基于模型预测控制的混合动力车队协同能量管理方法
专利汇可以提供基于模型预测控制的混合动力车队协同能量管理方法专利检索，专利查询，专利分析的服务。并且本 发明 涉及一种基于模型预测控制的混合动 力 车队协同 能量 管理方法，属于新 能源 汽车 领域。该方法步骤为：S1：利用车‑车通信和车‑路通信层形成一个以交通 信号 灯为 节点 的车联网网络构架，形成上层 框架 ；S2：选择代价函数中的权重w1(t)和w3(t)，w2(t)和w4(t)；S3:建立并联HEV模型和 电池 健康状态 模型SOH；S4：确定代价函数，考虑电池老化模型；S5：将上层 控制器 得到的结果放入下层控制器中，通过MPC解决一个多目标优化的问题，找到最优的转矩分配率。本发明 算法 复杂度低，可行性好；在代价函数中考虑了电池老化SOH模型，为能量管理提供了新思路，利用本发明可进一步实现智能网联车的更细化的能量管理策略。，下面是基于模型预测控制的混合动力车队协同能量管理方法专利的具体信息内容。
1.基于模型预测控制MPC的混合动力车队HEV协同能量管理方法，其特征在于：该方法包含以下步骤：
S1：利用车车通信和车路通信层形成一个以交通信号灯为节点的车联网网络构架，形成上层框架；
S2：选择代价函数中的权重w1(t)和w3(t)，w2(t)和w4(t)；
S3：建立并联HEV模型和电池健康状态SOH模型；
S4：确定代价函数，考虑电池老化模型；
S5：将上层控制器得到的结果放入下层控制器中，通过MPC解决一个多目标优化的问题，找到最优的转矩分配率。
2.根据权利要求1所述的基于模型预测控制的混合动力车队协同能量管理方法，其特征在于：所述步骤S1具体为：
S11：确定交通灯状态；
S12：确定车辆目标速度的约束；
S13：确定上层控制器中的代价函数。
3.根据权利要求2所述的基于模型预测控制的混合动力车队协同能量管理方法，其特征在于：所述步骤S11具体为：
交通车状态
整个交通灯循环的时间tcycle＝tr+tg，交通灯循环的次数 tr、tg分别表示红灯和绿灯持续的时间；mod是取余函数；k表示车辆开始之后的当前时刻。
4.根据权利要求2所述的基于模型预测控制的混合动力车队协同能量管理方法，其特征在于：所述步骤S12具体为：
车辆在绿灯处能通过交通灯，就存在一个速度范围[vilb(k),viub(k)]使得车辆总是避免红灯停止的状态；速度范围的表达式为：
约束
其中， 整个交通灯循环的时间tcycle＝tr+tg，交通灯循环的次数
dia(k)表示车辆i距离交通灯标志的距离，tr、tg分别表示红灯和绿灯持续的时间；其中k表示车辆开始之后的当前时刻；vmax表示车辆的最大速度；其中vilb(k)、viub(k)分别代表能通过绿灯速度的最小值和最大值；目标速度是速度约束范围中值最大的那个界限；
上式的物理意义在于选择车辆在绿灯区间通过交通标志处时的目标速度，当交通灯是绿色且 的时候，最大允许速度是目标速度，当此条件不成立的时候，车
辆会超过限制速度通过交通灯，是被禁止的，dia(k)表示k时刻i车辆距离区间内交通灯的距离；若在绿灯区间内没有合适的速度，车辆就在交通灯前停止；Kw＝k/tcycle在每次成立的时候，Kw的值加1；
从以通过绿灯区间为前提的速度范围限制出发，计算控制输入的限制，从而使车辆总是能够避免红灯停止的情况发生；考虑时间步长△t＝1s，控制范围输入的范围表达式为：
其中 表示车队中第i车的最小力矩； 表示车队中第i车的最大
力矩；vilb(k)、viub(k)分别代表能通过绿灯速度的最小值和最大值；vi(t-1)表示i车t-1时刻的速度；pi是各种阻力之和；上式的物理意义是：控制范围满足上述范围时，车辆的目标速度范围就能够满足速度约束[vilb(k),viub(k)]，从而车辆能通过绿灯区间，防止红灯区间的停止。
5.根据权利要求2所述的基于模型预测控制的混合动力车队协同能量管理方法，其特征在于：所述步骤S13具体为：
为保证车辆行驶过程中的实时性，车辆i在一定的时间范围内发送共享其位置信息给车辆j，同时车辆j也共享给车辆i；
确定好车辆的目标速度和车辆的位置关系，通过模型预测控制的方法解决一个如下式表示的子问题就解决上层的优化问题；考虑时间k时刻，对于车辆i和预测时间段T＝13内解决问题；
Rij(t)＝S0+thd(vi(t)-vj(t))+(si(t)-sj(t))
式中第一项，计算时间T内，单位距离最小化燃油消耗，其中燃油消耗是一个多项式拟合项；式中第二项计算车辆i与车辆j之间距离的偏差最小值；式中第三项使车辆速度去满足目标速度，新的速度和控制范围，即约束条件；S0和thd分别表示预先定义的距离和间隔时间； 表示燃油消耗率；si(t+T-1)表示i车t+T-1时刻行驶的距离；si(k)表示i车k时刻的距离；vt(t)车辆t时刻的速度； 表示i车k时刻的目标速度；ui(t)表示i车驱动力；
w1(t),w2(t),w3(t),w4(t)分别是权重；vj(t)和vi(t)表示j,i车的速度；si(t),sj(t)表示i,j车的距离； 是i车k时刻速度的上下界；umax,umin表示驱动力的上下界。
6.根据权利要求1所述的基于模型预测控制的混合动力车队协同能量管理方法，其特征在于：所述步骤S3具体为：
建立并联HEV模型：建立并联式混合动力的HEV模型，包含一个转矩分配装置、一个电动机和一个电池组；
建立电池健康状态模型：建立电池老化率和放电倍率之间的关系，在优化中协调SOH的下降速度。
7.根据权利要求1所述的基于模型预测控制的混合动力车队协同能量管理方法，其特征在于：所述步骤S4具体为：
其中，J(k)是代价函数，a1,a2,a3,是不同项之间的权重， 是燃油消耗率，SOC(t)是电池的荷电状态，SOCr是期望维持的荷电状态， 是电池的老化率，表示电池的健康状态；tk表示模型预测控制算法中的预测时间的下界；tp表示模型预测控制算法中的预测时间上界；t表示时间；
在这一层的控制中将转矩分配率u作为输入，将电池健康状态SOH、燃油消耗率和充电状态SOC作为输出值，状态变量选择SOC值和SOH值；下层控制器采用的优化算法是模型预测控制算法；步骤S4最终得到在上层优化的某种工况下，车辆转矩分配率的变化、SOC和SOH的车辆信息状态。
基于模型预测控制的混合动力车队协同能量管理方法
技术领域
背景技术
发明内容
1时刻的速度；pi是各种阻力之和；上式的物理意义是：控制范围满足上述范围时，车辆的目标速度范围就能够满足速度约束[vilb(k),viub(k)]，从而车辆能通过绿灯区间，防止红灯区间的停止。
具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于CML的智能变电站设备网络结点连锁失效风险分析方法 | 2020-05-08 | 991 |
| 一种区块链共识方法及装置 | 2020-05-08 | 256 |
| 一种基于图数据库的建筑设计规范知识图谱构建方法 | 2020-05-08 | 337 |
| 一种基于RPL路由协议的IPv6无线传感网时间同步方法 | 2020-05-11 | 440 |
| 一种K8s平台的资源控制方法、装置及相关组件 | 2020-05-08 | 102 |
| 一种节点宕机修复方法、装置、电子设备及可读存储介质 | 2020-05-08 | 382 |
| 一种基于机器学习的应收账款兑付风险控制方法及系统 | 2020-05-08 | 180 |
| 一种基于图分析的反欺诈检测方法及检测系统 | 2020-05-08 | 591 |
| 直播视频的回看方法、装置、电子设备、系统及存储介质 | 2020-05-08 | 510 |
| 一种随机接入方法及装置 | 2020-05-08 | 413 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
