混合动力汽车能量管理策略与群智能优化

本书主要针对于机械类及相关专业研究生学生的理论学习用书。本书内容主要分为2个部分： 第一部分重点介绍了混合动力电动汽车的基本原理，分析了混合动力汽车的多元储能系统结构、控制策略的设计方法；第二部分主要描述了群智能优化算法的基本理论，并详细介绍了群智能优化算法在混合动力汽车能量管理策略优化中的应用，并给出了算法在MATLAB下的具体实现步骤和编程方法。

陈泽宇，男，东北大学机械工程与自动化学院，博士，副教授。2014-2015年于美国密歇根大学迪尔伯恩校区任访问学者。从事汽车动力学控制、新能源汽车节能与安全等科研和教学工作，近5年发表论文19篇，其中SCI论文8篇，ESI高被引论文1篇，EI论文5篇，主持国家自然科学基金1项，省部级项目3项，授权发明专利4项。担任《IEEE transactions on Automation Science and Engineering》与 《Applied energy》等国际期刊审稿人，担任中国自动化学会-车辆控制与智能化专业委员会委员。

　　发展节能与新能源汽车关乎国家能源安全与经济命脉，是实现“碳达峰、碳中和”目标的重要举措。在此背景下，混合动力与电动汽车已经成为当前汽车工业发展的重要方向。能量管理策略是混合动力汽车关键技术之一，本书总结了作者团队近年来在该领域的研究成果，阐述了行驶工况构建方法、混合动力系统能量管理策略以及群智能优化方法，希望能为从事新能源汽车领域的技术人员提供参考，也可作为高校研究生相关课程的教材。

　　本书分8章： 第1章介绍新能源汽车发展背景及现状； 第2章介绍混合动力汽车的系统结构及控制原理； 第3章介绍电动汽车城市运行工况的构建方法，并给出了沈阳城市工况构建实例； 第4章介绍混合动力能量管理策略全寿命周期设计框架； 第5章介绍能量管理策略的粒子群优化方法； 第6章介绍能源价格波动情况下的模拟退火粒子群优化策略； 第7章介绍基于粒子群算法的短时预测能量管理策略设计方法； 第8章介绍考虑电池安全性的庞特里亚金极小值原理优化算法。

　　本书由东北大学陈泽宇、周楠撰写，参加撰写的还有张渤、张浩、张清、刘博、方志远、王子荣等。本书的出版得到了国家自然科学基金项目(51977029)与东北大学PBL教学法研究与应用项目(NEUJX04224)的资助，谨在此表示衷心感谢！

　　受作者水平所限，书稿内容难免存在不当之处，敬请谅解。书中算法代码核心部分已开放至附录中，并配有电子版的完整代码，如有需要可下载。希望以此书为交流平台，共同促进新能源汽车控制技术的发展进步。

作者

2022年12月

第1章绪论

1.1新能源汽车的分类

1.1.1纯电动汽车

1.1.2混合动力汽车

1.1.3燃料电池汽车

1.2新能源汽车的发展现状

1.2.1国内发展概述

1.2.2国外发展概述

1.3混合动力系统与能量管理技术

1.4本章小结

第2章混合动力汽车结构与原理

2.1混合动力系统结构

2.1.1串联式混合动力系统

2.1.2并联式混合动力系统

2.1.3混联式混合动力系统

2.2串联式混合动力系统控制模式

2.3并联式混合动力系统控制模式

2.4混联式混合动力系统控制模式

2.5本章小结

第3章行驶工况构建方法

3.1行驶工况概述

3.1.1行驶工况的概念

3.1.2国外典型行驶工况

3.1.3国内典型行驶工况

3.2行驶工况构建算法

3.2.1工况构建步骤

3.2.2数据采集

3.2.3特征解析

3.2.4片段最优选取策略

3.2.5工况构建及验证分析

3.3行驶工况实例

3.3.1实验数据的采集、处理及特征参数提取

3.3.2工况构建过程

3.3.3结果分析

3.4本章小结

第4章混合动力系统最优能量管理策略设计框架

4.1系统模型

4.1.1动力系统总成

4.1.2动力电池模型

4.1.3APU模型

4.1.4驱动电机模型

4.2能量管理策略设计

4.2.1模式控制

4.2.2优化模型

4.3全寿命周期能量管理策略设计及优化方法

4.3.1全寿命周期能量管理策略

4.3.2粒子群优化算法框架

4.3.3电池老化影响特性

4.4仿真结果

4.5本章小结

第5章能量管理策略的粒子群优化方法

5.1粒子群优化算法原理

5.2粒子群优化算法在能量管理策略中的应用

5.2.1基本控制模式

5.2.2粒子群优化算法的实施步骤

5.3仿真结果

5.4本章小结

第6章考虑能源价格波动的模拟退火粒子群能量管理策略

6.1模拟退火算法原理及其与粒子群优化算法的融合方法

6.1.1模拟退火算法基本原理

6.1.2模拟退火粒子群优化算法

6.2能源价格波动统计分析

6.2.1电价波动统计

6.2.2燃油价格波动统计

6.3考虑价格波动的能量管理策略设计

6.3.1基于模拟退火粒子群算法的能量管理策略

6.3.2参数优化结果

6.4仿真结果与分析

6.5本章小结

第7章基于短时工况预测的粒子群优化能量管理策略

7.1工况预测及能量管理策略

7.1.1基于BP神经网络的工况预测方法

7.1.2基于工况预测的粒子群优化能量管理策略

7.2仿真结果与分析

7.2.1算法有效性的仿真验证

7.2.2具有工况差异性时的结果分析

7.3本章小结

第8章考虑电池寿命与安全性的PMP能量管理策略

8.1电池热安全与耐久性模型

8.1.1电池耐久性模型

8.1.2电池热模型

8.1.3冷却系统模型

8.2基于PMP算法的能量管理策略

8.2.1能量管理策略设计思路

8.2.2PMP算法

8.2.3优化结果

8.3仿真结果与分析

8.3.1行驶工况及温度数据

8.3.2冷却系统正常情况仿真分析

8.3.3冷却系统异常情况仿真分析

8.4本章小结

参考文献

附录

附录一行驶工况构建算法代码

附录二粒子群优化算法代码

附录三模拟退火粒子群优化算法代码

附录四遗传算法代码

附录五PMP能量管理优化算法代码