[论文解读] Sequential Optimization of Speed, Thermal Load, and Power Split in Connected HEVs

Mohammad Reza Amini, Xun Gong+4 more|arXiv (Cornell University)|Mar 20, 2019

Vehicle emissions and performance参考文献 9被引用 7

一句话总结

本文提出了一种面向联网混合动力汽车（HEVs）的顺序优化框架，协调速度轨迹规划、空调（A/C）热负荷控制（生态制冷）以及动力系统功率分配，以最小化能耗。通过利用预测性交通数据，该框架通过分阶段优化实现了18.8%的累计节能量：其中11.9%来自生态驾驶，14.2%来自生态制冷，18.8%来自基于已验证功率平衡模型的动态规划最优功率分配。

ABSTRACT

The emergence of connected and automated vehicles (CAVs) provides an unprecedented opportunity to capitalize on these technologies well beyond their original designed intents. While abundant evidence has been accumulated showing substantial fuel economy improvement benefits achieved through advanced powertrain control, the implications of the CAV operation on power and thermal management have not been fully investigated. In this paper, in order to explore the opportunities for the coordination between the onboard thermal management and the power split control, we present a sequential optimization solution for eco-driving speed trajectory planning, air conditioning (A/C) thermal load planning (eco-cooling), and powertrain control in hybrid electric CAVs to evaluate the individual as well as the collective energy savings through proactive usage of traffic data for vehicle speed prediction. Simulation results over a real-world driving cycle show that compared to a baseline non-CAV, 11.9%, 14.2%, and 18.8% energy savings can be accumulated sequentially through speed, thermal load, and power split optimizations, respectively.

研究动机与目标

• 研究联网与自动驾驶HEV中协调车辆速度、热管理与动力系统控制所带来的协同节能量。
• 探讨V2X支持的预测控制在牵引效率之外对热管理和动力系统管理中尚未被充分探索的作用。
• 开发并验证一种顺序优化框架，集成生态驾驶、生态制冷与最优功率分配，适用于实际城市驾驶场景。
• 量化每一项优化阶段对联网HEV整体能耗降低的独立与综合贡献。

提出的方法

• 采用基于冲击波的交通模型并结合V2I通信，预测车辆队列动态，生成用于生态驾驶的最优速度轨迹。
• 将面向控制的A/C热模型与分层模型预测控制器（H-MPC）集成，基于预测的速度剖面优化热负荷。
• 将优化后的牵引力与热负荷需求输入至简化的、经实验验证的HEV功率平衡模型，进行基于动态规划（DP）的功率分配优化。
• 该框架采用三个顺序阶段：(1) 速度轨迹优化，(2) 基于长时域MPC的A/C热负荷优化，(3) 利用DP确定最优功率分配。
• 使用美国安娜堡六路口路段的真实数据对第四代丰田普锐斯HEV进行验证。
• 整个框架通过CoolSim进行仿真，并与基准规则控制策略（非优化速度与热控制）进行对比验证。

实验结果

研究问题

• RQ1 在城市交通条件下，预测性速度轨迹规划在联网HEV中能多大程度上降低能耗？
• RQ2 基于车辆速度敏感性的A/C热负荷优化在HEV中对整体节能量的贡献如何？
• RQ3 在联网HEV中，集成速度、热负荷与功率分配的顺序优化能带来多大的增量节能量？
• RQ4 与单独优化各部件相比，热系统与动力系统协同优化的效果如何？
• RQ5 各优化阶段——速度、制冷与功率分配——对总能耗降低的相对贡献分别是什么？

主要发现

• 与非联网HEV基准相比，车辆速度轨迹的顺序优化可实现平均11.9%的节能量。
• 生态制冷（即基于速度敏感性的A/C热负荷优化）的引入使总节能量提升至14.2%。
• 基于已验证功率平衡模型的动态规划最终功率分配优化，实现了累计18.8%的节能量。
• 优化方案显示，在停车期间电池充电量增加，且发动机运行在更稳定的最优转速区间，从而降低燃油消耗。
• 尽管平均车厢温度仅从26.2 °C略微上升至26.4 °C，但由于热负荷控制优化，A/C功耗降低了2.4%。
• 该框架表明，速度、热负荷与动力系统运行的协同控制可带来显著高于单独优化任一组件的节能量。