一种物理模型引导的在线贝叶斯框架用于增程式电动配送车的能量管理

通过基于优化的能量管理策略（EMS）提升混合动力电动汽车（HEV）与增程式电动汽车（EREV）的燃油经济性，一直是交通领域活跃的研究方向。然而，由于对未来行程所知不足，且此类方法在大规模部署时计算代价高昂，将基于优化的 EMS 应用于当前在用的 EREV 十分困难。因此，以往多数研究在标准驾驶循环或过往真实驾驶循环记录的高分辨率数据上得到验证。本文改进了一支配备双向车云互联的配送车车队中所用的在用车规级基于规则的 EMS。我们描述了一个物理模型引导的在线贝叶斯框架，并在大量用于最后一公里包裹配送的 EREV 在用行驶样本上进行了验证。该框架包括：一个数据库、一个预处理模块、一个车辆模型以及一个在线贝叶斯算法模块。它使用历史 0.2 Hz 分辨率的行程数据作为输入，并向车辆发动机控制逻辑输出更新参数，以降低下一次行程的燃油消耗。本工作的关键贡献在于提供了一个可立即用于减少在用 EREV 燃油消耗的框架。该框架还在运行于实际路线的真实世界 EREV 配送车辆上得到演示。结果显示，在 155 次真实配送行程中，被测车辆平均燃油消耗降低 12.8%。所提框架可扩展至其他 EREV 应用，包括乘用车、公交客车以及其他每日行程相似的专用车辆。