CN106427990A - 混合动力***及其能量管理方法 - Google Patents

Abstract

本发明揭示了混合动力***的能量管理方法，获取能量管理策略计算所需的信号数据，通过工况功率谱自适应算法对未来运行工况进行工况适应性计算，得出相应的等效因子，利用计算得出的等效因子与数据库中的工况等效因子进行相似性匹配，根据接收到的能量管理策略计算所需的信号数据和等效因子，通过整车能耗成本最小算法得到输出功率分配组合，对输出功率分配组合进行调整修正，发送输出功率分配组合，完成各能量源输出功率分配。本发明还揭示了一种使用该能量管理方法的混合动力***。

Description

混合动力***及其能量管理方法

技术领域

本发明涉及混合动力***的控制技术，更具体地说，涉及混合动力***的能量管理技术。

背景技术

混合动力汽车由两种能量源提供动力，一般包括燃油的发动机和由电力驱动的电动机。双能源***在整车能量管理***的协调控制下，与其他部件相互配合，可以进行多种优化组合，形成不同的动力***工作模式，以适应不同的行驶工况。

能量管理策略的目标通常是具有多个输入变量和多个约束条件的多目标非线性优化问题，其控制策略对车辆的动力性和燃油经济性均有显著影响。按照理想的设计目标，在到达设计的车辆行驶距离时，车载储能***(电力***的电池)应达到耗尽状态。一方面，如果电池效果过快，过度的整车动力电池电量耗尽可能会导致整车***的高压电气损耗或是增程器能量剩余，影响汽车整体的能量效率。另一方面，如果电池消耗过慢，车辆电量消耗不充分可能无法获得预先设计的减少燃料消耗的目的，动力电池***的能力远没有达到可利用极限，造成电能的浪费和汽油的过多消耗。因此如何在混合动力汽车的应用中获得合适的不同能量源之间的功率和能量流分配是能量管理策略的根本问题之一。在实际应用中，由于行驶工况并不能精确预知，因此合适的能量管理策略是实现混合动力汽车节能环保的关键所在。

目前研究最为广泛的四类混合动力汽车能量管理策略：基于规则的控制策略、瞬时优化控制策略、全局优化控制策略和基于优化算法的自适应控制策略。

基于规则的控制策略的工作机理是：事先凭理论分析和工作经验直觉设定一系列的车辆预计工作状态值，将其工作区域划分。根据设置的临界工作点来判断车辆所工作的区域，从而采取相应的控制方式。基于规则逻辑门限算法相对简单，能够应用于实车控制器，结合离线优化的结果，能够对参数进行优化，从而得到更合理、经济的工作模式切换规则。这类策略的最大的优点是易于工程实现。但是，基于规则的能量管理策略，由于其规则是基于理论分析和工作经验，并非实际情况，因此无论是否进行过控制参数优化，该方案在燃油经济性的提高方面还是存在较大的局限性。

瞬时优化控制策略通常采用等效燃油消耗最少或功率损失最小算法，通过将两个能量源的能量消耗用特定方法进行量化统一，计算出整车瞬时最小能耗。该策略能保证在每一步长内是最优的，但无法保证在整个行驶周期内是最优的，而且该方法需要大量的浮点运算和比较精确的车辆及动力***模型，计算量大，实现困难。这类能量管理策略目前在计算机仿真上取得了很好的燃料经济性效果，但在实车上并未广泛应用。主要是因为其对于车辆实时行驶状态参数的采集、分析及处理要求较高，目前的车载设备无法满足其要求，同时整车动力***性能的变化对基础数据库的实时更新影响较大。

全局优化控制策略，在事先知道汽车行驶的所有过程中所有工况参数的条件下，可以实现能量管理的全局优化。全局优化模式实现了真正意义上的最优化，但实现这种策略的算法往往都比较复杂，计算量也很大，并且需要预先获得所有的道路信息，在实际车辆的实时控制中事先知道汽车行驶的所有过程中所有工况参数是不可能的，因此全局优化控制策略也很难得到有效的应用。

基于优化算法的自适应控制策略，可以根据当前车辆行驶状态和路况自动预测未来一段时间内的功率和能量需求来自动调整控制参数以适应行驶工况的变化。所谓自适应，就是在每一时间步，根据当前的行驶条件和路况要求来调整部件工作方式，通过优化算法，在保证目标函数最优化的前提下，将能量需求合理地分配给各个能量源。虽然自适应控制策略的目标函数模型优化算法等各不相同，但由于自适应控制要实时采集大量的动力***运行数据，计算能耗，预测未来工况，优化过程复杂，计算量大，同样由于当前车载设备的计算能力的闲置而导致其目前无法在实际中得到有效的应用。

发明内容

根据本发明的一实施例，提出一种混合动力***的能量管理方法，包括：

第一步骤，***自检，若无故障则进入第三步骤，若有故障则进入第二步骤；

第二步骤，进行故障处理，在完成故障处理后，返回第一步骤再次进行***自检；

第三步骤，获取能量管理策略计算所需的信号数据；

第四步骤，判断接收到的信号数据是否完整，若信号数据完整，接下来执行第五步骤，若信号数据不完整，则返回第三步骤重新获取能量管理策略计算所需的信号数据；

第五步骤，通过工况功率谱自适应算法对未来运行工况进行工况适应性计算，得出相应的等效因子；

第六步骤，利用计算得出的等效因子与数据库中的工况等效因子进行相似性匹配；

第七步骤，根据接收到的能量管理策略计算所需的信号数据和等效因子，通过整车能耗成本最小算法得到输出功率分配组合；

第八步骤，对输出功率分配组合进行调整修正；

第九步骤，发送输出功率分配组合，完成各能量源输出功率分配。

在一个实施例中，第一步骤中，整车控制器VMS、驱动电机控制器PEU、动力电池控制器BMS、增程器控制器RES、远程监控***分别对各自的子***进行自检，判断有无故障。

在一个实施例中，第三步骤中，整车控制器VMS通过CAN总线向动力电池控制器BMS、增程器控制器RES、远程监控***、驱动电机控制器PEU发送访问信号，从中获取能量管理策略计算所需的信号数据。

在一个实施例中，能量管理策略计算所需的信号数据包括当前车速V、动力电池SOC(t)、增程器***燃料消耗量整车需求功率P_vehicle、整车动力***附件功率P_auxiliary,车辆预计行驶总里程L，车辆已经行驶的距离l(t)。

在一个实施例中，第四步骤中，由整车控制器VMS判断接收到的信号数据是否完整。

在一个实施例中，第五步骤中，整车控制器VMS通过工况功率谱自适应算法对未来运行工况进行工况适应性计算，得出相应的等效因子；

其中工况功率谱自适应算法如下：

其中为等效因子，a_ζ,b_ζ为常数，由目前所有工况参数计算得出，SOC(t)为运行时间t后的SOC值，Q_b为电池容量，V_nom为动力电池名义电压，为动力电池平均放电效率，动力电池平均充电效率，为整车能量鸿沟，为整个行程初始阶段t＝0时的能量鸿沟，E_g(t)为运行时间t后剩余的总能量，为整车总线需求驱动功率；为整车制动功率，T_total为整个行程所用时间，l(t)为车辆已经行驶的距离，L为行程总距离，K(ζ)表示为每行驶一段距离之后的行驶能量鸿沟减少率，K为能量鸿沟降低估计值，ζ₀为临界值，χ∈[1,2]。

在一个实施例中，第六步骤中由整车控制器VMS利用计算得出的等效因子与数据库中的工况等效因子进行相似性匹配。

在一个实施例中，第七步骤中，由整车控制器VMS根据接收到的能量管理策略计算所需的信号数据，通过实时计算得出整车请求功率P_vehicle，通过整车能耗成本最小算法实时计算出动力电池输出功率P_b，增程器的输出功率P_RE，经过实时调整修正得出输出功率分配组合P_vehicle＝F(P_b,P_RE,P_auxiliary)。

在一个实施例中，第七步骤中的整车能耗成本最小算法如下：

子步骤a)，计算整车需求功率 其中G＝mg，m为整车满载质量，f为滚动阻力系数，α为坡度，C_D为空气阻力系数，A为汽车迎风面积，V为汽车当前车速，η_t为整体传动效率，δ为汽车质量转换系数，α为行驶道路坡度角，当α小于一定值时cosα＝1，α＝sinα＝tanα＝i，i为道路坡度，P_auxiliary为整车动力附件***功率；

子步骤b)，整个行驶周期内整车能耗成本计算如下：

其中Cost为整个行程周期内的燃料消耗和电耗的总成本，ΔCost为增程器给动力电池充电时能耗成本差值，T_total为整个行程所用时间；ξ_f为燃料市场价格，为增程器***的燃料消耗率，ξ_e为市电价格，η_elec为动力电池从电网端充电时的效率。P_elec为动力电池的实时输出功率。为增程器以最大功率输出时的燃料消耗量，为动力电池以增程器以最大输出功率输出时的充电效率，SOC_min为SOC设定门限值，为增程器开始为动力电池充电时的电池SOC值，V₀(SOC_min)为电池荷电状态为SOC_min的电池电压，Q_b为电池容量；

子步骤c)，动力***功率最优解计算如下：

其中H为求最小值方程函数，ξ_f为燃料市场价格，为增程器***的燃料消耗率，ξ_e为市电价格，soc为电池荷电状态，V₀为电池开路电压，Q_b为电池容量，p为最优协状态参数。C_b为常数，P_elec为动力电池实时输出功率，为等效因子；

子步骤d)，整车输出功率组合计算如下：

其中，P_Vehicle为整车总线需求功率；η_conv为dc/dc转换器效率；η_{dc/dc_discharging}为动力电池放电时dc/dc转换器效率；η_{dc/dc_charging}为电池处于充电状态时dc/dc转换器效率；P_b为动力电池输出功率，P_b＞0表示动力电池处于放电状态，P_b＜0表示动力电池处于充电状态；P_RE为增程器的输出功率；P_auxiliary为整车动力附件***功率。

在一个实施例中，第八步骤中调整修正逻辑规则如下：

其中P_{b_min},P_{RR_min}分别为动力电池、增程器输出功率的下限，具体数值根据选择的***设定，P_{b_max},P_{RE_max}分别为动力电池、增程器输出功率的上限，具体数值根据选择的***设定，η_conv为dc/dc转换器效率；P_Vehicle为整车总线需求功率；P_b为电池***输出功率；P_RE为增程器的输出功率。

在一个实施例中，第九步骤中，整车控制器VMS通过CAN总线向动力电池控制器BMS和增程器控制器RES发送输出功率分配组合，完成整车控制器VMS对动力***各能量源输出功率分配。

根据本发明的一实施例，提出一种混合动力***，适用前述的混合动力***的能量管理方法，该混合动力***包括：动力电池、增程器、远程监控***、驱动电机、整车控制器VMS、动力电池控制器BMS、增程器控制器RES、驱动电机控制器PEU、整车动力***附件和CAN总线；

整车控制器VMS通过CAN总线连接到增程器控制器RES、动力电池控制器BMS、驱动电机控制器PEU、远程监控***和整车动力***附件；增程器与增程器控制器RES连接，动力电池与动力电池控制器BMS连接；增程器、动力电池、整车动力附件***和驱动电机控制器PEU通过高压电线互相连接；增程器通过DC/DC转换器接入高压电线；

所述混合动力***的能量管理方法使用的能量管理策略的控制参数通过CAN总线在整车控制器VMS与作为能量源的动力电池控制器和增程器控制器之间完成数据交互；整车控制器VMS从CAN总线获得能量管理策略计算所需数据后提供工况功率谱自适应和整车能耗成本最小算法公式计算出增程器输出功率，再通过CAN总线将输出功率组合发送给各个能量源的控制器，包括动力电池控制器和增程器控制器，以完成动力***能量源功率的实时调整。

本发明的混合动力***的能量管理方法以及应用该方法的混合动力***具有如下的有益效果：

1)本发明基于工况功率谱自适应和整车能耗成本最小算法可以提供实时检测当前车辆的能量消耗率及各个能量源的实时状态，通过工况功率谱自适应算法计算整车功率请求与工况匹配，根据整车能耗成本最小算法的计算结果和相应的逻辑规则实时调整各能量源的输出功率，实时性好；

2)本发明中的工况功率谱自适应和整车能耗成本最小算法公式和逻辑规则具有以下作用：a)根据整车行驶状态和驾驶员实时信息完成不同工况功率谱的自动识别与匹配，能够最大限度的接近实际行驶工况；b)以用户整车能耗成本最小为目标，实施调整能源***的功率输出，使用户的能耗使用成本最小；

3)该基于工况功率谱自适应和整车能耗成本最小算法解决了背景技术中提到的混合动力汽车动力电池电量过度消耗或者是消耗不充分的问题；

4)该基于工况功率谱自适应和整车能耗成本最小算法对控制器硬件要求较低，易于在整车上实现；

5)本发明所采用的能量管理算法可应用于燃料电池-蓄电池，内燃机-蓄电池，内燃机-超级电容等多种形式的新能源汽车混合动力***，具有良好的扩展性。

附图说明

本发明上述的以及其他的特征、性质和优势将通过下面结合附图和实施例的描述而变的更加明显，在附图中相同的附图标记始终表示相同的特征，其中：

图1揭示了根据本发明的一实施例的混合动力***的能量管理方法的流程图。

图2揭示了适用本发明的混合动力***的能量管理方法的混合动力***的拓扑结构图。

具体实施方式

在结合以下附图阅读本公开的实施例的详细描述之后，能够更好地理解本发明的上述特征和优点，但下述的实施例不以任何形式限制本发明。在附图中，各组件不一定是按比例绘制，并且具有类似的相关特性或特征的组件可能具有相同或相近的附图标记。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，都属于本发明的保护范围。

本发明的混合动力***的能量管理方法是基于工况功率谱自适应和整车能耗成本最小算法，该工况功率谱自适应和整车能耗成本最小算法将混合动力***的能量管理策略简化为一组多输入、单输出的能力管理规则，使用工况功率谱自适应和整车能耗成本最小算法根据车速V、动力电池SOC(t)、增程器***燃料消耗量整车需求功率P_vehicle、整车动力***附件功率P_auxiliary,车辆预计行驶总里程L，车辆已经行驶的距离l(t)等参数通过实时计算来控制混合动力***能量源的输出功率，在满足用户正常驾驶习惯及驾驶需求的前提下实现对整车能耗成本的最优化。

图2揭示了适用本发明的混合动力***的能量管理方法的混合动力***的拓扑结构图。参考图2所示，该混合动力***是增程式电动车混合动力***。该混合动力***包括动力电池201、增程器202、远程监控***203、驱动电机204、整车控制器VMS 205、动力电池控制器BMS 206、增程器控制器RES 207、驱动电机控制器PEU 208、整车动力***附件209和CAN总线210。

整车控制器VMS 205通过CAN总线210连接到增程器控制器RES 207、动力电池控制器BMS 206、驱动电机控制器PEU 208、远程监控***203和整车动力***附件209。增程器202与增程器控制器RES 207连接，动力电池201与动力电池控制器BMS 206连接。增程器202、动力电池201、整车动力附件***209和驱动电机控制器PEU 208通过高压电线互相连接。增程器202通过DC/DC转换器接入高压电线。在图2所示的实施例中，在高压电线上还连接有高低压分线盒和充电机。

本发明的混合动力***的能量管理方法使用的能量管理策略的控制参数通过CAN总线210在整车控制器VMS 205与作为能量源的动力电池控制器206和增程器控制器207之间完成数据交互。整车控制器VMS 205从CAN总线210获得能量管理策略计算所需数据后提供工况功率谱自适应和整车能耗成本最小算法公式计算出增程器输出功率，再通过CAN总线210将输出功率组合发送给各个能量源的控制器，包括动力电池控制器206和增程器控制器207，以完成动力***能量源功率的实时调整。

在一个实施例中，整车动力***附件209包括整车散热子***、空调子***以及大灯、继电器等电器件、仪表等用电器的功耗。

图1揭示了根据本发明的一实施例的混合动力***的能量管理方法的流程图。基于图2所示的增程式电动车混合动力***，本发明的基于工况功率谱自适应和整车能耗成本最小算法的混合动力***能量管理方法的较佳实施例的流程如图1所示。

在步骤101中，整车控制器VMS、驱动电机控制器PEU、动力电池控制器BMS、增程器控制器RES、远程监控***分别对其负责的子***进行自检，判断有无故障，若无则进入各***就绪状态，执行步骤103。若有故障，则进行故障处理机制步骤102。

在步骤102中，进行故障处理，在完成故障处理后，返回步骤101再次进行***自检。

在步骤103中，整车控制器VMS通过CAN总线向动力电池控制器BMS、增程器控制器RES、远程监控***、驱动电机控制器PEU发送访问信号，从中获取能量管理策略计算所需的信号数据。

在一个实施例中，能量管理策略计算所需的信号数据包括当前车速V、动力电池SOC(t)、增程器***燃料消耗量整车需求功率P_vehicle、整车动力***附件功率P_auxiliary,车辆预计行驶总里程L，车辆已经行驶的距离l(t)。

在步骤104中，整车控制器VMS判断接收到的信号数据是否完整，若是，表示信号数据完整，接下来执行步骤105。若否，表示信号数据不完整，则返回步骤103重新获取能量管理策略计算所需的信号数据。

在步骤105中，整车控制器VMS通过工况功率谱自适应算法对未来运行工况进行工况适应性计算，得出相应的等效因子。

在一个实施例中，在步骤105中涉及的工况功率谱自适应算法如下：

其中为等效因子，a_ζ,b_ζ为常数，由目前所有工况参数计算得出，SOC(t)为运行时间t后的SOC值，Q_b为电池容量，V_nom为动力电池名义电压，为动力电池平均放电效率，动力电池平均充电效率，为整车能量鸿沟，为整个行程初始阶段t＝0时的能量鸿沟，E_g(t)为运行时间t后剩余的总能量，为整车总线需求驱动功率；为整车制动功率，T_total为整个行程所用时间，l(t)为车辆已经行驶的距离，L为行程总距离，K(ζ)表示为每行驶一段距离之后的行驶能量鸿沟减少率，K为能量鸿沟降低估计值，ζ₀为临界值，χ∈[1,2]。

在步骤106中，整车控制器VMS利用计算得出的等效因子与数据库中的工况等效因子进行相似性匹配。

在步骤107中，整车控制器VMS根据接收到的能量管理策略计算所需的信号数据，通过实时计算得出整车请求功率P_vehicle，通过整车能耗成本最小算法实时计算出动力电池输出功率P_b，增程器的输出功率P_RE。经过实时调整修正得到输出功率分配组合P_vehicle＝F(P_b,P_RE,P_auxiliary)。

在一个实施例中，步骤107中涉及的整车能耗成本最小算法如下：

在子步骤a)中，计算整车需求功率 其中G＝mg，m为整车满载质量，f为滚动阻力系数，α为坡度，C_D为空气阻力系数，A为汽车迎风面积，V为汽车当前车速，η_t为整体传动效率，δ为汽车质量转换系数，α为行驶道路坡度角，当α小于一定值时cosα＝1，α＝sinα＝tanα＝i，i为道路坡度，P_auxiliary为整车动力附件***功率。

在子步骤b)中，整个行驶周期内整车能耗成本计算如下：

其中Cost为整个行程周期内的燃料消耗和电耗的总成本，ΔCost为增程器给动力电池充电时能耗成本差值，T_total为整个行程所用时间；ξ_f为燃料市场价格，为增程器***的燃料消耗率，ξ_e为市电价格，η_elec为动力电池从电网端充电时的效率。P_elec为动力电池的实时输出功率。为增程器以最大功率输出时的燃料消耗量，为动力电池以增程器以最大输出功率输出时的充电效率，SOC_min为SOC设定门限值，为增程器开始为动力电池充电时的电池SOC值，V₀(SOC_min)为电池荷电状态为SOC_min的电池电压，Q_b为电池容量。

在子步骤c)中，动力***功率最优解计算如下：

其中H为求最小值方程函数，ξ_f为燃料市场价格，为增程器***的燃料消耗率，ξ_e为市电价格，soc为电池荷电状态，V₀为电池开路电压，Q_b为电池容量，p为最优协状态参数。C_b为常数，P_elec为动力电池实时输出功率，为等效因子。

在子步骤d)中，输出功率分配组合计算如下：

其中，P_Vehicle为整车总线需求功率；η_conv为dc/dc转换器效率；η_{dc/dc_discharging}为动力电池放电时dc/dc转换器效率；η_{dc/dc_charging}为电池处于充电状态时dc/dc转换器效率；P_b为动力电池输出功率，P_b＞0表示动力电池处于放电状态，P_b＜0表示动力电池处于充电状态；P_RE为增程器的输出功率；P_auxiliary为整车动力附件***功率。

在步骤108中，输出功率分配组合调整修正逻辑规则如下：

其中P_{b_min},P_{RE_min}分别为动力电池、增程器输出功率的下限，具体数值根据选择的***设定，P_{b_max},P_{RE_max}分别为动力电池、增程器输出功率的上限，具体数值根据选择的***设定，η_conv为dc/dc转换器效率；P_Vehicle为整车总线需求功率；P_b为电池***输出功率；P_RE为增程器的输出功率。

在步骤109中，整车控制器VMS通过CAN总线向动力电池控制器BMS和增程器控制器RES发送输出功率分配组合，完成整车控制器VMS对动力***各能量源输出功率分配。

本发明的混合动力***的能量管理方法以及应用该方法的混合动力***具有如下的有益效果：

1)本发明基于工况功率谱自适应和整车能耗成本最小算法可以提供实时检测当前车辆的能量消耗率及各个能量源的实时状态，通过工况功率谱自适应算法计算整车功率请求与工况匹配，根据整车能耗成本最小算法的计算结果和相应的逻辑规则实时调整各能量源的输出功率，实时性好；

2)本发明中的工况功率谱自适应和整车能耗成本最小算法公式和逻辑规则具有以下作用：a)根据整车行驶状态和驾驶员实时信息完成不同工况功率谱的自动识别与匹配，能够最大限度的接近实际行驶工况；b)以用户整车能耗成本最小为目标，实施调整能源***的功率输出，使用户的能耗使用成本最小；

3)该基于工况功率谱自适应和整车能耗成本最小算法解决了背景技术中提到的混合动力汽车动力电池电量过度消耗或者是消耗不充分的问题；

4)该基于工况功率谱自适应和整车能耗成本最小算法对控制器硬件要求较低，易于在整车上实现；

5)本发明所采用的能量管理算法可应用于燃料电池-蓄电池，内燃机-蓄电池，内燃机-超级电容等多种形式的新能源汽车混合动力***，具有良好的扩展性。

上述实施例是提供给熟悉本领域内的人员来实现或使用本发明的，熟悉本领域的人员可在不脱离本发明的发明思想的情况下，对上述实施例做出种种修改或变化，因而本发明的保护范围并不被上述实施例所限，而应该是符合权利要求书提到的创新性特征的最大范围。

Claims (12)

1.一种混合动力***的能量管理方法，其特征在于，包括：

第一步骤，***自检，若无故障则进入第三步骤，若有故障则进入第二步骤；

第二步骤，进行故障处理，在完成故障处理后，返回第一步骤再次进行***自检；

第三步骤，获取能量管理策略计算所需的信号数据；

第四步骤，判断接收到的信号数据是否完整，若信号数据完整，接下来执行第五步骤，若信号数据不完整，则返回第三步骤重新获取能量管理策略计算所需的信号数据；

第五步骤，通过工况功率谱自适应算法对未来运行工况进行工况适应性计算，得出相应的等效因子；

第六步骤，利用计算得出的等效因子与数据库中的工况等效因子进行相似性匹配；

第七步骤，根据接收到的能量管理策略计算所需的信号数据和等效因子，通过整车能耗成本最小算法得到输出功率分配组合；

第八步骤，对输出功率分配组合进行调整修正；

第九步骤，发送输出功率分配组合，完成各能量源输出功率分配。

2.如权利要求1所述的混合动力***的能量管理方法，其特征在于，所述第一步骤中，整车控制器VMS、驱动电机控制器PEU、动力电池控制器BMS、增程器控制器RES、远程监控***分别对各自的子***进行自检，判断有无故障。

3.如权利要求2所述的混合动力***的能量管理方法，其特征在于，所述第三步骤中，整车控制器VMS通过CAN总线向动力电池控制器BMS、增程器控制器RES、远程监控***、驱动电机控制器PEU发送访问信号，从中获取能量管理策略计算所需的信号数据。

4.如权利要求3所述的混合动力***的能量管理方法，其特征在于，所述能量管理策略计算所需的信号数据包括当前车速V、动力电池SOC(t)、增程器***燃料消耗量整车需求功率P_vehicle、整车动力***附件功率P_auxiliary,车辆预计行驶总里程L，车辆已经行驶的距离l(t)。

5.如权利要求2所述的混合动力***的能量管理方法，其特征在于，所述第四步骤中，由整车控制器VMS判断接收到的信号数据是否完整。

6.如权利要求2所述的混合动力***的能量管理方法，其特征在于，所述第五步骤中，整车控制器VMS通过工况功率谱自适应算法对未来运行工况进行工况适应性计算，得出相应的等效因子；

其中工况功率谱自适应算法如下：

其中为等效因子，a_ζ,b_ζ为常数，由目前所有工况参数计算得出，SOC(t)为运行时间t后的SOC值，Q_b为电池容量，V_nom为动力电池名义电压，为动力电池平均放电效率，动力电池平均充电效率，为整车能量鸿沟，为整个行程初始阶段t＝0时的能量鸿沟，E_g(t)为运行时间t后剩余的总能量，为整车总线需求驱动功率；为整车制动功率，T_total为整个行程所用时间，l(t)为车辆已经行驶的距离，L为行程总距离，K(ζ)表示为每行驶一段距离之后的行驶能量鸿沟减少率，K为能量鸿沟降低估计值，ζ₀为临界值，X∈[1,2]。

7.如权利要求2所述的混合动力***的能量管理方法，其特征在于，所述第六步骤中由整车控制器VMS利用计算得出的等效因子与数据库中的工况等效因子进行相似性匹配。

8.如权利要求2所述的混合动力***的能量管理方法，其特征在于，所述第七步骤中，由整车控制器VMS根据接收到的能量管理策略计算所需的信号数据，通过实时计算得出整车请求功率P_vehicle，通过整车能耗成本最小算法实时计算出动力电池输出功率P_b，增程器的输出功率P_RE，经过实时调整修正得出输出功率分配组合P_vehicle＝F(P_b,P_RE,P_auxiliary)。

9.如权利要求8所述的混合动力***的能量管理方法，其特征在于，所述第七步骤中的整车能耗成本最小算法如下：

子步骤a)，计算整车需求功率 其中G＝mg，m为整车满载质量，f为滚动阻力系数，α为坡度，C_D为空气阻力系数，A为汽车迎风面积，V为汽车当前车速，η_t为整体传动效率，δ为汽车质量转换系数，α为行驶道路坡度角，当α小于一定值时cosα＝1，α＝sinα＝tanα＝i，i为道路坡度，P_auxiliary为整车动力附件***功率；

子步骤b)，整个行驶周期内整车能耗成本计算如下：

$Cost={\mathrm{\ξ}}_f\underset{0}{\overset{T_{total}}{\∫}}{\stackrel{\·}{m}}_{f}dt+\frac{{\mathrm{\ξ}}_e}{{\mathrm{\η}}_{elec}}\underset{0}{\overset{T_{total}}{\∫}}{P}_{elec}dt+\mathrm{\Δ}Cost$

$\begin{array}{c}\mathrm{\Δ}Cost\\ =\left\{\begin{array}{cc}\left(\frac{{\mathrm{\ξ}}_f{\stackrel{\·}{m}}_{f\left(P_{RE\_\max }\right)}}{{\mathrm{\η}}_{chg\left(P_{RE\_\max }\right)}}-\frac{{\mathrm{\ξ}}_e}{{\mathrm{\η}}_{elec}}\right)*\[{\mathrm{SOC}}_{\min }-{\mathrm{SOC}}_{T_f}\]*V_0\left({\mathrm{SOC}}_{\min }\right)*Q_b,& {\mathrm{SOC}}_{\min }>{\mathrm{SOC}}_{T_f}\\ 0,& {\mathrm{SOC}}_{\min }\≤{\mathrm{SOC}}_{T_f}\end{array}\right.\end{array}$

其中Cost为整个行程周期内的燃料消耗和电耗的总成本，ΔCost为增程器给动力电池充电时能耗成本差值，T_total为整个行程所用时间；ξ_f为燃料市场价格，为增程器***的燃料消耗率，ξ_e为市电价格，η_elec为动力电池从电网端充电时的效率。P_elec为动力电池的实时输出功率。为增程器以最大功率输出时的燃料消耗量，为动力电池以增程器以最大输出功率输出时的充电效率，SOC_min为SOC设定门限值，为增程器开始为动力电池充电时的电池SOC值，V₀(SOC_min)为电池荷电状态为SOC_min的电池电压，Q_b为电池容量；

子步骤c)，动力***功率最优解计算如下：

其中H为求最小值方程函数，ξ_f为燃料市场价格，为增程器***的燃料消耗率，ξ_e为市电价格，soc为电池荷电状态，V₀为电池开路电压，Q_b为电池容量，p为最优协状态参数。C_b为常数，P_elec为动力电池实时输出功率，为等效因子；

子步骤d)，整车输出功率组合计算如下：

$\left\{\begin{array}{c}{P}_{Vehicle}={\left({\mathrm{\&eta;}}_{conv}\right)}^{\mathrm{sgn}\left(P_b\right)}{P}_b+{\mathrm{\&eta;}}_{conv}{P}_{RE}+P_{auxiliary}\\ \left\{\begin{array}{c}{P}_b>0,{\mathrm{\&eta;}}_{conv}={\mathrm{\&eta;}}_{dc/dc\_disch\arg ing}\\ P_b<0,{\mathrm{\&eta;}}_{conv}={\mathrm{\&eta;}}_{dc/dc\_charging}\end{array}\right.\end{array}\right.$

其中，P_Vehicle为整车总线需求功率；η_conv为dc/dc转换器效率；η_{dc/dc_discharging}为动力电池放电时dc/dc转换器效率；η_{dc/dc_charging}为电池处于充电状态时dc/dc转换器效率；P_b为动力电池输出功率，P_b＞0表示动力电池处于放电状态，P_b＜0表示动力电池处于充电状态；P_RE为增程器的输出功率；P_auxiliary为整车动力附件***功率。

10.如权利要求2所述的混合动力***的能量管理方法，其特征在于，所述第八步骤中调整修正逻辑规则如下：

$\begin{array}{c}{P}_{b\_\min },P_{RE\_\min }\&le;P_b,P_{RE}\&le;P_{b\_\max },P_{RE\_\max }\\ \max \left\{P_{RE\_\min },\frac{P_{Vehicle}}{{\mathrm{\&eta;}}_{conv}}-P_{b\_\max }\right\}\&le;P_{RE}\&le;\min \left\{P_{RE\_\max },\frac{P_{Vehicle}}{{\mathrm{\&eta;}}_{conv}}-\frac{P_{b\_\min }}{{\mathrm{\&eta;}}_{conv}^2}\right\}\\ {\mathrm{SOC}}_{\min }\&le;SOC\&le;{\mathrm{SOC}}_{\max }\\ SOC\left(T_{total}\right)={\mathrm{SOC}}_{\min }\end{array}$

其中P_{b_min,}P_{RE_min}分别为动力电池、增程器输出功率的下限，具体数值根据选择的***设定，P_{b_max},P_{RE_max}分别为动力电池、增程器输出功率的上限，具体数值根据选择的***设定，η_conv为dc/dc转换器效率；P_Vehicle为整车总线需求功率；P_b为电池***输出功率；P_RE为增程器的输出功率。

11.如权利要求2所述的混合动力***的能量管理方法，其特征在于，所述第九步骤中，整车控制器VMS通过CAN总线向动力电池控制器BMS和增程器控制器RES发送输出功率分配组合，完成整车控制器VMS对动力***各能量源输出功率分配。

12.一种混合动力***，其特征在于，适用如权利要求1-11中任一项所述的混合动力***的能量管理方法，所述混合动力***包括：动力电池、增程器、远程监控***、驱动电机、整车控制器VMS、动力电池控制器BMS、增程器控制器RES、驱动电机控制器PEU、整车动力***附件和CAN总线；

整车控制器VMS通过CAN总线连接到增程器控制器RES、动力电池控制器BMS、驱动电机控制器PEU、远程监控***和整车动力***附件；增程器与增程器控制器RES连接，动力电池与动力电池控制器BMS连接；增程器、动力电池、整车动力附件***和驱动电机控制器PEU通过高压电线互相连接；增程器通过DC/DC转换器接入高压电线；

所述混合动力***的能量管理方法使用的能量管理策略的控制参数通过CAN总线在整车控制器VMS与作为能量源的动力电池控制器和增程器控制器之间完成数据交互；整车控制器VMS从CAN总线获得能量管理策略计算所需数据后提供工况功率谱自适应和整车能耗成本最小算法公式计算出增程器输出功率，再通过CAN总线将输出功率组合发送给各个能量源的控制器，包括动力电池控制器和增程器控制器，以完成动力***能量源功率的实时调整。