基于改进动态规划法的HEV多目标能量管理策略

doi:10.12141/j.issn.1000-565X.210771

华南理工大学学报(自然科学版) ›› 2022, Vol. 50 ›› Issue (9): 138-148.doi: 10.12141/j.issn.1000-565X.210771

所属专题： 2022年机械工程

• 机械工程 • 上一篇

基于改进动态规划法的HEV多目标能量管理策略

赵克刚¹ 何坤阳¹ 黎杰² 梁志豪¹ 贝泾浩¹ 王玉龙³

^1.华南理工大学机械与汽车工程学院，广东广州 510640
^2.广州华工机动车检测技术有限公司，广东广州 510640
^3.广州汽车集团股份有限公司汽车工程研究院，广东广州 511434

收稿日期:2021-12-06 出版日期:2022-09-25 发布日期:2022-02-11
通信作者: 黎杰（1964-），男，教授级高级工程师，主要从事汽车检测与控制方向的研究。 E-mail:106lj@163.cn
作者简介:赵克刚（1977-），男，博士，副教授，主要从事最优控制、节能汽车和智能网联汽车研究。E-mail:kgzhao@scut.edu.cn
基金资助:
广东省自然科学基金资助项目(2020A1515010773);广东省重点领域研发计划项目(2019B090912001)

Multi-objective Energy Management Strategy of HEV Based on Improved Dynamic Programming Method

ZHAO Kegang¹ HE Kunyang¹ LI Jie² LIANG Zhihao¹ BEI Jinghao¹ WANG Yulong³

^1.School of Mechanical & Automotive Engineering, South China University of Technology, Guangzhou 510640, Guangdong, China
^2.Guangzhou Huagong Automobile Inspection Technology Co. Ltd. , Guangzhou 510640, Guangdong, China
^3.Automotive Engineering Research Institute, Guangzhou Automobile Group Co. Ltd. , Guangzhou 511434, Guangdong, China

Received:2021-12-06 Online:2022-09-25 Published:2022-02-11
Contact: 黎杰（1964-），男，教授级高级工程师，主要从事汽车检测与控制方向的研究。 E-mail:106lj@163.cn
About author:赵克刚（1977-），男，博士，副教授，主要从事最优控制、节能汽车和智能网联汽车研究。E-mail:kgzhao@scut.edu.cn
Supported by:
the Natural Science Foundation of Guangdong Province(2020A1515010773);the Key R&D Project of Guangdong Province(2019B090912001)

摘要/Abstract

摘要：

混合动力汽车能量管理策略（EMS）优化问题是一类需要综合优化混合动力汽车多个性能指标的多目标多阶段决策问题，而传统的多目标优化算法在求解EMS这类问题时面临求解效率低、收敛性难以保证等挑战。本文结合非支配排序算法的思想，将传统的动态规划法（DP）拓展到多目标优化领域，提出了非支配排序动态规划法（NSDP）。该算法首先将行驶工况划分为多个阶段，在每个阶段中求取混合动力汽车在不同控制策略产生的累积目标值向量，并通过非支配排序算法获得当前的非支配解集以及对应的控制策略，然后利用各个阶段的非支配解集依次逆向迭代，直至获取整个行驶工况的非支配解集前沿以及对应的能量管理控制策略。在仿真实验中，分别应用加权动态规划法（WDP）和非支配排序动态规划法求解功率分流式混合动力汽车和串并联式混合动力汽车在匀加速工况的多目标能量管理策略优化问题，结果表明NSDP能够有效完成求解并保证收敛性，且求解结果在解集均匀性和求解效率方面具有显著的优势。进一步，运用NSDP求解在世界轻型车辆测试工况（WLTC）下串并联式混合动力汽车能量管理优化问题，所得非支配解集可用于分析汽车的工作特性，并能够为实际能量管理策略的制定提供可靠的参考。

关键词: 多目标优化, 能量管理策略, 改进动态规划法, 非支配排序

Abstract:

Hybrid electric vehicle Energy Management Strategy (EMS) optimization is a multi-objective and multi-stage decision-making problem that needs to comprehensively optimize several performance indicators of hybrid electric vehicles. The traditional multi-objective optimization algorithm faces challenges such as low efficiency and difficult to guarantee convergence when dealing with these problems. Combined with the idea of non-dominated sorting algorithm, this paper extended the traditional Dynamic Programming (DP) to the field of multi-objective optimization, and proposed Non-dominated Sorting Dynamic Programming (NSDP). When using this algorithm, the driving condition was divided into several stages firstly. In each stage, the cumulative target value vector generated by the hybrid electric vehicle in different control strategies was obtained, and the current non dominated solution set and the corresponding control strategy were obtained through the non dominated sorting algorithm. Then, the non dominated solution set of each stage was used for reverse iteration in turn, until the leading edge of the non dominated solution set and the corresponding energy management control strategy of the whole driving cycle were obtained. In the simulation experiment, Weighting Dynamic Programming (WDP) and Non-dominated Sorting Dynamic Programming were applied to solve the optimization problem of multi-objective energy management strategy for power split hybrid electric vehicles and series parallel hybrid electric vehicles under constant acceleration conditions. The results show that NSDP not only can effectively complete the solution and ensure convergence, but also has significant advantages in homogeneity of solution set and solving efficiency. Furthermore, NSDP was used to solve the energy management optimization problem of series parallel hybrid electric vehicles running in Worldwide Harmonized Light Duty Vehicle Test Cycle (WLTC). The non dominated solution set can be used to analyze the working characteristics of vehicles and provides a reliable reference for the formulation of actual energy management strategy.

Key words: multi-objective optimization, energy management strategy, improved dynamic programming, non-dominated sorting

中图分类号:

U461.7

赵克刚, 何坤阳, 黎杰, 等. 基于改进动态规划法的HEV多目标能量管理策略[J]. 华南理工大学学报(自然科学版), 2022, 50(9): 138-148.

ZHAO Kegang, HE Kunyang, LI Jie, et al. Multi-objective Energy Management Strategy of HEV Based on Improved Dynamic Programming Method[J]. Journal of South China University of Technology(Natural Science Edition), 2022, 50(9): 138-148.

图/表 11

图1

表1

动力系统参数（方案一）"

总成	参数	参数值
发动机	转速范围/（r·min^-1）	800~6 000
	最高功率/kW	110
	最高转矩/（N·m）	225
电机1	最高转速/（r·min^-1）	14 000
	最高转矩/（N·m）	120
	最高功率/kW	60
电机2	最高转速/（r·min^-1）	14 000
	最高转矩/（N·m）	250
	最高功率/kW	60
动力电池	电池容量/kW·h	12.96
动力电池	额定电压/V	350.4
传动系统	齿圈到轮端速比	3.303
	电机2到轮端速比	8.211
	$α$ ^1）	2.6
	传动效率	0.965

表1

图2

表2

图3

表3

实验1和实验2求解结果中的指标值［26-29］"

解集个数	间距指标（SP）		解集距离指标 $D (?, S 2)$		解集覆盖率指标 $C (g, S 2)$
解集个数	实验1	实验2	实验1	实验2	实验1	实验2
40	9.480 6	12.855 9	0.168 4	0.781 8	0.325 0	0.700 0
80	3.277 8	5.965 5	0.013 0	0.258 6	0.075 0	0.425 0
120	1.694 5	5.356 7	0.007 2	0.157 8	0.050 0	0.250 0
160	1.312 1	4.995 3	0.002 3	0.105 4	0.025 0	0.200 0
200	1.169 9	4.774 4

表3

图4

表4

实验3和实验4求解结果中的指标值［26-29］"

实验	计算时间/s	有效解的个数	超体积指标HV^1）	间距指标SP	D（ $?$ ， NSDP）	D（ $?$ ， WDP）	C（ $?$ ， NSDP）	C（ $?$ ， WDP）
NSDP（实验3）	621	120	624.6	1.713 0	—	7.593 4	—	0.050 0
WDP（实验3）	66 046	14	634.8	40.038 4	4.168 4×10^-14	—	0.066 7	—
NSDP（实验4）	2 519	120	3 603.6	5.226 6	—	5.544 5	—	0
WDP（实验4）	297 354	46	3 574.8	5.341 7	1.628 3	—	0	—

表4

图5

表5

图6

参考文献 29

1	王钦普，游思雄，李亮，等．插电式混合动力汽车能量管理策略研究综述［J］．机械工程学报，2017，53：1-19.
	WANG Qinpu， YOU Sixiong， LI Liang，et al ．Survey on energy management strategy for plug-in hybrid electric vehicles［J］．Journal of Mechanical Engineering，2017，53：1-19.
2	曾育平，秦大同，苏岭，等．插电式混合动力汽车动力系统的成本、油耗和排放多目标参数优化［J］．汽车工程，2016，38：397-402，434.
	ZENG Yuping， QIN Datong， SU Ling，et al ．Cost，fuel consumption and emission multi-objective parameter optimization for the powertrain of a plug-in HEV［J］．Automotive Engineering，2016，38：397-402，434.
3	WANG W D， GUO X H， YANG C，et al ．A multi-objective optimization energy management strategy for power split HEV based on velocity prediction［J］．Energy，2021，238（A）：121714.
4	秦大同，章晓星，姚明尧．计及能耗经济性和电池寿命的PHEV能量管理策略优化［J］．重庆大学学报，2020，43：1-11.
	QIN Datong， ZHANG Xiaoxing， YAO Mingyao ．Optimization of PHEV energy management strategy considering battery life and energy cinsumption economy［J］．Journal of Chongqing University，2020，43：1-11.
5	EBBESEN S， ELBERT P， GUZZELLA L ．Battery state-of-health perceptive energy management for hybrid electric vehicles［J］．IEEE Transactions on Vehicular Technology，2012，61：2893-2900.
6	邓涛，林椿松，李亚南，等．采用NSGA-Ⅱ算法的混合动力能量管理控制多目标优化方法［J］．西安交通大学学报，2015，49：143-150.
	DENG Tao， LIN Chunsong， LI Yanan，et al ．A multi-objective optimization method for energy management control of hybrid electric vehicles using NSGA-Ⅱ algorithm［J］．Journal of Xi’an Jiaotong University，2015，49：143-150.
7	高建平，孙家辉，郗建国，等．基于实际道路工况的混合动力客车能量管理策略多目标优化［J］．汽车技术，2020（2）：22-27.
	GAO Jianping， SUN Jiahui， XI Jianguo，et al ．Multi-objective optimization of energy management strategy for hybrid electric bus based on actual road conditions［J］．Automobile Technology，2020（2）：22-27.
8	邓涛，林椿松，李亚南，等．基于Pareto原理的HEV能量控制参数NSGA-Ⅱ多目标优化的研究［J］．汽车工程，2016，38：531-537.
	DENG Tao， LIN Chunsong， LI Yanan，et al ．A research on NSGA-II multi-objective optimization for HEV energy management parameters based on pareto principle［J］．Automotive Engineering，2016，38：531-537.
9	CHENG R， RODEMANN T， FISCHER M，et al ．Evolutionary many-objective optimization of hybrid electric vehicle control：from general optimization to preference articulation［J］．IEEE Transactions on Emerging Topics in Computational Intelligence，2017，1：97-111.
10	耿文冉，楼狄明，张彤．基于粒子群优化的混合动力汽车多目标能量管理策略［J］．同济大学学报（自然科学版），2020，48：1030-1039.
	GENG Wenran， LOU Diming， ZHANG Tong ．Multi-objective energy management strategy for hybrid electric vehicle based on particle swarm optimization［J］．Journal of Tongji University（Nature Science），2020，48：1030-1039.
11	ZHANG Y， LIU H P， GUO Q ．Varying-domain optimal management strategy for parallel hybrid electric vehicles［J］．IEEE Transactions on Vehicular Technology，2014，63：603-616.
12	闻育，吴铁军．求解复杂多阶段决策问题的动态窗口蚁群优化算法［J］．自动化学报．2004（6）：872-879.
	WEN Yu， WU Tiejun ．Dynamically-window-search ant colony optimization for complex multi-stage decision making problems［J］．ACTA Automatica Sinica，2004（6）：872-879.
13	GANGULY S， SAHOO N C，DAS D ．Multi-objective planning of electrical distribution systems using dynamic programming［J］．International Journal of Electrical Power and Energy Systems，2013，46：65-78.
14	彭建刚，刘明州，张铭鑫，等．多目标柔性作业车间调度算法研究综述［J］．中国机械工程，2014，25：3244-3254.
	PENG Jiangang， LIU Mingzhou， ZHANG Mingxin，et al ．Review on scheduling algorithms for MOFJSP［J］．China Mechanical Engineering，2014，25：3244-3254.
15	LI J Q， JIN X， XIONG R ．Multi-objective optimization study of energy management strategy and economic analysis for a range-extended electric bus［J］．Applied Energy，2017，194：798-807.
16	曾小华，王星琦，宋大凤，等．考虑电池寿命的插电式混合动力汽车能量管理优化［J］．浙江大学学报（工学版），2019，53：2206-2214.
	ZENG Xiaohua， WANG Xingqi， SONG Dafeng，et al ．Battery-health conscious energy management optimization in plug-in hybrid electric vehicles［J］．Journal of Zhejiang University（Engineering Science），2019，53：2206-2214.
17	LI T， GIORGIO R ．Energy management strategy including battery life optimization for a HEV with a CVT［C］// 2016 IEEE Transportation Electrification Conference and Expo，Asia-Pacific （ITEC Asia-Pacific）．Busan，Korea，［s．n．］，2016.
18	隗寒冰，秦大同，段志辉，等．重度混合动力汽车燃油经济性和排放多目标优化［J］．汽车工程，2011，33：937-941，936.
	WEI Hanbing， QIN Datong， DUAN Zhihui，et al ．Multi-objective optimization for the fuel economy and emissions of full hybrid electric vehicle［J］．Automotive Engineering，2011，33：937-941，936.
19	贺莉，刘庆怀．多目标优化理论与连续化方法［M］．北京：科学出版社，2015.
20	LIANG X， CHEN J， GU X，et al ．Improved adaptive non-dominated sorting genetic algorithm with elite strategy for solving multi-objective flexible job-shop scheduling problem［J］．IEEE Access，2021，9：106352-106362.
21	SERRAO L， ONORI S， SCIARRETTA A，et al ．Optimal energy management of hybrid electric vehicles including battery aging［C］∥Proceedings of the 2011 American Control Conference．［S．l．］：IEEE，2011：2125-2130.
22	LI X M， HAN L J， LIU H，et al ．Real-time optimal energy management strategy for a dual-mode power-split hybrid electric vehicle based on an explicit model predictive control algorithm［J］．Energy，2019，172：1161-1178.
23	张昊，范钦灏，王巍，等．基于强化学习的多燃烧模式混合动力能量管理策略［J］．汽车工程，2021，43：683-691.
	ZHANG Hao， FAN Qinhao， WANG Wei，et al ．Reinforcement learning based energy management strategy for hybrid electric vehicles using multi-mode combustion［J］．Automotive Engineering，2021，43：683-691.
24	高建平，何洪文，孙逢春．混合动力电动汽车机电耦合系统归类分析［J］．北京理工大学学报，2008（3）：197-201.
	GAO Jianping， HE Hongwen， SUN Fengchun ．Classification of electromechanical coupling systems in hybrid electric vehicles［J］．Transactions of Beijing Institute of Technology，2008（3）：197-201.
25	栗三一，王延峰，乔俊飞，等．一种基于区域局部搜索的NSGA-Ⅱ算法［J］．自动化学报，2020，46：2617-2627.
	LI Sanyi， WANG Yanfeng， QIAO Junfeng，et al ．A regional local search strategy for NSGA-II algorithm［J］．ACTA Automatica Sinica，2020，46：2617-2627.
26	SAID R， BECHIKH S， LOUATI A，et al ．Solving combinatorial multi-objective Bi-level optimization problems using multiple populations and migration schemes［J］．IEEE Access，2020，8：141674-141695.
27	崔志华，张茂清，常宇，等．基于平均距离聚类的NSGA-Ⅱ［J］．自动化学报，2021，47（5）：1171-1182.
	CUI Zhihua， ZHANG Maoqing， CHANG Yu，et al ．NSGA-II with average distance clustering［J］．ACTA Automatica Sinica，2021，47（5）：1171-1182.
28	LIU W， LUO F M， LIU Y H，et al ．Optimal siting and szing of distributed generation based on improved nondominated sorting genetic algorithm II［J］．Processes，2019，7（12）：955.
29	XU X F， HAO J， ZHENG Y ．Multi-objective artificial bee colony algorithm for multi-stage resource leveling problem in sharing logistics network［J］．Computers & Industrial Engineering，2020，142：106338.

序号		燃油消耗总量/g	有效安时流通总量/（A·s）	纯电模式次数	纯发动机次数	并联驱动次数	串联驱动次数	APU直驱占比^1）/%
转折前	1	895.24	21 323.21	389	70	141	507	11.05
	2	907.92	13 144.60	344	159	107	497	35.41
	3	932.61	7 496.83	264	263	75	505	79.01
转折后	4	951.35	6 167.15	260	272	51	524	97.33
	5	963.22	6 089.18	291	260	25	531	97.61
	6	968.49	6 068.41	300	254	20	533	98.69

[1]	王学武, 方俊宇, 高进, 等. 基于改善解集分布性的多目标优化[J]. 华南理工大学学报(自然科学版), 2023, 51(8): 137-148.
[2]	李树勋, 胡迎港, 李成, 等. 基于代理模型的轴流式调节阀阀体型线优化[J]. 华南理工大学学报(自然科学版), 2023, 51(3): 41-52.
[3]	蒋涛, 路洲. 高架铁路客运站平天窗的多目标优化[J]. 华南理工大学学报(自然科学版), 2022, 50(7): 13-24.
[4]	刘汉武, 雷雨龙, 付尧, 等. 基于多目标优化的增程式电动汽车自适应制动回馈控制策略[J]. 华南理工大学学报（自然科学版）, 2021, 49(7): 42-50,65.
[5]	金霞, 胡俊聪, 王威, 等. 虚拟环境下汽车引擎盖的匹配调整策略[J]. 华南理工大学学报（自然科学版）, 2020, 48(6): 87-96.
[6]	姚恩建张金萌郇宁. 效率与公平导向下城轨大小交路开行方案优化[J]. 华南理工大学学报（自然科学版）, 2020, 48(5): 41-48,57.
[7]	秦大同秦岭. 基于显式随机模型预测控制的功率分流式混合动力车辆能量管理策略[J]. 华南理工大学学报（自然科学版）, 2019, 47(7): 112-120.
[8]	吴迪刘立李晓俊刘丛红. 基于多目标优化的被动式低能耗建筑技术研究 ———以寒冷地区居住建筑为例 [J]. 华南理工大学学报（自然科学版）, 2018, 46(4): 98-104,120.
[9]	白中浩何成朱峰. 复合材料三明治结构板的电磁和冲击性能分析[J]. 华南理工大学学报（自然科学版）, 2016, 44(9): 137-143.
[10]	翟振坤李迪. 基于多目标优化的数控实时任务参数选择方法[J]. 华南理工大学学报（自然科学版）, 2016, 44(3): 23-28.
[11]	邓卓明刘明波. 求解多目标暂态电压紧急控制的强化学习方法[J]. 华南理工大学学报（自然科学版）, 2015, 43(12): 9-17.
[12]	周杰陶亚平张建生邵长伟罗艳. 基于MBC工具箱的钩尾框辊锻件多目标优化[J]. 华南理工大学学报（自然科学版）, 2015, 43(11): 61-66.
[13]	张书琴夏洪山姜雨战绪仁. 用于跑道调度的约束多目标遗传模拟退火算法[J]. 华南理工大学学报（自然科学版）, 2015, 43(10): 35-41.
[14]	杨兆升曲鑫林赐云邴其春王世广. 考虑低排放低延误的交通信号优化方法[J]. 华南理工大学学报（自然科学版）, 2015, 43(10): 29-34,41.
[15]	武善玉张平李方. 云制造系统中基于粒子群优化的多任务调度[J]. 华南理工大学学报（自然科学版）, 2015, 43(1): 105-110.

基于改进动态规划法的HEV多目标能量管理策略

Multi-objective Energy Management Strategy of HEV Based on Improved Dynamic Programming Method

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 29

相关文章 15

编辑推荐

Metrics

本文评价