[发明专利]一种基于多源信息融合的混合动力汽车能量管理方法

权利要求书

1.一种基于多源信息融合的混合动力汽车能量管理方法，其特征在于，该方法包括以下步骤：

实时获取车辆当前行驶路段的交通信息、车辆的实际车速和动力电池的实际SOC；所述交通信息包括前车运动信息、交通流信息、交通信号灯信息和道路限速信息，所述前车运动信息包括前车车速和自车与前车的相对距离；

结合车辆当前行驶路段的交通信息基于马尔科夫链构建车辆未来的长期行驶工况，预测得到车辆整个行程的车速-时间关系曲线，并以车辆整个行程的运行成本最低为原则构建动力电池SOC的目标函数，以所述车速-时间关系曲线为约束，利用动态规划算法求解所述动力电池SOC的目标函数，预测得到车辆整个行程的动力电池SOC的参考轨迹，并利用实时获取的车辆当前行驶路段的交通信息每隔设定时间间隔对长期行驶工况和动力电池SOC的参考轨迹进行一次更新；所述车辆整个行程为车辆由当前位置到达终点位置的行程；

结合当前时刻的车辆实际车速、前车车速以及自车与前车之间的相对距离，预测得到车辆未来短期的车速数据；

结合动力电池的实际SOC、所述动力电池SOC的参考轨迹和所述车辆未来短期的车速数据，利用简化的动态规划算法对能量管理优化目标函数进行求解，预测得到车辆未来的发动机输出转矩和动力电池输出功率，实现对混合动力汽车的能量管理；所述能量管理优化目标函数为：

其中，

式中，E为能量管理优化目标函数，L(x(t),u(t))＝β_fuel·Q_fuel(t)+β_ele·P_batt(t)，u(t)为发动机的输出转矩，x(t)为动力电池的SOC，β_fuel为燃料的价格，Q_fuel(t)为燃油率，单位为L/s；β_ele为电的价格，P_batt(t)为动力电池的输出功率，p是预测时域，h(SOC(t+1))为将SOC收敛到设定值的惩罚函数，β为惩罚系数，SOC_r(t)为t时刻的SOC参考值，SOC(t)为t时刻的实际SOC值。

2.根据权利要求1所述的基于多源信息融合的混合动力汽车能量管理方法，其特征在于，该方法还包括利用车辆的实际车速对所述车辆未来短期的车速数据进行反馈校正的步骤。

3.根据权利要求1或2所述的基于多源信息融合的混合动力汽车能量管理方法，其特征在于，所述车辆未来的长期行驶工况的构建过程包括：将车辆的整个行程划分为M个路段，M≥1，根据当前路段的交通信息确定当前路段的平均车速，并结合当前路段的平均车速依据已确定的车速状态簇分类规则得到当前路段的车速状态簇Q₁，从车速片段候选集中随机选择一个车速状态簇等于Q₁的车速片段作为第一个路段；其中，根据车速片段的平均车速依据已确定的车速状态簇分类规则确定车速片段的车速状态簇；基于马尔可夫链确定下一个路段的车速状态簇Q₂，从车速片段候选集中选择车速状态簇为Q₂且初始速度与上一路段的末速度值相差小于设定值的车速片段作为第二个路段；并在构建过程中将已使用的车速片段从车速片段候选集中删除，以此类推，直至已构建的路段总数等于总路段数M，完成车辆长期行驶工况的构建；所述车速片段候选集通过对自车的历史车速数据划分车速片段得到，车速片段候选集中包含多个车速片段及每个车速片段对应的车速状态簇，车速片段的划分规则为：将车辆从一个怠速开始到下一次怠速开始之间的运动定义为车速片段。

4.根据权利要求3所述的基于多源信息融合的混合动力汽车能量管理方法，其特征在于，所述基于马尔可夫链确定下一个路段的状态簇Q₂的过程包括：基于蒙特卡洛方法生成(0,1)之间的随机数r，如果r满足则确定下一个路段的状态簇Q₂为q；其中，P_ij为将车辆的行驶过程看作马尔科夫过程时车速片段从车速状态簇i到车速状态簇j的转移概率，Q为车速状态簇的类别总个数。