基于成本优化的插电式混合动力参数匹配

引用本文

王庆年, 王光平, 王鹏宇, 韩彪, 李峰. 基于成本优化的插电式混合动力参数匹配.吉林大学学报:工学版, 2016, 46(2): 340-347
WANG Qing-nian, WANG Guang-ping, WANG Peng-yu, HAN Biao, LI Feng. Parameter matching for plug-in hybrid electric vehicle based on cost optimization. Journal of Jilin University Engineering and Technology Edition, 2016, 46(2): 340-347 复制到剪切板

Permissions

基于成本优化的插电式混合动力参数匹配

王庆年, 王光平, 王鹏宇, 韩彪, 李峰

吉林大学汽车仿真与控制国家重点实验室,长春 130022

通讯作者:王鹏宇(1979-),男,副教授,博士.研究方向:节能与新能源汽车.E-mail:wangpy@jlu.edu.cn

作者简介:王庆年(1952-),男,教授,博士生导师.研究方向:节能与新能源汽车.E-mail:wangqn@jlu.edu.cn

基金:"863"国家高技术研究发展计划项目(W65-BK-2012-0007)

摘要

在满足整车性能约束条件的基础上,以整车动力部件制造成本和年均使用成本作为评价指标,建立了插电式混合动力汽车(PHEV)动力总成设计分析模型,根据不同类型用户的用车习惯进行分类,针对不同的纯电动续驶里程(AER)设计要求,优化整车动力总成性能参数.结果表明:各设计要求的PHEV总年均优化成本与原车型相比降低了6.0%~20.0%,并优选得到AER最佳设计要求为40 km,与其他各AER及原车型相比,在不同续驶里程分布规律下,其年均优化成本最高可降低24.9%.

关键词: 车辆工程; 插电式混合动力汽车; 动力总成; 纯电动续驶里程; 参数优化

中图分类号:U469.7 文献标志码:A 文章编号:1671-5497(2016)02-0340-08

Parameter matching for plug-in hybrid electric vehicle based on cost optimization

WANG Qing-nian, WANG Guang-ping, WANG Peng-yu, HAN Biao, LI Feng

State Key Laboratory of Automotive Simulation and Control, Jilin University, Changchun 130022, China

Abstract

To meet the vehicle performance constraints, a design and analysis model of the powertrain of Plug-in Hybrid Electric Vehicle (PHEV) was proposed. In this model the manufacturing cost of the vehicle dynamic components and the annual usage cost were taken as the evaluation indices, and the car users' habits were classified. According to different design requirements of All-electric Range (AER), the powertrain performance parameters of PHEV were optimized. The results show that, compared with the original vehicle, the total annual optimization cost of the designed PHEV for different AER is reduced by 6.0% ~ 20.0%. The best optimization design requirement for AER is 40 km. Compared with other AER and the original vehicle, the annual optimization cost can be reduced by up to 24.9%.

Keyword: vehicle engineering; plug-in hybrid electric vehicle(PHEV); powertrain; all-electric range(AER); parameter optimization

Show Figures

0 引言

插电式混合动力汽车(PHEV)是在传统混合动力汽车(HEV)的基础上, 随着对新能源汽车要求不断改变而衍生出来的一种新的节能环保车型, 它兼备燃料发动机和可充放的电力储能装置(以车用动力蓄电池为例), 同时还与纯电动汽车(EV)一样, 可直接连接到电网上给电池充电^{[1, 2]}.伴随着PHEV的进一步市场化, 其成本问题也成为影响用户购置的关键因素.纯电动续驶里程(AER)的大小与PHEV燃油消耗节约量密切相关, 不同类型的用户, 对AER的要求也会不同, 若AER选择过大, PHEV燃油节能潜力增大, 但势必也会伴随着电池容量的增大引起整车动力部件制造成本的增加; 若AER选择过小, 虽然电池容量减小引起整车动力部件制造成本降低, 但PHEV燃油节能潜力减小, 整车的使用成本会增加^[3].因此, 针对不同类型用户, 合理地选择AER, 基于成本最低优化PHEV整车参数, 对于更好地利用PHEV节能优势, 提高整车性价比具有实际意义.

目前, 基于成本控制的PHEV参数匹配方法主要集中在制造成本方面.Simpson^[4]通过分析近期以及未来各动力部件的发展前景, 建立了PHEV成本-收益模型, 并对传统车, HEV及PHEV的购置成本以及能耗进行了对比.Golbuff^[5]利用PSAT仿真工具对不同类型电池及不同AER基于设计成本最低进行参数优化.张博^[6]以制造成本最低为优化目标, 以性能约束为条件, 利用PSAT优化设计程序确定了动力总成匹配方案.Wu^[7]利用并行混沌优化算法对3种不同的AER及两种电池, 基于发动机, 电机, 电池等各动力部件成本最低对部件参数进行优化.上述参数匹配方法缺乏基于消费者角度对使用成本进行系统分析, 使用成本作为整车成本的重要组成部分, 也是PHEV进入市场的重要优势之一.

综合考虑基于成本控制的PHEV参数匹配方面的研究现状, 本文以PHEV典型的并联动力总成为研究对象, 对不同用户的用车习惯进行分类, 针对不同的AER(10~60 km)设计要求, 以动力总成部件制造成本和整车使用成本最低为优化目标, 进行动力总成的参数匹配优化设计.

1 优化设计初始条件和设计目标

选用市场上某款中级轿车作为基础车型, 整车主要参数如表1所示.以PHEV典型的单轴并联动力总成为研究对象, 其动力总成系统主要由发动机, 电机, 电池组成, 如图1所示.

表1 原车型基本参数 Table 1 Basic parameters of the original vehicle

	Figure Option View Download New Window
	图1 单轴并联型PHEV结构Fig.1 Configuration of single-axle parallel PHEV

为了保证插电式混合动力汽车的整车性能, 在综合参考原车型性能及美国新一代汽车合作计划(Partnership for a new generation of vehicles, PNGV)中相关指标之后, 本文确定了7条相应的性能约束:

(1)0~100 km/h加速时间不大于16 s;

(2)在车速v=20 km/h时的最大爬坡度大于35%;

(3)最高车速为v_max=200 km/h, 与原车相当;

(4)全电力驱动下0~50 km/h加速时间不大于10 s;

(5)全电力驱动下最高车速不小于100 km/h;

(6)在纯电动模式下, 车速为40 km/h时, 车辆续驶里程大于相应的各AER设计里程;

(7)NEDC工况下经济性至少比原型车提高20%.

本文在满足上述性能约束条件下, 开发实现了PHEV动力总成成本最低的优化设计方案.

2 PHEV优化设计方法

针对不同AER的PHEV, 根据相应的性能约束条件和成本函数, 以动力部件制造成本和年均使用成本最低作为评价指标, 优化并确定PHEV动力总成各主要动力部件的设计参数.动力总成性能参数优化流程如图2所示.图2中, $\begin{matrix} P_{m_\max 1} 、 P_{m_\max 2} \end{matrix}$ 分别为纯电动驱动加速时, 最高车速时的功率; $\begin{matrix} P_{m_\max} \end{matrix}$ 为电动机最小峰值功率; $\begin{matrix} P_{(m + e)_\max 1} 、 P_{(m + e)_\max 2} 、 P_{(m + e)_\max 3} \end{matrix}$ 分别为混合驱动加速时, 爬坡时, 最高车速时的功率; $\begin{matrix} P_{m} 、 P_{e} \end{matrix}$ 分别为电机, 发动机的功率; $\begin{matrix} P_{b} \end{matrix}$ 为电池的功率; $\begin{matrix} W_{b} \end{matrix}$ 为电池组额定总能量值; $\begin{matrix} Q_{ess} \end{matrix}$ 为电池组的额定容量.

	Figure Option View Download New Window
	图2 动力总成性能参数优化流程Fig.2 Optimization process of powertrain performance parameters

2.1 动力部件参数分析

插电式混合动力系统的参数选择关系到整车的动力性, 燃油经济性和整车的制造成本, 使用成本等.在车辆的设计初期, 有必要从整车的性能需求出发^{[8, 9]}, 通过理论分析来匹配动力系统的主要性能参数, 为建立更加精确的仿真模型和进行优化分析提供基础.

2.1.1 电动机最小峰值功率确定

对于传统的混合动力汽车, 电机主要是向电驱动系统提供所需的峰值功率, 车辆的加速性能以及在循环工况中载荷的峰值功率是其主要关注点.但在PHEV运行工况中, 由于存在纯电动驱动模式, 电机的功率需要满足电机单独驱动车辆时的循环工况的功率需求, 包括纯电动驱动的加速时和最高车速时的功率需求.

(1)纯电动驱动加速时功率需求为:

$\begin{matrix} \begin{matrix} P_{m_\max 1} = \frac{1}{3600 \cdot t_{m} \cdot η_{t}} (δm \frac{v_{m}^{2}}{2 \sqrt[]{t_{m}}} + \frac{mgf v_{m} t_{m}}{1.5} + \\ \frac{C_{d} A v_{m}^{3} t_{m}}{21.15 \times 2.5}) \end{matrix} \end{matrix}$ (1)

式中:v_m为纯电动时的车速, km/h; t_m为加速时间, s; η _t为机械传动效率; $\begin{matrix} f \end{matrix}$ 为滚动阻力系数; $\begin{matrix} m \end{matrix}$ 为车辆的质量, kg; $\begin{matrix} g \end{matrix}$ 为重力加速度, m/s²; C_d为空气阻力系数; $\begin{matrix} A \end{matrix}$ 为车辆的迎风面积, m²; $\begin{matrix} δ \end{matrix}$ 为转动惯量系数.

(2)纯电动最高车速功率需求为:

$\begin{matrix} P_{m_\max 2} = \frac{1}{3600 \cdot η_{t}} (mgf + \frac{C_{d} A v_{\max}^{2}}{21.15}) v_{\max} \end{matrix}$ (2)

根据上述由动力性二项指标计算的各自最大功率, 电动机功率必须满足:

$\begin{matrix} P_{m_\max} \geq \max (P_{m_\max 1}, P_{m_\max 2}) \end{matrix}$ (3)

2.1.2 发动机最大输出功率和电动机峰值功率的确定

PHEV具备发动机和电机两个动力源, 在考虑车辆动力性能需求时并不需要单独利用发动机提高峰值功率, 所以相对于传统内燃机汽车而言, 并联型PHEV主要考虑的是混合驱动模式下的发动机和电机的动力性能功率需求.

(1)混合驱动加速时功率需求为:

$\begin{matrix} \begin{matrix} P_{(m + e)_\max 1} = P_{m} + P_{e} = \frac{1}{3600 t_{m} η_{t}} (δm \frac{v_{m}^{2}}{2 \sqrt[]{t_{m}}} + \\ \frac{mgf v_{m} t_{m}}{1.5} + \frac{C_{d} A v_{m}^{3} t_{m}}{21.15 \times 2.5}) \end{matrix} \end{matrix}$ (4)

(2)爬坡性能功率需求为:

$\begin{matrix} \begin{matrix} P_{(m + e)_\max 2} = P_{m} + P_{e} = \\ \frac{1}{3600 η_{t}} (mgfcos α_{\max} + mgsin α_{\max} + \frac{C_{d} A v_{α}^{2}}{21.15}) v_{α} \end{matrix} \end{matrix}$ (5)

式中:α _max为最大爬坡角, v_a为爬坡车速, km/h.

(3)最高车速功率需求为:

$\begin{matrix} P_{(m + e)_\max 3} = \frac{1}{3600 η_{t}} (mgf + \frac{C_{d} A v_{m ax}^{2}}{21.15}) v_{\max} \end{matrix}$ (6)

根据上述由动力性三项指标计算的各自最大功率, 电动机和发动机功率之和必须满足上述所有的设计要求, 即:

$\begin{matrix} P_{m} + P_{e} \geq \max (P_{(m + e)_\max 1}, P_{(m + e)_\max 2}, P_{(m + e)_\max 3}) \end{matrix}$ (7)

2.1.3 电池性能参数确定

动力电池作为电动机的动力源, 其性能参数主要考虑功率需求和能量需求两个因素.电池组应当保证电池的峰值放电功率比电动机的最大功率高; 并且电池的总能量能够满足AER的要求.

(1)电池的功率需求为:

$\begin{matrix} P_{b} = \frac{P_{m}}{η_{m} η_{b}} \end{matrix}$ (8)

式中:η _m为驱动电机效率, 取0.89; η _b为电池放电效率, 取0.91.

(2)电池的能量需求为:

$\begin{matrix} W_{b} = \frac{P_{v} L}{(SO C_{1} - SO C_{0}) η_{m} η_{b} v} \end{matrix}$ (9)

式中: $\begin{matrix} L \end{matrix}$ 为纯电动工况下续驶里程, km; SOC₁, SOC₀分别为电池SOC使用范围的最大值和最小值; $\begin{matrix} P_{v} 为以车速 v \end{matrix}$ 匀速行驶时的功率.

考虑到电池的使用寿命以及计算误差, SOC₁取100%, SOC₀取20%.由此, 电池组的额定容量为:

$\begin{matrix} Q_{ess} = W_{b} / U_{ess} \end{matrix}$ (10)

式中:电池的端电压U_ess为320 V.

2.2 动力总成制造成本分析

利用上述动力总成匹配设计, 得到PHEV动力总成的多种设计方案, 可依据动力总成制造成本最低的原则进行取舍.本文采用整车成本最低作为方案的优化目标, 因此, 必须对各动力部件的制造成本进行分析.

根据国外权威的研究机构对未来电池价格的预测^{[4, 10, 11, 12, 13]}, 拟合出下列公式:

$\begin{matrix} \{\begin{matrix} C_{ESS_Li} = (a + b \times R_{P / E}) \times E_{C} \\ C_{ESS_Acc} = c \times E_{C} + d \end{matrix} \end{matrix}$ (11)

式中: $\begin{matrix} a 、 b 、 c 、 d \end{matrix}$ 为拟合系数, 通过动力电池及其附件的能量, 价格线性拟合得到; C_{ESS_Li}为锂电池成本, $; $\begin{matrix} R_{P / E} \end{matrix}$ 为电池功率能量比, 1/h; E_C为能量储存装置的容量, kWh; C_{ESS_Acc}为电池附件成本, $.

动力系统的成本除了式(11)所包含的能量储存装置及其附件的成本外, 还包括发动机, 电机及其控制器的成本, 基于批量化生产条件(100 000台/年), 其价格可表述为下述公式:

$\begin{matrix} \{\begin{matrix} C_{engine} = e + f \times P_{emax} \\ C_{motor} = h + i \times P_{mpeak} \\ C_{motor_ctr} = j + k \times P_{mpeak} \end{matrix} \end{matrix}$ (12)

式中: $\begin{matrix} e 、 f 、 h 、 i 、 j 、 k \end{matrix}$ 为拟合系数, 是综合发动机, 电机及其控制器当前价格, 生产规模等因素, 通过对生产厂家的广泛调研并参照国外权威机构研究报告^{[6, 12]}最终确定; C_engine为发动机成本, $; P_emax为发动机最大功率, kW; C_motor为电机成本, $; P_mpeak为电机峰值功率, kW; C_{motor_ctr}为电机控制器成本, $.

在满足性能约束条件下, 成本最低的设计方案即为最优设计方案.而动力系统成本, 包括发动机, 电动机及其控制器, 能量储存装置的成本.其最低成本函数可表述为:

$\begin{matrix} minC = C_{engine} + C_{motor} + C_{motor_ctr} + C_{ESS_Li} + C_{ESS_Acc} \end{matrix}$ (13)

由前述电机, 发动机和电池性能参数计算得到约束条件如下:

$\begin{matrix} \{\begin{matrix} P_{m_\max} \geq \max (P_{m_\max 1}, P_{m_\max 2}) \\ P_{m} + P_{e} \geq \max (P_{(m + e)_\max 1}, P_{(m + e)_\max 2}, P_{(m + e)_\max 3}) \\ P_{b} = \frac{P_{m}}{η_{m} η_{b}} \\ W_{b} = \frac{P_{v} L}{(SO C_{1} - SO C_{0}) η_{m} η_{b} v} \end{matrix} \end{matrix}$ (14)

整理得到发动机及电机的功率可行域如图3所示.

	Figure Option View Download New Window
	图3 发动机和电机功率可行域Fig.3 Feasible region of power between engine and motor

2.3 动力总成质量函数分析

在整车设计过程中, 改变动力部件参数会对整车质量产生影响, 而整车质量在设计过程中是必需的输入量.因此在改变发动机, 电机和电池性能参数后, 需计算其质量的变化值, 调整输入质量, 重复优化过程, 直到输入质量与计算质量的误差在1%以内.

在PHEV优化设计过程中, 主要考虑混合动力系统部分对整车质量的影响.混合动力系统由发动机, 电机及控制器, 电池组等各部件组成.通过下述质量模型可估算出整车变化的质量.整车混合动力系统质量^[4]可描述为:

$\begin{matrix} \{\begin{matrix} M_{dr} = M_{ice} + M_{mot} + M_{bat} \\ M_{ice} = k \times P_{emax} + l \\ M_{mot} = m + n \times P_{mpeak} \\ M_{bat} = \frac{E_{c} \times 1000}{p} \end{matrix} \end{matrix}$ (15)

式中: $\begin{matrix} k 、 l 、 m 、 n 、 p \end{matrix}$ 为拟合系数, 根据发动机, 电机和电池的质量, 功率与能量关系线性拟合得到; M_dr为整车动力总成系统质量, kg; M_ice为发动机质量, kg; M_mot为电动机质量, kg; M_bat为动力电池的质量, kg; P_emax为发动机的峰值功率, kW; P_mpeak为电机的峰值功率, kW.

2.4 动力总成匹配方案

按照前述匹配方法, 初步完成AER为10, 20, 30, 40, 50和60 km的动力总成部件参数设计, 得到各部件参数及制造成本如表2和表3所示, 随着AER的增加, 发动机及电机的功率变化不大, 电池能量明显增加, 而动力电池成本是动力传动系成本的重要组成部分, 因此动力总成制造成本也明显提高.

表2 不同AER的PHEV动力部件参数 Table 2 Powertrain parameters of PHEV for different AER

2.5 控制策略的选择

PHEV主要有电量消耗型, 电量维持型, 纯发动机, 纯电机等能量管理模式.本文采用文献^[14]中的混合控制策略, 该控制策略由电量消耗(CD)阶段和电量维持(CS)阶段两部分构成.

(1)CD阶段:电能作为主要能源, 在驾驶员需求功率较大时, 发动机也会参与驱动.发动机的启动方式由车速, 电量状态SOC, 整车需求功率等因素来确定.在这个阶段, 电池的SOC会逐渐减少.

表3 不同AER的PHEV动力总成成本及动力传动系成本 Table 3 Cost of powertrain and drivetrain of PHEV for different AER

(2)CS阶段:这一阶段PHEV运行模式与普通的HEV电机助力模式相似, 发动机和电机共同工作, 电池的SOC在一定范围内波动.

2.6 燃油经济性及使用成本分析

在前述工作的基础上利用Cruise进行整车燃油经济性能分析, 所设计车辆目标用途的日均行驶里程规律是整车参数设计和经济性能评价的基础.因为国内尚无此类专业统计数据, 本文以美国NPTS统计数据^{[15, 16]}为基础, 鉴于我国车辆年均行驶里程为10 000~20 000 km, 针对国内用户用车习惯, 将用户每日驾驶行程分布百分比划分为以20, 40和60 km为中心的3个正态分布, 三类用户的年均行驶里程分别为10 000, 14 000和18 000 km, 对设计方案的使用成本进行理论分析, 如图4所示.

PHEV使用成本低是其市场化的主要优势, 对年均使用成本进行分析, 以40 km为中心的日行驶里程下AER50的PHEV为例, 由每日驾驶行程分布百分比和年行驶里程得到如图5所示的各段累积行驶里程, 在NEDC工况下利用Cruise仿真结果统计数据得到各段累积能耗, 参考燃油及电能的市场价格得到AER50各段累积总使用成本.由于日均行驶里程分布比例以及仿真工况的影响, 前几段行驶里程(0~20, 0~30, 0~40, 0~50, 0~60 km)累积耗能也相应较多.

	Figure Option View Download New Window
	图4 每日驾驶行程分布百分比Fig.4 Daily mileage distribution percentage

	Figure Option View Download New Window
	图5 40 km行驶里程分布下AER50的PHEV年均14 000 km统计结果Fig.5 Annual 14 000 km statistical results of PHEV of AER50 under 40 km mileage distribution

2.7 不同AER的PHEV优化成本分析

对于PHEV, 本文定义的优化成本主要考虑动力总成各部件的制造成本, 以及整车使用成本(见式(16)).其中动力总成部件制造成本指动力系统成本, 包括发动机, 电动机及其控制器, 能量储存装置的成本; 使用成本只包括运行过程的电量和燃油费用.

$\begin{matrix} C_{op} = C_{1} + C_{2} \end{matrix}$ (16)

式中:C_op为PHEV优化成本, 元; C₁为动力总成制造成本, 元; C₂为整车使用成本, 元.

车用动力电池作为PHEV一个主要的动力源, 不同的驾驶习惯对其使用寿命有很大影响, 从而也会影响动力总成在汽车使用周期内的制造成本.车辆寿命以12年计算, 根据目前4S店建议, 以动力锂电池6年更换周期计算动力部件的年均制造成本为:

$\begin{matrix} C_{1} = \frac{C_{motor} + C_{engine} + C_{ESS} \times 2}{12} \end{matrix}$ (17)

式中:C_engine为发动机成本, $; C_motor为电机成本, $; C_ESS为能量储存装置成本, $.

综合前述各AER年均使用成本计算得到总年均优化成本, 统计结果如表4~表6所示.比较结果可知:PHEV与原车型相比, 总年均优化成本降低6.0%~20.0%.20 km(低), 40 km(中)和60 km(高)行驶里程分布规律下拟合得到二次曲线如图6所示.

表4 20 km(低)行驶里程分布下各AER的PHEV优化成本 Table 4 Optimization cost of PHEV for different AER under 20 km(low)mileage distribution

表5 40 km(中)行驶里程分布下各AER的PHEV优化成本 Table 5 Optimization cost of PHEV for different AER under 40 km(middle) mileage distribution

表6 60 km(高)行驶里程分布下各AER的PHEV优化成本 Table 6 Optimization cost of PHEV for different AER under 60 km(high)mileage distribution

	Figure Option View Download New Window
	图6 不同行程分布规律下各AER的PHEV年优化成本Fig.6 Optimization cost of PHEV for different AER under different mileage distribution

由图6可知:在低行程分布规律下, 在设计里程AER为20~30 km时PHEV年均优化成本最低, 而AER40节能效果也非常明显; 在中行程分布规律下, 受分布比例的影响, AER40的PHEV年优化成本达到极小值点; 在高行程分布规律下, 由于电池容量变大引起制造成本增加, AER60的PHEV年优化成本降低程度反而不明显, AER40的PHEV近似最低.为了进一步发挥PHEV的节能优势, 选择40 km作为PHEV的AER设计要求, 其动力总成部件参数如表7所示.与原车型, AER20和AER60相比, 在3种行程分布规律下的年优化成本及年成本降低率统计如表8所示, 由表8可知, 在3种不同行程分布规律下, AER40的PHEV年优化成本降低率最高, 可达24.9%.

表7 AER40的PHEV动力部件参数 Table 7 Powertrain parameters of PHEV for AER40

表8 AER40的年优化成本及年成本降低率 Table 8 Annual optimization cost and reduction rate for AER40

3 结束语

以PHEV为研究对象, 设计开发了一套在满足PHEV性能约束条件的基础上, 以动力总成部件制造成本和整车使用成本最低为优化目标的动力总成优化设计方法.通过对不同用户的使用习惯进行分类, 针对不同的AER设计要求, 对PHEV总年均优化成本进行了系统分析, 得到以下结论:基于成本优化的PHEV优化设计方案节能效果明显, 与原车型相比, 总年均优化成本降低6.0%~20.0%; 比较各AER的PHEV年优化成本可知, 中等AER设计要求的PHEV最佳; 随着车用动力电池技术的发展, 电池寿命变长, 电池制造成本降低, AER设计要求也会逐渐变大, 大容量电池的PHEV会得到更加广泛的应用.

The authors have declared that no competing interests exist.

参考文献

View Option

[1]	王菁, 谭德荣. 基于Cruise的Plug-in并联混合动力客车动力参数匹配与仿真[J]. 农业装备与车辆工程, 2012, 50(7): 18-21. Wang Jing, Tan De-rong. Parameter matching and simulation of the plug-in hybrid electric bus based on cruise[J]. Agricultural Equipment & Vehicle Engineering, 2012, 50(7): 18-21. [本文引用:1]
[2]	秦孔建, 陈海峰, 方茂东, 等. 插电式混合动力电动汽车排放和能耗评价方法研究[J]. 汽车技术, 2010(7): 11-16. Qin Kong-jian, Chen Hai-feng, Fang Mao-dong, et al. Investigation on the evaluation methods for fuel consumption and emissions of PHEV[J]. Automobile Technology, 2010(7): 11-16. [本文引用:1]
[3]	吴为理, 兰凤崇, 陈吉清, 等. Plug-in 混合动力汽车动力系统参数设计成本效益分析[J]. 机械科学与技术, 2013, 32(3): 383-387. Wu Wei-li, Lan Feng-chong, Chen Ji-qing, et al. Cost-benefit analysis of parameter design of powertrain for plug-in hybrid electric vehicle[J]. Mechanical Science and Technology for Aerospace Engineering, 2013, 32(3): 383-387. [本文引用:1]
[4]	Simpson A. Cost-benefit analysis of plug-in hybrid electric vehicle technology[C]//22nd International Battery, Hybrid and Fuel Cell Electric Vehicle Symposium and Exhibition, Yokohama, Japan, 2006: 23-28. [本文引用:3]
[5]	Golbuff S. Design optimization of a plug-in hybrid electric vehicle. georgia institute of technology[C]//SAE Technical Paper, 2007. [本文引用:1]
[6]	张博. 可外接充电混合动力汽车能量管理策略研究[D]. 长春: 吉林大学汽车工程学院, 2009. Zhang Bo. Study on energy management strategy for plug-in electric vehicle[D]. Changchun: College of Automotive Engineering, Jilin University, 2009. [本文引用:2]
[7]	Wu Xiao-lan, Cao Bing-gang, Li Xue-yan, et al. Component sizing optimization of plug-in hybrid electric vehicles[J]. Applied Energy, 2011, 88(3): 799-804. [本文引用:1]
[8]	张爱国. 插电式混合动力轿车动力总成参数匹配及控制策略研究[D]. 广州: 华南理工大学机械与汽车工程学院, 2011. Zhang Ai-guo. Study on assembly parameter matching and control strategy of plug-in hybrid electric vehicle[D]. Guangzhou: School of Mechanical and Automotive Engineering, South China University of Technology, 2011. [本文引用:1]
[9]	周玮. Plug_in混合动力轿车整车控制策略的研究[D]. 天津: 河北工业大学机械工程学院, 2010. Zhou Wei. Research on control strategy in vcu of plug-in hybrid electric vehicle[D]. Tianjin: School of Mechanical Engineering, Hebei University of Technology, 2010. [本文引用:1]
[10]	Markel T, O'Keefe M, Simpson A, et al. Plug-in HEVs: a near-term option to reduce petroleum consumption from FY05 milestone[DB/OL]. [2014-12-30]. http://www.nrel.gov/docs/fy06osti/39415.pdf. [本文引用:1]
[11]	Graham R, Unnasch S, Kassoy E, et al. Comparing the benefits and impacts of hybrid electric vehicle options[DB/OL]. [2014-12-30]. http://www.ourenergypolicy.org/wp-content/uploads/2011/11/2001_07_EPRI_ComparingHybridElectricVehicleOptions.pdf. [本文引用:1]
[12]	Golbuff S. Optimization of a plug-in hybrid electric vehicle[D]. Atlanta: Science in Mechanical Engineering of Georgia Institute of Technology, 2006. [本文引用:2]
[13]	Lipman T E, Delucchi M A. Hybrid electric vehicle design retail and lifecycle cost analysis[DB/OL]. [2015-01-06]. http://tsrc.berkeley.edu/sites/default/files/Lipman_EV1_2003.pdf. [本文引用:1]
[14]	李治萱. DCT混合动力汽车的构型分析, 参数匹配及优化控制研究[D]. 长春: 吉林大学汽车工程学院, 2013. Li Zhi-xuan. Configuration analysis, parameters matching and research on the optimal control for the HEV equipped with DCT[D]. Changchun: College of Automotive Engineering, Jilin University, 2013. [本文引用:1]
[15]	杨名. PHEV混合动力汽车动力系统匹配[D]. 长春: 吉林大学汽车工程学院, 2011. Yang Ming. Parameter matching of power system in PHEV[D]. Changchun: College of Automotive Engineering, Jilin University, 2011. [本文引用:1]
[16]	Jin Li-qiang, Zeng Xia-hua, Wang Wei. The control strategy and cost analysis for Series Plug-in hybrid electric vehicle[J]. Proceedings of 2nd IEEE International Conference on Advanced Computer Control, 2010(2): 350-354. [本文引用:1]

2012

0.0

. 2012, 50(7):18-21 DOI:doi:10.3969/j.issn.1673-3142.2012.07.006

Parameter matching and simulation of the plug-in hybrid electric bus based on cruise

基于Cruise的Plug-in并联混合动力客车动力参数匹配与仿真

Wang Jing , Tan De-rong.

王菁, 谭德荣

摘　要：根据客车运行中实际功率需求，在满足动力性基础上，以最低燃油消耗为目标，进行动力系统参数匹配。通过Matlab／Simulink建立控制策略模型，实现Cruise中Plug—in整车模型动力性能仿真运算。仿真结果表明，所设计的Plug—in HEV能够实现所设定的预期目标，发动机工作性能得到改善，经济性得到提高。

... 0 引言插电式混合动力汽车(PHEV)是在传统混合动力汽车(HEV)的基础上,随着对新能源汽车要求不断改变而衍生出来的一种新的节能环保车型,它兼备燃料发动机和可充放的电力储能装置(以车用动力蓄电池为例),同时还与纯电动汽车(EV)一样,可直接连接到电网上给电池充电^[1,2] ...

2010

0.0

. 2010, (7):11-16 DOI:doi:10.3969/j.issn.1000-3703.2010.07.003

Investigation on the evaluation methods for fuel consumption and emissions of PHEV

Qin Kong-jian , Chen Hai-feng , Fang Mao-dong

秦孔建, 陈海峰, 方茂东

插电式混合动力汽车(PHEV)由于具有能够更充分地利用电能而减少传统石化燃料消耗的技术优势,成为当前电动汽车领域的研发热点.分析了插电式混合动力电动汽车技术特点和工作特性,对比研究了国内外针对这类车辆能耗和排放性能的试验方法和标准.从试验循环、测试程序、结果计算等几个方面对插电式混合动力汽车能耗和排放评价面临的关键问题进行了讨论.并针对我国当前标准体系中关于插电式混合动力汽车试验评价方法的制订完善提出了建议.

2013

0.0

. 2013, 32(3):383-387

Cost-benefit analysis of parameter design of powertrain for plug-in hybrid electric vehicle

Plug-in 混合动力汽车动力系统参数设计成本效益分析

Wu Wei-li , Lan Feng-chong , Chen Ji-qing

吴为理, 兰凤崇, 陈吉清

基于成本效益分析,以年均使用成本和初始成本作为评价指标,建立插电式混合动力汽车(PHEV)动力系统设计分析模型,对PHEV动力系统纯电动续驶里程和能量储存装置参数的进行设计分析。以Prius为分析对象,结果显示当PHEV纯电动续驶里程等于汽车的日行驶里程时,节油量最大且年均成本最小,同时也得到了国内个人交通出行数据统计对PHEV设计的重要性。能量储存装置的容量、放电深度和功率对PHEV质量和初始成本均有较大影响,基于功率/能量比(RP/E)分析了能量储存装置参数对PHEV动力系统成本的影响。

... 若AER选择过小,虽然电池容量减小引起整车动力部件制造成本降低,但PHEV燃油节能潜力减小,整车的使用成本会增加^[3] ...

2006

0.0

... Simpson^[4]通过分析近期以及未来各动力部件的发展前景,建立了PHEV成本-收益模型,并对传统车,HEV及PHEV的购置成本以及能耗进行了对比 ...

... 根据国外权威的研究机构对未来电池价格的预测^{[4,10,11,12,13]},拟合出下列公式: ...

... 整车混合动力系统质量^[4]可描述为: ...

2007

0.0

... Golbuff^[5]利用PSAT仿真工具对不同类型电池及不同AER基于设计成本最低进行参数优化 ...

2009

0.0

. 2009, :-

Study on energy management strategy for plug-in electric vehicle[D]. Changchun:College of Automotive Engineering,

可外接充电混合动力汽车能量管理策略研究[D]

Zhang Bo.

张博

可外接充电混合动力汽车(Plug-in Hybrid Electric Vehicle, PHEV)节能减排效果突出,能量管理策略(Energy Management Strategy, EMS)作为PHEV开发的核心技术,其品质直接影响整车性能。本文按照“系统建模-匹配设计—离线优化-在线应用-试验验证”的设计思路,采用仿真建模、数学优化解析等方法,对PHEV能量管理策略进行了深入研究。旨在获取可以进行工程应用的合理控制策略,同时得到一套较为完善的PHEV能量管理策略的优化设计方法。具体内容从以下几个方面展开: 在Matlab/Simulink环境下,建立了PHEV系统仿真模型,并对该模型进行了试验验证;结合开发的优化设计程序,提出了PHEV动力总成参数的优化匹配方法,获得了既能满足各项技术性能指标又符合实际情况的动力总成最佳匹配方案。针对PHEV特点,提出了基于动态规划的能量管理策略离线全局优化方法。由该方法获取的能量管理策略,是理论上的最优控制。它既可以作为制定实时在线策略的宏观指导,也可以作为不同策略的评估标准,对能量管理策略的优化设计极具指导意义。基于离线全局优化的计算结果,提出了PHEV在线能量管理策略的设计方法。该方法通过统计分析、多元非线性回归及遗传优化算法,制定出了既符合PHEV特点又满足车辆实时性要求的在线优化能量管理策略。该策略保障了PHEV能够在不同行驶里程下对动力总成能量流进行合理分配,具有很好的实车应用价值。

... 张博^[6]以制造成本最低为优化目标,以性能约束为条件,利用PSAT优化设计程序确定了动力总成匹配方案 ...

... 式中: e、f、h、i、j、k为拟合系数,是综合发动机,电机及其控制器当前价格,生产规模等因素,通过对生产厂家的广泛调研并参照国外权威机构研究报告^[6,12]最终确定 ...

2011

0.0

. , :799-804

Component sizing optimization of plug-in hybrid electric vehicles

... Wu^[7]利用并行混沌优化算法对3种不同的AER及两种电池,基于发动机,电机,电池等各动力部件成本最低对部件参数进行优化 ...

2011

0.0

. 2011, :-

Study on assembly parameter matching and control strategy of plug-in hybrid electric vehicle

插电式混合动力轿车动力总成参数匹配及控制策略研究[D]

Zhang Ai-guo.

张爱国

能源短缺、环境污染、气候变暖是全球汽车产业面临的共同挑战,而传统燃油汽车的节能减排技术已不能满足社会可持续发展的需求。发展新能源汽车已经成为各国汽车工业发展的必然选择,以此为出发点,全球正在推动一次汽车动力技术革命。以美国为主掀起的插电式混合动力汽车研发成为近期解决动力电池能量密度低、车辆续驶里程短的问题,达到城市内应用零排放目的的有效技术途径之一。本文以广东省战略性新兴产业专项资金新能源汽车产业项目为依托,进行插电式混合动力轿车的研究。通过分析比较混合动力汽车动力系统的各种结构入手,比较各种结构形式的混合动力系统的优缺点,最终选定四轮驱动并联式结构来设计该插电式混合动力轿车。根据设计要求需达到的性能指标,结合汽车动力学基础理论对插电式混合动力汽车进行了发动机、电动机以及电池等动力部件的选型和参数设计,最后得出其整车动力系及传动系参数。然后以MATLAB/SIMULINK为工作平台,基于混合动力仿真软件ADVISOR建立了插电式混合动力汽车的发动机、永磁同步电机、锂离子电池以及变速器等模型。并对仿真软件ADVISOR进行了二次开发,详细分析并搭建了四轮驱动混合动力汽车仿真模型。对并联式混合动力汽车的控制策略包括电力辅助控制策略、动态自适应控制策略、模糊逻辑控制策略等进行研究,并详细分析了电辅助式控制策略中五种驱动模式,在此基础上提出了优化的控制策略,使其更适合于本文所设计的插电式混合动力轿车。从仿真结果可以看出,整车的动力性和燃油经济性等与设计要求所需达到的目标基本符合,所匹配的发动机、电机和电池工作状态良好,基本能工作在最佳效率区域。同时,通过样车控制策略,可以实现合理的功率分配和发动机、电机的起停,制动能量回收,并能保证电池的荷电状态SOC始终维持在最佳区域内,电池容量的选择能满足续驶里程的要求。

... 在车辆的设计初期,有必要从整车的性能需求出发^[8,9],通过理论分析来匹配动力系统的主要性能参数,为建立更加精确的仿真模型和进行优化分析提供基础 ...

2010

0.0

. 2010, :- DOI:doi:10.3969/j.issn.1006-3331.2007.04.003

Research on control strategy in vcu of plug-in hybrid electric vehicle

Plug_in混合动力轿车整车控制策略的研究[D]

Zhou Wei.

周玮

混合动力汽车整车控制策略是动力汽车的核心.本文综述当前混合动力汽车控制关键技术,分析应用于动力汽车的主要控制理论,提出整车控制策略研究的重点和突破方向,对混合动力汽车控制策略设计有借鉴意义.

2014

0.0

... 根据国外权威的研究机构对未来电池价格的预测^{[4,10,11,12,13]},拟合出下列公式: ...

2014

0.0

... 根据国外权威的研究机构对未来电池价格的预测^{[4,10,11,12,13]},拟合出下列公式: ...

2006

0.0

... 根据国外权威的研究机构对未来电池价格的预测^{[4,10,11,12,13]},拟合出下列公式: ...

2015

0.0

... 根据国外权威的研究机构对未来电池价格的预测^{[4,10,11,12,13]},拟合出下列公式: ...

2013

0.0

. 2013, :- DOI:doi:10.3969/j.issn.1000-3703.2013.05.009

Configuration analysis, parameters matching and research on the optimal control for the HEV equipped with DCT

DCT混合动力汽车的构型分析,参数匹配及优化控制研究[D]

Li Zhi-xuan.

李治萱

介绍了在混合动力汽车中应用DCT技术的优势,提出了装备DCT 的几种混合动力系统构型,从结构、功能等方面对各构型的优缺点进行了分析,并从工程化实现、研发成本和研发周期角度对每种构型的可行性进行定性分析.重点阐述了2种具备高可行性和研究价值的构型:BSG+主电机DCT后布置方案在短期内具有较好可行性;BSG+DCT奇数轴电机双电机结构是DCT混合动力汽车的主要发展趋势.

2011

0.0

. 2011, :-

Parameter matching of power system in PHEV

PHEV混合动力汽车动力系统匹配[D]

Yang Ming.

杨名

本论文对充电式混合动力轿车动力系统的参数匹配展开工作,经过一些列的步骤确定动力系统参数来达到要求的动力性和经济性目标。本课题属于一汽技术中心与吉林大学混合动力课题组的纯电动轿车开发与插电式混合动力汽车技术的预研工作,同时也是项目工作成果的重要一部分。本文首先通过对混合动力汽车进行分类并对各混合动力汽车优劣性进行了对比,提出了插电式混合动力汽车才是未来能够实现节能减排目标的最终选择,它既能够解决传统混合动力汽车依然大量消耗资源的问题,也解决了纯电动汽车续驶里程不足等问题,被普遍认为是向清洁能源汽车过度的极佳方案。在确定了整车动力系统方案之后,对动力系统的各个部件进行了选型。根据整车的基本参数和整车性能指标,对电机的额定功率进行了精确的计算。随后建立了基于 Matlab/Simulink的AVL Cruise仿真平台上的仿真模型,在随后的仿真过程中,主要注意电机、发动机、动力电池等各属性参数的输入以及各个仿真项目的设置问题,从而可以提高仿真精度。为了使本模型能更靠近于实际行车工况并对要求的各动力性进行验证,将仿真工况分为加速、驱动、减速制动、纯电动、爬坡等不同的工况,随后提出了合理的整车动力系统控制策略。通过模型的仿真结果可以看出,整车的经济性和动力性能指标全部满足要求,而且电池组、电机和发动机的工作状态都保持良好,在不破坏整车动力性能的基础上, 基本能保持在最佳工作效率区域。各个动力系统部件的工作井然有序,能够合理的分配功率并实现电机和发动机的起停,使电池的电量含有率始终持续在可控制的范围。电池容量根据最大电动续驶里程要求来确定。最后得出结论,对整个PHEV混合动力汽车的未来进行预测和展望。本文所研究的内容有一定的连续性和系统性,在后续的实车实验中,完全的验证了本论文的计算和建模仿真方式是有效的,对未来充电式混合动力汽车动力系统的开发有积极的意义。

... 因为国内尚无此类专业统计数据,本文以美国NPTS统计数据^[15,16]为基础,鉴于我国车辆年均行驶里程为10 000~20 000 km,针对国内用户用车习惯,将用户每日驾驶行程分布百分比划分为以20,40和60 km为中心的3个正态分布,三类用户的年均行驶里程分别为10 000,14 000和18 000 km,对设计方案的使用成本进行理论分析,如图4所示 ...

2010

0.0