面向城市电动摩托车的能量管理系统：优化与实现之间的平衡——关键综述

《World Electric Vehicle Journal》：Balancing Optimization and Implementation: A Critical Review of Energy Management Systems for Urban Electric Motorcycles

　　

可持续城市发展推动了轻型电动汽车的全球普及，电动摩托车现已在城市中广泛使用。电池电动动力系统在替代内燃机方面展现出巨大潜力；然而，持续的走走停停行驶会引起高频电流瞬变，从而在电驱动系统中引发应力与热退化。集成电池与超级电容器的混合储能系统（HESSs）是缓解电动汽车中此类问题的成熟方法。然而，其在电动摩托车中的应用受到空间、重量和计算约束的阻碍。本文综述了当前电动汽车中储能、电机、功率调节元件及连接拓扑的研究与仿真方法。至关重要的是，本综述识别出轻型电动汽车动力系统现有研究中的一项主要局限：普遍假设先进能量管理系统（EMS）需要高计算能力，而这与标准两轮车辆中低功率电力电子控制单元（ECUs）在很大程度上不兼容。为应对这些尚未解决的挑战，本批判性分析强调需要弥合理论优化与硬件可行性之间的差距。从研究人员视角来看，未来研究必须优先发展离线到在线混合架构，利用边缘计算与降阶模型，在现代电动摩托车严格的空间与计算约束内实现稳健的HESS性能。

引言部分指出，21世纪对环保与可持续交通的追求加速了电动汽车（EVs）的全球普及，电池动力车辆已在乘用车与轻型运输市场占据主导地位；快速城市化范式要求更小、更灵活的解决方案，城市轻型车辆尤其是电动摩托车成为现代出行的重要替代方案，但两轮EV面临空间、重量与成本约束，其动力系统与储能架构不同于大型EV。电动摩托车市场因锂离子电池成本下降而在多国显著增长，但以电池为唯一动力源在城市环境中存在关键运行挑战：EV行驶具有频繁走走停停与加速特征，在电池中产生高频电流瞬变，加剧系统应力、加速热退化、缩短电池循环寿命并降低续驶里程。为此，将超级电容器（SCs）引入动力系统形成混合储能系统（HESSs）成为有吸引力的替代方案，其结合电池高能量密度与SCs快速功率响应，并便于利用再生制动能量，但引入显著控制挑战；EV可靠性能要求先进能量管理系统（EMSs）提供瞬时功率分配并适应摩托车嵌入式低成本微控制器的计算限制。HESS的核心能量动态与功率分配挑战在各车辆类别中一致，但将重型EV的控制与EMS策略适配至轻型电动摩托车需谨慎的算法降尺度；本综述引用重型EV先进EMS文献基于两点原因：近期EV研究已验证深度强化学习（DRL）与模型预测控制（MPC）等先进建模与控制策略适用于复杂HESS拓扑，且审视全尺寸EV架构对评估可扩展性是必要的，降尺度可行性取决于对高保真模型进行数学简化、线性化或从离线向在线执行过渡的能力。近期文献在混合系统与可持续模型转换、电机设计与创新拓扑性能评估（包括轴向磁通电机、Halbach磁阵列、BLDC电机与感应电机）、再生制动与动能捕获储能策略（包括HESS系统中超级电容器的集成）、利用人工智能、深度强化学习与数字孪生的车队管理以预测行驶工况等方面提供了有价值见解。多数现有综述讨论通用EV架构而未考虑两轮车辆特定硬件约束，也未评估需要高计算能力的先进优化算法；与以往综述不同，本文审视弥合高保真数学优化与在轻型城市摩托车所用低功率电子控制单元（ECUs）上部署这些算法实际可行性之间差距的策略，通过强调离线到在线控制范式，概述将先进EMS策略转化为经济有效的现实城市出行解决方案的考量。文中以表格形式对近期关于EV（主要为两轮车辆）EMSs的综述文章进行了比较分析，指出本工作的具体范围、所评估的具体车辆及贡献；所引通用EV综述涉及电池状态估计（SOC/SOH）、混合动力车辆（HEV/PHEV）EMS策略、超级电容器与HESS建模、特定控制算法（MPC与模糊逻辑）以及燃料电池车辆燃料消耗与运行退化缓解等主题，审视这些大型车辆成熟复杂系统凸显了文献空白：需对高保真模型进行数学降阶并开发离线到在线框架，确保在两轮EV微控制器的处理、内存与空间约束内安全运行，从而使先进控制策略切实转化为轻量、可边缘部署的规则。全文组织结构为：第2节描述城市应用中推进源混合化相关问题；第3节聚焦摩托车电驱动系统架构；第4节描述HESS的储能器件模型与连接拓扑；第5节概述电机；第6节对能量管理策略进行全面综述。
第2节"城市轻型车辆技术：从内燃机（ICE）到基于混合电能存储的出行"指出，城市环境中各类EV为城市出行提供广泛解决方案，如电动踏板车、电动自行车与电动摩托车；这些城市轻型EV具有近乎静音运行、零本地排放、机动性改善、可通过标准家用插座便捷充电以及较内燃机 counterparts 更低维护需求等特征，其性能与效率在很大程度上取决于电机功率输出，而电机功率几乎可即时获得。随后聚焦电动摩托车，其在宽广转速（rpm）范围内提供瞬时扭矩，保持最佳功率带以实现快速初始加速，因此多速变速器往往并非必需；从设计与消费者视角看，这些低功率EV的关键性能指标包括最高速度、每次充电续驶里程、作为加速与陡坡性能度量的扭矩、功率、充电时间以及成本与性能之间的权衡。文中以表格形式对多种电动摩托车车型的硬件能力与性能限值进行了综合参考比较；此外，近期研究提出决策技术以帮助用户根据续驶里程、最高速度、充电时间、扭矩、功率与价格等特定标准选择摩托车。最终，EV性能的灵活性带来更平顺驾驶、环保运行与更多样化市场；大城市对采用轻型城市车辆的兴趣日益增长，摩托车产业正扩展至新开发与改装市场，例如若干东南亚国家正将内燃机（ICE）摩托车改装为电动摩托车，一项使用多维标度（MDS）与快速评估改装工具的研究评估了印度尼西亚这一转型的可持续性，评估涵盖环境、经济、社会、技术与制度维度，所得70.39%可持续性指数表明若实施关键战略措施则向电动摩托车转型具有显著潜力。进一步研究提供了增强电动摩托车能量性能因素的见解，影响电能消耗的变量被归类为驾驶行为、车辆特性与行驶条件；利用道路数据进行的多元线性相关分析发现，骑手与车辆部件重量对电能消耗增加贡献最大，值得注意的是，较高速度增加消耗，但怠速时牵引能量需求低，而减速时若具备再生制动则可能允许部分能量回收，这与汽油摩托车形成对比。当前广泛研究涉及EV开发，然而为实现峰值性能，储能仍至关重要；锂离子电池目前因能量密度优势、长循环寿命与热性能而占主导地位，但更安全的替代方案如磷酸铁锂（LFP）电芯与固态电解质系统正以更高热稳定性出现；此外，EV的动态运行可能需要辅助电源，如超级电容器，并结合再生制动系统，这些混合储能系统延长电池循环寿命并在高瞬时功率需求与再生制动期间增强性能。总之，电池技术与混合储能系统的进步对优化电动摩托车性能至关重要。文献[27]的系统文献综述对2015至2024年间发表的电动摩托车研究进行了全面综合，该综述涉及本研究核心的关键研究问题，具体评估了在高性能与生产成本、安全性与运行寿命之间取得平衡的替代电机拓扑与储能技术；此外，该调查评估了混合能源的集成，并考察了包括逆变器与传动系统在内的核心部件的模块化、可靠性与效率，重点强调了机器学习算法在优化能量管理策略与增强整体系统性能方面的应用。与之互补，文献[28]的系统综述分析了2020至2025年文献，强调职业摩托车赛事如何驱动技术创新；通过在高性能环境中测试电子系统，MotoGP、世界超级摩托车锦标赛（WSBK）与MotoE等赛事系列充当评估与验证新兴技术的重要实验室；其研究建立了涵盖车辆动力学、发动机控制单元（ECUs）、牵引力控制与数据采集系统的技术规格、架构与性能指标的综合基准，并探索了人机交互（HMI）的集成，识别了未来趋势，包括人工智能（AI）与量子计算在下一代电动车辆生态系统中的实施。文中表格强调了现代商用电动摩托车的运行能力，然而这些车型并未实施HESSs；当前市场上电动摩托车配备独立电池组，尤其是高密度锂离子模块，因为这些储能器件在制造成本与体积密度之间提供良好平衡，鉴于其空间约束这一点很重要；超级电容器及其双向DC-DC变换器的集成会大幅增加摩托车底盘内占用体积以及车辆重量与电子复杂性，这些都必须最小化；目前制造商通过要么增大电池容量、要么通过软件严格限制峰值电流抽取来补偿城市瞬态负载引起的退化，而非采用混合化；然而随着市场对快速加速、快速充电与低电池应力需求增加以及功率电子成本下降，向HESS架构过渡成为合理的未来发展；总之，这种混合化范式转变有可能延长商用轻型EV的电池寿命并改善动态性能。文中表格还列出了所选电动摩托车的动力系统与性能指标技术概览，包括Energica Experia采用永磁辅助同步磁阻电机（PMaSynRM）、Kawasaki Ninja e-1配备内置式永磁同步电机（IPMSM）、Yadea Avanti使用阀控铅酸（VRLA）电池等。
第3节"摩托车混合与电驱动系统架构"指出，当前文献中关于电动与混合动力摩托车的研究日益普遍，研究聚焦于将通常为100 cc至125 cc的内燃机（ICE）摩托车通过在前轮集成BLDC电机改装为混合动力。先进控制策略对优化这些混合系统至关重要，例如开发了基于有限状态机（FSM）与Arduino微控制器的控制系统以管理三种不同驱动模式：仅ICE、混合与再生；类似地，基于Honda Lead 100 cc发动机的混合动力电动摩托车（HEM）配备由锂离子电池供电的前轮直流电机，同时保留原始后轮无级变速器（CVT）传动系统，这种插电式混合动力配置在不牺牲性能情况下实现高达21.1%的燃油经济性改善。通过变速器与齿轮改装实现了进一步效率提升，在HEM中实施带功率模式切换控制的逆差速齿轮使燃油消耗降低41.4%，碳氢化合物（58.6%）与一氧化碳（53.55%）排放显著降低，同时增强加速与最高速度；类似配置优先最小化ICE在低效率区域（尤其在低扭矩输出期间）的运行。关于储能与回收，近期提案包括将超级电容器（SCs）与由模糊PID控制器调节的升降压变换器集成以管理动力系统电流，该配置利用SCs增强功率密度与循环寿命性能，同时高效捕获再生制动能量；其他研究强调使用BLDC电机进行能量回收以延长车辆续驶里程；此外，制动动力学研究聚焦于改善制动稳定性以及使用液压系统自适应控制以最大化能量回收；替代能源如燃料电池堆与电池组组合也已通过成本函数比较分析进行评估。总之，将ICE与电机结合改善燃油节省并减少排放；相比之下，纯电动摩托车完全依赖电池储能（通常为铅酸或锂离子）并利用BLDC或受控交流电机。文中图1展示了所讨论的各种配置分类，包括：(a)并联混合动力：ICE驱动后轮，由前轮BLDC电机辅助；(b)纯电动摩托车（标准）：BLDC电机由电池组供电；(c)电池-超级电容器混合：DC-DC变换器管理超级电容器与电池之间的能量流以供应BLDC电机，超级电容器由电池或通过再生制动再充电；(d)高功率交流电机：电池组与DC-DC变换器馈送逆变器驱动交流电机；(e)复杂混合储能：电池与超级电容器的独立DC-DC变换器通过逆变器馈送交流电机。虽然HESS配置（表3）相比复杂机械变速器显示较低燃油节省，但其提供优越的瞬态响应与电池保护，这对城市走走停停场景至关重要；文中表3对混合与电动摩托车架构的效率增益与排放减少进行了比较分析。为管理所述混合架构的固有复杂性，数字孪生（DTs）的实施已成为有用框架；DT可实现电池热行为、超级电容器间能量流以及在特定城市行驶循环下机械动力系统退化的实时监测与仿真；作为物理与虚拟域之间的桥梁，DT可通过将物理资产链接到持续更新的虚拟表示（CPS）而构成信息物理系统的一部分；近期EV研究使用该方法在物理实施前在虚拟环境中验证控制策略（如FSM或模糊PID）；此外，DTs促进快速场景测试、早期故障检测与迭代设计改进，最终在提高模型可靠性的同时显著节省时间与成本；模块化DT结构还简化了传感器数据采集与子系统升级。现代EV生态系统的复杂性（包括智能摄像头、路侧单元、车联基础设施（V2X）与增强的车路交互）要求高效的系统解耦与集成以确保安全可靠运行；先进测试环境如摩德纳汽车智能区（MASA）可实现实时安全功能、移动智能与3D可视化，在这些环境中DT系统已被证明在连接移动网络与智能应用的层次架构实施中发挥关键作用；此外，DTs可利用传感器数据对车辆沿特定路线的运动进行实时分析，例如已开发特定DT应用以优化针对特殊出行需求人群的交通控制系统；除运行控制外，DT系统已被部署用于早期检测与预防机械故障，一项显著研究为真实有轨电车引入了基于DT的预测性维护系统，该系统通过为"健康有轨电车"建立基线值与轨迹，随后在DT内为传动、制动系统、动力系统（电机与逆变器）与悬架定义预测性维护规则而设计；尽管在大型公共交通中取得这些进展，针对分析和改善摩托车骑行行为的特定基于DT的解决方案仍然稀缺；为解决该问题，近期应用提出使用地理空间数据与运动学建模来预测沿定义路线的速度与倾斜角，这一特定DT开发在运行期间提供个性化预测服务，确保更安全行驶路线，但在轻型EV应用中仍属开放领域。复杂多级HESSs也提供明显益处，然而其在城市电动摩托车中的实际实施受空间与重量约束限制；如前所述，两轮EV紧凑底盘为额外功率电子器件提供有限空间；为管理这些约束，轻型EV中常选择半主动或无源拓扑以最小化重量与成本，在此情况下调节功率流的能力降低；另一方面，数字孪生（DTs）的发展可实现稳健的实时监测与故障检测，然而车载实施的计算需求仍是挑战；新架构设计需优先考虑先进EMS与DTs的边缘计算解决方案，使其在标准电动摩托车控制单元有限处理能力内可行。尽管在重量、空间体积与硬件复杂性方面存在缺点，HESS在特定条件下（如高性能城市通勤与重型最后一英里配送）优于纯电池系统；在这些场景中，交通条件下持续走走停停产生高频电流瞬变，承受这些峰值的独立锂离子电池经历加速热退化与容量衰减；超级电容器的集成让HESS吸收剧烈再生制动事件并为加速提供瞬时扭矩；初始成本与复杂性增加通过显著延长主电池寿命并在苛刻行驶循环中防止热降额而在经济与运行上得到证明。
第4节"储能系统：建模、选型与功率电子"指出，EV运行依赖优化能源；与依赖化石燃料的标准ICE车辆不同，EV由来自各种电化学源的电力驱动；当前研究集中于三种主要技术：电池、超级电容器与燃料电池；在电池动力EV中，设计师通常将电池组与超级电容器混合化以减少高电流瞬变（快速电流尖峰）的应力；很少有EV使用超级电容器作为主电源，因为其能量密度低，然而这些储能元件在高性能超级跑车中有效；Lamborghini以Lamborghini Sián FKP 37开创这些系统，随后是Countach LPI 800-4；这些车辆采用48 V锂离子超级电容器轻度混合系统，该配置实现高功率重量比并允许对称充放电功率流，改善剧烈再生制动与加速期间的瞬态处理，在高速时提供瞬时功率提升；发动机扭矩直接传递至后轮，在再生制动期间电机将部分车辆动能转化为储存在超级电容器中的电能；据研究人员所知，目前没有量产摩托车使用超级电容器作为主电源，然而该技术适合轻型车辆，其中提升瞬态功率响应可有效改善整体性能；将超级电容器集成到电动摩托车动力系统中仍是高性能动力学的重要机遇。准确源建模对电驱动系统实时设计与控制至关重要；现代高性能电动摩托车因高能量密度、轻重量与长运行寿命而使用锂离子电池（LIBs），然而基本商用车型仍使用成本有效的铅酸电池；这些轻型EV的扩展使用要求更大续驶里程与热稳定性，因此研究日益转向新兴储能化学体系；潜在替代方案包括固态电池（SSBs），具有显著能量密度与极端温度耐受性，然而其对瞬态负载的缓慢动态响应使其成为与超级电容器混合化的候选；其他有前景的替代方案包括钠离子（Na-ion）电池，其在高荷电状态下提供改善的正极安全性与低风险供应链，以及锂硫（Li-S）电池，理论上能够以丰富环保材料达到高达2600 Wh/kg的超高能量密度；为系统评估这些多样化学体系在受限摩托车动力系统中的可行性与实时性能，必须开发稳健数学模型以表征其动态行为。荷电状态（SOC）与开路电压（OCV）是EV储能器件建模中的基本参数；SOC量化电池中剩余电荷，而OCV是在零电流条件下测量的平衡端电压，主要由电池荷电状态决定并受温度与电化学松弛影响；估计电池SOC的标准方法包括直接测量方法，如查表法与簿记法；查表法建立电池可测量物理变量之间的映射关系或相关性，开路电压函数（）已广泛用于估计SOC，文献中最常用的函数是高阶多项式、对数函数或混合多项式-对数函数。直接测量方法将SOC与电池特性相关联，包括电动势电压（电池化学反应产生的电压）、内阻（电池自身组件内对电流流动的阻力）、电化学反应以及充放电测量；内阻在充放电实验中测量，其他考虑充放电电流的方法还考虑温度效应；常见SOC估计技术包括滤波算法，其中扩展卡尔曼滤波器（EKF）因处理电池非线性特性而著称；这些及其他基于模型的SOC估计方法在表4中描述；近期趋势还纳入人工智能（AI）与基于云的数据分析，AI辅助的数据驱动估计方法在表5中描述。超级电容器（SCs）是EV电池储能格局的重要补充；这些器件提供高功率密度、长循环寿命与低环境影响；SCs可通过提供增强竞争力的可持续途径而改变EV市场；将SCs与电池储能集成形成HESS可延长电池运行寿命，通过在加速与再生制动期间缓冲高电流瞬变，SCs减轻电池退化，该作用可实现电池降额，最终带来更好性能与可行性；持续研究聚焦于优化SC储能配置与开发先进EMS策略以进一步改善电驱动系统可持续性。超级电容器的SOC类似于电池SOC，表示其储存电荷相对于可用电荷容量；与电池不同，SCs静电储存能量并表现出端电压与储存电荷之间近似线性关系，而电池通过法拉第化学反应储存能量并在宽SOC范围内保持相对稳定电压；文献提出两种主要SC SOC估计方法：基于电压的方法与库仑计数法；由于电压与电荷之间关系是线性的，SOC可直接从测量端电压计算，该方法对SCs最常见，因其避免基于电流方法的积分误差；库仑计数法涉及对电流随时间积分以确定净电荷变化，较少用于SCs，因其精度可能受高频循环、传感器误差与漏电流影响；高幅值电流瞬变可放大传感器不准确性，漏电流可随时间累积导致长期SOC估计误差。
第4.1节"轻型ECUs中离线保真与在线简化的范式"指出，电池动力学的准确表征是开发状态、SOC与健康状态（SOH）估计算法的基石，对稳健能量管理系统（EMSs）也至关重要；当前文献中出现一个关键悖论：城市瞬态负载下电池退化的准确估计需要高保真数学框架，包括高保真电化学与分数阶模型以及深度强化学习等数据驱动框架，然而电动摩托车嵌入式硬件要求计算轻量策略；两轮EV最可行前进路径是将优化框架解耦为离线训练与在线执行。先进基于物理的方法包括严格电化学模型，通过描述离子与电子运动、电化学反应与温度效应的2D或3D耦合方程提供电池内部状态的深入表示；表6概述了纳入电压滞后、自放电、非理想扩散动力学与适应性等非线性效应的经验先进与分数阶模型；这些突破性模型应作为高保真数字孪生与离线仿真环境的基础；在这些基于云的环境中，计算昂贵的优化算法（如动态规划或隐式MPC）可使用高保真分数阶模型计算优化的功率分配轨迹。对于实时实施，这些轨迹与动态必须从低复杂度模型导出，如显式MPC控制律、自适应启发式规则或使用Oustaloup近似的降阶离散传递函数；降阶方法还涉及辨识技术以及其他基于拟合实验数据与参数敏感性分析参数化方法，有助于在优化与选择辨识策略前确定最具影响力参数；等效电路（EEC）方法因其通过计算高效的电类比表示电化学现象的能力已成为文献中主流方法；这些模型的数学结构范围从基本Rint或Thevenin架构（适合在线实施）到将电荷转移与离子扩散解耦的多RC网络或前述分数阶EEC（适合离线优化或学习）。这种离线到在线范式允许实时能量管理系统保留从复杂离线模型提炼的信息，同时减少在线计算负担并遵守嵌入式硬件约束。文献中还提出其他EEC模型以表示SCs的动态行为，示例包括具有三个RC支路与串联电阻的模型以及分数阶模型；Zubieta模型已被确定为复杂度与精度之间的合适折衷，因此推荐用于需要简单超级电容器模型的应用。表6概述了纳入非线性现象、自放电与扩散效应的先进等效电路模型。
第4.2节"能源选型与拓扑"指出，储能系统（ESS）选型是直接影响EV续驶里程、重量与成本的多目标优化问题；对于电池选型，必须计算总能量容量以满足特定续驶里程要求与日常占空比；关键设计约束是DC母线电压，其作为电驱动系统的中心配电点；为达到目标电压与容量，电芯以串并联（S-P）配置排列；选型后，集成先进电池管理系统是实时健康监测与热管理所必需的，确保高效运行并延长电池寿命；此外，电池研究近期趋势聚焦于高密度化学体系与模块化配置以优化能量重量比并降低生产成本。类似地，超级电容器（SC）组选型需评估能量与功率需求，尤其在HESS中处理瞬态峰值负载；一种实用方法涉及使用系统选型算法，如文献[112]提出的算法，该算法产生满足峰值功率需求与DC母线电压约束的串并联连接SC模块布置；近期文献已将选型标准扩展至能量容量之外，纳入总重量、体积与储能组生命周期成本等额外关键约束；当前研究的一个重要目标是有效缓解电池退化，这直接降低EV拥有长期总成本。优化元启发式已被用于应对这些多维优化挑战，例如Ostadi等人应用粒子群优化（PSO）确定三种不同配置（仅电池、仅超级电容器与混合电池-超级电容器系统）的最优选型；类似地，动态规划（DP）等全局优化技术已被用于改进混合储能架构，Hofmann等人应用DP优化混合系统的能量管理与选型，Jianqui等人利用DP优化SC组配置以满足瞬态需求。对于电池或SC组，互连拓扑指组件如何连接，决定EV中HESS的性能、效率与总体成本；这些拓扑大致分为三类：无源、有源与多级系统（图2）。无源拓扑中，电池与SC组直接并联至DC母线而无需任何中间功率变换器，该方法结构简单且成本低，但缺乏控制功率流的灵活性，因此电流分配取决于源的内阻抗，在无调节高频循环中可能导致低效能量使用与加速电池退化；相反，有源拓扑纳入一个或多个DC-DC变换器管理储能组件与负载之间的功率流，该方法促进更好能量管理，允许SC吸收再生制动峰值并保护电池免受严重电流瞬变，从而延长电池寿命，然而增加功率电子组件增加复杂性与硬件成本，并可能因变换器固有开关与导通损耗而降低整体效率；多级拓扑结合无源与有源特征，使用多个能量转换模块对功率流与电压进行更精细控制，这些系统可自适应分配功率以满足多变EV需求，平衡性能与效率，它们因大量组件与先进控制算法需求而最复杂且可能最昂贵。具体而言，降压变换器将高压电池输出降低至辅助系统（如照明、传感器与信息娱乐，通常12 V或24 V）所需较低水平；双向功率流的基本控制架构使用传统硅（Si）MOSFETs建立；然而近期进展已转向宽禁带（WBG）材料，如碳化硅（SiC）与氮化镓（GaN）；正如文献[126]所强调，这些现代半导体允许MHz范围开关频率，因此设计师可使用更小无源组件（电感与电容）并提高功率密度；此外，早期工作采用基于启发式的能量管理，而更近期研究探索先进深度强化学习（DRL）框架以改善对随机城市行驶循环的适应性并支持电池与超级电容器退化的多目标管理。延续近期趋势，创新已转向多输入变换器（MICs）；通过将异质能源集成到单一功率级，MICs减少开关损耗、减少组件数量并提高功率密度，这对旨在平衡电池高能量密度与超级电容器高功率密度的HESS尤为相关。
第5节"电动汽车中的电机"指出，电机将电能转换为机械能的效率显著高于内燃机，主要因其避免热机固有的热力学限制与燃烧相关热损失；文献确定EV三种主要电机类型：交流感应电机（IMs）、永磁同步电机（PMSMs）与无刷直流电机（BLDC电机）。交流感应电机（IMs）或称异步电机利用电磁感应，其中定子中旋转磁场在转子中感应电流从而产生电磁转矩；其无刷设计稳健、耐用、低维护并提供有效再生制动。PMSMs使用安装在转子上或嵌入转子内的永磁体，在这些机器中定子绕组由逆变器激励，产生的旋转磁场同步驱动转子；它们比IMs更高效紧凑并支持控制动作，主要用于调节速度与转矩；此外，PMSMs每单位功率输出产生更少废热，便于热管理并具有更轻占用空间。最后，BLDC电机通过逆变器电子换向以交替相电流，该系统提高效率同时相比有刷电机延长使用寿命；此处无刷也减少磨损，进一步延长运行寿命。对于轻型出行与城市EV（包括电动两轮车、踏板车与轻型商用车），BLDC与PMSM机器是常见推进技术；交流感应电机在成本、材料可用性与本地可制造性重要的应用中仍可行；例如，一项聚焦城市物流应用的撒哈拉以南非洲研究发现，ACIMs更适合最后一英里配送摩托车，因为制造BLDC与PMSMs所需的稀土磁体与高频叠片昂贵且稀缺，本地制造商转而使用易得材料（如层压钢M400-50A与铜条）组装稳健、被动冷却的ACIMs，无需复杂控制系统；该研究使用NSGA-II优化125 cc级摩托车设计，实现可制造性、成本与性能的平衡。电机功率水平取决于车辆应用；文献中踏板车与城市摩托车通常范围50 cc至110 cc并使用额定1 kW至3 kW的电机；较大电机（2 kW至3 kW）可在真实交通场景中降低能耗；125 cc或更高物流摩托车需要额定3 kW或更高电机以及有效热管理，以支持最后一英里配送期间多变负载并保持速度；为应对应力，这些车辆常利用再生制动等在配送工作固有频繁减速期间回收能量的系统。摩托车电机拓扑由其组件几何与磁配置定义；文献区分由磁通方向以及磁体与转子布置描述的拓扑：首先，磁通拓扑取决于磁场如何在定子与转子之间通过；径向磁通电机中主磁通在圆柱设计内沿径向穿过气隙，其制造简单廉价故广泛使用，缺点源于定子有限表面积引起的磁饱和，为实现高峰值转矩常需显著更高电流；轴向磁通电机如AFPMSMs在盘状几何内具有平行于转子轴的磁通路径，而传统BLDC与PMSM牵引电机一般为径向磁通电机（RFPMSM或RFBLDC），其拓扑非常适合轮毂直接驱动，实现有效运行并避免重型变速器或齿轮箱需求。磁体与转子空间拓扑取决于永磁体在转子内如何放置、成形与定向以优化性能；表面安装式PMSMs中磁体直接附于转子外表面，制造简单易于维护，缺点源于较高能量损耗在线圈中产生更多热量；嵌入式拓扑中磁体嵌入转子钢芯，提供更大结构完整性以安全达到更高速度；Halbach阵列是先进布置，磁体以交替模式放置，将磁通强烈集中于面向气隙一侧并在另一侧几乎完全抵消，在轴向电机中实施Halbach阵列增加转矩密度与整体效率、降低线圈温度从而缓解热管理挑战；阶梯斜极是改进拓扑，转子切片成层并略微倾斜几度，该配置防止转矩脉动与振动，实现平顺加速。近期研究涉及不同几何形状的组合，例如引入新型分数槽H形永磁游标电机，具有PM壳体与转子铁芯专门设计，PM拓扑结合V形与辐条阵列配置，产生更高转矩密度、更低齿槽转矩与减少漏磁；总之，径向磁通表面安装式BLDC电机是轻型EV的廉价选择，对于高性能轻型应用，结合Halbach阵列与转子斜极的轴向磁通永磁电机代表有前景拓扑。比较电机类型时一个重要因素是功率与尺寸，其因应用差异很大；例如Tesla Model S电机产生高达580 kW（778马力），典型紧凑型电动汽车电机额定约100 kW（134马力），BLDC电机通常功率较低，约500 W至15 kW，主要用于踏板车、自行车与电动摩托车；然而电机设计与材料进步不断减小给定功率输出下电机尺寸与重量，商用摩托车总结于表2。电机与电池组中适当仪器对安全运行与性能评估是必要的：例如霍尔效应传感器监测转子位置以确保精确相位换向；基于微控制器的系统随后处理电压、电流、速度与转矩数据以估计荷电状态（SOC）与电池健康状态（SOH）；这些测量允许实际功率管理中的实时反馈；例如在一项电机比较研究中，使用薄膜晶体管（TFT）显示器监测电动摩托车性能，显示量包括电流、功率、速度、转矩与能量，其值随距离与乘客重量变化；BLDC电机的控制方程在多篇研究中报告。逆变器连接DC储能系统与AC牵引电机，除将DC转换为AC外还调节输出幅值与频率以控制电机转矩与速度；高功率EV通常使用交流感应或永磁同步电机（PMSM），相比之下低功率城市EV常使用无刷直流电机（BLDC）；尽管名称如此，BLDC电机是电子换向的AC电机，需要逆变器或电子速度控制器（ESC）提供所需梯形或正弦相电流。在减速期间，逆变器以整流模式运行，将电机AC功率转换回DC以给储能系统再充电，该闭环能量管理有助于现代电驱动系统的高效率。总之，DC-DC变换器与牵引逆变器在EV动力系统中执行不同但互补功能；DC-DC变换器调节电池、超级电容器、DC母线及辅助接口之间的电压水平，而牵引逆变器将DC母线功率转换为三相AC功率用于推进；在再生制动中，能量不一定通过牵引期间使用的相同转换路径返回，而是电机作为发电机运行，逆变器桥被控制以将回收能量传输至DC母线，相应DC-DC级或充电接口根据特定拓扑调节流向储能系统的能量流；这些功率电子系统的改进增强效率、紧凑性、能量回收与整体车辆性能。再生制动是现代EV中重要的动能回收机制；在减速期间，电牵引电机作为发电机运行，将车辆动能转换回电能以补充储能系统；该双向功率流不仅提高整体能量效率并延长车辆续驶里程，还减少机械制动系统磨损；此外，先进设计集成（如将再生制动控制直接与加速踏板耦合）已被证明显著增强用户友好性与驾驶性。