1.一种混合动力汽车能量管理的两阶段双模型预测控制方法,其特征在于,包括:
获取预估的当前电池包的soc状态与极化电压状态v1,以及获取电池包的内阻r0、极化内阻r1、极化时间常数τ1以及预测域长度n;
将预测域划分为连续的两个阶段,针对第一阶段预测域构建降阶的一阶rc模型,针对第二阶段预测域构建纯内阻模型(rint模型);基于一阶rc模型和极化时间常数τ1得到第一阶段预测域长度n1,进而得到第二阶段预测域长度n2;
分别获取第一阶段预测域及第二阶段预测域内每个时间步的可行状态边界;
分别基于第一阶段预测域及第二阶段预测域内每个时间步的可行状态边界对状态空间进行离散,离散后得到的每个时间步可行域内的状态点表示为xi(k);获取从初始状态到最后时间步n的所有状态点xi(n)的最优可行路径,筛选全局成本最优的路径并获得其对应在时间步n的最优状态点x*(n)和从时间步n-1转移到时间步n的最优控制输入pe*(n-1),并反向递推得到从初始状态转移到时间步1的最优控制输入pe*(0);
以pe*(0)作为当前时刻发动机的目标输出功率进行功率分配控制;随时间步的滚动重复上述步骤。
2.根据权利要求1所述的混合动力汽车能量管理控制方法,其特征在于,基于所述一阶rc模型和极化时间常数τ得到第一阶段预测域长度n1,进而得到第二阶段预测域长度n2,具体包括:
求解满足下式的最大的n,
式中,极化时间常数τ1=r1c1,c1为极化电容;δrel为预设的相对容许误差;e为自然常数;
求解得到的最大的n即为第一阶段预测域长度n1,第二阶段预测域长度n2=n-n1。
3.根据权利要求1所述的混合动力汽车能量管理控制方法,其特征在于,所述分别获取第一阶段预测域及第二阶段预测域内每个时间步的可行域边界,具体包括:
通过如下公式求解第一阶段预测域内每个时间步的可行域边界[socmin(k),v1,max(k)]和[socmax(k),v1,min(k)],k=1,2,…,n1,
其中i(k)通过下式计算得到,
通过如下公式求解第二阶段预测域内每个时间步的可行域边界socmin(k)和socmax(k),k=n1+1,n1+2,…,n,
上述式中,k表示时间步,soc(k)表示电池soc状态;qnom表示电池额定容量;i(k)表示电流;voc(soc(k))表示电池开路电压;v1(k)表示电池极化电压;pdmd(k)表示母线需求功率;pe(k)表示发动机功率;r0(soc(k))表示电池欧姆内阻。
4.根据权利要求3所述的混合动力汽车能量管理控制方法,其特征在于,所述分别基于第一阶段预测域及第二阶段预测域内每个时间步的可行域边界对状态空间进行离散,具体包括:
基于第一阶段预测域内每个时间步的可行域边界对状态空间进行离散包括:
基于确定的第一阶段预测域内每个时间步的可行域边界,得到第一阶段预测域内每个时间步的可行域的近似直线方程:
首先将状态变量soc离散为
基于第二阶段预测域内每个时间步的可行域边界对状态空间进行离散包括:
将状态变量soc离散为
5.根据权利要求4所述的混合动力汽车能量管理控制方法,其特征在于,所述获取从初始状态到最后时间步n的所有状态点xi(n)的最优可行路径,筛选全局成本最优的路径并获得其对应在时间步n的最优状态点x*(n)和从时间步n-1转移到时间步n的最优控制输入pe*(n-1),并反向递推得到从初始状态转移到时间步1的最优控制输入pe*(0),具体包括:
第一阶段预测域及第二阶段预测域内每个时间步离散后得到的可行域统一表示为状态向量
将控制变量在其约束范围内均匀离散为
式中,g()表示状态变量soc状态转移方程的反函数,所述状态变量soc状态转移方程在第一阶段和第二阶段分别为:
计算从初始状态到状态点xi(k+1)的可行路径的成本
式中,
式中,ηe(pe(k))为混合动力系统的最优效率曲线;qlhv为燃油的低热值;ζ为soc轨迹偏离惩罚系数;soc_ref(k)为soc参考轨迹,优选地可取为0.5;
筛选从初始状态到状态点xi(k+1)的可行路径的最优成本
重复上述过程,得到从初始状态到时间步n的所有状态点xi(n)的最优可行路径,筛选全局成本最优的路径并获得其对应在时间步n的最优状态点
6.根据权利要求1至5任一项所述的混合动力汽车能量管理控制方法,其特征在于,在整个预测域内,满足以下由于物理限制和安全而引起的状态和控制约束:
soclb≤soc(k)≤sochb
pe,min≤pe(k)≤pe,max
δpe,min≤pe(k+1)-pe(k)≤δpe,max
pb,min(k)≤pb(k)≤pb,max(k)
其中,soclb和sochb是soc最小和最大值;pb,min和pb,max是电池包的瞬时充放电最小和最大功率,主要受充放电端电压约束;pe,min和pe,max是发动机的最小和最大输出功率;δpe,min和δpe,max是发动机的最大允许下降和上升速率。
7.根据权利要求6所述的混合动力汽车能量管理控制方法,其特征在于,
对于第一阶段预测域对应的一阶rc模型,由于极化电压v1是状态变量,因此pb,min和pb,max表示的峰值功率约束可直接转化为电压约束,计算为:
vlow≤voc(soc(k))-i(k)r0(soc(k))-v1(k)≤vhigh
对于第二阶段预测域对应的rint模型,pb,min和pb,max计算为:
其中,vlow和vhigh分别为电池包的放电截止电压和充电截止电压;v1(n)是第一阶段最后时间步的极化电压状态。