详情

原文传递一种混合动力电动汽车能量管理优化方法及系统

专利名称：	一种混合动力电动汽车能量管理优化方法及系统
摘要：	本发明公开了一种混合动力电动汽车能量管理优化方法及系统，所述方法包括：根据预设的约束条件确定待优化的参数数据，并根据所述参数数据初始化混合动力电动汽车对应的能量管理模型，根据所述能量管理模型获取所述混合动力电动汽车在实际行驶过程中的状态信息，并根据所述状态信息建立所述混合动力电动汽车对应的多目标优化模型，以所述多目标优化模型中的状态信息为优化目标，基于MOSMA算法对所述混合动力电动汽车的能量管理模型进行多目标优化，提高了能量管理优化的效果。
专利类型：	发明专利
国家地区组织代码：	广东;44
申请人：	中汽研汽车检验中心(广州)有限公司
发明人：	邹志亮;王旭;张志波;周建华;胡卓;刘名洋
专利状态：	有效
申请日期：	2023-08-02T00:00:00+0800
发布日期：	2023-11-07T00:00:00+0800
申请号：	CN202310970425.4
公开号：	CN117002472A
代理机构：	广州三环专利商标代理有限公司
代理人：	许羽冬
分类号：	B60W20/11;B;B60;B60W;B60W20;B60W20/11
申请人地址：	511340 广东省广州市增城区永宁街香山大道39号(增城经济技术开发区核心区内)
主权项：	1.一种混合动力电动汽车能量管理优化方法，其特征在于，包括：根据预设的约束条件确定待优化的参数数据，并根据所述参数数据初始化混合动力电动汽车对应的能量管理模型；根据所述能量管理模型获取所述混合动力电动汽车在实际行驶过程中的状态信息，并根据所述状态信息建立所述混合动力电动汽车对应的多目标优化模型；所述状态信息包括车辆燃油消耗、CO排放量、HC排放量及NOx排放量；以所述多目标优化模型中的状态信息为优化目标，基于MOSMA算法对所述混合动力电动汽车的能量管理模型进行多目标优化。 2.如权利要求1所述的一种混合动力电动汽车能量管理优化方法，其特征在于，所述根据预设的约束条件确定待优化的参数数据，并根据所述参数数据初始化混合动力电动汽车对应的能量管理模型，包括：以所述混合动力电动汽车的动力性能及电池荷电状态作为所述约束条件；所述动力性能包括加速性能、最高车速及最大爬坡度；所述电池荷电状态为所述混合动力电动汽车的电池的荷电状态的初始状态与终止状态的差值；根据所述约束条件及所述混合动力电力汽车中所述动力性能与所述电池荷电状态对应的制约规则，确定待优化的参数数据；所述参数数据包括参数及所述参数对应的取值范围；所述参数包括发动机功率、电动机功率系数、蓄电池的荷电状态的上限值及下限值、主传动比和蓄电池的模块数；根据所述参数数据，通过预设的电动汽车仿真软件初始化并获得所述混合动力电动汽车对应的能量管理模型。 3.如权利要求1所述的一种混合动力电动汽车能量管理优化方法，其特征在于，所述根据所述状态信息建立所述混合动力电动汽车对应的多目标优化模型中，所述多目标优化模型为：其中，n为设计变量的个数；ο代表目标函数的数据量；m代表不等式约束的个数；p代表等式约束的个数；代表第i个不等式约束；/>代表第i个等式约束；[Lbi,Ubi]表示第i个变量的上限及下限；F(x)表示目标函数集；f(x)表示不同的目标函数；所述xi表示优化参数。 4.如权利要求3所述的一种混合动力电动汽车能量管理优化方法，其特征在于，所述多目标优化模型还包括：其中，QFuel(x)、QCO(x)、QHC(x)和QNO(x)分别代表了燃油消耗、CO及HC和NOx的排放量。 5.如权利要求1所述的一种混合动力电动汽车能量管理优化方法，其特征在于，所述MOSMA算法包括：其中，所述Xt+1为黏菌的逼近行为；所述是取值范围为[-a,a]的参数、/>为取值范围为[-b,b]的参数、t表示当前迭代次数，/>表示目前发现的气味浓度最高的个体位置，/>表示黏菌当前的位置，XA和XB表示黏菌中随机抽取的两个个体，/>表示黏菌的权重系数；所述p的公式为： p＝tanh(S(i)-DF) 其中i∈1,2,...,n、S(i)代表适应度、DF表示所有迭代中获得的最佳适应度；的公式为：的公式为： b＝1-i/Max_iter 的公式为： SmellIndex＝sort(S) 其中，condition表示S(i)排在总体的前一半、r表示区间[0,1]内的随机值、Max_t为最大迭代次数、Max_iter为第i次迭代次数、bF表示当前迭代过程中获得的最优适应度、wF表示当前迭代过程中获得的最差适应度，SmellIndex表示适应度值排序的顺序；所述MOSMA算法还包括精英非支配排序和保持多样性的拥挤度距离机制，所述拥挤度距离的计算公式为：其中，和/>分为第j个目标函数上边界和下边界。 6.如权利要求1所述的一种混合动力电动汽车能量管理优化方法，其特征在于，所述MOSMA算法的步骤，包括：步骤1，初始化所述MOSMA算法对应的种群的大小、最大迭代次数及迭代值，并在可行搜索空间区域中初始化黏菌的位置生成父代种群；步骤2、根据所述父代种群中的各个黏菌对所述多目标优化模型中的目标函数进行计算，并利用基于精英的NDR和CD找出每一个黏菌对应的非支配排序和Pareto前沿，并计算出每个前沿的拥挤距离；步骤3，计算当前迭代过程中的最优适应度值及最差适应度值，并根据所述最优适应度值及最差适应度值计算所述每一个黏菌分别对应的权重系数；步骤4，更新迭代过程中获得的最佳适应度及相对应的振动参数，产生新的黏菌位置，进而根据所述新的黏菌位置获得新的子代种群；步骤5，根据所述子代种群中的各个黏菌对所述多目标优化模型中的目标函数进行计算，并将所述子代种群与所述父代种群合并，获得第一种群；步骤6，对所述第一种群的目标空间向量的每个目标函数进行评价，通过所述基于精英的NDR和CD对所述第一种群进行个体筛选，获得第二种群，并更新当前迭代值为所述迭代值加1；步骤7，比较所述当前迭代值与预设的最大迭代值，当所述当前迭代值大于或等于所述最大迭代值时，输出所述第二种群；若所述当前迭代值小于所述最大迭代值时，则转到步骤3。 7.一种混合动力电动汽车能量管理优化系统，其特征在于，包括模型初始化模块、优化目标确定模块及能量管理优化模块；所述模型初始化模块用于根据预设的约束条件确定待优化的参数数据，并根据所述参数数据初始化混合动力电动汽车对应的能量管理模型；所述优化目标确定模块用于根据所述能量管理模型获取所述混合动力电动汽车在实际行驶过程中的状态信息，并根据所述状态信息建立所述混合动力电动汽车对应的多目标优化模型；所述状态信息包括车辆燃油消耗、CO排放量、HC排放量及NOx排放量；所述能量管理优化模块用于以所述多目标优化模型中的状态信息为优化目标，基于MOSMA算法对所述混合动力电动汽车的能量管理模型进行多目标优化。 8.如权利要求7所述的一种混合动力电动汽车能量管理优化系统，其特征在于，所述模型初始化模块包括约束条件单元、数据获取单元及模型初始单元；所述约束条件单元用于以所述混合动力电动汽车的动力性能及电池荷电状态作为所述约束条件；所述动力性能包括加速性能、最高车速及最大爬坡度；所述电池荷电状态为所述混合动力电动汽车的电池的荷电状态的初始状态与终止状态的差值；所述数据获取单元用于根据所述约束条件及所述混合动力电力汽车中所述动力性能与所述电池荷电状态对应的制约规则，确定待优化的参数数据；所述参数数据包括参数及所述参数对应的取值范围；所述参数包括发动机功率、电动机功率系数、蓄电池的荷电状态的上限值及下限值、主传动比和蓄电池的模块数；所述模型初始单元用于根据所述参数数据，通过预设的电动汽车仿真软件初始化并获得所述混合动力电动汽车对应的能量管理模型。 9.如权利要求7所述的一种混合动力电动汽车能量管理优化系统，其特征在于，所述多目标优化模型为：其中，n为设计变量的个数；ο代表目标函数的数据量；m代表不等式约束的个数；p代表等式约束的个数；代表第i个不等式约束；/>代表第i个等式约束；[Lbi,Ubi]表示第i个变量的上限及下限；F(x)表示目标函数集；f(x)表示不同的目标函数；所述xi表示优化参数。 10.如权利要求9所述的一种混合动力电动汽车能量管理优化系统，其特征在于，所述多目标优化模型还包括：其中，QFuel(x)、QCO(x)、QHC(x)和QNO(x)分别代表了燃油消耗、CO及HC和NOx的排放量。
所属类别：	发明专利