数；

C)根据

得到电机功率P_em的历史变化范围，其中U₀为蓄电池开环电压，R_i为内阻。

所述步骤3)中将功率分配比范围结合目标函数枚举获取混合动力的最优分配比具体是指：将功率分配比范围进行区间离散化，将区间离散化的端点以及等分点取值作为抽样的功率分配比，将抽样的各个功率分配比分别代入所述目标函数，获取符合目标函数的功率分配比作为最优分配比。

本发明具有下述优点：本发明基于统计的历史车速-位移关系来获取当前位移点的功率需求和电机功率变化范围获取当前位移点的功率分配比范围，进而通过根据目标函数枚举获取混合动力的最优分配比，并根据最优分配比控制发动机和电机的输出状态，结合了车辆发动机的燃油和排放参数、历史车速的统计信息，有考虑了车速的不确定性信息，由不确定性信息来限制分配比，使得荷电状态的越界概率降低，不仅能提升燃油经济性，而且把蓄电量越界的机会控制在用户可接受的范围内，对于实际车辆运行的随机过程有很好的鲁棒性，具有能源分配合理、燃油经济性高、尾气排放少、鲁棒性好、节能环保的优点。

附图说明

图1为本发明实施例的实施流程示意图。

图2为本发明实施例的框架结构示意图。

图3为本发明实施例步骤1)获取车速随机因子的流程示意图。

图4为本发明实施例步骤3)的流程示意图。

具体实施方式

如图1所示，本发明实施例基于随机运行工况模型的混合动力公交车能源管理方法的实施步骤如下：

1)根据公交车运行的历史车速进行积分获取公交车的历史车速-位移关系；根据公交车运行的历史车速进行数值差分获取加速度-位移关系；根据各组历史的车速-位移关系与加速度-位移关系，获取运行路线上每一个位移点的历史平均车速和平均加速度，根据历史车速的方差获取公交车在每个位移点的车速随机因子；

2)根据历史平均车速和平均加速度获取预测范围内每个位置的功率需求，同时根据车速随机因子获取公交车在预测范围内每个位置所允许的的电机功率变化范围，根据预测位移点的功率需求和电机功率变化范围获取预测范围内每个位置的功率分配比范围；

3)根据目标函数 $J=\underset{u}{\min }E\left\{\underset{S_0}{\overset{S_0+P}{\∫}}(w_f{J}_f(u,s)+w_g{J}_g(u,s))\mathrm{ds}\right\}$ 枚举获取混合动力的最优分配比，并根据最优分配比控制发动机和电机的输出状态，其中J_f为公交车发动机的燃油消耗率，J_g为公交车发动机的污染物排放率，w_f为设定燃油消耗权值，w_g为设定污染物排放权值，s为当前位移点的位移，E为求平均值运算符，P为预测位移点的数量，u为功率分配比范围内的功率分配比取样值。本实施例中最优分配比以u^*表达，最优分配比u^*是通过枚举方法获得的，即在功率分配比范围抽样一组功率分配比u，将u代入目标函数进行计算，计算结果值最小的功率分配比u即为最优分配比u^*。

本实施例步骤1)中预先将公交车的运行路线根据站点分割为多个子路段，步骤3)中当前位移点的位移是指当前位移点相对当前子路段起点位置的位移。步骤1)中获取公交车在每个位移点的车速随机因子后，车速模型可以表达为V(S)＝E(S)+w(S)的叠加模型，其中V(S)为模型车速，E(S)为历史平均车速，w(S)为车速随机因子，w(S)满足的分布规律为N(0，σ(S))，其中σ(S)为每个位移点的历史速度方差。

如图2所示，本发明实施例的硬件结构主要包括微处理器、GPS模块和显示屏，其中微处理器采用型号为S3C2440的ARM处理器实现，显示屏采用液晶屏实现，微处理器上设有一个GPIO端口，到站信息通过GPIO端口输入微处理器，微处理器根据输入的信号触发判断当前处于的子路段，并分别调用对应该子路段的数据模型。微处理器上运行WINCE***，由于所使用的S3C2440这块芯片在硬件上决定了WINCE启动后，应用程序无法直接访问物理地址，其原因为这块芯片带有MMU单元，要在应用程序中访问外设的话就必须在物理内存与虚拟内存间建立映射关系。WINCE***包括串口驱动程序单元和GPIO驱动程序单元，串口驱动程序单元的意义是为了实现基于WinCE的应用程序能够访问外设，从GPS模块的内存中读取数据记录；GPIO驱动程序单元的作用是引入一些控制信号，实现以车站为分段点将GPS数据分段，可以将一个通用IO口配置成中断引脚。上述驱动程序的开发需要使用的软件是PlatformBuilder。实现各个接口函数后，还须在platform.bib和platform.reg文件中做些适当的修改，这样驱动才能成功加到WinCE映像中并在开机时加载。在应用程序层面主要做数据整合处理工作，所用的软件是EVC。开发前需要先安装由Platform Builder导出的自定义平台SDK。在应用程序中利用串口驱动读取GPS数据，同时开辟一个线程等待GPIO口的中断信号，一旦有到站信号引发的中断就将数据分段。获得公交车在每个路段各时刻对应的车速之后，在应用程序中对数据做进一步的处理。

本实施例步骤1)中根据公交车运行的历史车速记录进行积分获取公交车的历史车速-位移关系的具体步骤包括：将每个子路段的总位移根据时间分成N小段，然后对每一小段根据

${\∫}_{t_i}^{t_{i+1}}V\left(t\right)\mathrm{dt}=\frac{1}{2}(t_{i+1}-t_i)(V\left(t_i\right)+V\left(t_{i+1}\right))+R$

进行积分得到每一小段的位移，其中t_i为第i小段的开始时刻，t_i+1为第i+1小段的开始时刻，V(t_i)为t_i时刻的车速，R为截断误差；然后对每一小段的位移求和获得公交车在当前子路段中的总位移，根据总位移和当前位置的历史速度得到公交车的历史车速-位移关系。本实施例中采用梯形法来计算截断误差R，梯形法的截断误差R的表达式为

$R=-\frac{{(t_{i+1}-t_i)}^2}{12}{V}^{\′\′}\left(\mathrm{\ξ}\right),$ ξ∈[t_i，t_i+1]

可见通过上述方法积分的误差阶数是采样时间间隔的两次方。在区间[t₀，t_f]内，车辆的总位移可用

${\∫}_{t_0}^{t_f}V\left(t\right)\mathrm{dt}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\∫}_{t_i}^{t_{i+1}}V\left(t\right)\mathrm{dt}$

计算，采用数值积分来求位移量存有一定误差，同一路段在不同样本中的长度都是不同的，然而相对于时间量而言，在同一路段的位移量是比较稳定的。

步骤1)中根据各组历史的车速-位移关系与加速度-位移关系，获取运行路线上每一个位移点的历史平均车速和平均加速度具体是指，获取当前子路段中的路口，如果当前路段中有多个路口则按照信息熵指标选取其中一个主要的路口，根据历史车速大小将该路口区域内的历史车速-位移关系分类为红灯数据集合和绿灯数据集合，然后对红灯数据集合与绿灯数据集合分别求取其历史平均车速和获取平均加速度。如图3所示，本实施例的GPS模块先分段接收GPS数据，将车速与时间的关系转化为车速与位移的关系，选取主要路口，并按照红绿灯情况将历史样本分类得到对红灯数据集合与绿灯数据集合，在根据插值得到相同位移点的车速，最终从历史车速样本中分析出该子路段各个位移点的车速变化规律与车速随机因子。本实施例中，本实施例中，如果车速小于5km/s，则判断为红灯状态；否则判定为绿灯状态，鉴于在行车过程中会遇到一个路段多路口的情况，这样会使个别路段的模型比较复杂，本实施例中为了简化说明只考虑最主要的一个路口，选取主路口的方法如下：首先统计当前路段中各个路口的停车概率P_i，然后根据H_i＝-P_i log₂ P_i-(1-P_i)log₂(1-P_i)选择其中的一个路口区域。H_i的实质是对两种交通灯的信息熵做加权平均，其大小反映了该路口包含的总的信息量。可见红灯与绿灯情况分布越平均，信息量就越大，那种长期几乎亮一种灯的路口，分类就几乎无意义。

本实施例步骤1)中根据各组历史的车速-位移关系与加速度-位移关系，获取运行路线上每一个位移点的历史平均车速和平均加速度具体是指：将按照设定步长选取固定的位移向量，然后搜寻距离当前位移点最近的两个用于获取历史车速的采样点，然后利用插值运算获取当前位移点的车速与加速度，并计算各组历史数据在该位移点的历史平均车速和平均加速度。由于每个历史样本中，采集车速的离散采样点都是不同的，为了能够整合多组样本的信息，必须先得到统一的横坐标度量，本实施例通过定步长和插值运算的问题，有效地解决了统一的横坐标度量的问题，从而可以方便实现获取位移点的历史车速、历史平均车速和历史平均加速度。本实施例中位移向量的步长为10米，插值运算采用lagrange插值公式，lagrange插值公式如下所示：

$y=\frac{x-x_1}{x_0-x_1}{y}_0+\frac{x-x_0}{x_1-x_0}{y}_1$

其中，(x₀，y₀)为一个采样点的位置与车速，(x₁、y₁)为另一个采样点的位置与车速。这样就得到每个历史样本在固定位移点处的车速。

由当前位移点的SOC状态、车速、下个位置的车速等信息得到满足概率约束的功率分配比区间。对于这个区间还需检验是否会令发动机转矩过低，进一步缩小功率分配比的可行域。接着将上述得到的区间离散化，只考虑区间中的端点以及几个等分点处的取值，将区间分得越密精度越高，但同时计算时间会增加。之后采用枚举法尝试每个可能的功率分配比，每选择一个u就计算下一步的SOC_Init，然后对下一步也按上述方法计算出所有可能的功率分配比，直到P步预测范围结束。然后计算P步预测范围施加上述功率分配比序列之后得到的污染物排放与油耗，并选取最优的功率分配比序列。从车辆未来运行工况的角度考虑，可以让公交车在恰当的位置充放电，对蓄电池充电会增加油耗，但在不同位置增加的油耗是不同的，放电的时机也很关键，因为在某些位置发动机的燃油经济型非常低，在这些位置让电机提供助力能大幅减少油耗。

本实施例步骤2)中根据车速随机因子获取公交车在当前位移点之后一定预测位移段内的电机功率变化范围具体是指：

A)根据车速随机因子获取预测位移点内每一点的车速分布规律

为s_i+1位移点的历史平均车速；

B)车速分布规律满足约束条件 $P(v_{i+1}\≥\frac{2I(s_{i+1}-s_i)}{Q(\mathrm{SOC}\_\mathrm{Init}-\mathrm{SOC}\_\mathrm{Low})}-v_i)\≥\mathrm{\α}$ 来获得电机电流I所允许的变化范围，其中s_i为第i个位移点，s_i+1为第i+1个位移点，Q为蓄电池的总电容量，SOC_Init为蓄电池位于当前位移点的起始荷电状态，SOC_Low为蓄电池荷电状态的下限，α为设定的蓄电池放电保守参数；

C)根据

得到电机功率P_em所允许的变化范围，其中U₀为蓄电池开环电压，R_i为内阻。

步骤3)中将功率分配比范围结合目标函数枚举获取混合动力的最优分配比具体是指：将功率分配比范围进行区间离散化，将区间离散化的端点以及等分点取值作为抽样的功率分配比，将抽样的各个功率分配比分别代入目标函数，获取符合目标函数的功率分配比作为最优分配比。由上述电机功率的约束条件以及总的功率需求即可得功率分配比所允许的变化区间；将上述得到的区间离散化，只考虑区间中的端点以及几个等分点处的取值，将区间分得越密精度越高，但同时计算时间会增加。之后采用枚举法尝试每个可能的功率分配比，每选择一个u就计算下一步的SOC_Init，然后对下一步也按上述方法计算出所有可能的功率分配比，直到P步预测范围结束。然后计算P步预测范围施加上述功率分配比序列之后得到的污染物排放与油耗，并选取能够使上述目标函数达到最小的功率分配比序列。

本实施例中随机模型的随机扰动部分是用来为约束条件服务。原本对蓄电池充电状态SOC有个硬约束：SOC＞SOC_Low。现在转变为概率约束：P{SOC＞SOC_Low}＞α，其中SOC_Low为电池荷电状态的下限，α的大小取决于保守程度。因为蓄电池的蓄电量存在下限，在求解最优功率分配比时还需要考虑模型不确定性的影响，防止蓄电池的电能放完。在各个位移处车速的不确定性一定程度上决定了蓄电量越界的机会。最终求得的控制决策使蓄电量低于下限的概率大于α。这样就把蓄电量越界的机会控制在用户可接受的范围内。此概率约束条件可转化为 $P(v_{i+1}\≥\frac{2I(s_{i+1}-s_i)}{Q(\mathrm{SOC}\_\mathrm{Init}-\mathrm{SOC}\_\mathrm{Low})}-v_i)\≥\mathrm{\α}$

其中，当前步的车速v_i固定，下一步的车速v_i+1未知，但满足分布规律

I为这步的蓄电池放电电流，Q为蓄电池总的电容量，s_i为这一步的起始位置s_i+1为这一步的终止位置，SOC_Init为当前步的起始荷电状态。

这样就得到了放电电流I所需满足的不等式条件。再根据关系式

得到电机当前功率所需满足的不等式条件，其中U₀为蓄电池开环电压，R_i为内阻，P_em为电机功率。由电机当前功率的约束条件以及总的功率需求即可得当前功率分配比的不等式约束。

实际车辆运行情况肯定与模型存在差距，蓄电池存电量的不同所得到的最优控制率也是不同的，因此施加优化得到控制作用u^*之后，需要测量当前车辆的实际运行时蓄电池的荷电状态SOC，根据更新后的SOC与预测模型来计算下一步应该施加的最优控制。如图4所示，在当前子路段中，从当前位移点(第k步)开始的P时域内，首先根据模型得到车速V(k)，…，V(k+P)，同时，根据模型得到不确定性σ(k)，…，σ(k+P)。然后测量电池当前的荷电状态SOC(k)，计算控制量u*(k)，...，u*(k+P)，施加功率分配比u*(k)到对象上，因此始终根据最优分配比控制发动机和电机的输出状态，因此能源分配合理，具有燃油经济性高、尾气排放少、鲁棒性好、节能环保的技术效果。

以上所述仅为本发明的优选实施方式，本发明的保护范围并不仅限于上述实施方式，凡是属于本发明原理的技术方案均属于本发明的保护范围。对于本领域的技术人员而言，在不脱离本发明的原理的前提下进行的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (7)

1.一种基于随机运行工况模型的混合动力公交车能源管理方法，其特征在于其实施步骤如下：

1)根据公交车运行的历史车速进行积分获取公交车的历史车速-位移关系；根据公交车运行的历史车速进行数值差分获取加速度-位移关系；根据各组历史的车速-位移关系与加速度-位移关系，获取运行路线上每一个位移点的历史平均车速和平均加速度，根据历史车速的方差获取公交车在每个位移点的车速随机因子；

2)根据历史平均车速和平均加速度获取当前位移点之后一定预测位移段内的功率需求，同时根据车速随机因子获取公交车在当前位移点之后一定预测位移段内的历史电机功率变化范围，根据当前位移点之后一定预测位移段内功率需求和历史电机功率变化范围获取当前位移点的功率分配比范围；

3)将功率分配比范围结合目标函数 $J=\underset{u}{\min }E\left\{\underset{S_0}{\overset{S_0+P}{\∫}}(w_f{J}_f(u,s)+w_g{J}_g(u,s))\mathrm{ds}\right\}$ 枚举获取混合动力的最优分配比，并根据最优分配比控制发动机和电机的输出状态，其中J_f为公交车发动机的燃油消耗率，J_g为公交车发动机的污染物排放率，w_f为设定燃油消耗权值，w_g为设定污染物排放权值，s为当前位移点的位移，E为求平均值运算符，P为当前位移点以后的预测位移点数量，u为功率分配比范围内的功率分配比取样值。

2.根据权利要求1所述的基于随机运行工况模型的混合动力公交车能源管理方法，其特征在于：所述步骤1)中预先将公交车的运行路线根据站点分割为多个子路段，所述步骤3)中当前位移点的位移是指当前位移点相对当前子路段起点位置的位移。

3.根据权利要求2所述的基于随机运行工况模型的混合动力公交车能源管理方法，其特征在于，所述步骤1)中根据公交车运行的历史车速记录进行积分获取公交车的历史车速-位移关系的具体步骤包括：将每个子路段的总位移根据时间分成N小段，然后对每一小段根据

${\∫}_{t_i}^{t_{i+1}}V\left(t\right)\mathrm{dt}=\frac{1}{2}(t_{i+1}-t_i)(V\left(t_i\right)+V\left(t_{i+1}\right))+R$

进行积分得到每一小段的位移，其中t_i为第i小段的开始时刻，t_i+1为第i+1小段的开始时刻，V(t_i)为t_i时刻的车速，R为截断误差；然后对每一小段的位移求和获得公交车在当前子路段中的总位移，根据总位移和当前位置的历史速度得到公交车的历史车速-位移关系。

4.根据权利要求1所述的基于随机运行工况模型的混合动力公交车能源管理方法，其特征在于，所述步骤1)中根据各组历史的车速-位移关系与加速度-位移关系，获取运行路线上每一个位移点的历史平均车速和平均加速度具体是指，获取当前子路段中的路口，如果当前路段中有多个路口则按照信息熵指标选取其中一个主要的路口，根据历史车速大小将该路口区域内的历史车速-位移关系分类为红灯数据集合和绿灯数据集合，然后对红灯数据集合与绿灯数据集合分别求取其历史平均车速和获取平均加速度。

5.根据权利要求1所述的基于随机运行工况模型的混合动力公交车能源管理方法，其特征在于，所述步骤1)中根据各组历史的车速-位移关系与加速度-位移关系，获取运行路线上每一个位移点的历史平均车速和平均加速度是指：将按照设定步长选取固定的位移向量，然后搜寻距离当前位移点最近的两个用于获取历史车速的采样点，然后利用插值运算获取当前位移点的车速与加速度，并计算各组历史数据在该位移点的历史平均车速和平均加速度。

6.根据权利要求1～5中任意一项所述的基于随机运行工况模型的混合动力公交车能源管理方法，其特征在于，所述步骤2)中根据车速随机因子获取公交车在当前位移点之后一定预测位移段内的电机功率变化范围具体是指：

A)根据车速随机因子获取预测位移点内每一点的车速分布规律

为s_i+1位移点的历史平均车速；

B)车速分布规律满足约束条件 $P(v_{i+1}\≥\frac{2I(s_{i+1}-s_i)}{Q(\mathrm{SOC}\_\mathrm{Init}-\mathrm{SOC}\_\mathrm{Low})}-v_i)\≥\mathrm{\α}$ 来获得电机电流I所允许的变化范围，其中s_i为第i个位移点，s_i+1为第i+1个位移点，Q为蓄电池的总电容量，SOC_Init为蓄电池位于当前位移点的起始荷电状态，SOC_Low为蓄电池荷电状态的下限，α为设定的蓄电池放电保守参数；

C)根据

得到电机功率P_em的历史变化范围，其中U₀为蓄电池开环电压，R_i为内阻。

7.根据权利要求6所述的基于随机运行工况模型的混合动力公交车能源管理方法，其特征在于，所述步骤3)中将功率分配比范围结合目标函数枚举获取混合动力的最优分配比具体是指：将功率分配比范围进行区间离散化，将区间离散化的端点以及等分点取值作为抽样的功率分配比，将抽样的各个功率分配比分别代入所述目标函数，获取符合目标函数的功率分配比作为最优分配比。

Images