用于插电式混合动力汽车基于数据的能量管理的场景模型预测控制

基于优化的混合动力系统功率流分配策略的主要局限之一在于其依赖对未来功率需求的预测。这些预测 inherently 不确定，因为它们依赖于难以精确建模的复杂人类行为。本文提出一种基于数据的场景模型预测控制框架，其中输入通过在每次控制更新时针对某路线被行驶的多个先前实例优化功率分配来确定。所提出的能量管理优化是凸的，并且场景优化的结果被用于界定一步超前优化以给定概率可行的置信度。通过数值仿真表明，场景模型预测控制（MPC）获得了与具有未来驾驶行为完整预知的标称 MPC 相同的燃油消耗降低，并且该场景 MPC 优化可使用定制优化算法高效求解。