寻找供应商
广告
首页 > 汽车技术 > 正文

能量管理控制策略未来发展趋势分析

2019-01-13 16:22:03·  来源：中国汽研新能源汽车测试评价  
　
在前期我们介绍了能量管理策略，包括基于规则控制策略、基于优化的控制策略，以及能量管理控制策略与智能交通的结合。而新能源汽车能量管理策略，作为一个繁荣的
在前期我们介绍了能量管理策略，包括基于规则控制策略、基于优化的控制策略，以及能量管理控制策略与智能交通的结合。而新能源汽车能量管理策略，作为一个繁荣的研究领域，需要各种创新的策略，以提高车辆的性能、公众接受程度和市场渗透率，而不仅仅是重复一些现有的方法。随着优化算法、智能交通、智能电网、智能城市和其他网络物理系统的进步，能量管理未来也会获得较大进展。围绕更安全、更环保、更便宜的汽车，本期我们将从不同的角度，探讨电动汽车的未来发展趋势。
 
一、优化算法
根据前期我们的讨论，每一种优化算法都有它自身的优点和局限性，这也是为什么能量管理没有一个大家达到共识的控制策略。因此结合各种算法的优缺点，进行互补组合的优化算法是一个有意义的研究方向。新的优化算法不断涌现，其中不乏有望能运用到能量管理中。
 
此外机器学习是一个迅速发展的领域，并提供了许多先进的学习技术，如神经网络、支持向量机、贝叶斯推理和强化学习，都可以整合运用到能量管理控制策略中，以增强自主性和环境意识。
二、多目标能量管理
现有的能量管理研究大多集中在单一的控制目标上，即燃料消耗最小化。然而，还应考虑许多其他设计问题，包括：舒适驾驶、电池健康、排放、内燃机和电池的安全热性能等。结合其中的一些目标来实现多目标能量管理是未来的研究方向之一。
 
一个主要的挑战是如何实现高保真度模型，如电池退化、合适的PHEV运行热模型。增加的优化目标也会造成更更大的计算负担，获取有效可信的帕累托解难度增大。
 
也有研究用单目标函数与“不太重要”目标的约束相结合进行简化，也可以通过目标加权组合简化为一个目标函数。但第一种方法在约束目标上返回次优结果，且加权目标的最优性受权重的设置影响。尽管多目标方法已经被应用到凸规划中，但为了弥补现有算法的不足，有待开发出计算效率更高的优化算法。
多目标能量管理
 
三、更长时间范围
更长时间范围能量管理
 
能量管理控制策略通常在单个驾驶循环或几个组合的驾驶循环下进行评估。因此，所考虑的时间范围仅限于在相对较短的道路上行驶，但随着智能仪表和通信技术的发展，车辆、智能家居和智能电网之间的交互作用将越来越大。于是产生了更长时间尺度(例如24小时)的能量管理问题，兼顾了开车和停车的能量利用。不仅是联合充电和道路能量管理，更复杂的车辆活动值得仔细考虑，如车辆到电网（V2G）和车辆到家（V2H）的能量流动，及提出一种新的研究，例如“智能车辆充电”。
 
四、更大的空间范围
 
传统能量管理是针对单一车辆进行评估，因此空间规模相对有限。随着智能设备、车辆对车辆(V2V)和车辆到基础设施(V2X)通信技术的不断发展，在提高道路通行能力和整体能效方面，将会增加车辆间的联系及车辆编队。编队的概念通常与重型车辆群有关，在这些车辆群中，纵向动力学被控制以减少车辆间的距离。它也适用于共用路线和时间表的轻型车辆组。随着车载自组织网络(VANET)的发展，无线环境将与智能交通系统结合，进行数据交换。
 
受空间分布、车内通信/控制、环境扰动等因素影响，编队车辆的能量管理问题可能与单个车辆的的情况有显著不同，但可以有力地激发创新甚至革命性的能量管理模式，例如多代理协作能量管理、协作预测能量管理、基于分布式模型预测控制的能量管理以及其他许多先进的网络化能量管理。
 
此外，车辆连接的水平将促进自动化水平不断提高。然而，实时流量、数据、全球定位系统等需要大量信息才能实现最佳态势感知(SAW)，这对于确保VANET的安全至关重要，这将成为一个蓬勃发展的研究领域。
IoV System Model
五、小结和展望
本文介绍了能量管理控制策略未来的几个发展方向，从算法的优化升级到时间、空间多领域的结合，进一步扩展了能量管理策略的可能性，为能耗提升提供了更多路径。后续文章我们将以中国汽研的实际案例介绍纯电动车能耗优化关键技术，介绍在测试评价过程中发现的驾驶风格设计转型。请关注后续文章：
■ 纯电动车能耗优化关键技术研究
■ 从驱动驾驶模式到整体驾驶风格的设计转变
 
参考文献
[1] C M Martínez, X Hu, D Cao, et al. Energy Management in Plug-in Hybrid Electric Vehicles Recent Progress and a Connected Vehicles Perspective, IEEE Trans VehTechnol 66(6), pp. 4534-4549, 2017
[2] Andreas A. Malikopoulos. Supervisory Power Management Control Algorithmsfor Hybrid Electric Vehicles: A Survey, IEEE Transaction on Intelligent Transportation Systems 15(5), pp. 1869-1885, 2014
[3] A.A. Komyakov, et al. Construction of electricity consumption mathematicalmodels on railway transport used artificial neuralnetwork and fuzzy neural network, IEEE International Conference on Environment & Electrical Engineering, 2016
[4] Sebastian Buerger, Boris Lohmann, et al. Multi-Objective Optimization of Hybrid ElectricVehicles Considering Fuel Consumption andDynamic Performance, Vehicle Power & Propulsion Conference, 2011
[5] Kai Lin, et al. Data-driven clustering for multimedia communication in Internet ofvehicles, Future Generation Computer Systems 94, pp. 610-619, 2019
 
 
分享到：
 
反对 0 举报 0 收藏 0 评论 0
  • 汽车测试网V课堂

    汽车测试网V课堂

  • 微信公众号

    微信公众号

  • 汽车测试网手机站

    汽车测试网手机站

• 长安汽车申请具备单换热器的空调总成的车辆热管理系统专利 • 两轮车运动行为建模探索与实践
• 燃料电池汽车冬测Workshop——黑河站 • 汽车智能配电单元的研究
• 一文了解AEB自动紧急制动 • 比亚迪申请热管理系统专利，该热管理系统换热效率较高
• 特斯拉Model 3胎压监测系统安全漏洞解析 • Ansys Fluent中基于网格变形方法的几何变化参数DoE方法研
• 软件更新：UN R156拟强制实施RxSWIN • 新能源汽车换挡方式的进化
0 条相关评论
  • 广告
  • 广告

编辑推荐

最新资讯

  • 广告
  • 广告
沪ICP备11026917号-25