[发明专利]一种应用于增程式冷储车的供电管理方法

权利要求书

1.一种应用于增程式冷储车的供电管理方法，其特征在于，包括以下步骤：

步骤S100：基于增程式冷储车的起始出发地和最终目的地确定实际规划行驶路径；

步骤S200：沿实际规划行驶路径行驶，并基于增程器当前所能提供能量以及冷储车自身所带电量，实时调整冷储车控制逻辑，以确保冷储车在保证冷储效果的前提下以最快最节能的方式到达目的地；

步骤S200包括：

步骤S210：实时基于当前电池SOC值、驱动电机的需求功率、以及压缩机的需求功率这三个影响车辆需求功率的影响因素,构建电池SOC值关于需求功率的计算函数、驱动电机需求功率的相关计算函数、压缩机需求功率的相关计算函数，并通过粒子群算法基于以上相关计算函数确定车辆的总需求功率；

步骤S220：基于车辆的总需求功率已知的前提下规划增程器的工作状态和压缩机的模式切换，以保证压缩机对增程式冷储车内部的食物有效制冷维温的前提下减少能源损耗；

步骤S210包括：

步骤S211：检测当前电池SOC值，同时建立电池SOC值和电池需求功率之间的关系式，关于电池SOC值和电池需求功率的关联函数：当SOC低于SOC₀时，电池采用恒流充电模式，充电电流目标值I_charge=0.6C，C为电池容量，所以电池目标充电功率为：P_B1=U₀I_charge/η_charge，式中：P_B1为电池需求功率；U₀为系统直流母线电压；η_charge为充电效率；当SOC值不低于SOC₀，电池电量保持下降趋势，电池需求功率P_B1=0；

构建驱动电机的需求功率的关联函数，驱动电机的需求功率为P_B2，在无爬坡工况的情况下，由公式P_B2=F*V得到，F为牵引力，V为行车速度，在有爬坡工况的情况下，P_B2=mgvsinθ/η，定义车及车上负载总质量为m，重力加速度g，上坡速度v，坡面与水平方向夹角θ，机械效率为η；

构建压缩机的需求功率的关联函数，压缩机由一定温度降低至特定的温度所需制冷量为：Q=cm(t₂-t₁),式中，Q为所需制冷量，c代表比热容，m为空气质量，t₂代表末温度，t₁代表初始温度，P_B3=Q/T，T为压缩机将室内温度调节至t₂的所需时间，P_B3为压缩机的需求功率；在需要压缩机保持一定温度的时候，构建维持对应温度所需功率的第一数据库，通过t₂在第一数据库查询出对应温度所匹配的所需功率；

步骤S212：随机初始化粒子群，其中粒子群的每个粒子包括三维度位置矢量和三维度速度矢量，第一维度位置矢量为电池SOC值，第一维度速度矢量为电池SOC值的改变量；第二维度位置矢量为压缩机的需求功率，第二维度速度矢量为压缩机需求功率的变化量；第三维度位置矢量为驱动电机的功率，第三维度速度矢量为驱动电机功率的变化量，所述电池SOC值、压缩机的需求功率、驱动电机的功率均为车辆的需求功率的影响因素；

步骤S213：将各个目标函数确定为粒子的各个维度的适应度函数；

进行粒子群的迭代过程，包括(1)至(3)：

(1)：根据所述粒子的各个维度的适应度函数计算当前粒子群中各个粒子的每个维度的当前适应度，根据各个粒子的每个维度的当前适应度确定各个粒子的每个维度的当前个体极值和粒子群的各个维度的当前全局最优值；

(2)：分别根据各个粒子的每个维度的当前个体极值和粒子群的各个维度的当前全局最优值，更新各个粒子的每个维度的速度矢量；分别根据各个粒子的每个维度更新后的速度矢量，更新各个粒子的每个维度的位置矢量；

(3)：判断本次迭代是否达到迭代终止条件，若达到，输出粒子群的各个维度的全局最优值，停止迭代过程；若未达到，返回执行(1)；

将粒子群的各个维度的全局最优值作为各个优化车辆需求功率的估算用关键参数的目标值；

步骤S214：以粒子群的各个维度的全局最优值之和作为车辆实际需求功率；

步骤S215：基于车辆需求功率规划增程器的工作状态和压缩机的模式切换，以保证压缩机对增程式冷储车内部的食物有效制冷维温的前提下减少能源损耗。