基于道路坡度信息的插电式混合动力汽车能量管理策略

工程科学学报，第38卷，第7期：1025-1031,2016年7月 Chinese Journal of Engineering,Vol.38,No.7:1025-1031,July 2016 D0l:10.13374/j.issn2095-9389.2016.07.019:http://journals..ustb.edu.cn 基于道路坡度信息的插电式混合动力汽车能量管理 策略 刘永刚2)，卢立来12，解庆波2》，秦大同2》，雷贞贞23》 1)重庆大学机械传动国家重点实验室，重庆4000442)重庆大学汽车工程学院，重庆400044 3)重庆科技学院机械与动力工程学院，重庆401331 ☒通信作者，E-mail:andyliuyg(@cqu.cd.cm 摘要考虑道路坡度对整车驱动需求的影响，针对插电式混合动力汽车，提出基于道路坡度信息的插电式混合动力汽车能 量管理策略，进行车载导航系统在整车能量管理策略中应用的初步探究.根据车载导航系统提供的道路信息，建立坡道行驶 电量消耗预估模型，分别对行程中电量消耗阶段和电量维持阶段动力电池的荷电指数进行规划，提出行车预充电时刻规划准 则，使车辆在坡道行驶前动力电池的荷电指数达到预定值，保证车辆在坡道行驶时不会因动力电池亏电造成动力不足或过放 电有损动力电池的使用寿命，并在上坡行驶结束后动力电池的荷电指数下降到临界值，有利于充分吸收制动回收的电能.利 用MATLAB/Simulink仿真平台，对提出的能量管理策略进行仿真验证.本文所提出的基于坡道预测的能量管理策略能够避 免动力电池的过放电，确保车辆上坡行驶过程电量充足. 关键词插电式混合驱动汽车：能量管理：管理策略；道路坡度：制动回收 分类号U469.72 Energy management for plug-in hybrid electric vehicles based on road gradient LIU Yong-gang,LU Li-ai),XIE Qing-bo,QIN Da-tong,LEI Zhen-zhen? 1)State Key Laboratory of Mechanical Transmission,Chongqing University,Chongqing 400044,China 2)College of Automotive Engineering,Chongqing University,Chongqing 400044,China 3)School of Mechanical and Power Engineering,Chongqing University of Science Technology,Chongqing 401331,China Corresponding author,E-mail:andyliuyg@cqu.edu.cn ABSTRACT In consideration of the impact of road gradient on the vehicle driving demand,a predictive energy management strategy was proposed for plug-in hybrid electric vehicles (PHEVs)on the basis of road gradient provided by the vehicle navigation system. The knowledge of route data (trip distance,road gradient and altitude)was used to predict the electricity consumption.Then the state-of-charge (SOC)trajectory was planned for the charge depleting (CD)mode and the charge sustaining (CS)mode.With exact calculations of the charge timing,the SOC was charged to the target value before uphill and reached to the threshold after uphill in case of battery electricity shortage and over-discharge during uphill.The proposed adaptive SOC control strategy can improve the vehicle performance and is in favor of the full absorption of regenerative braking energy.Based on the MATLAB/Simulink platform,a simula- tion model was built for the plug-in hybrid electric system.The proposed energy management strategy based on road gradient prediction was verified to avoid battery over-discharge and to ensure sufficient electric energy during uphill. KEY WORDS plug-in hybrid vehicles:energy management:management strategies:road gradient:regenerative braking 插电式混合动力汽车与传统混合动力汽车相比其动力电池容量具有显著的提高，纯电动续驶里程满足 收稿日期：201507-21 基金项目：国家自然科学基金资助项目(51305468)：中央高校基本科研业务费资助项目(CDJZR14110005)

工程科学学报，第 38 卷，第 7 期: 1025--1031，2016 年 7 月 Chinese Journal of Engineering，Vol． 38，No． 7: 1025--1031，July 2016 DOI: 10． 13374 /j． issn2095--9389． 2016． 07． 019; http: / /journals． ustb． edu． cn 基于道路坡度信息的插电式混合动力汽车能量管理 策略 刘永刚1，2) ，卢立来1，2) ，解庆波1，2) ，秦大同1，2) ，雷贞贞2，3) 1) 重庆大学机械传动国家重点实验室，重庆 400044 2) 重庆大学汽车工程学院，重庆 400044 3) 重庆科技学院机械与动力工程学院，重庆 401331  通信作者，E-mail: andyliuyg@ cqu． edu． cn 摘 要 考虑道路坡度对整车驱动需求的影响，针对插电式混合动力汽车，提出基于道路坡度信息的插电式混合动力汽车能 量管理策略，进行车载导航系统在整车能量管理策略中应用的初步探究． 根据车载导航系统提供的道路信息，建立坡道行驶 电量消耗预估模型，分别对行程中电量消耗阶段和电量维持阶段动力电池的荷电指数进行规划，提出行车预充电时刻规划准 则，使车辆在坡道行驶前动力电池的荷电指数达到预定值，保证车辆在坡道行驶时不会因动力电池亏电造成动力不足或过放 电有损动力电池的使用寿命，并在上坡行驶结束后动力电池的荷电指数下降到临界值，有利于充分吸收制动回收的电能． 利 用 MATLAB/ Simulink 仿真平台，对提出的能量管理策略进行仿真验证． 本文所提出的基于坡道预测的能量管理策略能够避 免动力电池的过放电，确保车辆上坡行驶过程电量充足． 关键词 插电式混合驱动汽车; 能量管理; 管理策略; 道路坡度; 制动回收 分类号 U469. 72 Energy management for plug-in hybrid electric vehicles based on road gradient LIU Yong-gang1，2)  ，LU Li-lai1，2) ，XIE Qing-bo1，2) ，QIN Da-tong1，2) ，LEI Zhen-zhen2，3) 1) State Key Laboratory of Mechanical Transmission，Chongqing University，Chongqing 400044，China 2) College of Automotive Engineering，Chongqing University，Chongqing 400044，China 3) School of Mechanical and Power Engineering，Chongqing University of Science ＆ Technology，Chongqing 401331，China  Corresponding author，E-mail: andyliuyg@ cqu． edu． cn ABSTＲACT In consideration of the impact of road gradient on the vehicle driving demand，a predictive energy management strategy was proposed for plug-in hybrid electric vehicles ( PHEVs) on the basis of road gradient provided by the vehicle navigation system． The knowledge of route data ( trip distance，road gradient and altitude) was used to predict the electricity consumption． Then the state-of-charge ( SOC) trajectory was planned for the charge depleting ( CD) mode and the charge sustaining ( CS) mode． With exact calculations of the charge timing，the SOC was charged to the target value before uphill and reached to the threshold after uphill in case of battery electricity shortage and over-discharge during uphill． The proposed adaptive SOC control strategy can improve the vehicle performance and is in favor of the full absorption of regenerative braking energy． Based on the MATLAB/ Simulink platform，a simula￾tion model was built for the plug-in hybrid electric system． The proposed energy management strategy based on road gradient prediction was verified to avoid battery over-discharge and to ensure sufficient electric energy during uphill． KEY WOＲDS plug-in hybrid vehicles; energy management; management strategies; road gradient; regenerative braking 收稿日期: 2015--07--21 基金项目: 国家自然科学基金资助项目( 51305468) ; 中央高校基本科研业务费资助项目( CDJZＲ14110005) 插电式混合动力汽车与传统混合动力汽车相比其 动力电池容量具有显著的提高，纯电动续驶里程满足

·1026 工程科学学报，第38卷，第7期 一定的通勤需求，可利用外部电网对电池进行充电口， 速器（dual clutch transmissions,DCT)的离合器的工作 因此插电式混合动力汽车动力电池能量管理策略也有 状态实现的.该系统的工作模式包括纯电动模式、行 所差异.传统混合动力汽车仅使用10%~15%的电池 车充电模式、发动机单独驱动模式、混合驱动模式和再 电量保证动力电池有足够的充放电容量储备：而插电 生制动模式 式混合动力汽车采用CD-CS控制策略在CD(电量消 主离合器 DCT离合器 耗)模式下使用60%的电池电量，CS(电量维持)模式 耦合机构 下使用剩余电量的10%~15%，以防止损伤动力电池 寿命四.进入CS模式后，通过间歇充电将荷电指数 SOC维持在预定值一定范围内浮动.这种控制策略存 糯合机构： T 在的弊端是当车辆在连续爬坡或急加速过程，如果驱 电池 {逆变器 动功率超过发动机所能提供的最大功率值时，理论上 电动机应当辅助驱动车辆，然而此时却受限于动力电 图1插电式混合动力系统模型 池的放电能力，若电池低于SOC下限就禁止放电，此 Fig.1 Plug-in hybrid electric system model 时造成整车驱动功率不足：若仍然采用电力辅助驱动， 则有损动力电池的寿命.此时单纯的追求电力驱动带 2 坡道行驶能耗预估 来的经济性已是次要的，保证动力电池S0C处于合理 高位带来的对动力电池寿命和满足驱动要求的益处处 2.1道路坡度预测 道路坡度的预测归根结底是车载导航系统GPS 于更高的优先级.目前采用的解决方案有如下两种： 和GS的综合应用.在驾驶员确定了行车目的地 (1)将CS阶段的动力电池S0C维持在高位网（如 后，导航系统就可以确定出一条最佳的行车路径，路径 50%),就可避免大功率混合驱动工况的动力电池过 沿途的道路信息（如路面标高和道路长度）均可获知， 放电情况：然而这种方案仅是从设计初期加大动力电 车辆在任何时刻的实时位置也可以通过GPS接收器 池参数余量来实现，虽然简单易行但提高了整车成本. (2)另一种方案仅仅将CS模式下SOC波动上下限范 获取，同时车载计算机系统可以实时计算汽车当前位 围扩大就可以保证驱动需求)：但是SOC范围设置过 置距采样点的水平距离，利用GS地图匹配，可得到采 样点的路面标高与汽车当前位置路面标高，对其进行 大会使行车充电模式的工作时间过长，且该模式驱动 比较，最终计算出未来时刻在视距范围内的行驶路径 效率低于其他几种模式，因此会额外增加燃油消耗. 道路坡度回，如图2所示.根据该计算原理则全程路 本文考虑道路坡度对整车驱动需求的影响提出基 段的道路坡度就可获知，为合理规划上坡行驶过程的 于道路坡度信息的插电式混合动力汽车能量管理策 电池电量消耗提供依据. 略，基于全球定位系统(global positioning system,GPS) 与地理信息系统(geographic information systems,GIS) 提供的道路信息对道路坡度进行预测，建立坡道预估 模型，根据道路设计规范确定上坡路段的设计时速，采 用相近的循环工况进行坡道能耗的预测，得到坡道行 驶开始时动力电池的目标SOC值.分别对CD模式和 CS模式进行预充电时刻规划，通过仿真分析对所提出 的控制策略进行验证，确保车辆坡道行驶时动力电池 电量充足，避免动力电池出现过放电. 图2道路坡度计算值示意图 1动力传动系统结构 Fig.2 Road gradient calculation 本文研究的插电式混合动力系统总体结构如图1 道路坡度值计算： 所示.动力源为发动机和起动/发电一体化电机(inte- grated starter generator,ISG),在结构形式上属于并联 E2-B1x100% i=tan aresinL (1) 式混合动力系统.发动机与SG电机同轴布置实现动 式中，E,为未来时刻采样点的路面标高，E,为汽车当前 力的耦合，发动机和ISG电机之间设置主离合器，SG 位置的路面标高，L为两采样点的车辆路面行驶距离。 电机布置在变速器前端，采用双离合器自动变速器对 2.2坡道行驶车速预测 动力源进行调速和增加转矩.各个驱动模式的切换是 车载导航系统可以计算出行车路径的道路坡度， 通过改变主离合器和SG电机后端的双离合器自动变 但仅有道路坡度值还不足以估算出坡道行驶过程的电

工程科学学报，第 38 卷，第 7 期 一定的通勤需求，可利用外部电网对电池进行充电［1］， 因此插电式混合动力汽车动力电池能量管理策略也有 所差异． 传统混合动力汽车仅使用 10% ～ 15% 的电池 电量保证动力电池有足够的充放电容量储备; 而插电 式混合动力汽车采用 CD--CS 控制策略在 CD ( 电量消 耗) 模式下使用 60% 的电池电量，CS ( 电量维持) 模式 下使用剩余电量的 10% ～ 15% ，以防止损伤动力电池 寿命［2］． 进入 CS 模式后，通过间歇充电将荷电指数 SOC 维持在预定值一定范围内浮动． 这种控制策略存 在的弊端是当车辆在连续爬坡或急加速过程，如果驱 动功率超过发动机所能提供的最大功率值时，理论上 电动机应当辅助驱动车辆，然而此时却受限于动力电 池的放电能力，若电池低于 SOC 下限就禁止放电，此 时造成整车驱动功率不足; 若仍然采用电力辅助驱动， 则有损动力电池的寿命． 此时单纯的追求电力驱动带 来的经济性已是次要的，保证动力电池 SOC 处于合理 高位带来的对动力电池寿命和满足驱动要求的益处处 于更高的优先级． 目前采用的解决方案有如下两种: ( 1) 将 CS 阶 段 的 动 力 电 池 SOC 维 持 在 高 位［2］ ( 如 50% ) ，就可避免大功率混合驱动工况的动力电池过 放电情况; 然而这种方案仅是从设计初期加大动力电 池参数余量来实现，虽然简单易行但提高了整车成本． ( 2) 另一种方案仅仅将 CS 模式下 SOC 波动上下限范 围扩大就可以保证驱动需求［3］; 但是 SOC 范围设置过 大会使行车充电模式的工作时间过长，且该模式驱动 效率低于其他几种模式，因此会额外增加燃油消耗． 本文考虑道路坡度对整车驱动需求的影响提出基 于道路坡度信息的插电式混合动力汽车能量管理策 略，基于全球定位系统( global positioning system，GPS) 与地理信息系统( geographic information systems，GIS) 提供的道路信息对道路坡度进行预测，建立坡道预估 模型，根据道路设计规范确定上坡路段的设计时速，采 用相近的循环工况进行坡道能耗的预测，得到坡道行 驶开始时动力电池的目标 SOC 值． 分别对 CD 模式和 CS 模式进行预充电时刻规划，通过仿真分析对所提出 的控制策略进行验证，确保车辆坡道行驶时动力电池 电量充足，避免动力电池出现过放电． 1 动力传动系统结构 本文研究的插电式混合动力系统总体结构如图 1 所示． 动力源为发动机和起动/发电一体化电机( inte￾grated starter generator，ISG) ，在结构形式上属于并联 式混合动力系统． 发动机与 ISG 电机同轴布置实现动 力的耦合，发动机和 ISG 电机之间设置主离合器，ISG 电机布置在变速器前端，采用双离合器自动变速器对 动力源进行调速和增加转矩． 各个驱动模式的切换是 通过改变主离合器和 ISG 电机后端的双离合器自动变 速器( dual clutch transmissions，DCT) 的离合器的工作 状态实现的． 该系统的工作模式包括纯电动模式、行 车充电模式、发动机单独驱动模式、混合驱动模式和再 生制动模式． 图 1 插电式混合动力系统模型 Fig． 1 Plug-in hybrid electric system model 2 坡道行驶能耗预估 2. 1 道路坡度预测 道路坡度的预测归根结底是车载导航系统 GPS 和 GIS 的综合应用［4--5］． 在驾驶员确定了行车目的地 后，导航系统就可以确定出一条最佳的行车路径，路径 沿途的道路信息( 如路面标高和道路长度) 均可获知， 车辆在任何时刻的实时位置也可以通过 GPS 接收器 获取，同时车载计算机系统可以实时计算汽车当前位 置距采样点的水平距离，利用 GIS 地图匹配，可得到采 样点的路面标高与汽车当前位置路面标高，对其进行 比较，最终计算出未来时刻在视距范围内的行驶路径 道路坡度［6］，如图 2 所示． 根据该计算原理则全程路 段的道路坡度就可获知，为合理规划上坡行驶过程的 电池电量消耗提供依据． 图 2 道路坡度计算值示意图 Fig． 2 Ｒoad gradient calculation 道路坡度值计算: i ( = tan arcsin E2 － E1 ) L × 100% ． ( 1) 式中，E2为未来时刻采样点的路面标高，E1为汽车当前 位置的路面标高，L 为两采样点的车辆路面行驶距离． 2. 2 坡道行驶车速预测 车载导航系统可以计算出行车路径的道路坡度， 但仅有道路坡度值还不足以估算出坡道行驶过程的电 · 6201 ·

刘永刚等：基于道路坡度信总的插电式混合动力汽车能量管理策略 ·1027· 量消耗，因此还要估算上坡过程车速信息 UDDS、LA92、HWFET和USO6HWY分别估算设计时速 公路的纵坡坡度、设计时速及纵坡坡长均有限制. 为20、30、40、60、80、100和120kmh的上坡路段电 根据公路线路设计规范(JTGD20一2006)切，公路不 量消耗。 同纵坡的最大坡长与设计时速规定如表1.采集行车 2.3坡道行驶S0C估算 沿途路面标高即可计算出道路坡度、通过道路坡度值 对所选择的循环工况进行仿真分析，得到各种循 和坡长，可由表1获知道路设计时速.由于车辆坡道 环工况下单位SOC值的行驶里程.包括CD模式下单 行驶也会出现加速、减速、停车等工况，将上坡行驶假 位SOC值的行驶里程a,用于估算CD阶段的续驶里 设成匀速行驶与实际情况不符 程：行车预充电模式下单位SOC值的行驶里程b,用于 表1公路不同纵坡的最大坡长与设计时速 估算行车预充电过程的行程：不同坡度单位SOC值的 Table 1 Slope length and speed restrict for different slopes m 行驶里程c,用于估算不同坡度下各循环工况的电量 设计时速/ 道路坡度 消耗.其中行车预充电模式是在距离坡道一定距离时 (km-h-1)3% 4%5% 6%7% 8%9%10% 开始的，该过程车辆应满足正常行驶不同的功率需求， 20 12001000800600400300200 因此行车预充电模式包括混合驱动，发动机单独驱动 30 1100900700500300200 和行车充电模式，而将纯电动模式暂时关闭以快速提 升动力电池电量.a、b和c各参数的仿真结果如表2 40 1100900700 500300 和表3所示. 60 12001000800 600 根据道路坡度识别结果，获知道路设计时速，选取 80 1100900700 500 典型工况中平均时速与之相近的作为坡道能耗预测的 100 1000800 600 基础，计算坡道行驶的电量消耗，即爬坡开始时动力电 120 900700 池的SOC值： 注：表中规定的最大坡长是指单坡道最大值（单位：m).当山区 (2) 公路连续上坡或下坡时，应在不大于表中规定的纵坡长度之间设置 SOC,=SOC +S 缓和坡段，缓和坡段的纵坡应不大于3%. 式中：SOC,为预充电过程目标SOC值：S0C。为动力 因此，本文选择循环工况中平均速度与道路设计 电池放电下限S0C值，为保证下坡开始时动力电池 时速相近的工况进行坡道能耗预估.选择市区拥堵工 有充足的制动回收空间，设置为0.3：c值见表3：S为 况、市郊工况和高速工况中的ECE、NYCC、NEDC、 坡长 表2单位S0C值的行驶里程 Table 2 Driving mileage per SOC km-1 仿真工况 ECE NYCC NEDC UDDS LA92 HWFET US06HWY 1.4012 1.2223 0.7859 0.7825 0.5923 0.5988 0.5254 b 0.1574 0.3300 0.4430 0.6408 0.7832 1.6364 8.0257 2.4行驶工况识别 计算道路坡度值， 由表2可知，不同行驶工况下单位S0C值的行驶 ②根据道路坡度与坡长从公路线路设计规范（表 里程差异较大，对动力电池SOC准确规划依赖于汽 1)可获知道路设计时速，选择相应的仿真工况，由式 车行驶工况的实时识别. (2)估算出上坡行驶过程S0C变化值，即求得坡道行 首先在汽车行驶中获取最近一个片段的数据，并 驶开始时的目标值SOC1· 提取该片段的特征参数，然后通过计算特征参数与选 ③通过实时的工况识别，获知行驶工况的类型， 取的循环工况的距离，确定该片段的类别0.从而 得知单位SOC值的行驶里程a 得到与工况类别对应的α和b值，用于行车预充电时 ④根据当前位置与坡道的距离L及初始S0C,估 刻规划 算出行车至坡道时的S0C,值，其中S0C,=S0C-上， 3CD模式行车预充电时刻规划 若S0C2大于S0C,值则不用预充电，若S0C2小于S0C, 本文所制定的CD模式下行车预充电时刻规划流 值则开始预充电. 程如图3所示 ⑤计算何时开始行车预充电.该过程的控制量 ①车辆出发前确定行车终点，选择行车路径，从 为动力电池的SOC,确定出S0C消耗到何值时即开始 车载导航系统(GPS/GIS)获知沿途道路标高和距离， 进行预充电过程是CD模式下基于坡道预测的能量管

刘永刚等: 基于道路坡度信息的插电式混合动力汽车能量管理策略 量消耗，因此还要估算上坡过程车速信息． 公路的纵坡坡度、设计时速及纵坡坡长均有限制． 根据公路线路设计规范( JTG D20—2006) ［7］，公路不 同纵坡的最大坡长与设计时速规定如表 1． 采集行车 沿途路面标高即可计算出道路坡度、通过道路坡度值 和坡长，可由表 1 获知道路设计时速． 由于车辆坡道 行驶也会出现加速、减速、停车等工况，将上坡行驶假 设成匀速行驶与实际情况不符． 表 1 公路不同纵坡的最大坡长与设计时速 Table 1 Slope length and speed restrict for different slopes m 设计时速/ ( km·h － 1 ) 道路坡度 3% 4% 5% 6% 7% 8% 9% 10% 20 1200 1000 800 600 400 300 200 30 1100 900 700 500 300 200 40 1100 900 700 500 300 60 1200 1000 800 600 80 1100 900 700 500 100 1000 800 600 120 900 700 注: 表中规定的最大坡长是指单坡道最大值( 单位: m) ． 当山区 公路连续上坡或下坡时，应在不大于表中规定的纵坡长度之间设置 缓和坡段，缓和坡段的纵坡应不大于 3% ． 因此，本文选择循环工况中平均速度与道路设计 时速相近的工况进行坡道能耗预估． 选择市区拥堵工 况、市 郊 工 况 和 高 速 工 况 中 的 ECE、NYCC、NEDC、 UDDS、LA92、HWFET 和 US06HWY 分别估算设计时速 为 20、30、40、60、80、100 和 120 km·h － 1 的上坡路段电 量消耗． 2. 3 坡道行驶 SOC 估算 对所选择的循环工况进行仿真分析，得到各种循 环工况下单位 SOC 值的行驶里程． 包括 CD 模式下单 位 SOC 值的行驶里程 a，用于估算 CD 阶段的续驶里 程; 行车预充电模式下单位 SOC 值的行驶里程 b，用于 估算行车预充电过程的行程; 不同坡度单位 SOC 值的 行驶里程 c，用于估算不同坡度下各循环工况的电量 消耗． 其中行车预充电模式是在距离坡道一定距离时 开始的，该过程车辆应满足正常行驶不同的功率需求， 因此行车预充电模式包括混合驱动，发动机单独驱动 和行车充电模式，而将纯电动模式暂时关闭以快速提 升动力电池电量． a、b 和 c 各参数的仿真结果如表 2 和表 3 所示． 根据道路坡度识别结果，获知道路设计时速，选取 典型工况中平均时速与之相近的作为坡道能耗预测的 基础，计算坡道行驶的电量消耗，即爬坡开始时动力电 池的 SOC 值: SOC1 = SOC0 + S c ． ( 2) 式中: SOC1 为预 充 电 过 程 目 标 SOC 值; SOC0 为动 力 电池放电下限 SOC 值，为保证下坡开始时动力电池 有充足的制动回收空间，设置为 0. 3; c 值见表 3; S 为 坡长． 表 2 单位 SOC 值的行驶里程 Table 2 Driving mileage per SOC km·% － 1 仿真工况 ECE NYCC NEDC UDDS LA92 HWFET US06HWY a 1. 4012 1. 2223 0. 7859 0. 7825 0. 5923 0. 5988 0. 5254 b 0. 1574 0. 3300 0. 4430 0. 6408 0. 7832 1. 6364 8. 0257 2. 4 行驶工况识别 由表 2 可知，不同行驶工况下单位 SOC 值的行驶 里程差异较大［8］，对动力电池 SOC 准确规划依赖于汽 车行驶工况的实时识别． 首先在汽车行驶中获取最近一个片段的数据，并 提取该片段的特征参数，然后通过计算特征参数与选 取的循环工况的距离，确定该片段的类别［9--10］． 从而 得到与工况类别对应的 a 和 b 值，用于行车预充电时 刻规划． 3 CD 模式行车预充电时刻规划 本文所制定的 CD 模式下行车预充电时刻规划流 程如图 3 所示． ① 车辆出发前确定行车终点，选择行车路径，从 车载导航系统( GPS /GIS) 获知沿途道路标高和距离， 计算道路坡度值． ② 根据道路坡度与坡长从公路线路设计规范( 表 1) 可获知道路设计时速，选择相应的仿真工况，由式 ( 2) 估算出上坡行驶过程 SOC 变化值，即求得坡道行 驶开始时的目标值 SOC1 ． ③ 通过实时的工况识别，获知行驶工况的类型， 得知单位 SOC 值的行驶里程 a． ④ 根据当前位置与坡道的距离 L 及初始 SOC，估 算出行车至坡道时的 SOC2值，其中 SOC2 = SOC － L a ; 若 SOC2大于 SOC1值则不用预充电，若 SOC2小于 SOC1 值则开始预充电． ⑤ 计算何时开始行车预充电． 该过程的控制量 为动力电池的 SOC，确定出 SOC 消耗到何值时即开始 进行预充电过程是 CD 模式下基于坡道预测的能量管 · 7201 ·

·1028· 工程科学学报，第38卷，第7期 理策略的关键，如图4所示 车充电模式单位SOC值的行驶里程. 行车充电模式切换时刻： 根据式(2)和式(3)得到 [SoC ()-SOC]a+(SOC -SOC)b=L(). as0c()+(s0C。+三)b-L) (3) (4) a+b 式中，S0C()为！时刻电池SOC值，SOC为行车充 由于实际行驶工况识别的结果会随时间变化而变 电模式切换SOC值，L(t)为1时刻车辆位置距离坡道 化，造成预测过程中的SOCm波动，故采用加权平均 的长度，a为CD阶段单位SOC值的行驶里程，b为行 处理，以减小误差 表3不同坡度单位S0C值的行驶里程 Table 3 Driving mileage per SOC for different slopes km-1 仿真工况 坡度 ECE NYCC NEDC UDDS LA92 HWFET USO6HWY 3% 0.5168 0.4760 0.4288 0.4077 0.3718 0.3068 0.3460 4% 0.4228 0.3988 0.3739 0.3540 0.3244 0.2798 0.3319 5% 0.3544 0.3444 0.3275 0.3080 0.3036 0.2585 CD阶段 6% 0.3000 0.2984 0.2834 0.2737 0.2843 7% 0.2628 0.2666 0.2644 8% 0.2365 0.2411 0.2353 9% 0.2081 0.2190 10% 0.1895 3% 0.5708 2.1649 0.8794 0.8426 2.0735 3.9662 2.2218 4% 0.4713 2.1150 0.7377 0.8123 1.8433 5.6848 1.4703 5% 0.5071 1.9210 0.7314 0.7807 1.6133 6.7028 CS阶段 6% 0.4531 1.7390 0.5386 0.7894 1.4247 7呢 0.4310 1.6231 0.4971 8% 0.4018 1.4530 0.4435 9% 0.6614 1.0313 10% 0.7109 电池$OC能够上升到预定值，满足上坡行驶要求，如 4CS模式行车预充电时刻规划 图6所示. 与CD模式下的坡道行驶能量管理策略相比，CS 行车充电模式切换时刻 模式下行车预充电时刻规划难度减小，不需要对纯电 (SOC -SOCo)b=L'(t). (5) 动续驶里程进行预测，只要确定出车辆距离坡道多远 式中：L(t)为行车充电模式切换时刻距离坡道的距 处开启行车预充电模式才能满足坡道行驶即可. 离：S0C,为预充电过程目标SOC值：SOC。为动力电池 本文所制定的CS$模式下行车预充电时刻规划控 放电下限S0C值，为0.3. 制流程如图5所示. 根据式(2)和式(5)得到 ①车辆出发前确定行车终点，选择行车路径，从 (6) 车载导航系统(GPS/GIS)获知沿途道路标高距离，计 L()= c 算道路坡度值 5 仿真分析及结果 ②根据道路坡度和坡长从公路线路设计规范（见 表1)可知道路设计时速，选择相应的仿真工况，由式 5.1CD模式 (2)估算出坡道SOC变化值，即坡道行驶开始时的目 仿真验证工况采用构建的组合工况(New York 标值S0C. bus,1015,Manhattan,WVUSUB,H07).道路坡度信息 ③通过实时的工况识别获知行驶工况的类型，由 假设为已知，在4724s时出现单坡道为700m、4%的连 表2得知行车预充电过程单位S0C值的行驶里程b. 续3.319km的坡道.其仿真结果见图7. ④计算何时开始行车预充电.该过程的控制量 由仿真结果表4可知：基于坡道预测的能量管理 为车辆与坡道的距离L,确定出车辆行进到特定位置 策略，油耗0.662L,电耗5.377kW·h:未进行坡道预测 时，开始进行行车预充电，保证车辆在到达坡道时动力 的能量管理策略，油耗0.640L,电耗5.590kW·h.其

工程科学学报，第 38 卷，第 7 期 理策略的关键，如图 4 所示． 行车充电模式切换时刻: ［SOC( t) － SOCcharge］a + ( SOC1 － SOCcharge ) b = L( t) ． ( 3) 式中，SOC( t) 为 t 时刻电池 SOC 值，SOCcharge为行车充 电模式切换 SOC 值，L( t) 为 t 时刻车辆位置距离坡道 的长度，a 为 CD 阶段单位 SOC 值的行驶里程，b 为行 车充电模式单位 SOC 值的行驶里程． 根据式( 2) 和式( 3) 得到 SOCcharge = aSOC( t) ( + SOC0 + S ) c b － L( t) a + b ． ( 4) 由于实际行驶工况识别的结果会随时间变化而变 化，造成预测过程中的 SOCcharge波动，故采用加权平均 处理，以减小误差． 表 3 不同坡度单位 SOC 值的行驶里程 Table 3 Driving mileage per SOC for different slopes km·% － 1 仿真工况 坡度 ECE NYCC NEDC UDDS LA92 HWFET US06HWY 3% 0. 5168 0. 4760 0. 4288 0. 4077 0. 3718 0. 3068 0. 3460 4% 0. 4228 0. 3988 0. 3739 0. 3540 0. 3244 0. 2798 0. 3319 5% 0. 3544 0. 3444 0. 3275 0. 3080 0. 3036 0. 2585 CD 阶段 6% 0. 3000 0. 2984 0. 2834 0. 2737 0. 2843 7% 0. 2628 0. 2666 0. 2644 8% 0. 2365 0. 2411 0. 2353 9% 0. 2081 0. 2190 10% 0. 1895 3% 0. 5708 2. 1649 0. 8794 0. 8426 2. 0735 3. 9662 2. 2218 4% 0. 4713 2. 1150 0. 7377 0. 8123 1. 8433 5. 6848 1. 4703 5% 0. 5071 1. 9210 0. 7314 0. 7807 1. 6133 6. 7028 CS 阶段 6% 0. 4531 1. 7390 0. 5386 0. 7894 1. 4247 7% 0. 4310 1. 6231 0. 4971 8% 0. 4018 1. 4530 0. 4435 9% 0. 6614 1. 0313 10% 0. 7109 4 CS 模式行车预充电时刻规划 与 CD 模式下的坡道行驶能量管理策略相比，CS 模式下行车预充电时刻规划难度减小，不需要对纯电 动续驶里程进行预测，只要确定出车辆距离坡道多远 处开启行车预充电模式才能满足坡道行驶即可． 本文所制定的 CS 模式下行车预充电时刻规划控 制流程如图 5 所示． ① 车辆出发前确定行车终点，选择行车路径，从 车载导航系统( GPS /GIS) 获知沿途道路标高距离，计 算道路坡度值． ② 根据道路坡度和坡长从公路线路设计规范( 见 表 1) 可知道路设计时速，选择相应的仿真工况，由式 ( 2) 估算出坡道 SOC 变化值，即坡道行驶开始时的目 标值 SOC1 ． ③ 通过实时的工况识别获知行驶工况的类型，由 表 2 得知行车预充电过程单位 SOC 值的行驶里程 b． ④ 计算何时开始行车预充电． 该过程的控制量 为车辆与坡道的距离 L'，确定出车辆行进到特定位置 时，开始进行行车预充电，保证车辆在到达坡道时动力 电池 SOC 能够上升到预定值，满足上坡行驶要求，如 图 6 所示． 行车充电模式切换时刻 ( SOC1 － SOC0 ) b = L'( t) ． ( 5) 式中: L'( t) 为行车充电模式切换时刻距离坡道的距 离; SOC1为预充电过程目标 SOC 值; SOC0为动力电池 放电下限 SOC 值，为 0. 3． 根据式( 2) 和式( 5) 得到 L'( t) = Sb c ． ( 6) 5 仿真分析及结果 5. 1 CD 模式 仿真验证工况采用构建的组合工况( New York bus，1015，Manhattan，WVUSUB，HL07) ． 道路坡度信息 假设为已知，在4724 s 时出现单坡道为700 m、4% 的连 续 3. 319 km 的坡道． 其仿真结果见图 7． 由仿真结果表 4 可知: 基于坡道预测的能量管理 策略，油耗 0. 662 L，电耗 5. 377 kW·h; 未进行坡道预测 的能量管理策略，油耗 0. 640 L，电耗 5. 590 kW·h． 其 · 8201 ·

刘永刚等：基于道路坡度信息的插电式混合动力汽车能量管理策略 ·1029· 开始 开始 GPS/GIS 行驶工况 获知道路标高 行驶工况 获知道路标高 距离信总 更离信息 工况识别 识别道路坡度、坡长 工况识别 识别道路坡度、坡长 (%,司 (%S) 丁况片段 选取对应设计时 丁片段 选取对应设计时 识别类型 速的循环T况 识别类型 速的循环T况 单位S0C值 估算坡道行驶 单位SOC值 估算坡道行驶 行驶离 目标SOC值 行驶离 目标S0C值 剩余电量 预充电过程 满足坡道行驶 行程计算 出前位置 离坡道点是否满足 否 计算行车预充电模式 起始SOCp 顶充电行程 是 是 预充电至目标SOC, 否 SOC消耗到预定值 SOC (结宋) 图5CS阶段坡道预测电量管理策略 预充电 Fig.5 Energy management of the CS mode based on road gradient 至月标SOC, prediction 结束 图3CD阶段坡道预测电量管理策略 CS模式 Fig.3 Energy management of the CD mode based on road gradient prediction SOC CD模式 SOCA) 预充电 上坡 L'() SOC. 行驶里种 坡道点 :预充电上坡 图6CS模式下S0C示意图 Fig.6 SOC trajectory of the CS mode Lin) 修 行驶甲程坡道点 行坡道预测的控制策略多0.022L(3.49%).造成燃 油消耗偏高有两个原因：(1)由于一部分燃油消耗转 图4CD模式下SOC示意图 化成电能储存在动力电池中，在扣除这部分已储存的 Fig.4 SOC trajectory of the CD mode 电量后，这两种能量管理策略的能耗差距就会减小： 中基于坡道预测的能量管理策略电耗降低是由于存在 (2)CD工作模式下大部分驱动工况是ISG电机驱动 提前对动力电池预充电过程，该过程动力电池不作为 完成的，引入坡道能耗预估，使CD模式也存在行车充 动力源驱动车辆，由发动机驱动车辆行驶，从而降低行 电模式造成油耗相对于未进行坡道能耗预估的能量管 驶过程的电量消耗：对于坡度预测后燃油消耗比未进 理策略偏高

刘永刚等: 基于道路坡度信息的插电式混合动力汽车能量管理策略 图 3 CD 阶段坡道预测电量管理策略 Fig． 3 Energy management of the CD mode based on road gradient prediction 图 4 CD 模式下 SOC 示意图 Fig． 4 SOC trajectory of the CD mode 中基于坡道预测的能量管理策略电耗降低是由于存在 提前对动力电池预充电过程，该过程动力电池不作为 动力源驱动车辆，由发动机驱动车辆行驶，从而降低行 驶过程的电量消耗; 对于坡度预测后燃油消耗比未进 图 5 CS 阶段坡道预测电量管理策略 Fig． 5 Energy management of the CS mode based on road gradient prediction 图 6 CS 模式下 SOC 示意图 Fig． 6 SOC trajectory of the CS mode 行坡道预测的控制策略多 0. 022 L ( 3. 49% ) ． 造成燃 油消耗偏高有两个原因: ( 1) 由于一部分燃油消耗转 化成电能储存在动力电池中，在扣除这部分已储存的 电量后，这两种能量管理策略的能耗差距就会减小; ( 2) CD 工作模式下大部分驱动工况是 ISG 电机驱动 完成的，引入坡道能耗预估，使 CD 模式也存在行车充 电模式造成油耗相对于未进行坡道能耗预估的能量管 理策略偏高． · 9201 ·

·1030· 工程科学学报，第38卷，第7期 10.0 0.7 40 (a) 8 (b) 一预测前油耗 —行驶里程 0.6 一一预测后油耗 35 一一道路坡度 7.0 0.65F 30 5.5 0.5 0.55 4 25 0.4 0,45 0 1.0 着 4760480048404860 15-- -0.5 0.2 10 -2.0 5 -3.5 .0 500100015002000250030003500400045005000 06500100015002000250030003500400045005000 时间s 时间/s 0 1.0 (e) 预测前电耗 d 一一预测后电耗 0.9 一预测前SOC 一一预测后SO汇 55 0.8 4 5.0 0.7 3 45 0.6 0.40 460047004800 2 05 035 0.4 0.3 460047004800 坡道行驶 0500100015002000250030003500400045005000 02 500100015002000250030003500400045005000 时间s 时间s 图7CD模式道路坡度预测前后仿真结果.()道路坡度和里程：(b)燃油消耗：(c)动力电池电量消耗：(d)动力电池SOC Fig.7 Simulation results of energy management for the CD mode:(a)road gradient and driving range:(b)fuel consumption:(c)battery energy consumption:(d)battery SOC 表4CD工作模式下坡道预测前后仿真结果 略多0.016L(0.89%),而通过对道路坡度的预测使 Table 4 Results of energy management under the CD mode 车辆在8876s上坡行驶开始前动力电池S0C上升到 类别 油耗L电耗/(kWh)上坡开始SOC上坡结束SOC 0.35,上坡结束后动力电池S0C下降到近似于CS模 坡道未预测0.640 5.590 0.322 0.263 式的预定值(0.3)，与S0C预定值仅有2%的误差：而 坡道预测0.662 5.377 0.409 0.312 对于未进行坡道预测的能量管理策略，因CS模式下 控制效果-3.49%+3.81% S0C维持在0.3上下波动，车辆在上坡行驶过程需要 ISG电机辅助驱动时，导致上坡结束后电池SOC下降 根据道路坡度预测前后SOC轨迹显示：未进行坡 到0.254，放电深度超过预定值的15.33%.因此，基于 道预测的能量管理策略的S0C终值为0.263，放电深 坡道预测的能量管理策略对于改善动力电池的放电状 度超过目标值：而基于坡道预测的能量管理策略，在4538 态，保证车辆在混合驱动模式下动力电池电量充足具 s时开始行车预充电模式切换，直到上坡开始4724s,S0C 有重要意义 目标值到达0.409，上坡结束S0C终值为0.312. 5.2CS模式 表5CS模式下坡道预测前后仿真结果 仿真工况仍采用构建的组合工况(New York bus, Table 5 Results of energy management under the CS mode l0l5,Manhattan,WVUSUB,H07),道路坡度信息假设 类别 油耗/L电耗/(kW-h)上坡开始SOC上坡结束SOC 为已知量.在8876s处出现单坡道为400m,8%的连 坡道未预测1.777 4.135 0.303 0.254 续3.322km的坡道.其仿真结果见图8. 坡道预测 1.793 4.135 0.353 0.306 由仿真结果表5可知：基于坡道预测的能量管理 控制效果-0.809% 0% 策略，油耗1.793L,电耗4.135kW·h:未进行坡道预测 的能量管理策略，油耗1.777L,电耗4.135kW·h.对 6 结论 于电耗的评估是对从外部电网获取的电能的测算，车 辆进入CS模式后动力电池的电量变化根本来源是燃 针对插电式混合动力汽车，提出基于道路坡度信 油消耗，因此电耗仅针对CD模式下进行测算，仿真工 息的能量管理策略，在车辆坡道行驶前合理规划动力 况下两种能量管理策略的CD模式电量消耗相同.此 电池SOC,并通过仿真验证了控制效果. 外，坡度预测后燃油消耗比未进行坡道预测的控制策 (1)建立了基于GPS/GIS车载导航系统的坡道

工程科学学报，第 38 卷，第 7 期 图 7 CD 模式道路坡度预测前后仿真结果 . ( a) 道路坡度和里程; ( b) 燃油消耗; ( c) 动力电池电量消耗; ( d) 动力电池 SOC Fig． 7 Simulation results of energy management for the CD mode: ( a) road gradient and driving range; ( b) fuel consumption; ( c) battery energy consumption; ( d) battery SOC 表 4 CD 工作模式下坡道预测前后仿真结果 Table 4 Ｒesults of energy management under the CD mode 类别 油耗/L 电耗/( kW·h) 上坡开始 SOC 上坡结束 SOC 坡道未预测 0. 640 5. 590 0. 322 0. 263 坡道预测 0. 662 5. 377 0. 409 0. 312 控制效果 － 3. 49% + 3. 81% — — 根据道路坡度预测前后 SOC 轨迹显示: 未进行坡 道预测的能量管理策略的 SOC 终值为 0. 263，放电深 度超过目标值; 而基于坡道预测的能量管理策略，在 4538 s 时开始行车预充电模式切换，直到上坡开始 4724 s，SOC 目标值到达0. 409，上坡结束 SOC 终值为0. 312． 5. 2 CS 模式 仿真工况仍采用构建的组合工况( New York bus， 1015，Manhattan，WVUSUB，HL07) ，道路坡度信息假设 为已知量． 在 8876 s 处出现单坡道为 400 m，8% 的连 续 3. 322 km 的坡道． 其仿真结果见图 8． 由仿真结果表 5 可知: 基于坡道预测的能量管理 策略，油耗 1. 793 L，电耗 4. 135 kW·h; 未进行坡道预测 的能量管理策略，油耗 1. 777 L，电耗 4. 135 kW·h． 对 于电耗的评估是对从外部电网获取的电能的测算，车 辆进入 CS 模式后动力电池的电量变化根本来源是燃 油消耗，因此电耗仅针对 CD 模式下进行测算，仿真工 况下两种能量管理策略的 CD 模式电量消耗相同． 此 外，坡度预测后燃油消耗比未进行坡道预测的控制策 略多 0. 016 L ( 0. 89% ) ，而通过对道路坡度的预测使 车辆在 8876 s 上坡行驶开始前动力电池 SOC 上升到 0. 35，上坡结束后动力电池 SOC 下降到近似于 CS 模 式的预定值( 0. 3) ，与 SOC 预定值仅有 2% 的误差; 而 对于未进行坡道预测的能量管理策略，因 CS 模式下 SOC 维持在 0. 3 上下波动，车辆在上坡行驶过程需要 ISG 电机辅助驱动时，导致上坡结束后电池 SOC 下降 到 0. 254，放电深度超过预定值的 15. 33% ． 因此，基于 坡道预测的能量管理策略对于改善动力电池的放电状 态，保证车辆在混合驱动模式下动力电池电量充足具 有重要意义． 表 5 CS 模式下坡道预测前后仿真结果 Table 5 Ｒesults of energy management under the CS mode 类别 油耗/L 电耗/( kW·h) 上坡开始 SOC 上坡结束 SOC 坡道未预测 1. 777 4. 135 0. 303 0. 254 坡道预测 1. 793 4. 135 0. 353 0. 306 控制效果 － 0. 809% 0% — — 6 结论 针对插电式混合动力汽车，提出基于道路坡度信 息的能量管理策略，在车辆坡道行驶前合理规划动力 电池 SOC，并通过仿真验证了控制效果． ( 1) 建立了基于 GPS /GIS 车载导航系统的坡道 · 0301 ·

刘永刚等：基于道路坡度信息的插电式混合动力汽车能量管理策略 ·1031· 65 10 1.8 (a) 55005 一行驶里程 1.6 一预测前油耗 1.4 一一·预测后油耗 =一·道路坡度 12 L78 65 .76 3 1.0 0505 43 0.8 990099209940 0.6 10 1 0.4 5 0 0.2 0 2000 4000 6000 8000 10000 2000 4000 6000 8000 10000 时间s 时间s 4.5 0.8 一预测前$OC 4.0 3.5 0.7 035 一-·预测后$00 一预测前电耗 30 一一·预测后电耗 0.6 2.5 2.0 月05 008500900 1.5 0.4 坡道行驶 1.0 05 0.3 0.2 2000 40006000 8000 10000 2000 4000 6000 8000 10000 时间/s 时间s 图8CS模式道路坡度预测前后仿真结果.(a)道路坡度和里程：(b)燃油消耗：(c)动力电池电量消耗：(d)动力电池SOC Fig.8 Simulation results of energy management for CS mode:(a)road gradient and driving range:(b)fuel consumption:(c)battery energy con- sumption:(d)battery SOC 预估模型，利用车载导航系统提供的道路信息完成对 4]Rajagopalan A,Washington G.Intelligent control of hybrid elec- 道路坡度的预测，根据预测的坡度和坡长由道路设计 trie vehicle using GPS information.SAE Technical Paper,2002 [5]Xu J Q,Chen X W.Introduction to Traffic Engineering.Beijing: 规范确定上坡路段的设计速度，采用相近的循环工况 China Communications Press,2002 进行坡道能耗的预测，得到坡道行驶开始时动力电池 (徐吉谦，陈学武.交通工程总论.北京：人民交通出版社， 的目标SOC值. 2002) (2)对CD模式下坡道行驶提出行车预充电时刻 ]DengL.Prediction of Driring Condition for Plug-in Hybrid Elec- 规划原则，确定了动力电池的S0C下降到何值时进行 tric Vehicles [Dissertation].Chongging:Chongging University, 行车预充电模式的切换 2012 (3)对CS模式下的坡道行驶进行能耗分析和预 (邓丽君.插电式混合动力汽车未来运行工况预测[学位论 文].重庆：重庆大学，2012) 测，提出行车预充电时刻规划原则，确定了车辆行驶过 Ministry of Transport of the People's Republic of China.JTG 程中距离坡道的最佳点进行行车充电模式的切换 D20-2006 Design Specifications for Highway Route.Beijing: (4)对提出的基于道路坡度信息的能量管理策略 China Communications Press,2006 进行仿真分析.根据仿真结果分析，能量管理策略中 (中华人民共和国交通部.TGD20一2006公路线路设计规 坡道能耗预测模型牺牲一定的燃油经济性可以满足坡 范.北京：人民交通出版社，2006) 道行驶过程中SOC值始终高于SOC下限，防止混合驱 8] Niu J G,Zhou S.On/off timing optimization for the range-extend- er in extended-tange electric vehicles.Automot Eng,2013,35 动过程动力电池的过放电，改善动力电池的放电状态 (5):418 (牛继高，周苏.增程式电动汽车增程器开关机时刻的优化 参考文献 汽车工程，2013,35(5)：418) Zhu J.Principles and Applications of Powertrain Controls for Hy- 9] Qin DT,PengZY,Liu YG,et al.Dynamic energy management brid and Electric Vehicles.Shanghai:Shanghai Science Technol- strategy of HEV based on driving pattern recognition.Chin J Mech gPes5,2013 Eng,2014,25(11):1550 (朱军.新能源汽车动力系统控制原理及应用.上海：上海科 (秦大同，彭志远，刘永刚，等.基于工况识别的混合动力汽 学技术出版社，2013) 车动态能量策略.中国机械工程，2014,25(11)：1550) Bockstette J,Habermann K,Ogrzewalla J,et al.Performance 1o] Yin A D,Zhao H,Zhou B,et al.Driving range estimation for plus range:combined battery concept for plug-in hybrid vehicles. battery electric vehicles based on driving eycle identification SAE Int J Altern Powertrains,2013,2(1)156 Automot Eng,2014,36(11):1310 B] Kamichi K,Yamamoto M,Fushiki S,et al.Development of plug- (尹安东，赵韩，周斌，等.基于行驶工况识别的纯电动汽车 in hybrid system for midsize car.SAE Technical Paper,2012 续驶里程估算.汽车工程，2014,36(11)：1310)

刘永刚等: 基于道路坡度信息的插电式混合动力汽车能量管理策略 图 8 CS 模式道路坡度预测前后仿真结果． ( a) 道路坡度和里程; ( b) 燃油消耗; ( c) 动力电池电量消耗; ( d) 动力电池 SOC Fig． 8 Simulation results of energy management for CS mode: ( a) road gradient and driving range; ( b) fuel consumption; ( c) battery energy con￾sumption; ( d) battery SOC 预估模型，利用车载导航系统提供的道路信息完成对 道路坡度的预测，根据预测的坡度和坡长由道路设计 规范确定上坡路段的设计速度，采用相近的循环工况 进行坡道能耗的预测，得到坡道行驶开始时动力电池 的目标 SOC 值． ( 2) 对 CD 模式下坡道行驶提出行车预充电时刻 规划原则，确定了动力电池的 SOC 下降到何值时进行 行车预充电模式的切换． ( 3) 对 CS 模式下的坡道行驶进行能耗分析和预 测，提出行车预充电时刻规划原则，确定了车辆行驶过 程中距离坡道的最佳点进行行车充电模式的切换． ( 4) 对提出的基于道路坡度信息的能量管理策略 进行仿真分析． 根据仿真结果分析，能量管理策略中 坡道能耗预测模型牺牲一定的燃油经济性可以满足坡 道行驶过程中 SOC 值始终高于 SOC 下限，防止混合驱 动过程动力电池的过放电，改善动力电池的放电状态． 参 考 文 献 ［1］ Zhu J． Principles and Applications of Powertrain Controls for Hy￾brid and Electric Vehicles． Shanghai: Shanghai Science ＆ Technol￾ogy Press，2013 ( 朱军． 新能源汽车动力系统控制原理及应用． 上海: 上海科 学技术出版社，2013) ［2］ Bockstette J，Habermann K，Ogrzewalla J，et al． Performance plus range: combined battery concept for plug-in hybrid vehicles． SAE Int J Altern Powertrains，2013，2( 1) : 156 ［3］ Kamichi K，Yamamoto M，Fushiki S，et al． Development of plug￾in hybrid system for midsize car． SAE Technical Paper，2012 ［4］ Ｒajagopalan A，Washington G． Intelligent control of hybrid elec￾tric vehicle using GPS information． SAE Technical Paper，2002 ［5］ Xu J Q，Chen X W． Introduction to Traffic Engineering． Beijing: China Communications Press，2002 ( 徐吉谦，陈学武． 交通工程总论． 北京: 人民交通出版社， 2002) ［6］ Deng L J． Prediction of Driving Condition for Plug-in Hybrid Elec￾tric Vehicles ［Dissertation］． Chongqing: Chongqing University， 2012 ( 邓丽君． 插电式混合动力汽车未来运行工况预测［学位论 文］． 重庆: 重庆大学，2012) ［7］ Ministry of Transport of the People ＇s Ｒepublic of China． JTG D20—2006 Design Specifications for Highway Ｒoute． Beijing: China Communications Press，2006 ( 中华人民共和国交通部． JTG D20—2006 公路线路设计规 范． 北京: 人民交通出版社，2006) ［8］ Niu J G，Zhou S． On /off timing optimization for the range-extend￾er in extended-range electric vehicles． Automot Eng，2013，35 ( 5) : 418 ( 牛继高，周苏． 增程式电动汽车増程器开关机时刻的优化． 汽车工程，2013，35( 5) : 418) ［9］ Qin D T，Peng Z Y，Liu Y G，et al． Dynamic energy management strategy of HEV based on driving pattern recognition． Chin J Mech Eng，2014，25( 11) : 1550 ( 秦大同，彭志远，刘永刚，等． 基于工况识别的混合动力汽 车动态能量策略． 中国机械工程，2014，25( 11) : 1550) ［10］ Yin A D，Zhao H，Zhou B，et al． Driving range estimation for battery electric vehicles based on driving cycle identification． Automot Eng，2014，36( 11) : 1310 ( 尹安东，赵韩，周斌，等． 基于行驶工况识别的纯电动汽车 续驶里程估算． 汽车工程，2014，36( 11) : 1310) · 1301 ·