基于工况识别的P2.5构型PHEV能量管理策略

摘要

合适的能量管理策略能够有效提升混合动力汽车续驶里程，通过Matlab/Simulink搭建整车模型，对P2.5构型的双动力源插电式混合动力汽车(PHEV)工况识别的能量管理策略展开研究。选取19个国内外典型循环工况，根据工况特征用层次聚类分析法将其划分为3类，建立支持向量机工况识别模型，采用鲸鱼算法对其进行优化，仿真结果表明，优化后工况识别模型识别准确率可达97.905%,与优化前相比，提高了21.646%。结合在线工况识别模型，通过神经网络学习不同工况类别下动态规划能量管理策略的功率分配结果，将离线学习结果应用于在线控制中，制定基于工况识别的能量管理策略。仿真结果显示，与电量消耗-电量维持(CD-CS)策略相比，基于工况识别的能量管理策略经济性提升了7.62%。

关键词

插电式混合动力汽车 / 能量管理策略 / 工况识别 / 动态规划 / 神经网络

基金资助

重庆市技术创新与应用发展重大专项(CSTB2022TIAD-STX0005);; 重庆市教委科学技术研究项目(KJQN202201125);; 重庆理工大学重大科研项目(2022TBZ003)