插电式混合动力汽车能量管理策略(energy management strategy,EMS)是车辆具有良好性能的基础^[1]。其核心问题是确定动力总成在各种行驶工况下的工作模式，以及每种工作模式下发动机和电机之间的功率分配问题。能量管理策略作为插电式混合动力汽车的核心技术之一^[2]，国内外学者对其进行了较为广泛和深入的研究，其研究范围从基于规则的静态优化^[3]发展到基于某种优化控制理论的局部^[4-5]或全局优化^[6]；从针对特定工况的优化^[7-8]发展到对实际行驶工况进行辨识和预测以对控制策略的控制参数进行在线调节和动态优化^[9-10]；从以稳态工况下的燃油经济性为单目标优化^[11]发展到以燃油经济性和排放为多目标优化^[12]。上述能量管理策略的研究取得了良好的节能减排效果，但插电式混合动力汽车能量管理策略仍具有进一步提升性能的潜力。因此，有必要对现有插电式混合动力汽车能量管理策略进行归纳和分析，提炼出插电式混合动力汽车能量管理策略的未来发展方向，为今后的研究工作提供参考。

1 基于规则的能量管理策略

基于规则的能量管理策略是研究最早，也是目前广泛应用于实际车辆控制的能量管理策略，其主要分为静态逻辑门限能量管理策略和基于模糊规则能量管理策略。

1.1 静态逻辑门限能量管理策略

静态逻辑门限能量管理策略主要是以关键零部件的稳态效率Map图为依据，然后根据车辆当前的电池SOC值、车速、驱动系统需求转矩等运行参数确定系统的工作模式，同时协调发动机、电机、动力电池等部件之间的能量流动，以充分利用电网电能。Banvait^[3]等以电池SOC为模式切换参数将车辆的运行分为电量消耗模式(charging of depleting,CD)和电量维持模式(charging of sustaing,CS)，且在CD模式以电机作为主要动力源，当需求扭矩超过电机的最大扭矩时，起动发动机。而在CS模式，发动机作为主要动力源，电机进行辅助。Fajri等^[13]以电池SOC为模式切换参数将车辆运行分为纯电动模式(EV)和电量维持模式(CS)，该策略要求在电池SOC较高时，电机单独驱动整车行驶，因此需要电机的额定功率较大。Zhang等^[14]同样以电池SOC为模式切换参数将车辆运行分为CD模式和CS模式，但针对CD模式，采用了基于规则的电动辅助控制策略，并通过解析法获取了各参数值；针对CS模式，采用了类似于传统混合动力汽车的逻辑门限控制策略，并采用非占优排序多目标遗传算法对CS模式的控制策略参数进行了优化。周能辉等^[15]则以加速踏板开度为模式切换参数将车辆的运行分为多个阶段，并根据整车不同电量状态和功率需求来调整模式切换参数。

1.2 基于模糊规则能量管理策略

基于模糊规则能量管理策略与静态逻辑门限能量管理策略不同的是：基于模糊规则能量管理策略不是基于固定单一的数值，而是先将由数字代表的明确系统经过隶属度函数模糊化成满足度指标，然后通过一系列模糊规则或者专家知识库的推理和聚集计算出系统输出。Li等^[16-17]等针对并联式插电混合动力汽车，提出了基于模糊逻辑的能量管理策略，模糊控制器的输入为扭矩差值(即需求扭矩与发动机最优扭矩差值)、电池SOC和电机转速，输出为发动机输出扭矩。Li等^[18]针对串联式插电混合动力汽车，且为避免因电池SOC预估不精确导致电池过放电现象，提出了基于多个模糊逻辑控制器的能量管理策略，该策略设计了3个模糊逻辑控制器，第1个模糊逻辑控制器根据电池SOC和电池端电压确定电池工作状态BWS(battery working state)，第2个模糊逻辑控制器根据电池工作状态BWS和车辆需求功率确定发动机的目标输出功率，第3个模糊逻辑控制器用于发动机与发动机组的内部控制。徐小东等^[19]借助GPS(global position system)，把行驶里程作为输入条件，提出基于转矩分配的模糊控制策略，该模糊控制策略的输入为电池SOC、需求扭矩和行驶里程，输出为电机转矩分配系数。

静态逻辑门限能量管理策略与基于模糊规则能量管理策略的优点都是算法简单、计算量小、实时性强，且不依赖特定的循环工况，缺点都是规则的制定完全依赖设计者经验，所以无法最大化地挖掘插电式混合动力汽车的节油潜力。

2 瞬时优化能量管理策略

瞬时优化能量管理策略是以瞬时优化目标最小或最大进行优化，获取每个时刻发动机和电动机的转矩分配关系。瞬时优化目标通常包括等效燃油消耗和Hamilton函数值。因此根据瞬时优化目标的不同，瞬时优化能量管理策略可分为等效燃油消耗最小控制策略和基于极小值原理控制策略。

2.1 基于等效燃油消耗最小能量管理策略

等效燃油消耗最小控制策略(equivalent consumption minimization Strategy，ECMS)是瞬时优化能量管理策略的代表，其实质是通过实时计算发动机和电机在不同扭矩分配组合下的整车各项性能来综合确定最佳的工作模式和最佳的扭矩分配策略。Tulpule等^[4-5]和Mahyar等^[7-8]针对已知行驶工况，以不同的优化目标研究了基于等效燃油消耗最小的插电式混合动力汽车能量管理策略，其中前者是以瞬时发动机实际燃油消耗与电池的等效燃油消耗之和为优化目标，以电池SOC为状态变量，优化发动机和电机的输出扭矩。后者是以总能源成本最低为优化目标，其主要是将发动机油耗和电池电量消耗通过油价和电价转化为整车的能源消耗成本，并将等效系数定义为用于均衡车辆在行驶旅途中电能供给与需求的参数。

上述基于等效燃油消耗最小控制策略的研究都是基于特定的行驶工况进行的，而实际上目标函数中的等效油耗部分强烈依赖于行驶工况特性，因此有些学者采用自适应的方法对等效燃油系数进行在线调整，使等效燃油消耗最小控制策略应用于不同的行驶工况。例如：He等^[9]把自适应的方法与等效燃油消耗最小控制策略相结合，提出了基于工况识别的自适应等效燃油消耗最小控制策略(Adaptive-ECMS)，以扩展算法对不同工况的适应性；Geng等^[20-21]将等效系数定义为能量比，且通过遥感技术获取车辆的位置和通过传感器技术获取电池的SOC，在此基础上实时更新能量比，从而实时调整发动机和电机的扭矩，以达到节省燃油的目的；Khayyer等^[10]通过智能交通系统获取行驶距离和按60秒的周期预估车速，并将这些工况信息用于等效系数的调整，从而获得了自适应等效燃油消耗最小控制策略；Larsson等^[22]提出了基于GPS技术的自适应等效燃油消耗最小控制策略，其将GPS获取的行驶路况数据融合至等效燃油消耗最小的优化控制策略中，实时调整控制参数，将电池电量均匀使用至整个行驶工况，减少发动机对电池的充电过程。

2.2 基于极小值原理能量管理控制策略

基于极小值原理控制策略的Hamilton函数是关于控制变量的函数，该策略通过求取每个时刻Hamilton函数的最小值来获取最优控制变量，因此,可将基于极小值原理控制策略看成是以Hamilton函数为瞬时优化目标的瞬时优化能量管理策略。

Sharma等^[23]和Kim等^[24-25]针对已知的行驶工况，研究了基于极小值原理的能量管理策略并对拉格朗日因子和边界约束等问题进行了探讨。Chen等^[26]等同样针对已知行驶工况，提出了基于极小值原理和模拟退火算法的混联式插电混合动力汽车能量管理策略，该策略以发动机油耗为目标函数，电池电流为控制变量，模拟退火算法用于优化发动机开关功率和最大电流系数这两个控制策略参数。上述基于极小值原理的控制策略都是以燃油消耗为目标函数，Stockar^[27-29]等则提出了以总的二氧化碳排放为目标函数的极小值原理的控制策略，其首先将发动机油耗和电池电能的消耗通过能源二氧化碳转换系数转换成二氧化碳排放量，然后采用极小值原理以总的二氧化碳排放最少为目标进行求解，获得优化的电池功率；同时分析了循环工况和发电能源结构对控制策略的影响。

以上基于已知行驶工况开发的控制策略难以应用于实际工况。为此，Tribiolia等^[30]在不同的行驶工况下采用极小值原理控制策略进行优化，并采用回归分析方法对优化结果进行分析，从优化结果中提取能用于实时工况的规则，并将这些规则应用于整车的能量管理。Onori等^[31]提出了不依赖行驶工况的自适应极小值原理控制策略，其首先通过GPS技术预知行驶工况的平均车速和行驶里程参数，然后通过平均车速和行驶里程查表获得拉格朗日因子的初始值和通过行驶里程获取电池SOC参考值，最后根据实际电池SOC对电池SOC参考值跟踪情况以及有无坡道情况，实时更新拉格朗日因子。

与动态规划等全局优化算法相比，基于极小值原理控制策略和等效燃油消耗最小控制策略都具有计算量小，计算速度快，所需存储空间小等优点，且这两种控制策略的结果接近全局最优，因此这两种控制策略是近年来研究的热点。

3 全局优化能量管理策略

全局优化能量管理策略是针对某个已知的行驶循环工况，应用最优化方法和最优控制理论，动态分配动力源的能量，以使整车性能达到最优。目前研究较多的插电式混合动力汽车全局优化能量管理策略是基于动态规划算法的能量管理策略。

张博等^[6]等针对NEDC行驶工况，采用动态规划算法进行求解，获取了插电式混合动力汽车在不同行驶里程下的全局优化计算结果，然后通过统计分析和多元非线性回归的方法对计算结果进行分析，提取了动力总成工作模式切换规则和各种模式下能量分配规则。为使动态规划算法能应用于未知行驶工况，Yu等^[32]、Gong等^[33-34]和舒红等^[35]将模型预测控制应用到基于动态规划算法的能量管理策略当中。Yu等首先通过预测模型预知行驶工况，然后在可预知的行驶里程内采用动态规划算法获得在整个预知工况下的电池SOC参考值，之后采用反馈控制调整实际电池SOC，使其跟踪电池SOC参考值。Gong等利用智能交通系统、全球定位系统(GPS：global positioning systems)、地理信息系统(GIS：geographical information systems)和路边传感器获取行驶路径、车辆位置、实时和历史交通流、行驶里程、坡道、限速等路况信息，并根据这些路况信息和车辆行驶工况模型预测行驶工况，然后采用双阶动态规划算法(two-scale dynamic programming)把行驶里程分割为一系列子片段，在每个子片段中在线应用动态规划算法，以获得分段的优化结果。舒红等将动态规划应用于模型预测控制中，建立了基于空间域的并联式插电混合动力汽车燃油经济性预测控制模型，提出以理论电池SOC轨迹作为模型预测控制SOC的运行轨迹，并以未来行驶工况中出现的特殊工况为依据对理论SOC参考轨迹进行修正。

以上基于动态规划算法的控制策略都是以发动机油耗为单优化目标，Patil等^[36]等针对串联式混合动力汽车，研究了以整车使用成本和二氧化碳排放为多目标的动态规划算法控制策略。Moura等^[12]等首先建立了电池的电化学模型和马尔可夫链模型，然后提出了以整车使用成本和电池寿命为多目标的随机动态规划算法控制策略，并分析了电池容量、行驶里程和能源价格比对控制策略的影响。

全局优化能量管理策略可以实现真正意义上的最优化，但全局优化算法需要预知车辆行驶的全部工况，且计算量大，在目前条件下无法将其用于实时控制系统。

4 插电式混合动力汽车能量管理策略亟待解决的问题

插电式混合动力汽车电池容量大，纯电动行驶里程增加，发动机参与工作减少，因此发动机冷却液温度和三元催化器温度易处于非适宜温度区间，从而导致发动机油耗和排放增加，而目前插电式混合动力汽车能量管理策略并未考虑发动机冷却液温度和三元催化器温度等温度因素对油耗和排放影响。

功率需求作为能量管理控制策略的输入，对控制策略有重要影响。整车的功率需求包括车辆的行驶功率需求和电动附件功率需求，其中驾驶室制冷/供暖功率需求为主要的电动附件功率需求。而目前的插电式混合动力汽车能量管理策略是以行驶功率需求作为输入，忽略了驾驶室制冷/供暖功率需求。

5 结 语

综合上述分析，笔者认为，下一步的研究工作可以在以下两个方面开展:

1) 研究计及发动机冷却液温度和三元催化器温度等温度因素的插电式混合动力汽车能量管理策略。

目前插电式混合动力汽车能量管理策略没有考虑发动机冷却液温度和三元催化器温度对发动机油耗和排放的影响，而发动机冷却液温度和三元催化器温度对油耗和排放具有直接影响，因此在建立发动机热模型和三元催化器模型的基础上，研究计及发动机冷却液温度和三元催化器温度等温度因素的能量管理策略，对于满足日趋严格的排放法规和油耗政策具有重要的现实意义。

2) 研究计及驾驶室制冷/供暖功率需求的插电式混合动力汽车能量管理策略。

驾驶室制冷/供暖功率对插电式混合动力汽车纯电动续驶里程和能量分配具有重要影响，插电式混合动力汽车的供暖系统一般是在原发动机冷却液废热供暖的基础上，增加了PTC(positive temperature coefficient，正的温度系数)加热器供暖，研究计及驾驶室供暖功率需求的插电式混合动力汽车能量管理策略对增加发动机冷却液废热供暖、减少驾驶室供暖对电池电能的消耗和提高整车的总效率具有重要意义。