基于遗传优化K均值聚类算法工况识别的混合动力汽车能量管理策略

来源：中国血液净化杂志2016年第4期北京时间：

作者：詹森, 秦大同, 曾育平

单位：重庆大学 机械传动国家重点实验室, 重庆 400044

摘要：针对目前基于工况识别的混合动力汽车能量管理策略中工况识别算法的局限性和缺点,应用K均值聚类算法进行工况识别,并结合等效燃油最小能量管理策略(ECMS)实现对整车的能量管理。具体方法为:选定4种典型城市循环工况,根据等效燃油最小能量管理策略,得到4种典型工况下不同等效燃油系数与油耗之间的关系,根据所得每种典型工况均有相应的最优等效燃油系数和最优需求功率分配方式的分析结果,对某随机行驶工况采用遗传优化后的K均值聚类算法进行识别,获得随机工况当前所属的工况类别,结合所属工况类别对发动机和电机的功率进行实时优化分配。仿真结果表明:所制定的能量策略同未采用工况识别的能量管理策略相比,车辆综合油耗下降了7.47%,电池荷电状态变化更加平稳,而且能更好地维持在电池效率较高的区域。

关键词：汽车工程,混合动力汽车,K均值聚类算法,工况识别,能量管理策略

基金资助：国家高技术研究发展计划(\"八六三\"计划)项目(2013BAG12B01);重庆市基础与前沿研究计划项目(cstc2013jcyjjq60002)