CN113942491B - 一种串联式混合动力***及联网混合动力车辆能量管理方法 - Google Patents
一种串联式混合动力***及联网混合动力车辆能量管理方法 Download PDFInfo
- Publication number
- CN113942491B CN113942491B CN202111433971.1A CN202111433971A CN113942491B CN 113942491 B CN113942491 B CN 113942491B CN 202111433971 A CN202111433971 A CN 202111433971A CN 113942491 B CN113942491 B CN 113942491B
- Authority
- CN
- China
- Prior art keywords
- power
- generator
- vehicle
- engine
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000006855 networking Effects 0.000 title claims abstract description 49
- 238000007726 management method Methods 0.000 title claims abstract description 20
- 238000004146 energy storage Methods 0.000 claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 30
- 230000008859 change Effects 0.000 claims description 35
- 238000013528 artificial neural network Methods 0.000 claims description 25
- 230000001105 regulatory effect Effects 0.000 claims description 17
- 239000003990 capacitor Substances 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 238000004804 winding Methods 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 10
- 230000008878 coupling Effects 0.000 claims description 7
- 238000010168 coupling process Methods 0.000 claims description 7
- 238000005859 coupling reaction Methods 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 5
- 230000005611 electricity Effects 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 4
- 229910052744 lithium Inorganic materials 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 230000001537 neural effect Effects 0.000 claims description 4
- 230000008844 regulatory mechanism Effects 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 238000010248 power generation Methods 0.000 description 5
- 239000012634 fragment Substances 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000005284 excitation Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000005036 nerve Anatomy 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007363 regulatory process Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W20/00—Control systems specially adapted for hybrid vehicles
- B60W20/10—Controlling the power contribution of each of the prime movers to meet required power demand
- B60W20/12—Controlling the power contribution of each of the prime movers to meet required power demand using control strategies taking into account route information
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
- B60W10/06—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of combustion engines
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
- B60W10/08—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of electric propulsion units, e.g. motors or generators
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/06—Combustion engines, Gas turbines
- B60W2710/0644—Engine speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/08—Electric propulsion units
- B60W2710/081—Speed
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/62—Hybrid vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Hybrid Electric Vehicles (AREA)
Abstract
本发明提出一种串联式混合动力***及其联网混合动力车辆能量管理方法。串联式混合动力***包括发动机‑发电机组、整流模块、储能模块、驱动负载模块、联网功率预测模块和中央处理器。本发明的能量管理方法根据云端历史交通数据和实时交通数据等联网信息,预测未来道路的车辆行驶需求功率,并依据功率需求等级以及当前车辆行驶状态调节混合动力***功率输出等级方式,通过合理调节发动机转速,进而调节发电机输出功率,满足***使用要求。本发明通过结合预测的驱动功率,能够有效快速调节混合动力***的输出功率等级,匹配车辆动力功率需求。
Description
技术领域
本发明属于车辆联网驾驶能量管理技术领域,具体涉及一种串联式混合动力***及其联网混合动力车辆能量管理方法。
背景技术
20世纪末至今,能源危机和环境污染已成为全世界亟需解决的热点问题,电动汽车技术日益被重视和研究。混合动力车辆兼具内燃机动力驱动***和电气化驱动***的特点,能够有效降低尾气排放和提高燃油经济性,且不受充电设施建设和电池续航的约束,是极具市场竞争力的技术。常见的混合动力***拓扑结构包括串联式、并联式和混联式。其中,串联式结构中,发动机带动发电机进行发电,与电池输出的电能共同供给电动机驱动车辆行驶,由于动力传递的途径完全依靠电缆线,因此易于进行空间布置,可满足重型运输车辆的特殊使用需求,如大型客车、货车、装甲车辆等。
常见的串联式混合动力***中,发动机维持在高效区定转速运行,带动发电机高效发电,发电机输出的交流电通过逆变装置整流调压为恒压直流电。由于逆变整流调压装置体积较大、成本较高,且维护较困难,增加了混合动力***的控制难度以及制造成本。另一方面,发电***过少参与车辆的驱动过程,导致车辆动力***需要配置较大容量的电池组以匹配纯电行驶模式下的需求功率等级,这也相应增加了车辆混合动力***的成本。
发明内容
(一)要解决的技术问题
本发明提出一种串联式混合动力***及其联网混合动力车辆能量管理方法,利用简单二极管整流装置取代复杂的电机逆变整流调压装置,同时解决如何通过调整发动机转速解决发电机输出功率跟随可控的技术问题。
(二)技术方案
为了解决上述技术问题,本发明提出一种串联式混合动力***,该串联式混合动力***包括发动机-发电机组、整流模块、储能模块、驱动负载模块、联网功率预测模块和中央处理器;其中,
发动机-发电机组中发动机曲轴通过联轴器连接发电机转子并带动发电机发电;发电机为永磁发电机;
整流模块包括整流二极管和缓冲滤波电容装置,用于将发电机产生的交流电整流成直流电,同时消除电压变化瞬间的尖峰;
储能模块用于输出能量供驱动负载模块工作,以及存储发电机输出的能量;储能模块最大输出功率低于发电机最大输出功率;当发电机输出功率超过车辆驱动功率需求时,电能回流至储能模块;当发电机输出功率低于车辆驱动功率需求时,由储能模块补充输出电能供驱动负载模块使用;
驱动负载模块用于通过驱动电机带动车辆行驶;
联网功率预测模块通过联网设备获得云端服务器中存储的道路交通信息,包括实时车流量信息、历史车流量信息、历史道路车辆密度信息;联网功率预测模块以时间为基准选取相对应的历史车流量信息、历史道路车辆密度信息,拟合得到车流量及对应道路车辆密度的相关性曲线,利用神经网络预测未来短时车流量及对应的道路车辆密度;通过相关性曲线结合预测的未来短时车流量及对应的道路车辆密度,估算未来短时行驶速度变化趋势,进而预测得到车辆未来短时行驶功率需求变化趋势;
中央处理器用于根据实时车速信息和预测的未来短时行驶功率需求,结合混合动力***工作模式指令,调节发动机转速,进而改变发电机输出功率。
进一步地,联轴器为弹性联轴器、刚性连接结构或齿轮传动装置。
进一步地,发电机绕组形式为单相绕组或三相绕组形式。
进一步地,整流模块由整流二极管和缓冲滤波电容装置组成;其中,缓冲滤波电容装置用于消耗发电机突然抛载时产生的尖峰电压,发电机输出交流电压经过整流模块转变为直流电压,但不改变输出功率幅值,依靠发动机调整转速进行调压,转速与输出功率呈正相关性输出关系。
进一步地,储能模块为锂电池组或超级电容储能模块。
进一步地,混合动力***工作模式包括纯电工作模式、停车充电模式和混动工作模式。
此外,本发明还提出一种基于上述串联式混合动力***的联网混合动力车辆能量管理方法,该方法包括如下步骤:
S1.联网功率预测模块通过联网设备接收云端服务器存储的道路交通信息,包括实时车流量信息、历史车流量信息、历史道路车辆密度信息;联网功率预测模块以时间为基准选取相对应的历史车流量信息、历史道路车辆密度信息,拟合得到车流量及对应道路车辆密度的相关性曲线;
S2.联网功率预测模块将受限玻尔兹曼机网络与支持向量回归网络相结合,构建深度学习回归机模型的组合神经网络,并利用云端的历史车流量信息训练组合神经网络;在神经网络训练完毕后,将获取的实时车流量信息的时间序列状态值片段输入组合神经网络,网络的输出即为预测的未来短时车流量值;
S3.联网功率预测模块根据预测的未来短时车流量及对应的道路车辆密度,估算未来短时行驶速度变化趋势,进而得到车辆未来短时行驶功率需求变化趋势;
S4.中央处理器根据实时车速信息和预测的未来短时行驶功率需求,结合混合动力***工作模式指令,调节发动机转速,进而改变发电机输出功率;
S5.中央处理器根据事先标定的发电机组工作转速-输出电压-功率输出曲线,结合当前储能模块的电压区间以及车辆行驶功率需求变化区间,将发动机转速划分为高转速区间和低转速区间;
S6.中央处理器根据驾驶员指令进行能量管理
当驾驶员指令为纯电工作模式时,中央处理器对发动机施加停机指令,发动机停机后发电机因没有转速进而没有电压输出,由储能模块提供驱动负载模块需求功率;
当驾驶员指令为混动工作模式时,中央处理器根据实时车速信息和油门开度,判断车辆当前需求功率等级P1,同时结合预测的未来短时行驶功率需求等级P2,判断P1与P2的和值是否大于判断阈值,调整发动机进入不同转速调节区间;当车辆低速时间大于一定时间且油门开度超过一定数值并大于一定时间时,认为当前需求功率等级标志位P1=1,否则P1=0;当未来短时行驶功率需求超过当前输出功率一定百分比时,认为未来短时行驶功率需求等级P2=1,否则P2=0;当判断P1与P2的和值大于等于1时,则认为需要将发动机转入高转速调节区间,否则发动机维持在低转速调节区间工作;结合发电机组工作转速-输出电压-功率输出曲线、当前储能模块电压,根据功率需求选择合适的发动机组转速值,以确保发动机-发电机组输出的能量满足驱动负载模块功率需求;
当驾驶员指令为混动工作模式时,发动机转速随车速变化而实时变化,当车辆实际消耗功率低于发电功率时,防止充电电流超过储能模块限制,设置基于充电电流的发动机自适应调速机制,确保充电电流值过大时***适当降低转速;中央处理器检测发动机实际转速是否达到指令要求转速,如果误差大于一定百分比则持续发送调速指令,否则继续判断充电电流是否超过电池限制值,如是则转速指令将低,直到充电电流在安全限制内;
当驾驶员指令为停车充电模式时,中央处理器根据充电功率等级调节发动机转速指令,调节过程中确保发电机输出电压高于储能模块当前电压,同时利用发动机自适应调速机制,确保充电电流小于储能模块充电能力。
进一步地,步骤S2中,多层受限玻尔兹曼机网络作为第一级网络,根据输入数据自学习概率分布,对隐神经节点的状态进行马尔可夫链采样,实现输入数据的期望估计;支持向量回归网络作为第二层网络,实现输入数据变化趋势分类。
(三)有益效果
本发明提出一种串联式混合动力***及其联网混合动力车辆能量管理方法。串联式混合动力***包括发动机-发电机组、整流模块、储能模块、驱动负载模块、联网功率预测模块和中央处理器。本发明的能量管理方法根据云端历史交通数据和实时交通数据等联网信息,预测未来道路的车辆行驶需求功率,并依据功率需求等级以及当前车辆行驶状态调节混合动力***功率输出等级方式,通过合理调节发动机转速,进而调节发电机输出功率,满足***使用要求。本发明通过结合预测的驱动功率,能够有效快速调节混合动力***的输出功率等级,匹配车辆动力功率需求。
附图说明
图1为本发明实施例中串联式混合动力***框架图;
图2(a)为本发明中交流电单相整流方式示意图,图2(b)为本发明中交流电三相整流方式示意图;
图3为本发明中功率等级判断逻辑;
图4为本发明中充电电流过大的转速限制方法;
图5为本发明实施例中永磁发电机组在不同转速下的最大输出功率与输出电压关系;
图6为本发明实施例中深度学习回归机网络预测结果;
图7为本发明实施例中低转速调节区间示意图;
图8为本发明实施例中高转速调速区间示意图。
具体实施方式
为使本发明的目的、内容和优点更加清楚,下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。
本实施例提出一种应用于串联式混合动力***的联网混合动力车辆能量管理方法。如图1所示,该串联式混合动力***中没有逆变调压发电装置,包括发动机-发电机组、整流模块、储能模块、驱动负载模块、联网功率预测模块和中央处理器。
发动机-发电机组中,发动机曲轴通过联轴器连接发电机转子并带动发电机发电。其中,联轴器包括且不局限于弹性联轴器、刚性连接结构、齿轮传动装置等方式。发电机为永磁发电机,发电机绕组形式包括且不局限于单相绕组、三相绕组形式,发电机转子内部布置有较多磁极对数,可独立连续输出高频交流电压。永磁发电机输出功率取决于发动机转速、储能模块电压以及负载模块需求功率。永磁发电机结构简单、可靠性高,省去励磁式发电机的励磁绕组、碳刷、滑环结构,整机结构简单,避免励磁绕组易烧毁、断线,碳刷、滑环易磨损等故障,可靠性大。同时,具有体积小、重量轻、比功率大的优势。永磁发电机无需磁场控制而只进行电机输出控制,且发动机转速决定发电机空载输出功率,转速与输出功率呈正相关性输出关系。
整流模块包括整流二极管和缓冲滤波电容装置,用于将发电机产生的交流电整流成直流电,同时消除电压变化瞬间的尖峰。本发明采用的整流装置仅仅包含整流二极管以及缓冲滤波电容装置,功能简单,结构体积小,交流单相整流和三相整流方式,如图2所示。其中,缓冲滤波电容装置用于消耗发电机突然抛载时产生的尖峰电压。发电机输出交流电压经过整流模块转变为直流电压,但不改变输出功率幅值,属于电压不可控发电方式,需要依靠发动机调整转速进行调压,转速与输出功率呈正相关性输出关系。
储能模块用于输出能量供驱动负载模块工作,以及存储发电机输出的能量。储能模块包括且不局限于锂电池组、超级电容储能模块等。储能模块最大输出功率低于发电机最大输出功率。当发电机输出功率功率超过车辆驱动功率需求时,电能回流至储能模块;当发电机输出功率低于车辆驱动功率需求时,由储能模块补充输出电能供驱动负载模块使用。
驱动负载模块用于通过驱动电机带动车辆行驶。驱动负载模块可用于任一种驱动方式,包括常见的前驱、后驱、四轮驱动、分布式驱动、轮边驱动模式等。
联网功率预测模块通过联网设备获得云端服务器中存储的道路交通信息,包括实时车流量信息、历史车流量信息(车流量=车数/时间)、历史道路车辆密度信息(道路车辆密度=车数/距离)。云端服务器存储的历史车流量信息、历史道路车辆密度信息具有动态时空相关性,联网功率预测模块以时、天、周、月为基准选取相对应的历史车流量信息、历史道路车辆密度信息,拟合得到车流量及对应道路车辆密度的相关性曲线,利用神经网络预测未来短时车流量及对应的道路车辆密度;通过相关性曲线结合预测的未来短时车流量及对应的道路车辆密度,估算未来短时行驶速度变化趋势,进而预测得到车辆未来短时行驶功率需求变化趋势。
未来短时车流量预测流程具体包括:将受限玻尔兹曼机网络与支持向量回归网络相结合,构建深度学习回归机模型的组合神经网络,利用云端历史车流量信息(基于时间的序列状态值片段)训练组合神经网络。其中,多层受限玻尔兹曼机网络作为第一级网络,可以根据输入数据自学习概率分布,对隐神经节点状态进行马尔可夫链采样,实现输入数据的期望估计。支持向量回归网络作为第二层网络,在非线性和高维任务中使用核技巧和最大裕度概念,执行状态值分类预测,实现输入数据变化趋势分类。将实时车流量信息的时间序列状态值片段输入训练完毕的组合神经网络网络的输出即为预测的未来短时车流量值。
中央处理器用于根据实时车速信息和预测的未来短时行驶功率需求,结合混合动力***工作模式指令,调节发动机转速,进而改变发电机输出功率。中央处理器能够根据驾驶员指令调整混合动力***的工作模式,包括纯电工作模式、停车充电模式和混动工作模式。
基于上述串联式混合动力***,本发明的联网混合动力车辆能量管理方法的具体步骤为:
S1.联网功率预测模块通过联网设备接收云端服务器存储的道路交通信息,包括实时车流量信息、历史车流量信息、历史道路车辆密度信息;联网功率预测模块以时、天、周、月为基准选取相对应的历史车流量信息、历史道路车辆密度信息,拟合得到车流量及对应道路车辆密度的相关性曲线。车流量一般是道路车辆密度的凹函数。
S2.联网功率预测模块将受限玻尔兹曼机网络与支持向量回归网络相结合,构建深度学习回归机模型的组合神经网络,并利用云端的历史车流量信息(基于时间的序列状态值片段)训练组合神经网络。其中,多层受限玻尔兹曼机网络作为第一级网络,可以根据输入数据自学习概率分布,对隐神经节点的状态进行马尔可夫链采样,实现输入数据的期望估计。支持向量回归网络作为第二层网络,实现输入数据变化趋势分类。在神经网络训练完毕后,将获取的实时车流量信息的时间序列状态值片段输入组合神经网络,网络的输出即为预测的未来短时车流量值。
S3.联网功率预测模块根据预测的未来短时车流量及对应的道路车辆密度,估算未来短时行驶速度变化趋势,进而得到车辆未来短时行驶功率需求变化趋势。
S4.中央处理器根据实时车速信息和预测的未来短时行驶功率需求,结合混合动力***工作模式指令,调节发动机转速,进而改变发电机输出功率。
S5.中央处理器根据事先标定的发电机组工作转速-输出电压-功率输出曲线,结合当前储能模块的电压区间以及车辆行驶功率需求变化区间,将发动机转速划分为高转速区间和低转速区间。
由于没有逆变整流调压装置,发电机组输出电压跨度大,储能模块工作电压范围较小。由于储能模块电压固定,随着发动机转速增加,发电机组输出电压增大,两者之间的电势差逐渐增大,发电功率增加。
调节发动机转速,既要确保发动机输出功率达到期望值,又要确保输出电压满足充电要求。在低负载时,低转速区间发电电压完全覆盖储能电压变化范围,满足放电需求,而发电机组高转速区间放电电压超过电池上限。在高负载时,发电机组输出电压下降较多,低转速区间发电电压无法匹配***工作。因此需要根据功率需求、储能模块工作电压,选择合适的发电机组工作转速区间。
S6.中央处理器根据驾驶员指令进行能量管理
当驾驶员指令为纯电工作模式时,中央处理器对发动机施加停机指令,发动机停机后发电机因没有转速进而没有电压输出,由储能模块提供驱动负载模块需求功率。
当驾驶员指令为混动工作模式时,中央处理器根据实时车速信息和油门开度,判断车辆当前需求功率等级P1,同时结合预测的未来短时行驶功率需求等级P2,判断P1与P2的和值是否大于判断阈值,调整发动机进入不同转速调节区间,判断过程如图3所示,当车流低速时间大于5s且油门开度超过10%大于5s时,认为当前需求功率等级标志位P1=1,否则P1=0;当未来短时行驶功率需求超过当前输出功率20%时,认为未来短时行驶功率需求等级P2=1,否则P2=0;当判断P1与P2的和值大于等于1时,则认为需要将发动机转入高转速调节区间,否则发动机维持在低转速调节区间工作。
结合发电机组工作转速-输出电压-功率输出曲线、当前储能模块电压,根据功率需求选择合适的发动机组转速值,以确保发动机-发电机组输出的能量满足驱动负载模块功率需求。
当驾驶员指令为混动工作模式时,发动机转速随车速变化而实时变化,当车辆实际消耗功率低于发电功率时,防止充电电流超过储能模块限制,需要设置基于充电电流的发动机自适应调速机制,确保充电电流值过大时***适当降低转速,调节过程如图4所示,中央处理器检测发动机实际转速是否达到指令要求转速,如果误差大于5%则持续发送调速指令,否则继续判断充电电流是否超过电池限制值,如是则转速指令将低,直到充电电流在安全限制内。
当驾驶员指令为停车充电模式时,中央处理器根据充电功率等级调节发动机转速指令,调节过程中确保发电机输出电压高于储能模块当前电压,同时利用发动机自适应调速机制,确保充电电流小于储能模块充电能力。
以下采用具体实施例对本发明的联网混合动力车辆能量管理方法进行说明。在本实施例的串联式混合动力***中,发动机-发电机组中发动机有效调速范围为1200转/分~3000转/分,其永磁发电机组在不同转速下的最大输出功率及电压如图5所示。储能模块为三元锂电池组,容量为50千瓦时,额定电压等级为378V~588V。
基于上述串联式混合动力***,本实施例的联网混合动力车辆能量管理方法包括如下步骤:
S1.联网功率预测模块通过联网设备接收云端服务器存储的道路交通信息,包括实时车流量信息、历史车流量信息、历史道路车辆密度信息;联网功率预测模块以时、天、周、月为基准选取相对应的历史车流量信息、历史道路车辆密度信息,拟合得到车流量及对应道路车辆密度的相关性曲线。车流量一般是道路车辆密度的凹函数。
S2.联网功率预测模块将受限玻尔兹曼机网络与支持向量回归网络相结合,构建深度学习回归机模型的组合神经网络,并利用云端的历史车流量信息(基于时间的序列状态值片段)训练组合神经网络。其中,多层受限玻尔兹曼机网络作为第一级网络,可以根据输入数据自学习概率分布,对隐神经节点的状态进行马尔可夫链采样,实现输入数据的期望估计。支持向量回归网络作为第二层网络,实现输入数据变化趋势分类。在神经网络训练完毕后,将获取的实时车流量信息的时间序列状态值片段输入组合神经网络,网络的输出即为预测的未来短时车流量值。
本方法中,联网功率预测模块构建组合神经网络时,输入层网络为受限玻尔兹曼机网络,输出层网络为支持向量回归网络,并将采集的历史车流量信息分成训练集和测试集,使用训练集训练组合神经网络,使用测试集评价训练效果。组合神经网络中每神经层的节点数需要依据训练效果确定。当预测结果误差满足要求时,认为网络训练合格。图6为以测试集中某时刻点数据片段作为预测对象,输入起始片段得到一定时间范围内的预测数据值,预测结果与真实值变化趋势相近,误差在可接受范围内,可认为能够估算出未来车流变化趋势。
S3.联网功率预测模块根据预测的未来短时车流量及对应的道路车辆密度,估算未来短时行驶速度变化趋势,进而得到车辆未来短时行驶功率需求变化趋势。
本方法中,预测的短时交通车流量是离散的时间序列参数点,结合确定的车流量-车辆密度曲线,得到离散的短时车速时间序列参数点。通过时间轴得到速度曲线,进而得到车辆行驶功率需求变化曲线。
S4.中央处理器根据实时车速信息和预测的未来短时行驶功率需求,结合混合动力***工作模式指令,调节发动机转速,进而改变发电机输出功率。
S5中央处理器根据事先标定的发电机组工作转速-输出电压-功率输出曲线,结合当前储能模块的电压区间以及车辆行驶功率需求变化区间,将发动机转速划分为高转速区间和低转速区间。
发电机组工作转速在1200-3200rpm,输出电压范围为200-750V。高压电池的工作电压范围为378-588V。根据电压等级和功率等级划分低转速区间为[1600-2800],高转速区间为[1800,3200]。
S6.中央处理器根据驾驶员指令进行能量管理
根据当前车辆运行状态,预测车辆处于加速或爬坡等大功率需求状态(P1状态值),并配合预测的未来短时间内驱动负载模块需求功率等级(P2状态值),决定当前混合动力***的输出功率等级。当P1=1时,说明此时车辆在得到长时间油门信号时,速度仍旧较低,即当前混合动力***输出功率未能满足车辆的实时功率需求,因此混合动力***需要输出更多的功率满足车辆使用。当P2=1时,说明未来短时间内车辆需求功率大于当前混合动力输出功率较多,因此需要调整功率等级以应对未来大功率需求场景。假设电池此时的输出电压为450V,车辆不同车速对应的功率需求如下表所示。
车速(km/h) | 20 | 40 | 60 | 80 | 100 |
功率需求(kw) | 5 | 10 | 20 | 30 | 40 |
假设此时车速为匀速20km/h,***稳定工作的功率等级为5kw,且P1=0、P2=0,此时混合动力发电机工作在图7所示的低转速调节区间,转速在[1600,1800]内,发电机输出功率范围满足5kw的等级使用。当未来30s内车速需要根据车流变化增加到40km/h,未来确保车辆加速过程中的功率满足加速需求,此时发电机将改变工作策略,运行在图8的高转速调节区间,转速在[1800,2000]内,发电机输出功率最大值超过10kw,满足加速度需求。
同时,在调高功率等级以及转速等级时,由于车辆实时功率需求存在无法完全消耗混合动力***输出功率的情况,***富余的功率将对储能模块进行充电。充电过程中,为保护充电电流不超过电池可承受最大充电电流,需要对发动机-发电机组转速进行自适应调速机制,确保充电电流值过大时***适当降低转速。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (8)
1.一种串联式混合动力***,其特征在于,所述串联式混合动力***包括发动机-发电机组、整流模块、储能模块、驱动负载模块、联网功率预测模块和中央处理器;其中,
所述发动机-发电机组中发动机曲轴通过联轴器连接发电机转子并带动发电机发电;所述发电机为永磁发电机;
所述整流模块包括整流二极管和缓冲滤波电容装置,用于将发电机产生的交流电整流成直流电,同时消除电压变化瞬间的尖峰;
所述储能模块用于输出能量供驱动负载模块工作,以及存储发电机输出的能量;储能模块最大输出功率低于发电机最大输出功率;当发电机输出功率超过车辆驱动功率需求时,电能回流至储能模块;当发电机输出功率低于车辆驱动功率需求时,由储能模块补充输出电能供驱动负载模块使用;
所述驱动负载模块用于通过驱动电机带动车辆行驶;
所述联网功率预测模块通过联网设备获得云端服务器中存储的道路交通信息,包括实时车流量信息、历史车流量信息、历史道路车辆密度信息;联网功率预测模块以时间为基准选取相对应的历史车流量信息、历史道路车辆密度信息,拟合得到车流量及对应道路车辆密度的相关性曲线,利用神经网络预测未来短时车流量及对应的道路车辆密度;通过相关性曲线结合预测的未来短时车流量及对应的道路车辆密度,估算未来短时行驶速度变化趋势,进而预测得到车辆未来短时行驶功率需求变化趋势;
所述中央处理器用于根据实时车速信息和预测的未来短时行驶功率需求,结合混合动力***工作模式指令,调节发动机转速,进而改变发电机输出功率。
2.如权利要求1所述的串联式混合动力***,其特征在于,所述联轴器为弹性联轴器、刚性连接结构或齿轮传动装置。
3.如权利要求1所述的串联式混合动力***,其特征在于,所述发电机绕组形式为单相绕组或三相绕组形式。
4.如权利要求1所述的串联式混合动力***,其特征在于,所述整流模块由整流二极管和缓冲滤波电容装置组成;其中,缓冲滤波电容装置用于消耗发电机突然抛载时产生的尖峰电压,发电机输出交流电压经过整流模块转变为直流电压,但不改变输出功率幅值,依靠发动机调整转速进行调压,转速与输出功率呈正相关性输出关系。
5.如权利要求1所述的串联式混合动力***,其特征在于,所述储能模块为锂电池组或超级电容储能模块。
6.如权利要求1所述的串联式混合动力***,其特征在于,所述混合动力***工作模式包括纯电工作模式、停车充电模式和混动工作模式。
7.一种基于权利要求1~6任一项所述串联式混合动力***的联网混合动力车辆能量管理方法,其特征在于,所述方法包括如下步骤:
S1.联网功率预测模块通过联网设备接收云端服务器存储的道路交通信息,包括实时车流量信息、历史车流量信息、历史道路车辆密度信息;联网功率预测模块以时间为基准选取相对应的历史车流量信息、历史道路车辆密度信息,拟合得到车流量及对应道路车辆密度的相关性曲线;
S2.联网功率预测模块将受限玻尔兹曼机网络与支持向量回归网络相结合,构建深度学习回归机模型的组合神经网络,并利用云端的历史车流量信息训练组合神经网络;在神经网络训练完毕后,将获取的实时车流量信息的时间序列状态值片段输入组合神经网络,网络的输出即为预测的未来短时车流量值;
S3.联网功率预测模块根据预测的未来短时车流量及对应的道路车辆密度,估算未来短时行驶速度变化趋势,进而得到车辆未来短时行驶功率需求变化趋势;
S4.中央处理器根据实时车速信息和预测的未来短时行驶功率需求,结合混合动力***工作模式指令,调节发动机转速,进而改变发电机输出功率;
S5.中央处理器根据事先标定的发电机组工作转速-输出电压-功率输出曲线,结合当前储能模块的电压区间以及车辆行驶功率需求变化区间,将发动机转速划分为高转速区间和低转速区间;
S6.中央处理器根据驾驶员指令进行能量管理
当驾驶员指令为纯电工作模式时,中央处理器对发动机施加停机指令,发动机停机后发电机因没有转速进而没有电压输出,由储能模块提供驱动负载模块需求功率;
当驾驶员指令为混动工作模式时,中央处理器根据实时车速信息和油门开度,判断车辆当前需求功率等级P1,同时结合预测的未来短时行驶功率需求等级P2,判断P1与P2的和值是否大于判断阈值,调整发动机进入不同转速调节区间;当车辆低速时间大于一定时间且油门开度超过一定数值并大于一定时间时,认为当前需求功率等级标志位P1=1,否则P1=0;当未来短时行驶功率需求超过当前输出功率一定百分比时,认为未来短时行驶功率需求等级P2=1,否则P2=0;当判断P1与P2的和值大于等于1时,则认为需要将发动机转入高转速调节区间,否则发动机维持在低转速调节区间工作;结合发电机组工作转速-输出电压-功率输出曲线、当前储能模块电压,根据功率需求选择合适的发动机组转速值,以确保发动机-发电机组输出的能量满足驱动负载模块功率需求;
当驾驶员指令为混动工作模式时,发动机转速随车速变化而实时变化,当车辆实际消耗功率低于发电功率时,防止充电电流超过储能模块限制,设置基于充电电流的发动机自适应调速机制,确保充电电流值过大时***适当降低转速;中央处理器检测发动机实际转速是否达到指令要求转速,如果误差大于一定百分比则持续发送调速指令,否则继续判断充电电流是否超过电池限制值,如是则转速指令将低,直到充电电流在安全限制内;
当驾驶员指令为停车充电模式时,中央处理器根据充电功率等级调节发动机转速指令,调节过程中确保发电机输出电压高于储能模块当前电压,同时利用发动机自适应调速机制,确保充电电流小于储能模块充电能力。
8.如权利要求7所述的联网混合动力车辆能量管理方法,其特征在于,步骤S2中,多层受限玻尔兹曼机网络作为第一级网络,根据输入数据自学习概率分布,对隐神经节点的状态进行马尔可夫链采样,实现输入数据的期望估计;支持向量回归网络作为第二层网络,实现输入数据变化趋势分类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111433971.1A CN113942491B (zh) | 2021-11-29 | 2021-11-29 | 一种串联式混合动力***及联网混合动力车辆能量管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111433971.1A CN113942491B (zh) | 2021-11-29 | 2021-11-29 | 一种串联式混合动力***及联网混合动力车辆能量管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113942491A CN113942491A (zh) | 2022-01-18 |
CN113942491B true CN113942491B (zh) | 2023-10-31 |
Family
ID=79339023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111433971.1A Active CN113942491B (zh) | 2021-11-29 | 2021-11-29 | 一种串联式混合动力***及联网混合动力车辆能量管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113942491B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114655147B (zh) * | 2022-05-05 | 2022-08-23 | 浙江春风动力股份有限公司 | 一种全地形车 |
US11685323B2 (en) | 2021-08-31 | 2023-06-27 | Zhejiang CFMOTO Power Co., Ltd. | Off-road vehicle |
CN116522779B (zh) * | 2023-04-29 | 2023-10-20 | 中国人民解放军63963部队 | 一种装甲车辆动力性与发动机运行map图匹配***及方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1583444A (zh) * | 2004-06-15 | 2005-02-23 | 嘉兴市恒久动力科技有限公司 | 一种轻型交通工具的燃油-电动集成混合动力*** |
JP2011235838A (ja) * | 2010-05-13 | 2011-11-24 | Mitsubishi Electric Corp | 車両用電動発電機の制御装置 |
CN102358198A (zh) * | 2011-08-24 | 2012-02-22 | 南京航空航天大学 | 一种电动车车载发电***及其控制方法 |
FR2975958A1 (fr) * | 2011-06-03 | 2012-12-07 | Renault Sa | Commande de regulation de vitesse d'un vehicule |
JP2013103563A (ja) * | 2011-11-11 | 2013-05-30 | Toyota Motor Corp | 車両搭載用発電装置 |
CN103229388A (zh) * | 2010-10-05 | 2013-07-31 | 潘先鹏 | 电池增强***及方法 |
CN103718220A (zh) * | 2010-07-29 | 2014-04-09 | 丰田自动车株式会社 | 交通控制***、车辆控制***、交通管理***及交通控制方法 |
CN107284452A (zh) * | 2017-07-18 | 2017-10-24 | 吉林大学 | 融合智能通讯信息的混合动力汽车未来工况预测*** |
TWI707796B (zh) * | 2019-07-01 | 2020-10-21 | 國立雲林科技大學 | 主動安全駕駛車輛衝擊波預測分析系統及其方法 |
CN112700642A (zh) * | 2020-12-19 | 2021-04-23 | 北京工业大学 | 一种利用智能网联车辆提高交通通行效率的方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6622804B2 (en) * | 2001-01-19 | 2003-09-23 | Transportation Techniques, Llc. | Hybrid electric vehicle and method of selectively operating the hybrid electric vehicle |
JP2011162178A (ja) * | 2010-01-13 | 2011-08-25 | Toyota Central R&D Labs Inc | 車両搭載用発電装置 |
US10202048B2 (en) * | 2017-06-28 | 2019-02-12 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for adjusting operation of a vehicle according to HOV lane detection in traffic |
US11625624B2 (en) * | 2019-09-24 | 2023-04-11 | Ford Global Technologies, Llc | Vehicle-to-everything (V2X)-based real-time vehicular incident risk prediction |
KR20210073638A (ko) * | 2019-12-10 | 2021-06-21 | 엘지전자 주식회사 | 군집 주행 차량의 제어 |
US11210945B2 (en) * | 2020-03-18 | 2021-12-28 | Ford Global Technologies, Llc | Infrastructure system |
-
2021
- 2021-11-29 CN CN202111433971.1A patent/CN113942491B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1583444A (zh) * | 2004-06-15 | 2005-02-23 | 嘉兴市恒久动力科技有限公司 | 一种轻型交通工具的燃油-电动集成混合动力*** |
JP2011235838A (ja) * | 2010-05-13 | 2011-11-24 | Mitsubishi Electric Corp | 車両用電動発電機の制御装置 |
CN103718220A (zh) * | 2010-07-29 | 2014-04-09 | 丰田自动车株式会社 | 交通控制***、车辆控制***、交通管理***及交通控制方法 |
CN103229388A (zh) * | 2010-10-05 | 2013-07-31 | 潘先鹏 | 电池增强***及方法 |
FR2975958A1 (fr) * | 2011-06-03 | 2012-12-07 | Renault Sa | Commande de regulation de vitesse d'un vehicule |
CN102358198A (zh) * | 2011-08-24 | 2012-02-22 | 南京航空航天大学 | 一种电动车车载发电***及其控制方法 |
JP2013103563A (ja) * | 2011-11-11 | 2013-05-30 | Toyota Motor Corp | 車両搭載用発電装置 |
CN107284452A (zh) * | 2017-07-18 | 2017-10-24 | 吉林大学 | 融合智能通讯信息的混合动力汽车未来工况预测*** |
TWI707796B (zh) * | 2019-07-01 | 2020-10-21 | 國立雲林科技大學 | 主動安全駕駛車輛衝擊波預測分析系統及其方法 |
CN112700642A (zh) * | 2020-12-19 | 2021-04-23 | 北京工业大学 | 一种利用智能网联车辆提高交通通行效率的方法 |
Non-Patent Citations (1)
Title |
---|
中国汽车工程学术研究综述・2017;《中国公路学报》编辑部;;中国公路学报(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113942491A (zh) | 2022-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113942491B (zh) | 一种串联式混合动力***及联网混合动力车辆能量管理方法 | |
CN108382186B (zh) | 混联式混合动力***及车辆工作模式决策方法 | |
US10081350B2 (en) | Vehicle propulsion system having an energy storage system and optimized method of controlling operation thereof | |
US9889752B2 (en) | Vehicle propulsion system having an energy storage system and optimized method of controlling operation thereof | |
Trovão et al. | Energy-and power-split management of dual energy storage system for a three-wheel electric vehicle | |
Lee et al. | Fuzzy-logic-based torque control strategy for parallel-type hybrid electric vehicle | |
US7267191B2 (en) | System and method for battery protection strategy for hybrid electric vehicles | |
US7791216B2 (en) | Method and system for use with a vehicle electric storage system | |
CN103568855A (zh) | 电动车辆中的低压dc/dc转换器的主动控制*** | |
CN109606348A (zh) | 一种插电式行星混联汽车能量管理控制方法 | |
CN103158711A (zh) | 用于混合动力车的转矩控制方法及其*** | |
CN116834613B (zh) | 一种动力电池辅助的氢燃料电池汽车***能量管理方法 | |
CN112572168A (zh) | 一种基于充电管理的增程式电动汽车能量管理控制方法 | |
KR20100035265A (ko) | 플라이휠을 이용한 직렬형 하이브리드 추진시스템 및 구동방법 | |
Chai et al. | Regenerative Braking Optimization Using Particle Swarm Algorithm for Electric Vehicle | |
Van Mierlo et al. | Views on hybrid drivetrain power management strategies | |
Frezza et al. | Ecological adaptive cruise controller for a parallel hybrid electric vehicle | |
Ušiak et al. | Performance Study of a Developed Rule-Based Control Strategy with Use of an ECMS Optimization Control Algorithm on a Plug-In Hybrid Electric Vehicle | |
Ehsani et al. | On board power management | |
Al-Adsani et al. | An ICE/HPM generator range extender in a series hybrid electric vehicle | |
Alipour et al. | A heuristic power management strategy for plug-in hybrid electric vehicles | |
Krishna et al. | Plug in Hybrid Vehicle-A Simulation Study | |
Ambaripeta et al. | Engine-generator sizing for re-engineering an electric vehicle into an extended range electric vehicle | |
US11904727B2 (en) | Battery thermal management via current control | |
Chellaswamy et al. | A supervisory control of a fuel free electric vehicle for green environment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |