【技术实现步骤摘要】
本专利技术涉及一种基于地图路径规划的燃料电池汽车能量管理方法，特别是一种基于高德地图路径规划api的增程式燃料电池汽车双层能量管理方法，属于燃料电池汽车。
技术介绍
1、燃料电池由于其出色的排放特性被认为未来会广泛的应用于汽车中，考虑到加氢站等基础设施建设和插电式混合动力汽车的研究基础，增程式燃料电池汽车可以作为插电式混合动力汽车良好的代替。燃料电池汽车的能量管理是影响整车经济性的关键，如何制定针对增程式能量管理策略，同时提升多种工况的适应能力十分关键。
2、目前的能量管理策略存在以下不足：
3、第一，基于规则的能量管理策略的节能潜力有待进一步挖掘，基于优化的能量管理策略与多工况的适应性不足，较少考虑燃料电池寿命问题；第二，当前的许多能量管理策略均为基于标准驾驶工况，很少考虑真实的驾驶数据；第三，车辆作为交通环境的参与者，车辆工况与车辆所处的交通环境息息相关，如何结合现有的智能交通系统，获得更为精确的工况预测还需进一步的研究与解决。
技术实现思路
1、本专利技术的目的在于提供一种基于地图路径规划的燃料电池汽车能量管理方法，解决现有的能量管理方法中多工况下控制效果较差，没有考虑智能交通系统信息获取，燃料电池控制中考虑燃料电池寿命问题，
2、为实现上述目的，本专利技术技术方案是这样实现的：一种基于地图路径规划的燃料电池汽车能量管理方法，其特征在于具体步骤如下：1)对车辆历史数据的分析、预处理与典型工况的构建；
3、2)基于高德地图路径规划
4、3)典型工况的识别；
5、4)根据dp算法对每类典型工况进行soc缓降曲线的规划；
6、5)建立燃料电池的启停控制策略和功率输出策略。
7、所述对车辆历史数据的分析与典型工况的识别具体包括以下步骤：
8、1)采用驾驶员自主驾驶法和gps设备采集出行经纬度、车速、时间等出行历史工况数据；
9、2)对异常数据和缺失信号进行预处理，对处理后的数据进行微行程分段，提取微行程中的特征参数数据；
10、3)采用pca方法对特征参数进行降维处理；
11、4)采用改进的kmeans聚类对降维后的数据进行分类，得到典型工况。
12、所述的采用开放的高德地图路径规划api，是根据起始点经纬度得到规划路径上的相关交通信息，提取工况预测数据和出行里程预测数据，进行小波滤波处理。
13、所述的典型工况的识别是采用lvq神经网络作为工况识别方法，包括以下步骤：
14、1)特征参数选取主成分中累计贡献率超过85％的主成分；
15、2)将车辆特征参数与所对应的工况类型作为输入，训练lvq神经网络；
16、3)将基于高德地图路径规划api获得的工况信息进行工况识别，得到初步工况识别结果；
17、4)通过滑动窗口的方法，每间隔120s对5s内的速度序列进行特征参数的计算，实时识别车辆工况，对基于高德地图的预测信息进行修正。
18、所述的根据dp算法对每类典型工况进行soc缓降曲线的规划，是针对每种典型工况，采用dp算法探究soc缓降轨迹的规律，dp算法的具体步骤如下：
19、状态变量选取x(k)＝{soc,pfc(k+1)}
20、控制变量选取u(k)＝pfc(k)
21、输入为车速序列v(k)
22、整车需求功率由汽车行驶方程式和车速序列求出，电池功率pb(k)＝pdem-pfc，
23、状态变量更新公式如下：
24、
25、pfc(k+1)＝u(k)，初始值取0；
26、其中，uoc为电池的开路电压，rb为电池内阻，使用soc查表得出，pb(k)为k时刻的电池功率，qbat为电池容量，pfc(k),pfc(k+1)为k,k+1时刻燃料电池输出功率，pdem为整车需求功率。
27、为了获得最佳功率分配策略和燃料电池寿命最优，设计如下的目标函数：
28、
29、其中，mf(k)为第k阶段的能耗，α为限制燃料电池功率变化的惩罚函数，由设计人员根据需要选取。
30、同时需要满足约束：
31、
32、求解时将约束作为惩罚项加入动态规划目标函数。
33、其中，pfcs_min、pfcs_max分别是燃料电池系统最小、最大输出功率，pb_min、pb_max分别是动力电池充放电功率的最小值和最大值，socmin、socmax分别是soc允许变化的最小值和最大值，δpfcs_min和δpfcs_max分别是燃料电池系统输出功率变化速率的最小值和最大值。
34、对于大量的驾驶循环，对每个驾驶循环使用lvq神经网络和dp算法获得各典型工况下动力电池soc变化量与行驶里程的曲线拟合结果，获得不同典型工况下的动力电池soc缓降速率
35、考虑到典型工况内特征参数也有些许差异，提出一种soc缓降速率修正公式：
36、
37、其中，socs(k)为k时刻的soc值，
38、socf为soc终值，
39、ma为行程的总里程，
40、m(s)为已经行驶的里程，
41、
42、ρ'soc-s(k)是修正后的动力电池soc缓降速率，α(k)是修正系数，
43、α(k)中的kα是常数，
44、vstd(k)是车速标准差，
45、vave(k)是平均车速，
46、astd(k)是加速度标准差，
47、aave(k)是平均加速度
48、在soc轨迹规划的基础上，对燃料电池系统的工作状态进行实时控制，避免燃料电池频繁启停、处于低效率点，同时对燃料电池和动力电池的状态进行约束：
49、
50、同时进行燃料电池的开关状态和输出功率进行逻辑控制。
51、本专利技术的积极效果是
52、1.交通出行信息的获取更为准确和可信。本专利技术中基于高德地图路径规划api获取交通出行信息，不同于现有专利技术实际交通条件信息的获取。现有专利技术大多是通过采集的历史数据库中构建标准工况，或者在vissim软件中自行搭建的交通环境获取相关工况，本专利技术的交通出行数据来源于真实交通环境的数据，而且可以根据车辆gps的位置信息实时修正工况预测结果，准确性和可信度相较于现有专利技术有了显著的提高，更加真实的工况数据可以更好地提升能量管理方法的效果；2.近似最优soc下降轨迹准确且有效。本专利技术中的dp算法将燃料电池的功率变化量写入成本函数，限制燃料电池功率变化，可以有效的提升燃料电池的寿命。而后在soc曲线拟合中，选取出行里程作为soc变化量的拟合值，且考虑了不同种类的工况，准确度高，效果好；最后根据过去一段时域内的车速和加速度信息，对soc下降轨迹进行修正，可以本文档来自技高网...
【技术保护点】
1.一种基于地图路径规划的燃料电池汽车能量管理方法，其特征在于包括以下步骤：
2.根据权利要求1所述一种基于地图路径规划的燃料电池汽车能量管理方法，其特征在于所述对车辆历史数据的分析与典型工况的识别具体包括以下步骤：
3.根据权利要求1所述一种基于地图路径规划的燃料电池汽车能量管理方法，其特征在于所述的方法基于高德地图路径规划API进行未来出行特征预测，根据起始点经纬度得到规划路径上的相关交通信息，提取工况预测数据和出行里程预测数据，进行小波滤波处理。
4.根据权利要求1所述一种基于地图路径规划的燃料电池汽车能量管理方法，其特征在于所述的典型工况的识别采用LVQ神经网络作为工况识别方法；包括以下步骤：
5.根据权利要求1所述一种基于地图路径规划的燃料电池汽车能量管理方法，其特征在于所述的根据DP算法对每类典型工况进行SOC缓降曲线的规划，是针对每种典型工况，采用DP算法探究SOC缓降轨迹的规律，DP算法的具体步骤如下：
6.根据权利要求6所述基于高德地图路径规划API的增程式燃料电池汽车双层能量管理方法，其特征在于，对于
7.根据权利要求1所述一种基于地图路径规划的燃料电池汽车能量管理方法，其特征在于，在SOC轨迹规划的基础上，对燃料电池系统的工作状态进行实时控制，避免燃料电池频繁启停、处于低效率点，同时对燃料电池和动力电池的状态进行约束：
...【技术特征摘要】
1.一种基于地图路径规划的燃料电池汽车能量管理方法，其特征在于包括以下步骤：
2.根据权利要求1所述一种基于地图路径规划的燃料电池汽车能量管理方法，其特征在于所述对车辆历史数据的分析与典型工况的识别具体包括以下步骤：
3.根据权利要求1所述一种基于地图路径规划的燃料电池汽车能量管理方法，其特征在于所述的方法基于高德地图路径规划api进行未来出行特征预测，根据起始点经纬度得到规划路径上的相关交通信息，提取工况预测数据和出行里程预测数据，进行小波滤波处理。
4.根据权利要求1所述一种基于地图路径规划的燃料电池汽车能量管理方法，其特征在于所述的典型工况的识别采用lvq神经网络作为工况识别方法；包括以下步骤：
5.根据权利要求1所述一种基于地图路径规划的燃料电池汽车能量管理方法，其特...
【专利技术属性】
技术研发人员：卢延辉，张云瑞，王鹏宇，马洋洋，马唯扬，
申请(专利权)人：吉林大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。