结合预测的优化能量管理策略是当前电动汽车混合动力单元节能研究的主流。精确的速度、坡度预测及具有自适应调节的在线能量管理策略，是提高电动汽车复合电源型动力单元节能、延寿的热点。其中，提高电容器参与程度、降低电池使用频率，是延长电池寿命衰减的关键。受电动车辆行驶工况的随机性和道路条件的复杂性，如何在不增加单车传感器成本的前提下实现高精度速度、坡度预测，并以此为依据进行自适应优化能量管理，对提高现有车辆的能量管理效果具有重要意义。

　　马彬副教授团队本年度在ENERGY上发表的论文题为：“Adaptive energy management strategy based on a model predictive control with real-time tuning weight for hybrid energy storage system”的研究论文，探索出了一条利用自车历史数据进行在线拟合和预测，通过优化控制策略参数的自适应调节，提高复合电源型动力单元的高效、延寿的技术路线。

　　文章链接

　　01：Adaptive energy management strategy based on a model predictive control with real-time tuning weight for hybrid energy storage system；

　　https://authors.elsevier.com/sd/article/S0360-5442(23)02522-7

　　文章亮点

　　01：

　　通过自车现有历史数据，实现车辆速度和道路坡度的在线预测。

　　02：

　　利用权重的在线自适应调节实现能量的主动优化，提高复合电源能量管理效率，延长电池的使用寿命。

　　03：

　　通过搭建硬件在环实验平台，验证了策略的有效性。

　　内容简介

　　提高电动汽车动力电池单元的能量管理效率和延长电池的使用寿命是当前电动车辆动力单元的两个关键问题。在能量管理过程中高效利用电容器，是一个有效的解决方案。本文针对复合电源系统提出ARIMA+MPC框架的预测型优化能量管理策略。

　　Figure.1. The framework of the proposed MPC-RTW combined with an AARIMA predictor

　　通过采集北京地区部分路段的车速和坡度信息，提出了具有自适应参数的ARIMA预测方法，提高了在线预测精度；经过验证，所提出预测方法能够利用车辆自身历史数据进行在线预测，解决了机器学习进行离线学习数据匮乏及随机适应性问题。

　　Figure.5. Variable parameters online derermination

　　Figure.6. Comparison of velocity prediction results between AARIMA and ARIMA

　　Figure.7. Comparison of road gradient prediction and RMSE results between AARIMA and ARIMA

　　在实现ARIMA高精度车速、坡度在线预测的基础上，构建实时功率需求。并以此为依据，进行复合电源动力单元的能量优化管理。使用MPC建立在线能量优化管理方法，引入权重自适应Fuzzy调节模型，实现了权重依据预测能量的自适应调节。在电动汽车行驶过程中，通过实时调节权重进行优化能量管理，提高了电容器的使用效率，降低了电池的充放电参与。最终，提高了电动车辆复合电源型动力单元的能量管理效率9.91%，延长了电池的使用寿命24.38%。

　　Figure.8. The predicted recoverable power, the fuzzy logical output of scale factor, real-time tuning weight, and tunning error of two weights in the whole cycle

　　Figure.9. Real-time tuning weight performance on power allocation adjustment and participation ratio

　　采用NI-RIO控制模块儿搭建复合电源能量管理验证平台。经过验证，所提出预测型能量管理框架在20%的运算负担下进行在线能量管理，符合车辆车载VCU运算要求。同时，最小精度保持在90%以上，满足车载控制需求。

　　Figure.12. verification platform with NI-RIO controller