熊演峰; 余强; 闫晟煜; 王恒凯 【期刊名称】《《汽车技术》》 【年(卷),期】2019(000)012 【总页数】6页(P23-28)
【关键词】插电式混合动力汽车; 工况特征参数; WLTC工况; 影响因子 【作 者】熊演峰; 余强; 闫晟煜; 王恒凯
【作者单位】长安大学 西安 710064; 中国第一汽车股份有限公司智能网联开发院 长春 130011 【正文语种】中 文 【中图分类】U469.72 1 前言
汽车行驶工况可由某类型车辆在特定区域的车速-时间历程表征[1]，获取和分析工况特征对控制策略优化有重要意义。插电式混合动力汽车（Plug-in Hybrid Electric Vehicle，PHEV）因具有发动机、电机2种动力源和油箱、电池2个能量源，并可外接充电，所以行驶工况对其能耗影响更为突出[2-4]。
表征工况特征的参数较多，研究不同参数对能耗的影响，有助于制定整车能量管理控制策略。Dembski N等[5]基于城市道路循环工况（Urban Dynamometer Driving Schedule，UDDS），结合正交试验和多目标遗传算法，证明了电机额定
功率、充电扭矩和发动机关闭扭矩对油耗和排放影响显著；Brady J 等[6]运用ADVISOR仿真软件，得出影响混合动力汽车（Hybrid Electric Vehicle，HEV）油耗的主要参数依次为发动机关闭扭矩、最小工作扭矩、SOC 工作区间；周云山等[7]采用同轴并联混合动力客车的Cruise模型进行仿真，结果表明油耗与SOC区间强相关；李礼夫等[8]认为车速和加速度等工况参数对纯电动汽车电耗和续驶里程影响较大；陈雪平等[9]采用Modelica 模型库分析了车速与加/减速度对能耗的影响；王钦普等[10]提出发动机与电机瞬态扭矩响应能力的不同影响PHEV整车动力性、经济性与排放性能；高建平等[11]针对实际行驶工况开发的控制策略可有效降低油耗；杨林等[12]提出车速及其变化剧烈与频繁程度是影响电耗的主要因素；聂彦鑫等[13]提出PHEV整车低速工况采用纯电模式、高速工况采用混合动力模式可降低油耗；秦大同等[14]针对工况和里程提出PHEV变参数能量管理策略；Wu 等[15]采用贝尔曼原理和粒子群优化算法对PHEV整车能量管理策略进行全局优化，证明行驶工况和里程对能耗影响较大。综上，现有文献主要研究某个具体工况特征参数对整车能耗的影响，未对工况参数进行系统梳理，对不同工况参数与能耗的影响贡献度关系研究较少。
本文采用主成分分析法研究各类工况特征参数对工况的表征程度，在世界轻型汽车测试循环（Worldwide Light-duty Test Cycle，WLTC）基础上重构测试工况，基于AVL-Cruise 软件开展性能仿真，依托某PHEV 车型开展不同类型参数的单因子正交试验，分析各因子能耗灵敏度，选取典型特征参数研究其对能耗的影响，以期为能量管理策略开发提供理论依据。 2 理论分析 2.1 测试工况分析
我国采用的乘用车测试工况主要有新欧洲驾驶循环（New European Driving Cycle，NEDC）和WLTC，其中NEDC 属于模态工况，而WLTC 属于瞬态工况，
更贴近实际，测试和评价可信度更高，如图1所示[16-17]。 图1 WLTC、NEDC工况对比
WLTC包含低速、中速、高速和超高速段，其主要特征参数如表1 所示，其中平均速度由运行距离、运行时间决定，平均行驶速度由运行距离和除怠速外的运行时间决定。
表1 WLTC工况特征参数 2.2 参数影响因子分析
行驶工况参数可表征拟合工况对实际工况的代表性，参数越多，近似程度越高，但会增加运算量。同时，各参数之间存在相关性[18]，为识别各工况参数的影响因子，引入多元分析法中的主成分分析法[19]。
主成分分析法是指通过构造原变量（即工况参数）的一系列线性组合，使各线性组合在相互独立的前提下，以较少的变量数量尽可能多地反映原变量信息。具体流程为：
a.原始数据处理，由表1可得到原始数据Xij，标准化后构建标准矩阵Xik：
式中，n为样本数。 b.求解相关系数矩阵Rpp：
式中，P为新变量个数，Xki、Xkj为标准矩阵中的元素。
c.矩阵Rpp非负特征值及对应特征向量可用雅克比迭代法求解；工程中常采用SPSS 软件开展主成分分析，得到主成分方差和方差贡献率，如表2所示。 d.选取矩阵Rpp的P个主成分，P的取值取决于保留的方差贡献率之和是否满足期望，按照表2绘制碎石图如图2所示，前4个主成分能够概括工况的绝大部分信息。
表2 WLTC工况特征参数主成分信息 图2 碎石图
3 整车仿真模型搭建与模式划分 3.1 仿真模型搭建
本文研究的PHEV采用P2构型，如图3所示。整车整备质量为1 400 kg，满载质量为1 775 kg，搭载1 L 汽油发动机、5 挡机械式自动变速器（Automated Mechanical Transmission，AMT），主减速比为3.94，电机峰值扭矩为140 N·m，峰值功率为20 kW，动力电池容量为35 A·h，标称电压300 V。 图3 某插电式混合动力汽车同轴并联构型
在AVL-Cruise中搭建整车动力学仿真模型，如图4所示。 3.2 整车模式划分
PHEV较HEV的电池电量大，可外接充电。处于电量消耗模式（Charge Depleting，CD）时，整车纯电驱动；SOC 下降到电池放电下限时，整车处于电量保持模式（Charge Sustaining，CS），策略与HEV 类似，模式划分如表3所示。
图4 整车动力学仿真模型 表3 整车模式划分
模式识别模块根据油门踏板或制动踏板开度、车速等信号识别当前状态，将整车划分成相应主模式和子模式，驱动主模式划分如图5 所示。行车发电模式下，为实现较好的经济性，令发动机工作于经济区下限，多余功率对电池充电。 图5 驱动主模式划分 4 工况特征参数影响因子分析 4.1 整车性能仿真
WLTC中超高速段、高速段、中速段、低速段分别对应高速、市郊、干路和支路
工况，考虑到单个循环时间过短，通过多个相同工况叠加的方式构建17个高速工况、12 个市郊工况、13 个干路工况、10 个支路工况和3 个WLTC工况。 仿真条件：电池初始SOC 为60%，放电下限为35%，CS 模式SOC 区间为35%～40%，纯电行驶最高车速为70 km/h。仿真结果如表4 所示，其中1 L 汽油按2.19 kW·h电量折合[20]，ΔSOC为仿真前、后SOC变化值。 表4 不同循环工况能耗 4.2 特征参数灵敏度分析
由表4 可知，燃油消耗量、折合燃油消耗量总体上与车速正相关，整车在低速工况下倾向于纯电驱动以应对加、减速工况，中高速工况下倾向于起动发动机以满足整车大功率需求。车速对模式切换影响最大，因此控制策略常以车速作为模式切换条件，车速越高，发动机参与驱动的时间和油耗响应的灵敏度相应增加。 不同工况下SOC随时间的变化情况如图6所示：干路工况SOC 下降最快，第2 800 s 附近进入CS 模式，在37%处波动；支路工况行驶距离较短，整车处于CD 模式，行程终了时SOC 达到放电下限附近；市郊工况车速较高，SOC下降较慢，行程结束时电量未充分利用；高速工况整车进入行车充电模式，行程结束时SOC上升导致油耗较高。
图6 不同工况SOC随时间变化曲线
结合表4和图6可知：电耗量与平均车速成反比，车速提高后，发动机参与驱动时间较长，同时为电池充电时间增加，电机驱动整车时间减少，电耗量相应减少。干路工况ΔSOC 最大，但燃油消耗量并非最低，主要原因是整车在第2 800 s后进入CS模式。
考虑到行驶中不能外接充电，电量增加源自发动机充电和制动能量回收，因此行程终了时SOC能否下降至放电下限对PHEV燃油消耗量影响较大，而整车用电或用油倾向又与车速强相关，因此车速可通过ΔSOC间接影响油耗。
加速度可表征驾驶员驾驶意图，如图7所示。前期为满足整车加速功率和动力电池充电功率需求，燃油消耗量上升，中期动力电池参与驱动，燃油消耗量降低，后期因电池容量有限，能耗随加速度增大而持续上升；平均减速度绝对值与燃油消耗量关系类似。由平均加速度、平均减速度绝对值与燃油消耗量响应曲线的非单调关系可知，加速度与燃油消耗量响应关系不敏感，另外加速度也受速度间接影响。 图7 加速度-能耗响应曲线
行停比指行车时间与怠速时间的比值，属于比例类参数，以行停比为例，开展比例类参数与能耗响应关系分析，结果如图8 所示。由图8 可知：当行停比小于9时，燃油消耗量增加较快；当行停比大于14 时，燃油消耗量增加相对平缓，主要因为前期怠速时间较长，整车倾向于纯电驱动且电量消耗不大，燃油消耗量也较低；当行停比介于9～14时，怠速时间变短，虽然纯电驱动但电耗急剧增加，油耗也相应增加；当行停比大于14，整车进入高速或城郊工况，怠速时间迅速减少，随着车速快速提高，进入行车发电模式，电量减少较少甚至增加，但燃油消耗量持续增加。因行停比与车速和油耗相耦合且强相关，但与电耗量成非线性关系，弱相关，因此灵敏度低于车速类参数。 图8 行停比-能耗响应曲线
综上，因低速工况在电量允许的前提下倾向于纯电驱动模式，高速工况倾向于混合动力模式，所以模式识别模块和扭矩分配模块通常选取车速类参数作为发动机起动门限阈值，从而影响燃油消耗量与电耗量；加速度可间接表征车速，其对燃油消耗量的贡献度受电池电量影响，因此相对弱相关；比例类特征参数与能耗的相关性取决于与车速类参数的耦合程度及电池电量的影响，因此也成弱相关。 4.3 车速类特征参数灵敏度分析
选取纯电驱动最高车速、纯电模式SOC 下限值、行车充电扭矩系数等车速类参数进行单因子正交试验，开展能耗灵敏度分析。
纯电驱动最高车速是模式识别模块中发动机是否起动的重要门限阈值，设置其他初始条件一致，仅纯电驱动最高车速不同，仿真结果如表5所示。 表5 不同纯电驱动最高车速的相应能耗
由表5 可知：随纯电动最高车速提高，燃油消耗量和折合燃油消耗量先下降后上升，在60～80 km/h 范围内最小；电耗量随车速增加而持续增加。 不同纯电驱动最高车速下SOC 随时间的变化情况如图9所示。 图9 不同纯电动最高车速下SOC随时间变化曲线
当纯电驱动最高车速设为20 km/h 时，SOC 基本持平并略有上升，整车处于CS或行车充电模式；随着纯电驱动最高车速增加，电池SOC 下降斜率变大；纯电驱动最高车速设为60 km/h时，行程终了SOC降至放电下限；纯电驱动最高车速设为80 km/h 和100 km/h 时，整车分别在第3 000 s、第2 800 s处进入CS模式，因此纯电驱动模式最高车速阈值与发动机是否进入低效发电区强相关，进而影响ΔSOC。
纯电驱动模式SOC 下限值是CD/CS 模式切换的重要阈值，其他初始条件一致，仅纯电驱动模式最小SOC下限值不同，仿真结果如表6所示。 表6 不同纯电驱动模式SOC下限的相应能耗
由表6 可知：随纯电驱动模式SOC 下限值增大，燃油消耗量和折合燃油消耗量持续增加。不同纯电驱动SOC下限值时SOC随时间的变化情况如图10所示。 图10 不同纯电动SOC放电下限对应SOC随时间变化曲线
由图10可知，当行程结束时，SOC通常下降至允许放电下限。PHEV 具备外接充电功能，为充分利用电量，控制策略应将其设在电池允许放电下限值附近以降低燃油消耗量。
行车充电模式指利用发动机剩余功率为电池充电，以提高发动机负荷，行车充电扭矩系数是行车发电模式下电机扭矩需求的函数，与SOC相关，可查表获取。
其他初始条件一致，不同行车充电扭矩系数Kchr下的仿真结果如表7所示。 表7 不同行车充电扭矩系数对应能耗
由表7可知：燃油消耗量随行车充电扭矩系数增大而增大，但折合燃油消耗量却在行车充电扭矩最大时获得最小值。不同行车充电扭矩系数下SOC 随时间的变化情况如图11所示。
由图11可知：当行车充电扭矩系数变大时，发动机发电扭矩越大，SOC下降越缓慢。对于同轴并联混合动力系统，车速与发动机转速强相关，进而影响发动机效率，低速工况进入行车充电模式会导致系统整体效率降低，因此应倾向高速工况时进入。 图11 不同行车充电扭矩系数下SOC随时间变化曲线 5 结束语
本文采用主成分分析法，通过碎石图证明了车速类工况特征参数相对加速度类、比例类更能表征工况，所以能耗影响因子最大。基于AVL-Cruise模型的仿真结果表明：车速类参数是模式切换与扭矩分配模块的重要阈值，间接影响电池电量使用区间，其能耗影响因子最大；加速度参数对能耗的影响由车速变化趋势和当前电池电量决定，相对弱相关；比例类参数的影响大小取决于与车速类参数耦合程度。 纯电驱动最高车速和纯电驱动模式SOC 下限值设定应与电量变化相结合，以保证充分利用电池电量，实现能耗最小；行车充电模式倾向高速工况进入，避免进入发动机低效区。 参考文献
【相关文献】
[1]马志雄,李孟良,张富兴,等.主成分分析法在车辆实际行驶工况开发中的应用[J].武汉理工大学学报(信息与管理工程版),2004,26(4):32-35.
[2]Shaper P,Leydier R,Rousseau A.Impact of Drive Cycle Aggressiveness and Speed on PHEVs Fuel Consumption Sensitivity[J].SAE Technical Papers 2007-01-0281,2007. [3]Morteza M,Fotouhi A.Driving Segment Simulation for Determination of the Most Effective Driving Features for HEV Intelligent Control[J].Vehicle System Dynamics,2012,50(2):300-320.
[4]Jeffrey G,Tony M.Energy Management Strategies for Plugin Hybrid Electric Vehicles[J].SAE Technical Papers 2007-01-0290,2007.
[5]Dembski N,Guezennec Y,Soliman A.Analysis and Experimental Refinement of Real-World Driving Cycles[J]//SAE Technical Papers,2002-01-0069,2002.
[6]Brady J,O’Mahony M.Development of a Driving Cycle to Evaluate the Energy Economy of Electric Vehicles in Urban Areas[J].Applied Energy,2016,177:165-178.
[7]周云山,贾杰锋.基于正交试验设计和多目标遗传算法的混合动力参数优化[J].汽车安全与节能学报,2014,5(4):324-330.
[8]李礼夫,韦毅,龚定旺,等.纯电动汽车动力电池续驶里程与行驶工况分析[J].机械设计与制造,2018,11(11):139-143.
[9]陈雪平,张海亮,钟再敏,等.插电式混合动力汽车能耗及其影响因素分析[J].同济大学学报（自然科学版）,2016,11(16):1749-1754.
[10]王钦普,游思雄,李亮,等.插电式混合动力汽车能量管理策略研究综述[J].机械工程学报,2017,8(16):1-19.
[11]高建平,任德轩,郗建国,等.基于实际工况的插电式混合动力汽车控制策略优化[J].河南科技大学学报（自然科学版）,2018,10(5):33-44.
[12]杨林,胡艳青,闫斌.基于行驶工况的插电式混合动力汽车电能消耗最优控制[J].汽车安全与节能学报,2017,8(1):87-96.
[13]聂彦鑫,康征,Duob M,等.插电式混合动力汽车工况能耗及排放特性研究[J].汽车技术,2013,10:8-13.
[14]秦大同,赵新庆,苏岭,等.插电式混合动力汽车变参数能量管理策略[J].中国公路学报,2015,2(28):112-118.
[15]Wu X L,Cao B G,Wen J P,et al.Particle Swarm Optimization for Plug-in Hybrid Electric Vehicle Control Strategy Parameter[C]// Proceeding of IEEE Vehicle Power and Propulsion Conference.New York:IEEE,2008:1-5.
[16]中华人民共和国环境保护部.轻型汽车污染物排放限值及测量方法（中国第六阶段）:GB 18352.6—2016[S].北京:中国环境出版社,2018.
[17]Joachim D,Dirk B,Michel D,et al.Recommendations for the New WLTP Cycle Based on an Analysis of Vehicle Emission Measurements on NEDC and CADC[J].Energy Policy 2012,(49):234-242.
[18]范金城,梅长林.数据分析[M].北京:科学出版社,2002.
[19]陆璇,叶俊.实用多元统计分析[M].北京:清华大学出版社,2001.
[20]中华人民共和国工业和信息化部.重型混合动力电动汽车能量消耗量试验方法:GB 19754—2015 [S].北京:中国标准出版社,2015.
因篇幅问题不能全部显示，请点此查看更多更全内容