一种基于未来驱动功率需求的纯电动汽车整车功率分配方法与流程

本发明涉及新能源技术领域，具体涉及一种基于未来驱动功率需求的纯电动汽车整车功率分配方法。

背景技术：

纯电动汽车为有限单能量源，其动力来源全部来自于动力电池。相比于传统燃油汽车，纯电动汽车的动力性更好。然而由于动力电池技术的发展还不完善，纯电动汽车的发展受到了限制，合理的利用纯电动汽车有限能量成为了纯电动汽车发展的重要方向。当前单电源纯电动汽车的功率分配主要是以整车能量消耗最小为原则对驱动电机和附件进行功率分配，忽视了坡道对功率分配的影响。汽车在急加速和爬坡时需要较大的驱动功率，当动力电池提供给电机的驱动功率无法满足要求时，电机会处于欠功率状态而损坏电机。因此为了减少电机处于欠功率的状态，需要提前预测出未来功率需求，对电机的功率进行合理分配。

技术实现要素：

本发明的目的在于提供一种基于未来驱动功率需求的纯电动汽车整车功率分配方法，旨在通过预测得到未来状态的驱动功率需求，合理分配动力电池有限能量，以减少电机欠功率的状态，实现本发明的技术方案如下：

一种基于未来驱动功率需求的纯电动汽车整车功率分配方法，包括如下步骤：

步骤1)：通过马尔可夫预测法预测本车下一状态的速度、加速度信息，通过gps导航系统计算坡度信息，并根据本车自身参数计算下一状态驱动需求功率；

步骤2)：判断下一状态是否为急加速或者爬坡，如果是，则执行步骤3)；如果否，则优先满足当前功率需求；

步骤3)：判断动力电池soc是否在阈值范围内，如果是，则保证动力电池同时满足当前状态和下一状态的功率需求；如果否，则执行步骤4)；

步骤4)：判断当前状态是否为急加速或者爬坡状态，如果是，则优先满足当前状态功率需求，并通过适当减速来满足下一状态功率需求；如果否，则优先满足下一状态的功率需求。

进一步，所述马尔可夫预测法采用滚动优化的方式：将滚动历史时间窗t内的速度、加速度历史数据进行状态划分，计算状态转移概率矩阵来预测下一状态的速度、加速度值。

进一步，所述滚动历史时间窗的取值范围为100-200s。

进一步，所述状态转移概率矩阵为

进一步，所述下一状态的需求功率为：其中m为车载质量，g为重力加速度，f为滚动阻力系数，cd为空气阻力系数，a为迎风面积，α为坡度值，δ为旋转质量换算系数，vt+1为马尔科夫链预测模型预测出下一状态的速度，为马尔科夫链预测模型预测出的下一状态加速度。

进一步，所述急加速定义为加速踏板开度大于50％时的加速度，当at+1＞a为急加速，当i＞0为爬坡。

本发明的有益效果为：

1)本发明在进行纯电动汽车功率分配时，考虑到纯电动汽车未来驱动功率需求的影响，以经济运行模式和动力运行模型相结合的方式进行功率分配。在未来汽车急加速和爬坡时，保证电机可以提供足够的功率来驱动汽车行驶，而不至使电机处于欠功率状态而有损电机；而在没有急加速和爬坡时，以整车能量消耗最小为原则进行功率分配。

2)本发明采用基于历史数据的滚动历史时间优化方法，可以使预测结果更贴近实际，并且预测未来驱动功率需求中考虑到了坡度信息，使得未来驱动功率的计算更精确。

附图说明

图1为本发明实施例的滚动优化示意图；

其中图(a)为各时刻滚动时间窗示意图，图(b)为速度-加速度二维状态划分中从状态i转移到状态j的示意图；

图2为本发明实施例的具体流程图；

图3为本发明实施例的硬件示意图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步详细说明，但是本发明的保护范围并不限于此。

如图1所示为本发明实施例的滚动优化示意图，具体过程为：纯电动汽车在行驶过程中，随时间的变化，新的行驶数据会不断产生，而旧的数据则会失去其有效性，因此需要采用滚动历史时间窗的方法来优化未来工况信息的预测。滚动历史时间窗如果取得太小会则会缺少足够的数据样本导致预测准确度降低，使得结果不具备普遍性，取得太大会增加计算量且包含过多失效的历史数据，故将滚动历史时间窗的取值范围设置为100-200s，将预测结果与实际值作比较，误差最小时的t作为最终滚动历史时间窗的值，将滚动历史时间窗t内的速度-加速度历史数据划分成n个状态，再采用频率近似概率的思想计算状态之间的转移概率矩阵根据确定下一状态为k，其中pij表示从i状态转移到j状态的转移概率；将下一状态中平均速度、平均加速度作为预测结果输出。

如图2所示为本发明实施例的具体流程图，包括：

步骤1)：将gps导航系统获取的海拔信息和车载传感器采集加速踏板得到的速度、加速度信息输入到整车控制器中，对滚动历史时间窗内的速度、加速度历史数据进行状态的划分，并计算各状态之间的转移概率，获取当前状态值与转移概率矩阵的乘积，根据转移概率最大值获得下一状态的速度、加速度信息，根据采集得到的高度差计算坡度信息；将预测得到的速度、加速度信息以及计算得到的坡度信息和汽车自身参数计算下一状态驱动需求功率其中m为车载质量，g为重力加速度，f为滚动阻力系数，cd为空气阻力系数，a为迎风面积，α为坡度值，δ为旋转质量换算系数，vt+1为马尔可夫链预测模型预测出下一状态的速度，为马尔可夫链预测模型预测出的下一状态得加速度，马尔可夫链预测模型为马尔可夫预测法中的离散预测模型；

步骤2)：判断下一状态是否为急加速或者爬坡，当at+1＞a时视为急加速，其中a为加速踏板开度大于50％时的加速度，当α＞0时视为爬坡，如果是急加速或者爬坡，则执行步骤3)；如果否，则动力电池输出功率优先满足给当前功率需求，此时整车控制器以整车能量消耗最小进行功率的分配；

步骤3)：判断动力电池soc是否在阈值范围内，如果是，则整车以保证急加速或者爬坡为原则的动力运行模式进行功率分配，且保证动力电池可以同时满足当前状态和下一状态的驱动功率需求；如果否，则执行步骤4)；

步骤4)：判断当前状态是否为急加速或者爬坡状态，如果是，则动力电池输出功率优先满足当前状态驱动功率需求，并通过适当减速来降低下一状态功率需求，以保证下一状态动力电池可以提供给电机需求功率；如果否，则当前以整车能量消耗最小为原则(电动汽车能耗最小，燃油汽车油耗最小)，进行功率分配，下一状态切换至动力运行模式以满足下一状态的急加速或者爬坡功率需求。

如图3所示为本发明实施例的硬件示意图，细实线表示电力传输，虚线表示信号传输，粗实线表示机械传输。车载传感器检测加速踏板的速度、加速度信号，gps导航系统用来检测车辆的海拔信息，整车控制器根据当前的行驶状态、动力电池soc和未来驱动功率需求，以经济运行模式(没有急加速或者爬坡时，以整车能量消耗最小为原则进行功率分配)和动力运行模式(有急加速或者爬坡时，以保证加速和爬坡的动力性能为原则进行功率分配)相结合的方法，对动力电池的可分配功率进行分配，最后确定电机的分配功率，将指令传递给电机控制装置，从而电机控制装置控制电机的运转而驱动传动装置。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白,在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。