[发明专利]基于行驶大数据的PHEV的智能能量管理方法和存储介质

权利要求书

1.一种基于行驶大数据的PHEV的智能能量管理方法，其特征在于，包括以下步骤，

获取车辆历史行驶数据，经处理后得到车速特征参数和道路特征参数；

建立长时车速预测模型；获取实时的道路特征参数，进行长时车速预测，得到第一预测结果，利用所述第一预测结果进行行车能耗预测，输出预测功率、行车能量消耗、动力电池可用电能量，确定插电式混合动力汽车动力系统工作模式；

建立短时车速预测模型；获取实时的车速特征参数，进行短时车速预测，得到第二预测结果，利用所述第二预测结果进行模型预测控制，对发动机和电机功率进行瞬时优化；行驶过程中相隔固定时间更新所述全局能量消耗的规划。

2.根据权利要求1所述的智能能量管理方法，其特征在于，所述获取车辆历史行驶数据，经处理后得到车速特征参数和道路特征参数具体为，利用车载定位系统和车辆行驶状态传感器获取车辆历史行驶数据，包括位置信息和车辆行驶信息，所述车辆行驶信息包括交通状态、车速和车距；所述车速特征参数包括加速比例和减速比例，所述道路特征参数包括单次行驶里程、道路类型、道路限速、交通拥挤程度、平均车距和红绿灯平均间距。

3.根据权利要求2所述的智能能量管理方法，其特征在于，所述建立长时车速预测模型具体为，采用LSTM神经网络建立长时车速预测模型，所述长时车速预测模型包括输入门、遗忘门和输出门，所述输入门控制所述道路特征参数输入，所述遗忘门控制历史状态信息的保留，所述输出门用于输出长时间车速预测序列。

4.根据权利要求1所述的智能能量管理方法，其特征在于，利用第一预测结果进行行车能耗预测的输出还包括加速度特征比例修正项：其中v是车速；dv/dt是线加速度；T是加减速特征比例。

5.根据权利要求1所述的智能能量管理方法，其特征在于，所述动力电池可用电能量E_m＝f(D,SOC,T)，其中D为道路工况，SOC为电池荷电状态，T为电池温度。

6.根据权利要求1所述的智能能量管理方法，其特征在于，所述建立短时车速预测模型具体为，将行驶工况类型划分为平稳工况和激烈工况，在平稳工况下使用马尔科夫链模型预测车速，在激烈工况下使用BP神经网络模型预测车速。

7.根据权利要求1所述的智能能量管理方法，其特征在于，所述混合动力汽车动力系统工作模式包括纯电模式、纯发动机模式、混合驱动模式和行车充电模式。

8.根据权利要求1所述的智能能量管理方法，其特征在于，所述发动机和电机功率的瞬时优化具体为，将整个行驶工况下的能量全局最优控制转化成预测区域内的局部优化控制，通过不断的滚动优化更新下一时间域的运行状态或控制参数从而获得优化结果，将全局优化的高鲁棒性与瞬时优化的实时性结合以达到整车能量的优化管理。

9.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至8任一项中所述的方法。