引用本文

申永鹏, 袁小芳, 赵素娜, 孟步敏, 王耀南. 智能网联电动汽车节能优化控制研究进展与展望. 自动化学报, 2023, 49(12): 2437−2456 doi: 10.16383/j.aas.c220819

Shen Yong-Peng, Yuan Xiao-Fang, Zhao Su-Na, Meng Bu-Min, Wang Yao-Nan. Energy-saving optimization control for connected automated electric vehicles: State of the art and perspective. Acta Automatica Sinica, 2023, 49(12): 2437−2456 doi: 10.16383/j.aas.c220819

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c220819

关键词

智能网联，电动汽车，节能，优化控制 

摘要

提升纯电动汽车整车能效、降低百公里耗电量, 是我国新能源汽车产业发展的重大需求. 智能网联背景下, V2X (Vehicle to everything)网联信息以及激光雷达、毫米波雷达、摄像头、定位及导航装置等各类车载传感器, 为智能网联电动汽车(Connected automated electric vehicle, CAEV)提供了全方位的信息交互、共享和状态感知能力, 赋予了其巨大的节能优化潜力. 针对CAEV节能优化控制问题, 首先从动力电池、电机控制器、驱动电机、传动机构、轮胎和驾驶决策六个环节分析电动汽车的典型损耗特性, 从决策、控制和执行三个层面分析CAEV的能量转换过程及耦合关系, 以及网联信息对CAEV 的节能影响; 然后, 从决策层车速优化、控制层驱动/制动转矩优化控制和执行层电流矢量优化控制三个方面, 对各层的节能优化问题进行阐述, 并重点对国内外研究现状进行归纳分析; 最后, 对决策层、控制层和执行层CAEV节能优化控制的难点以及现有研究工作进行总结, 并对下一步发展趋势进行展望.

文章导读

发展以纯电动汽车为主的新能源汽车是我国从汽车大国迈向汽车强国的必由之路, 是应对气候变化、推动绿色发展的战略举措[1]. 历经多年发展, 我国在电池、电机、电控等新能源汽车核心关键技术方面持续提升, 纯电动汽车产销量不断攀升, 但是续驶里程问题始终是制约纯电动汽车发展的重要因素[2].

延长纯电动汽车续驶里程的两条技术路径分别是: 1)提升单车带电量; 2)提升整车能效, 降低百公里耗电量. 尽管前者可直接增加续驶里程, 但是不可避免地导致了整车质量和成本的增加, 以及电池安全风险的上升[3]. 围绕纯电动汽车能效的提升, 中国汽车工程学会发布的“节能与新能源汽车技术路线图2.0”制定了2025年、2030年和2035年的发展目标, 如图1所示[4]. 国家标准“GB/T 36980-2018电动汽车能量消耗率限值”和“GB/T 18386-2017电动汽车能量消耗率和续驶里程试验方法”分两个阶段给出了不同整车质量车型对应的百公里耗电量限值, 如图2所示[4-5]. 由此可见, 提升纯电动汽车整车能效、降低百公里耗电量, 是我国新能源汽车产业发展的重大需求.

图 1  我国纯电动汽车能耗发展目标

图 2  纯电动汽车百公里耗电量限值

当前, 新一轮科技革命驱动汽车产业加速变革, 能源、互联、智能革命为新能源汽车发展注入了强劲新动能. 立足新阶段, 2020年10月, 国务院印发的“新能源汽车产业发展规划(2021 ~ 2035年)” 指出, 电动化、网联化、智能化是汽车产业的发展潮流和趋势, 并确立了以纯电动汽车、插电式混合动力(含增程式)汽车、燃料电池汽车为“三纵”的整车技术创新链布局, 以动力电池与管理系统、驱动电机与电力电子、网联化与智能化技术为“三横”的关键零部件技术供给体系[1]. 面对“2030年前实现碳达峰、2060年前实现碳中和”的经济社会发展绿色转型目标, 汽车与能源、交通、信息通信等领域有关技术加速融合, “绿色低碳、智能网联”已成为当前新能源汽车产业发展的新特征.

智能网联背景下, 电动汽车不再是单纯的交通工具, 网联信息以及激光雷达、毫米波雷达、摄像头、定位及导航装置等各类车载传感器, 将为车辆提供全方位的信息交互、共享和状态感知能力, 赋予了智能网联电动汽车(Connected automated electric vehicle, CAEV)巨大的节能优化潜力. 复杂道路状况及车辆运行状态下, 如何根据交通状况、信号灯状态、道路状况等网联信息, 并结合车辆传感信息、电驱动系统和动力电池运行状态, 对车辆行驶速度以及电驱动系统进行优化决策与优化控制, 是实现整车能效提升的重要技术路径, 也是当前亟待解决的技术难题. 针对该问题, 本文首先分析了电动汽车能量转换与传递各环节的节能潜力; 然后, 从决策层的车速优化、控制层驱动/制动转矩优化控制和执行层电流矢量优化控制三个方面, 在对各层面的节能优化问题进行阐述的基础上对国内外研究现状进行了综述分析; 最后, 总结了决策层、控制层和执行层CAEV节能优化控制的难点以及现有研究工作的特征, 并对下一步发展趋势进行了展望.

图 3  电动汽车典型损耗

CAEV的节能潜力已得到广泛的关注, 相关研究尚处于探索阶段. 目前, 主要的研究具有如下特征:

1) 在决策层, 已针对特定的路况、交通场景构造了车速优化方法, 一定程度上实现了“牵引力−车速”环节的能耗优化, 并且部分研究已经考虑到电机的稳态效率的影响[27, 42, 60]. 今后仍需进一步对来自交通信号灯、临近车辆的时间域、空间域等外部约束, 以及电机控制器电压/电流极限约束、电机最大制动/驱动转矩约束、动力电池SOC和SOP约束等内部约束条件综合考虑, 实现不依赖于特定交通场景的车速节能优化, 以提升算法的实用性.

2) 在控制层, 已通过最优滑移率控制等方法, 一定程度上通过电机转矩的优化实现了“转矩−牵引力”环节的能耗优化, 并且部分研究已经考虑到制动力矩控制对制动稳定性的影响[99-100]. 今后仍需进一步发挥CAEV感知设备的高精度状态估计能力, 进而结合轮胎−路面动力学的非线性、时变性, 实现不依赖于特定路况的最优转矩实时控制.

3) 在执行层, 已通过构建PMSM的效率模型, 一定程度上通过电流矢量角的优化实现了“电流矢量−转矩”环节的优化, 并且部分研究已经考虑到逆变器损耗[138-139]、铜损及铁损[140]. 今后仍需进一步综合分析车辆在复杂运行工况下, 动力电池输出电压、电流极限圆、电压极限椭圆的实时约束, 实现时变工况下的电流矢量角优化, 提升算法的实时性和优化精度.

结合现有研究, 对未来CAEV节能优化领域的发展趋势作如下展望.

1) CAEV整车综合节能优化. 尽管电驱动系统电能消耗占比最高, 节能潜力最大, 但动力电池热管理系统、空调系统的能耗对车辆续驶里程的影响非常大, 尤其在寒冷地区. CAEV可通过V2C从云端获取气象信息, 综合用户驾驶习惯、出行规律, 通过揭示动力电池、电机、电力电子器件、乘员舱等子系统之间的热力学耦合关系, 构建一体化协同热管理系统, 结合高效制冷、蓄热、热传导技术, 实现整车综合节能优化.

2) 多车协同节能优化控制. 交通运输领域碳达峰、碳中和目标对交通运输系统的综合运行能效提出了新要求, 探索多车协同节能优化机理, 通过V2V实时通信的协调以及V2I道路综合运行态势的引导, 以综合能效、通行效率、安全性、舒适性为目标函数, 考虑道路几何约束、安全性约束和交通法规约束, 构建多智能体协同多目标优化模型, 通过对道路网多CAEV时空运动轨迹的协同控制, 使车辆的运行更加快捷高效, 进而提升道路交通安全性、运行效率和综合能效.

3) V2G (Vehicle to grid)深度融合节能优化. 大规模电动汽车的接入, 既对电力系统的运行和规划带来了严峻挑战, 也给电网乃至能源互联网的发展创造了机遇. 一方面, 大规模电动汽车接入电网会带来随机负荷和谐波污染的增加, 为电网运行优化调度控制、配电网规划与运行增加难度; 另一方面, 通过V2G互动, 电动汽车可作为分布式储能资源, 为电网提供削峰填谷、调频等服务, 可有效促进新能源本地消纳, 增强电网能量管理的灵活性和稳定性. 依托大规模CAEV与电网、能源网的双向信息、电能交互, 可通过优化CAEV接入电网的时空分布、参与V2G互动的瞬时功率, 实现CAEV的V2G深度融合优化, 提升全生命周期能效.

作者简介

申永鹏

郑州轻工业大学电气信息工程学院副教授. 2015年获湖南大学博士学位. 主要研究方向为智能网联电动汽车节能控制, 新能源汽车储能与电驱动系统控制与优化. 本文通信作者. E-mail: shenyongpeng@zzuli.edu.cn

袁小芳

湖南大学电气与信息工程学院教授. 2008年获湖南大学博士学位. 主要研究方向为智能网联电动汽车路径规划与控制. E-mail: yuanxiaofang@hnu.edu.cn

赵素娜

郑州轻工业大学电气信息工程学院讲师. 2017年获华南理工大学控制理论与控制工程专业博士学位. 主要研究方向为脑控机器人, 移动机器人运动控制. E-mail: snzhao1221@zzuli.edu.cn

孟步敏

湘潭大学自动化与电子信息学院副教授. 2018年获湖南大学博士学位. 主要研究方向为电动车辆智能化与网联化技术. E-mail: mengbm@163.com

王耀南

中国工程院院士, 湖南大学电气与信息工程学院教授. 1995 年获湖南大学博士学位. 主要研究方向为机器人学, 智能控制和图像处理. E-mail: yaonan@hnu.edu.cn