為了提高可獲得的出行信息水平，越來越多的研究將基于GPS、地理信息系統和歷史數據來進行工況預測，進而調整控制算法提高能量管理策略的應用效果。本文第2部分將介紹智能交通系統。針對實時計算量大的問題，本文第3部分將介紹基于云計算的能量管理策略優化。

圖1、智能交通系統的示意

基于GPS智能手機的交通監控系統監督預測能量管理的架構可分為上層和下層。在上層，利用實時交通數據獲得的交通流速度計算出最優的SOC軌跡。在下層，使用水平速度預測器來預測每一個滾動時域的未來行駛速度。上層和下層分別對應于長期擾動和短期擾動。需要注意的是，通過這種方法獲得的交通流速度將不同于實際車輛的速度，進而產生的SOC參考軌跡存在誤差。為了解決這一問題，將生成的SOC軌跡在每個控制層作為終端SOC參考值引入到模型預測控制層中，使得較低層級的模型預測控制反饋閉環為減小參考SOC值的誤差提供了一定的控制靈活性。詳細的控制方式如下：

（1）獲取實時交通數據和路徑信息，計算最優電池SOC軌跡；

（2）預測當前控制層的短期未來速度分布；

（3）在給定參考SOC和預測速度序列的情況下，模型預測控制器計算最優控制策略；

（4）將最優控制策略的第一步應用于準靜態PHEV模型；

（5） 反饋系統狀態，更新系統約束，并在下一時刻重復計算過程。

圖2、監督預測能量管理控制架構

圖3、交通數據反饋系統框架

除了交通狀況外，駕駛風格的監控和校正可以顯著提高車輛經濟性。特別是，對于采用了Blended-type控制策略的PHEV而言，扭矩需求的微小偏差將觸發發動機起動，進而對車輛能量管理策略發生顯著的變化。可以結合行程信息和駕駛風格來獲得最佳車輛速度曲線，從而引導駕駛員以最小的能量消耗進行行駛。

通常，控制系統的在線計算能力可能成為這方面的限制因素。考慮到動態規劃的計算量大和控制器成本問題，通過云計算處理交通信息獲取最佳策略是一個較為可行的解決方案，這種方案不僅可以保證模型準確性，計算結果還可以運用到類似條件的其他車輛。云計算和智能交通系統可以緩解在線計算壓力提供整體優化。具體實施方式是：

（1）驅動程序將預定旅行目的地信息發送到云平臺上執行密集型計算；

（2）在云中，服務器生成一條路徑，收集相關的交通和地理信息；

（3）通過一種利用精確的車輛和油耗模型來確定路線沿線最優速度軌跡的空間域動態規劃算法來解決優化問題；

（4）服務器將速度軌跡發送到與駕駛員通信的車輛。

圖4、云——車輛交互原理

■  測試評價過程針對能量管理控制策略的研究

■  能量管理控制策略未來發展趨勢分析

參考文獻

[1]·C·M·Martínez,·X·Hu,·D·Cao,·et·al.·Energy·Management·in·Plug-in·Hybrid·Electric·Vehicles·Recent·Progress·and·a·Connected·Vehicles·Perspective,IEEE·Trans·Veh·Technol 66(6),pp.4534-4549,2017

[2]·C·Sun,·S·J·Moura,·X·Hu,·Dynamic·Traffic·Feedback·Data·Enabled·Energy·Management·in·Plug-in·Hybrid·Electric·Vehicles,·IEEE·Transactions·on·Control·Systems·Technology,·vol.·23,·no.·3,·pp.·1075-1086,·MAY·2015

[3]·Engin·O,·Simona·O,·James·W,·et·al.·Cloud-Based·Velocity·Profile·Optimizationfor·Everyday·Driving:A·Dynamic-Programming-Based·Solution,·IEEE·Transactions·on·Intelligent·Transportation·Systems,·vol.·15,·no.·6,·pp.·2491-2505,·DECEMBER·2014