融合多源路况信息的增程式电动汽车能耗预测与SOC动态平衡能量管理策略

《Advances in Mechanical Engineering》：Energy prediction and management strategy of extended range electric vehicle based on fused multi-source information

　　

为实现增程式电动汽车（Extended Range Electric Vehicle，EREV）在车路云（Vehicle-Road-Cloud）多源信息下的精确能耗估计并提升整车经济性，研究人员提出了一种融合未来路段平均车速、路段长度与拥堵信息的能耗预测与最优控制策略。以平均车速 vi、路段长度 Li 与拥堵系数 Ci 作为反向传播（Back Propagation，BP）神经网络输入层三个神经元，经梯度迭代训练确定网络参数，模型输出未来路段能耗。实时获取交通信息后，利用BP预测能耗动态调节荷电状态（State of Charge，SOC）平衡点，并实时优化增程器（Range Extender）发动机工作点以提升能效。仿真表明：当预测路段数 N 取4、5、6时，该预测策略可前瞻预估未来路段能耗水平，通过合理下调或上调SOC平衡点，在畅通路段高效区提前补能，保障拥堵路段纯电行驶，从而降低油耗并改善NVH表现。

研究背景与问题提出：增程式电动汽车（Extended Range Electric Vehicle，EREV）兼具传统内燃机（Internal Combustion Engine，ICE）长续航与电驱零排放优势，其能量管理系统（Energy Management System，EMS）决定整车经济性与用户接受度。传统恒温控制与功率跟随控制依赖固定规则，在动态交通下难以兼顾效率；现有基于长短期记忆（Long Short-Term Memory，LSTM）等深度学习方法精度高但计算负担大，难以在嵌入式车载硬件实时部署；基于车基基础设施通信（Vehicle-to-Infrastructure，V2I）的策略受信号丢失与时延影响；遗传算法类方法更适合离线规划。因此，亟需一种兼顾计算效率与非线性拟合能力的轻量级预测框架。

研究人员以EREV为对象，构建发动机、RINT等效电池、驱动电机MAP及增程器系统模型，提出基于BP神经网络的路段能耗预测与SOC平衡点动态调控策略。结论显示：该策略在预测步长 N=4、5、6 下，较规则策略等效油耗优化6.32%、7.54%、8.62%，发动机平均效率提升约5.99%至7.03%，畅通段补电效率提升最高20.5%，证明轻量网络可有效支撑车路云场景下的前瞻能量调度。

主要关键技术方法：研究人员采用轻量级三层BP神经网络，输入为地图与实车融合的未来路段矩阵信息（平均车速、路段长度、拥堵等级），输出为该路段能耗；训练集320组、验证集80组，来自仿真与实车采集的城市场景样本队列，经归一化与早停防止过拟合。整车模型包含基于试验标定的发动机油耗MAP、RINT电池等效电路（开路电压 U_OC、端电压 U_b、内阻 R）、电机效率MAP；控制层以预测能耗反算 ΔSOC_i，按拥堵系数加权得到目标SOC_target，并以规则驱动决策增程器启停与发电功率 P_gen。

研究结果：

动态SOC平衡点分析：研究人员将初始SOC设为0.15、平衡点为0.16。拥堵段预测策略将平衡点降至0.145以加深放电；畅通段提前升至0.1775~0.1895区间。结果表明，策略在畅通段补电0.588~1.04 kWh，使进入拥堵前SOC高于规则策略，保障纯电通行。

发动机高效区间优化分析：预测策略在畅通段开启增程器，使发动机工作点集中于高效区。N=6时平均效率0.3519，较规则策略0.3288提升7.03%；拥堵补电效率最高提升20.5%，减少怠发与NVH劣化。

整车经济性分析：N=4、5、6等效油耗分别为0.7981、0.7878、0.7786 L，优于规则策略0.8520 L；终点SOC随预测长度增加更接近原平衡点，说明长时域预测利于全局电量分配。

讨论与结论翻译：研究人员指出，所提融合平均车速、路段长度与拥堵信息的EREV能耗预测与最优控制策略，可实时获取未来路况与能耗水平，动态调节SOC平衡点并优化增程器工作点。不同预测路段数下均较规则策略显著节能，验证了策略的通用性与工程适用性。

结论原文意译：提出一种基于融合平均车速、路段长度与交通拥堵信息的增程式电动汽车能耗预测与最优控制策略。通过实时获得未来路段信息与预测能耗，动态调节SOC平衡点，实时优化EREV运行点，实现最优能量预测；不同预测路段数下，相较规则策略整车经济性提升明显，证明策略具有通用性。

现有解读已完成，接下来可以选择一个方向继续深化：

把论文解读改写成期刊审稿意见

对比BP策略与LSTM/MPC方案的优劣

把论文解读改写成期刊审稿意见

对比BP策略与LSTM/MPC方案的优劣