استراتژي كنترل پيش بين براي مديريت توان در خودروي الكتريكي هيبريد موازي

Predictive control strategy for power management in parallel hybrid-electric vehicle

در اين مقاله از روش كنترل بهينه ي هيبريد مبتني بر مدل غيرخطي براي محاسبه ي تقسيم توان بهينه و مديريت توان در خودروي الكتريكي هيبريد موازي استفاده مي شود. در استراتژي مديريت توان براي توزيع بهينه ي توان بين موتور احتراق داخلي، سيستم الكتريكي و ديگر زيرسيستم ها از تيوري كنترل پيش بين مدل غيرخطي استفاده مي گردد. براي رسيدن به هدف از ساختار كنترل سلسله مراتبي استفاده مي شود. اين نوع ساختار كنترلي شامل سه سطح نظارتي، هماهنگ كننده و سطح محلي مي باشد. مدل غيرخطي و شاخص عملكرد موجود در مسيله ي مطرح شده، در سطح نظارتي اين كنترل كننده فرمول بندي مي گردند. وجود ديناميك گسسته ي مد عملكردي(موتوري-ژنراتوري) در خودروي الكتريكي هيبريد ما را ملزم به استفاده از يك مدل سوييچي دو حالته و بيان مسيله ي كنترل بهينه ي جايگزين براي تعريف شاخص عملكرد مي سازد. در شاخص عملكرد تعيين شده، جريمه ي خطاي ردگيري، مصرف سوخت، تلفات اصطكاك و جمله نگهدارنده ي حالت شارژ باتري لحاظ گرديده اند. بهينه سازي شاخص عملكرد توسط تيوري كنترل پيش بين مدل غيرخطي با استفاده از روش هاي عددي انجام مي شود.

In this paper, a hybrid model-based nonlinear optimal control method is used to compute the optimal power distribution and power management in parallel hybrid electric vehicles. In the power management strategy, for optimal power distribution between the internal combustion engine, electrical system and the other subsystems, nonlinear predictive control is applied. In achieving this goal, a hierarchical control structure is utilized. This type of control structure consists of three levels of monitoring, coordinating and local level. Nonlinear modeling and performance index in the proposed problem, shall be formulated at the regulatory level of the controller. Discrete dynamic mode of operation (motor-generator) in hybrid electric vehicle, requires us to use a dual-mode switch model and to define an alternative expression of performance index for the optimal control problem. In the performance index, tracking error penalty, fuel consumption, friction losses and the maintenance of the battery charge has been included. Optimization of performance index is performed by the theory of nonlinear model predictive control using numerical methods.