基于动态规划算法的增程式汽车能量管理研究.pdf

第3 8卷 第3期 青 岛 大 学 学 报(工 程 技 术 版)V o l.3 8 N o.3 2 0 2 3年 9 月J O U R N A L O F Q I N G D A O U N I V E R S I T Y(E&T)S e p.2 0 2 3文章编号:1 0 0 6 9 7 9 8(2 0 2 3)0 3 0 0 5 9 1 0;D O I:1 0.1 3 3 0 6/j.1 0 0 6 9 7 9 8.2 0 2 3.0 3.0 0 9基于动态规划算法的增程式汽车能量管理研究路来伟1,赵 红1,刘晓童1,仇俊政2,罗 勇1(1.青岛大学机电工程学院,山东 青岛 2 6 6 0 7 1;2.山重建机有限公司,山东 临沂 2 7 6 0 2 4)摘要:针对增程式汽车存在的经济性问题,本文以运动型多用途汽车(s p o r t u t i l i t y v e h i c l e,S UV)为例,采用动态规划算法,优化增程式汽车能量管理控制策略。给出了增程式汽车结构及主要参数,并基于AV L/C r u i s e模型,搭建增程式汽车关键部件模型,基于动态规划模型及动态规划的基础理论,提出增程式汽车全局动态规划控制策略求解方法,同时采用AV L C r u i s e中的I n t e r f a c e模块与M a t l a b/S i m u l i n k进行联合仿真。仿真结果表明,在功率跟随和动态规划两种控制策略下,功率跟随的燃油消耗为0.5 6 k g,动态规划控制策略的燃油消耗为0.5 3 k g,与功率跟随控制策略相比,燃油消耗大约减少了5.6%,经济性明显提高,说明动态规划算法的控制更加精确,效果更好,而且动力电池荷电状态(s t a t e-o f-c h a r g e,S O C)大幅变化的次数少,发动机大致工作在高效区域。该研究达到了减小等效燃油消耗的目的,具有广阔的应用前景。关键词:增程式汽车;动态规划;全局优化;能量管理;联合仿真中图分类号:U 4 6 1.8 文献标识码:A 收稿日期:2 0 2 2 1 1 0 1;修回日期:2 0 2 3 0 3 1 9基金项目:青岛市民生科技计划(1 9-6-1-8 8-n s h)作者简介:路来伟(1 9 9 8),男,硕士研究生,主要研究方向为汽车节能减排与新能源技术。通信作者:赵红(1 9 7 3),女,副教授,硕士生导师,主要研究方向为汽车节能减排与新能源技术。E m a i l:q d l i z h 1 6 3.c o m 随着各国能源问题和环境问题的日益严重,新能源汽车受到越来越多的关注。虽然纯电动汽车具有排放少、效率高等众多优点,但是由于电池容量小、充电时间长及充电桩数量少等限制,使纯电动汽车的续驶里程较短,极大地影响了纯电动汽车的普及。增程式电动汽车(e x t e n d e d-r a n g e e l e c t r i c v e h i c l e,E R E V)由于存在增程器可以为电池持续充电,增加了其续驶里程,成为目前研究的热点。控制策略通过对增程器和动力电池的功率分配,实现能量管理,在不同时刻,控制策略对增程器是否开启通过输出功率的大小进行控制。控制策略主要分为基于规则的控制策略和基于优化的控制策略。基于规则的控制策略通常分为单点控制和多点控制等;基于优化的控制策略通过采用算法对原有控制策略进行优化,或从全局出发计算全局最优控制量,如动态规划算法1、遗传算法2、N S GA-?3、庞特里亚金最小值原4等。近年来,众多研究人员对动态规划进行研究。牛继高等人5通过硬件在环仿真,对各种基于规则的控制策略进行对比,得到基于最优曲线的控制策略,该控制策略具有较好的经济性和控制性;王祚鑫等人6通过对恒温型控制策略的研究与优化,减少了发动机的运行时间,提高了整车经济性;YUAN Z等人7设计了一种动态规划管理策略比,并将其应用于汽车,得到了较好的实验效果;Z HANG H等人8 通过研究最优曲线,对传统的功率跟随控制策略进行改进,提高了燃油经济性;CHE N B C等人9设计了一种应用动态规划控制策略的增程式汽车;P AN C等人1 0将动态规划应用于超级电容混合动力电动汽车,并进行优化,提高了整车经济性;白书杰等人1 1采用GA-B P算法进行工况识别,并通过果蝇算法优化了规则能量管理参数。基于规则的控制策略虽然鲁棒性好,但控制方式过于单一,每一阶段的控制量并不是最优解,而全局优化算法从理论上可以得到最优解,能够较大的提高整车经济性1 2。T ANG W B等人1 3提出了一种基于自适应动态规划(a d a p t i v e/a p p r o x i m a t e d y n a m i c p r o g r a mm i n g,A D P)的分级能源管理策略(e n e r g y m a n a g e m e n t s t r a t e g y,EM S),极大提高了燃油青 岛 大 学 学 报(工 程 技 术 版)第 3 8 卷经济性;田丽媛等人1 4通过动态规划算法,提高超级电容电动汽车的经济性。基于此,本文通过发动机万有特性图和发电机效率MA P图,得到增程器最优工作曲线,在最优工作曲线上取点,作为增程器输出功率的离散点,同时进行全局优化,并与最优曲线 功率跟随控制策略进行对比分析。分析结果证明,该控制策略达到了减小等效燃油消耗的目的,具有一定的工程意义。图1 增程式汽车结构图1 增程式汽车模型1.1 增程式汽车结构及主要参数增程式汽车由驱动电机驱动,由增程器和动力电池提供电能。其中,增程器主要由发动机和发电机组成,两者联接方式为机械连接。各动力部件的电能通过转换器连接在一起,增程式汽车结构图如图1所示。本文通过AV L/C r u i s e搭建整车模型,增程式汽车整车主要参数如表1所示,增程式汽车驱动电机主要参数如表2所示,增程式汽车动力电池主要参数如表3所示,增程式汽车直列四缸汽油机主要参数如表4所示,增程式汽车直列四缸发电机主要参数如表5所示。表1 增程式汽车整车主要参数整备质量/k g风阻系数车轮半径/m满载质量/k g迎风面积/m21 7 0 00.2 80.3 01 9 8 01.9 7表2 增程式汽车驱动电机主要参数最大功率/k W最大转矩/(Nm)最大转速/(rm i n-1)1 0 8.63 4 5.68 2 0 0表3 增程式汽车动力电池主要参数标称电压/V串联数/并联数容量/A h3 8 05 0/42 0表4 增程式汽车直列四缸汽油机主要参数排量/L最大扭矩/(Nm)最大功率/k W最大转速/(rm i n-1)21 9 1.41 0 4.36 0 0 0表5 增程式汽车直列四缸发电机主要参数最大功率/k W最大转速/(rm i n-1)额定电压/V最大转矩/(Nm)1 2 0.61 5 0 0 03 3 01 9 21.2 关键部件模型本文通过AV L/C r u i s e模型,搭建增程式汽车模型,主要部件模型有整车模型、增程器模型、驱动电机模型和电池模型等1 5。1.2.1 整车模型整车模型主要考虑汽车行驶过程中的行驶阻力,汽车行驶阻力主要包括滚动阻力、坡度阻力、空气阻力和加速阻力等,本文的行驶阻力模型采用滑行阻力公式计算,汽车行驶阻力1 6为F=A+B v+C v2(1)式中,A为常数项系数,A=1 9 5 N;B为一次项系数,B=0.3 8 N h/k m;C为二次项系数,C=0.0 3 N2/k m2。1.2.2 增程器模型增程器主要由发动机和发电机组成,发动机建模分为2种:一是内燃机物理模型,二是内燃机准静态模型。由于在内燃机准静态模型中,发动机的等效燃油消耗率与发动机运行工况一一对应,有利于模型根据发动机工况计算燃油消耗情况,因此本文采用基于MA P图的内燃机模型。由于增程器与驱动电机之间没有机械连接,增程器转速相对于驱动电机是解耦的,所以增程器可以始终工作在最佳经济曲线上,发动机万有特性图和燃油消耗曲线如图2所示。由图2 a可以看出,颜色越深,表示功率油耗越高;由图2 b可以看出,在不同工况下,发动机的燃油消耗也不同。06 第3期 路来伟,等:基于动态规划算法的增程式汽车能量管理研究图2 发动机万有特性图和燃油消耗曲线 由于发动机与发电机机械连接,发动机输出功率等于发电机输入功率,增程器输出功率可根据发电机效率和发动机输出功率进行计算,发电机输出功率为Pg e n=g e nPe n g(2)式中,g e n为发电机发电效率,根据转矩转速查表可得;Pe n g为发动机输出功率。根据发动机燃油消耗图和发电机效率图,确定燃油消耗率和增程器输出功率对应关系,求出增程器最佳燃油消耗曲线及输出功率和转速转矩的对应关系,发电机效率转矩和增程器最佳燃油消耗曲线如图3所示。图3 发电机效率和增程器最佳燃油消耗曲线 增程器燃油消耗率为Ce n g=f(Te n g,ne n g)(3)式中,f()为燃油消耗率查表函数;Te n g为发动机输出转矩;ne n g为发动机输出转速。通过式(2)和式(3),结合发电机效率MA P图,得到发电机输出功率、输入转矩和输入转速的关系,并通过控制发动机目标转速,控制增程器的输出功率。1.2.3 动力电池模型 动力电池通过逆变器与驱动电机和发电机相连,为驱动电机提供电能或储存发电机所发的电。本文动力电池模型采用等效电路模型1 7,即将动力电池视为一个电压源和电阻串联,动力电池结构图如图4所示,图4中,V为动力电池开路电压;U为端电压;I为电池电流;R为电池内阻。动力电池开路电压随S O C变化曲线如图5所示,随着S O C的增加,动力电池开路电压逐渐升高,当S O C的范围为0.20.8时,开路电压相对稳定。16青 岛 大 学 学 报(工 程 技 术 版)第 3 8 卷 图4 动力电池结构图 图5 动力电池开路电压随S O C变化曲线 动力电池电流和S O C计算公式1 8分别为I(t)=UVO C(t)2R-UVO C(t)22R2-Pb(t)R(4)S O C(t)=S O Ci n i t+tt0UVO C-UVO C2-4R Pb2R Qdt(5)式中,S O Ci n i t为初始S O C值;UVO C为电池开路电压;R为电池内阻;Pb为电池功率;Q为电池容量S O C值和电流值,即S O C(t)S O Cm i n,S O Cm a x(6)I(t)Im i n,Im a x(7)式中,S O Cm i n=0.5 5;S O Cm a x=0.6 0;S O C(t)为S O C随时间的变化值;Im a x和Im i n分别表示动力电池允许的最大值和最小值。2 动态规划算法动态规划(d y n a m i c p r o g r a mm i n g,D P)是运筹学的一个分支,是求解决策过程最优化的过程。2 0世纪5 0年代初,美国数学家R.B E L LMAN等人1 9在研究多阶段决策过程的优化问题时,提出了著名的最优化原理,并创立了动态规划。动态规划基于贝尔曼原理,通过将问题划分为多个具有近似特征的子问题,对每个子问题进行求解,进而求出总问题的解。动态规划具有较高的可编程性,非常适合于计算机求解,因此在新能源汽车能量管理方面具有较大的研究价值。2.1 动态规划建模 动力电池S O C在汽车运行过程中便于测量,具有较高的观测性,因此本文选择动力电池S O C作为系统状态变量,即x(k)=S O C(k)(8)式中,x(k)为状态变量在第k阶段的值;S O C(k)为第k阶段的S O C值。由于循环工况已知,汽车在每一时刻的需求功率可确定,整车功率由驱动电机提供,驱动电机功率来自动力电池和增程器,可通过控制发动机实现对增程器输出功率的控制,进而实现增程器与动力电池的功率分配,因此将增程器输出功率作为控制变量,控制变量在第k阶段的值为u(k)=PR E(k)(9)式中,PR E(k)为第k阶段增程器的输出功率。由于动态规划只能对离散系统进行求解,所以需要对状态量、决策量和时间域进行离散化,对时间域离散化后的状态转移方程为x(k+1)=f(x(k),u(k)(1 0)式中,x(k+1)和x(k)分别是第k+1和k时刻的状态变量值;u(k)为第k时刻的决策变量值。26 第3期 路来伟,等:基于动态规划算法的增程式汽车能量管理研究 动态规划求解能量管理问题,即为求解使目标函数达到最小值的动力系统控制序列,建立的目标函数为J=Nk=1Lx(k),u(k)(1 1)式中,J为累计代价函数;k为当前阶段;L为瞬时代价转移函数;N为驾驶循环时间域离散化后的总阶段数。图6 动态规划算法计算流程图将燃油费用与电费之和作为动态规划求解的目标函数,则状态转移函数为L=k+1k(m+Pb a t t e r y)dt(1 2)式中,m为燃油消耗率;Pb a t t e r y为电池输出功率;和为权重因子。各部件所受的约束条件为S O Cm i nS O C(k)S O Cm a x,Pb a t_m i nPb a t t e r yPb a t_m a x,PR E_m i nPR EPR E_m a x,Tm i nTTm a x,m i nm a x(1 3)式中,S O Cm i n和S O Cm a x分别为动力电池的S O C下限和上限;Pb a t_m i n和Pb a t_m a x分别为动力电池的最小输出功率和最大输出功率;PR E_m i n和PR E_m a x分别为增程器的最小输出功率和最大输出功率;Tm i n和Tm a x分别为发动机的最小输出转矩和最大输出转矩;m i n和m a x为发动机最小转速与最大转速。2.2 动态规划求解流程 基于以上模型及动态规划的基础理论,提出增程式汽车全局动态规划控制策略求解流程,动态规划算法计算流程图如图6所示。本文采用新欧洲驾驶循环测试(n e w e u r o p e a n d r i v-i n g c y c l e,N E D C)工况,首先根据循环工况信息,计算每一时刻驱动电机的需求功率,然后定义状态量和控制量的离散数组。由于动力电池的常用工作区间为中等电量区间,且汽车存在制动能量回收,所以电池S O C不宜过高,而电池S O C过低会使电池性能下降,所以将S O C的上限设为6 0%,S O C下限设为5 5%,取S O C离散网格精度为0.1%。控制量增程器输出功率离散点的选取见图3 b,由08 0 kW,每1 0 kW递增。图7 控制变量与累加目标函数关系逆向求解,从最终步向前,计算出每一步的最佳累计目标函数及控制量并记录,控制变量与累加目标函数关系如图7所示。状态变量经控制变量控制后,通常不会恰好落到下一步的状态点上,因此通常用线性插值的方法,求解对应的累加代价函数。图7中,当增程器输出功率为PR E(k,j)时,电池S O C从状态S O C(k,i)转移到状态S O C(k+1,j),此时累计代价函数J,可由第k+1步上下相邻两状态点的累计代价函数插值得到,插值为J*=J2+(J1-J2)S O C(k+1,j)-S O C(k+1,i)S O C(k+1,i+1)-S O C(k+1,i)(1 4)式中,J*为第k+1步状态转移点S O C(k+1,j)的累加代价函数;J1和J2分别是该点上下相邻两状态网格点的累加代价函数。第k步状态转移点S O C(k,i)的累加代价函数,等于瞬时转移代价与第k+1步状态转移点S O C(k+1,j)的累加代价函数之和,即36青 岛 大 学 学 报(工 程 技 术 版)第 3 8 卷图8 正向复原控制量插值示意图J=L(PR E(k)+J*(PR E_o p t(k+1),S O C(k+1,j)(1 5)式中,J为状态点S O C(k,i)的累加状态转移函数;L(PR E(k)为第k步的瞬时状态转移代价函数。正向复原最优控制变量,将逆序求解得到的控制变量u(k)正向复原,便于进行控制。在正向复原过程中,对于未落在网格点上的状态量,同样采取插值方式求控制量,正向复原控制量插值示意图如图8所示。在正向复原控制量过程中,若状态点未落到网格点上,采取插值方法近似求解最优控制量,插值1 7为uo p t(k)=u(p1,k)+(u(p2,k)-u(p1,k)S O Ca c t(k)-S O C(p1)S O C(p2)-S O C(p1)(1 6)式中,uo p t(k)为第k阶段的最优控制量;u(p1,k)和u(p2,k)分别为状态点相邻2个网格点的最优控制量,p1和p2分别为与控制量做出控制后与当前状态点相邻的离散状态点的序号。图9 N E D C循环工况3 仿真结果对比与分析在特定驾驶循环工况下,采用动态规划对增程式汽车的功率分配问题进行优化,并与功率跟随控制策略的仿真结果进行对比分析。本文采用的循环工况为N E D C工况,并采用AV L C r u i s e中的I n t e r f a c e模块与M a t l a b/S i m u l i n k进行联合仿真2 0。N E D C循环工况如图9所示,N E D C工况1 9 9 7年更新为由4个市区工况和一个郊区工况组成旨在评估汽车发动机的排放水平和乘用车的燃油经济性。3.1 功率跟随控制策略 功率跟随是一种基于规则的控制策略,根据不同的跟随目标,可分为跟随需求功率的功率跟随控制策略和跟随S O C值的控制策略等方式,本文采取的对比控制策略为跟随需求功率的控制策略,同时结合发动机最优工作曲线进行发动机控制,组成最优工作曲线 功率跟随控制策略,发动机等效燃油消耗率随功率变化曲线如图1 0所示。由图1 0可以看出,3 09 0 kW为发动机燃油高效区,此区间内的燃油经济性最好。发动机功率跟随联合仿真模型如图1 1所示。图1 0 发动机等效燃油消耗率随功率变化曲线 图1 1 发动机功率跟随联合仿真模型46 第3期 路来伟,等:基于动态规划算法的增程式汽车能量管理研究图1 2 2种控制策略下累计燃油消耗对比3.2 仿真结果与对比分析 经过联合仿真,得到功率跟随控制策略和动态规划控制策略运行结果。整个工况行驶过程中,在两种控制策略下,电池S O C都达到了最小值,且在制动阶段开始时刻,均达到相同的S O C值,因此可对比两种控制策略下的累计燃油消耗量。在功率跟随控制策略下,增程式汽车的燃油消耗为0.5 6 k g;在动态规划控制策略下,燃油消耗为0.5 3 k g,燃油消耗大约减少5.6%。2种控制策略下累计燃油消耗对比如图1 2所示,功率跟随控制策略只有当S O C值低于阈值时才会运行增程器,而动态规划控制策略则能从全局出发做出最优决定,使燃油经济性提高。由图1 2可以看出,由于动态规划是全局优化,从驾驶循环开始时刻起,增程器就开始输出功率,从而避免了在需求功率过大时,发动机为满足需求而处在低效率工作区。而功率跟随控制策略则是在动力电池S O C达到最低值时,才开启增程器,使耗油量在短时间内大幅增加。与功率跟随控制策略相比,动态规划控制策略下的动力电池,S O C出现较大幅度变化的次数较少,可以减少对电池的损害。功率跟随控制策略则是在S O C达到最小值后,其在最小S O C值附近不断波动,这种现象在连续行驶里程长的时候更加明显。2种控制策略下的S O C变化曲线如图1 3所示,2种控制策略下电池电压变化对比如图1 4所示。图1 3 2种控制策略下S O C变化曲线 图1 4 2种控制策略下电池电压变化对比 由图1 3可以看出,在动态规划算法下,仿真的最后阶段S O C迅速上升,其原因是制动能量回收和充电电流大,且驱动电机需求功率几乎为零,制动能量全部用来充电,同时也证明了S O C和电池电压的关系。而电压如图1 4所示,电压会随着S O C的剧烈变化而剧烈变化,而动态规划控制策略下的S O C变化相对稳定,不会对电池有太大损害。图1 5 功率跟随控制策略S O C变化曲线动态规划作为一种全局优化,需要提前对整个行驶工况下的S O C做出预测,所以假定电池电压恒定,现实中的电压随着电池工况的变化而小幅度变化,大多数情况可以忽略。但是当电池输入电流很大时,电压的变化也较大,从而导致S O C变化较大。在长续驶里程下,功率跟随控制策略S O C变化曲线如图1 5所示,当续驶里程较长时,S O C的变化较大。与基于规则的控制策略相比,全局优化控制策略可以对整个行驶工况下的需求功率做出预测,并可提前做出决策,使整个工况的等效燃油消耗最低。动态规划控56青 岛 大 学 学 报(工 程 技 术 版)第 3 8 卷制策略增程器输出功率如图1 6所示,功率跟随控制策略增程器输出功率如图1 7所示。由图1 6和图1 7可以看出,在动力电池S O C还未降低到最小值时,增程器便已经开始工作,在保证燃油经济性最低的情况下还能保证电池S O C相对稳定。此外在整车需求功率较低的时候,在保证S O C变化不大的情况下,还可以关闭发动机以节省燃油。本文控制量的选取均是基于整个增程器的最优工作曲线,通过结合发动机万有特性曲线和发电机准静态图,得到增程器最优工作曲线,动态规划的控制发动机与发电机的工作点均位于增程器最优工作曲线上。因此,在分析动力电池S O C和电压变化及增程器输出功率变化以后,还分析了发动机的工况点位置,动态规划控制策略下发动机工况点分布如图1 8所示。由图1 8可以看出,发动机多数工作点位于经济区域,且在最优工作曲线附近,符合预期效果。动态规划控制策略下发电机工作点分布如图1 9所示,由图1 9可以看出,发电机的转矩分布更加集中,这主要是因为发电机的负载转矩由发电机决定,发动机转矩相对于发电机转矩具有一定的滞后。图1 6 动态规划控制策略增程器输出功率 图1 7 功率跟随控制策略增程器输出功率 图1 8 动态规划控制策略下发动机工况点分布 图1 9 动态规划控制策略下发电机工作点分布 同其他基于规则的控制策略一样,功率跟随控制策略依赖于工程师的经验,对控制策略的启停规则进行制定,而动态规划能从全局出发,求解出每一阶段的最优控制量,达到提高经济性的目的。与功率跟随控制策略相比,动态规划算法的控制更加精确,效果更好。4 结束语本文基于动态规划算法,对增程式汽车能量管理控制策略进行优化。根据需求性能,确定增程式S UV各部件参数,选定各部件模型类型,搭建AV L C r u i s e模型,根据发动机万有特性图和发电机效率MA P图,求解增程器最优工作曲线,并获取增程器输出功率离散点。搭建功率跟随控制策略,求解出各时段需求功率,通过建立动态规划数学模型,编程求解最优控制量,同时通过AV L C r u i s e模块与S i m u l i n k软件进行联合仿真,并对仿真结果进行对比分析。仿真结果表明,与功率跟随控制策略相比,动态规划优化的控制策略经济性更好,燃油消耗降低5.6%,动力电池S O C变化更平稳,发动机大致工作在高效区。动态规划作为一66 第3期 路来伟,等:基于动态规划算法的增程式汽车能量管理研究种全局优化,要求每一时刻的整车需求功率已知,并且对于临时改变的工况不能做出较好的决策,同时在整车运行过程中动力电池电压等都会发生变化,与最优解有一定的偏差,因此全局优化控制策略对工况要求比较苛刻,更适用于形式路线和循环工况确定的车辆,后续的工作中需要将算法优化并应用于瞬时优化。参考文献:1 金升升.基于动态规划算法的增程式电动汽车能量管理策略优化研究D.杭州:浙江大学,2 0 2 1.2 冯沙.基于遗传算法的P 2构型HE V模糊控制策略仿真优化研究D.长沙:湖南大学,2 0 2 0.3 L I U H,L E I Y,F U Y,e t a l.M u l t i-o b j e c t i v e o p t i m i z a t i o n s t u d y o f r e g e n e r a t i v e b r a k i n g c o n t r o l s t r a t e g y f o r r a n g e-e x-t e n d e d e l e c t r i c v e h i c l eJ.A p p l i e d S c i e n c e s,2 0 2 0,1 0(5):1 7 8 9.4 孟翔,李奇,陈维荣,等.基于庞特里亚金极小值原理满意优化的燃料电池混合动力系统分层能量管理方法J.中国电机工程学报,2 0 1 9,3 9(3):7 8 2 7 9 2.5 牛继高,徐春华,牛丹彤,等.增程式电动汽车规则型能量管理策略对比J.江苏大学学报(自然科学版),2 0 1 8,3 9(3):2 6 6 2 7 2.6 王祚鑫,贝绍轶,汪伟.增程式电动汽车发动机开关时刻的优化控制J.机械设计与制造,2 0 1 7(4):1 0 0 1 0 3.7 YUAN Z,T E N G L,F E N G CHUN S,e t a l.C o m p a r a t i v e s t u d y o f d y n a m i c p r o g r a mm i n g a n d P o n t r y a g i ns m i n i m u m p r i n c i p l e o n e n e r g y m a n a g e m e n t f o r a p a r a l l e l h y b r i d e l e c t r i c v e h i c l eJ.E n e r g i e s,2 0 1 3,6(4):2 3 0 5 2 3 1 8.8 Z HAN G H,F U L,S ON G J,e t a l.P o w e r e n e r g y m a n a g e m e n t a n d c o n t r o l s t r a t e g y s t u d y f o r e x t e n d e d-r a n g e a u x i l i a r y p o w e r u n i tJ.E n e r g y P r o c e d i a,2 0 1 6,1 0 4:3 2 3 7.9 CHE N B C,WU Y Y,T S A I H C.D e s i g n a n d a n a l y s i s o f p o w e r m a n a g e m e n t s t r a t e g y f o r r a n g e e x t e n d e d e l e c t r i c v e h i c l e u s i n g d y n a m i c p r o g r a mm i n gJ.A p p l i e d E n e r g y,2 0 1 4,1 1 3:1 7 6 4 1 7 7 4.1 0 P AN C,L I AN G Y,CHE N L,e t a l.O p t i m a l c o n t r o l f o r h y b r i d e n e r g y s t o r a g e e l e c t r i c v e h i c l e t o a c h i e v e e n e r g y s a v i n g u s i n g d y n a m i c p r o g r a mm i n g a p p r o a c hJ.E n e r g i e s,2 0 1 9,1 2(4):5 8 8.1 1 白书杰,魏长银,陈勇,等.G A-B P工况识别的增程式电动汽车能量管理策略优化J.机械科学与技术,2 0 2 2,4 1(7):1 1 1 2 1 1 2 0.1 2 刘汉武.基于出行特征的增程式电动汽车智能能量管理策略研究D.长春:吉林大学,2 0 2 2.1 3 T ANG W B,WANG Y Q,J I AO X H,e t a l.H i e r a r c h i c a l e n e r g y m a n a g e m e n t s t r a t e g y b a s e d o n a d a p t i v e d y n a m i c p r o-g r a mm i n g f o r h y b r i d e l e c t r i c v e h i c l e s i n c a r-f o l l o w i n g s c e n a r i o sJ.E n e r g y,2 0 2 3,2 6 5:1 2 6 2 6 4.1 4 田丽媛,柳敬伟,孙光达,等.基于动态规划算法的纯电动汽车能量管理研究J.车辆与动力技术,2 0 2 2(4):2 73 2.1 5 可尚基,钱晓东.基于AV L C R U I S E的客车经济性仿真分析及验证J.客车技术与研究,2 0 2 1,4 3(2):3 2 3 4.1 6 罗雄,刘易斯.汽车道路滑行阻力的研究J.汽车科技,2 0 1 9(6):1 9 2 2.1 7 席利贺,张欣,耿聪,等.基于动态规划算法的增程式电动汽车能量管理策略优化J.交通运输工程学报,2 0 1 8,1 8(3):1 4 8 1 5 6.1 8 丁帅.基于随机动态规划的纯电动汽车能量管理控制策略研究D.长沙:湖南大学,2 0 2 0.1 9 任崇岭,刘慧军.基于动态规划插电式并联混合动力汽车能量管理控制策略的研究J.合肥工业大学学报(自然科学版),2 0 2 1,4 4(9):1 1 5 7 1 1 6 4.2 0 刘汉武,雷雨龙,阴晓峰,等.增程式电动汽车增程器多点控制策略优化J.吉林大学学报(工学版),2 0 2 2,5 2(8):1 7 4 1 1 7 5 0.科技论文中的关键词 关键词是科技论文的文献检索标识,是表达文献主题概念的自然语言词汇。科技论文的关键词是从其题名、层次标题和正文中选出,能反映论文主题概念的词或词组。G B 7 7 1 38 7规定:每篇报告、论文应选取38个词作为关键词,以显著的字符另起一行,排在摘要的下方。如有可能,尽量用 汉语主题词表 等词表中提供的规范词。76青 岛 大 学 学 报(工 程 技 术 版)第 3 8 卷S t u d y o n E n e r g y M a n a g e m e n t o f E x t e n d e d R a n g e V e h i c l e B a s e d o n D y n a m i c P r o g r a mm i n g A l g o r i t h mL U L a i w e i 1,Z HAO H o n g1,L I U X i a o t o n g1,Q I U J u n z h e n g2,L UO Y o n g1(1.C o l l e g e o f M e c h a n i c a l a n d E l e c t r i c a l E n g i n e e r i n g,Q i n g d a o U n i v e r s i t y,Q i n g d a o 2 6 6 0 7 1,C h i n a;2.S h a n d o n g H e a v y I n d u s t r y C o n s t r u c t i o n M a c h i n e r y C o.L T D,L i n y i 2 7 6 0 2 4,C h i n a)A b s t r a c t:T h i s a r t i c l e u s e s s p o r t u t i l i t y v e h i c l e s(S UV s)a s a n e x a m p l e t o a d d r e s s t h e e c o n o m i c i s s u e s o f e x t e n d e d-r a n g e e l e c t r i c v e h i c l e s.D y n a m i c p r o g r a mm i n g a l g o r i t h m i s a d o p t e d t o o p t i m i z e t h e e n e r g y m a n-a g e m e n t c o n t r o l s t r a t e g y o f e x t e n d e d-r a n g e e l e c t r i c v e h i c l e s.T h e a r t i c l e p r e s e n t s t h e s t r u c t u r e a n d m a i n p a r a m e t e r s o f e x t e n d e d-r a n g e e l e c t r i c v e h i c l e s a n d b u i l d s a c r i t i c a l c o m p o n e n t m o d e l o f e x t e n d e d-r a n g e e-l e c t r i c v e h i c l e s b a s e d o n t h e AV L/C r u i s e m o d e l.B a s e d o n t h e d y n a m i c p r o g r a mm i n g m o d e l a n d t h e b a s i c t h e o r y o f d y n a m i c p r o g r a mm i n g,t h e a r t i c l e p r o p o s e s a g l o b a l d y n a m i c p r o g r a mm i n g c o n t r o l s t r a t e g y s o l u-t i o n f o r e x t e n d e d-r a n g e e l e c t r i c v e h i c l e s.T h e I n t e r f a c e m o d u l e i n AV L C r u i s e i s u s e d i n c o n j u n c t i o n w i t h M a t l a b/S i m u l i n k f o r j o i n t s i m u l a t i o n.T h e s i m u l a t i o n r e s u l t s s h o w t h a t u n d e r t h e t w o c o n t r o l s t r a t e g i e s o f p o w e r t r a c k i n g a n d d y n a m i c p r o g r a mm i n g,t h e f u e l c o n s u m p t i o n o f p o w e r t r a c k i n g i s 0.5 6 k g,w h i l e t h e f u e l c o n s u m p t i o n o f d y n a m i c p r o g r a mm i n g c o n t r o l s t r a t e g y i s 0.5 3 k g.C o m p a r e d w i t h t h e p o w e r t r a c k i n g c o n t r o l s t r a t e g y,t h e f u e l c o n s u m p t i o n i s r e d u c e d b y a b o u t 5.6%,i n d