车路通信(V2I)环境下的电动汽车能耗最优控制
2017-03-17

随着世界对可持续发展的要求,越来越多的人力和物力资源投向电气化交通系统,致力于能够大大减少碳排放量,提升车辆运行效率及降低对汽油依赖度。各国中央/联邦及地方政府大力推动电动汽车的发展,在这种趋势下,不难看出在不久的将来电动汽车将在汽车行业中占据重要地位。因此,如何优化整个电动汽车交通系统的能耗成为未来面临的重大难题之一。

我们的研究初步探讨为攻克这一难题如何结合先进的车路通信(vehicle-to-infrastructure: V2I)技术来设计优化电动汽车能耗的驾驶控制模式。针对有信号控制的城市主干线,我们建立了优化分析模型。该模型将电动汽车的最优速度控制模型定义为多阶段优化控制问题。模型同时结合了V2I技术提供的交叉口信号灯状态及排队长度等实时信息,并利用多阶段控制的设计理念来增强模型的实时应用性。

模型建立的第一步是建立电动汽车的能耗模型。为了增强模型的实时计算能力,我们利用汽车动力学的基本原理搭建了简化的电动汽车的能耗模型。通过分析汽车牵引力和行驶阻力内在关系,并结合电流在能量转化过程中的耗损,进而推导出基于汽车实时速度、加速度和道路坡度的电动汽车瞬时功率预测模型。最后,对行程时间内的瞬时功率值进行累积即可得到总的行程能量消耗量。能耗模型首先在一台由Nissan皮卡改装的电动汽车进行了测试。为了采集电动汽车的实时使用数据和行程信息,我们先搭建了一套完整的数据采集系统。该系统由CAN总线数据记录仪、智能手机和数据库三部分组成,分别用于采集汽车实时数据、车辆轨迹提取和数据的传送及存储。数据采集系统总共采集了5个月的数据用于评价能耗模型。从图1中估测值与实际值的对比可以看出,我们的瞬时功率预测模型具有较高的精确度。图2的散点图进一步表明功率的估测值与实测值具有较高的一致性。同时,我们对41个完整行程的能量消耗进行了估算。图3的对比结果显示我们的能耗估测模型具有较强的准确性。测试中绝对平均误差的平均值约为15.6%

 

 

 

1 实测功率与估算功率的时序对比图

 

 

 

2 实测功率与估算功率的散点对比图

 

 

 

3 实测能耗与估算能耗对比图

 

我们进一步根据建立的电车能耗预测模型对电动汽车在信号控制城市道路上能耗优化驾驶控制进行建模。整个优化问题可被看作一个多阶段最优控制问题。该模型首先将每个信号控制交叉口及其路段的电车驾驶控制视为一个阶段,在对每一个阶段进行优化的同时实现整个路段的电车能耗最优。整个模型的目标函数是在考虑行驶状态、排队限制、旅行时间和边界条件的约束下最大限度地降低电动汽车行驶在多个交叉口组成的干线上消耗的能量。最后,为了提升模型的计算效率,我们进一步简化了模型以便更好的应用于实时控制。

该控制模型在6个交叉口组成的干线上(图4)进行了测试。在测试过程中,V2I技术用来提供包括信号配时和交叉口排队长度在内的实时交通信息。评价结果表明,按照模型推算的最优速度曲线(如图5所示)行驶,在不增加行程时间的条件下,整个旅行时间内的节能可高达47.7%(表1)。后续研究将会更多关注于整个路网内如何达到系统最优。

 

 

 

4 测试场地: 55号干线公路 (来源于谷歌地图)

 

 

 

5 最优速度曲线

 

1: 电动汽车性能对比

评价指标

自然状态

最优控制

近似模型

旅行时间 ()

236

236

236

能耗 (kWh)

0.58

0.3

0.302

百英里能耗

(kWh/100 mile)

28.31

14.8

14.85

节能百分比 (%)

--

47.7

47.5

 

吴新开,交通科学与工程学院,教授,青年千人,E-mail: xinkaiwu@buaa.edu.cn

 

 

参考文献

[1] Wu, X., He, X., Yu. G., Harmandayan, A, Wang, Y. (2015). Energy Optimal Speed Control for Plug-in Electric Vehicles on Signalized Arterials, IEEE TRANSACTIONS ON ITS, VOL. 16, NO. 5, OCTOBER 2015.

[2] Wu, X., Freese, D., Cabrera, A., Kitch, A. W. (2015). Electric Vehicles’ Energy Consumption Measurement and Estimation, Transportation Research–Part D, 34(2015), 52-67.