可预测控制热管理控制策略分析

　　摘要: 电动汽车的电池高温和过充是影响电池安全的重要因素。电动汽车快充充电桩在高功率下工作时功率器件容易超温造成安全隐患，而现有冷却策略采用基于规则控制的强制风冷方式，散热风扇转速大且会产生较大的环境噪声。文中介绍基于数据驱动模型预测控制的优化热管理控制策略，采用数据驱动结合模型预测控制对冷却液泵、热泵、热交换器、风扇、空调系统等进行调控，优化热管理策略并降低风扇噪声，保障核心器件的热安全性及热管理系统部件的耐久性，提高整车用电安全，优化续航里程。

　　关键词: 汽车; 电动汽车; 模型预测控制; 智能热管理; 流程与策略; 控制算法

　　论文《可预测控制热管理控制策略分析》发表在《公路与汽运》，版权归《公路与汽运》所有。本文来自网络平台，仅供参考。

　　1 智能热管理系统架构

　　智能热管理系统以保证动力电池的安全应用为核心，通过对各子系统的实时监控、智能决策和精准执行实现整车高效、安全的热量管理，在此过程中动力电池始终工作于最佳温度范围，从而确保车辆的安全。其主要架构见图1。

　　智能热管理系统是在整车热管理相关硬件具有一定集成度及电动化的基础上，根据系统需求和实时监测数据，按照事先设计的逻辑规则和控制算法，对热管理系统内各组件进行有序、定时的启动、停止或调节其运行状态，其整体流程及框架见图2。

　　智能热管理大致分为远程和本地管理两部分，其中又可细分出多种功能。在本地管理方面，控制单元通过对各子系统温度的采集和分析，结合整车运行状态及动力电池荷电状态(State of Charge, SOC)，在整车安全应用的前提下，通过判断子系统的温度，对其采取制冷或加热措施。同时，系统通过预测算法对运行过程中可能存在的故障进行预警，如对某组件的寿命、运行状态的分析，以判断其在下一刻对热管理系统运行的影响。通过数据采集与应用，软件模型通过对历史数据与实时数据的对比分析，在不同工况下按照能量最优策略快速对热管理系统进行调整，提高相关子模块的散热效率和能源利用率。在远程管理方面，主要通过车载无线通信技术实现对车辆的实时热管理诊断、远程热管理系统运行等功能(见图3)。

　　1.2 整车状态与热管理

　　智能热管理系统根据车辆所处状态如临时停车、低速行驶、高速行驶、充电及特定需求等切换热管理策略。

　　1.2.1 停车状态热管理策略

　　当车辆处于临时停车或远程唤醒状态时，整车各系统的运行功率较低，但考虑到环境温度可能为严寒或炎热，热管理系统以维持动力电池温度处于适宜范围为重点，防止其过冷或过热，此时热管理系统以低功耗模式运行，以维持动力电池的基本温度为目标。

　　1.2.2 低速行驶状态

　　当车辆运行于拥堵的城市路况或以低速行驶状态行驶时，功率输出较小，驱动电机、动力电池等部件的产热较少，可根据环境温度智能调节系统的工作强度。如在寒冷天气，可适当开启动力电池加热功能，以保证其活性;在炎热天气，则保持适当的冷却，以避免动力电池过热。如图5所示，根据整车状态的差异，冷却调节强度也有所不同。

　　1.2.3 高速行驶状态

　　当车辆处于高速行驶状态时，受输出功率、风阻等因素的制约，动力电池、驱动电机等部件的产热增加，热管理系统将提高其冷却能力，以确保动力电池和驱动电机的温度维持在安全且高效的范围，同时利用整车的气流通道、配合车速使零部件实现风冷效果。

　　1.2.4 充电状态

　　车辆处于充电过程中时，动力电池会产生较多热量，尤其是在快充模式下。此时热管理系统对SOC进行严格监控，按照SOC和充电过程所处阶段调整控制策略。如在充电开始的涓流阶段及充电即将结束的恒压阶段，为防止低温导致充电效率降低，可通过适时、适度加热确保动力电池的活性;在进入恒流阶段的初期，为避免动力电池因大电流导致温度骤升，可采取预冷措施。

　　1.2.5 特定需求

　　根据用户对座舱空调系统的需求，热管理系统联动调整电池热管理和电机管理策略。如在有空调制冷需求时，利用动力电池系统或驱动电机系统产生的废热预热空调系统，以提高空调的运行效率，实现能量回收与再利用。特定需求下热管理流程见图6。

　　上述4种车辆状态下热管理流程见图4。不同状态下热管理策略的关注点略有差异，如在整车低速、高速等工作状态下，动力电池、电机等零部件始终处于运行模式，这些子系统的热管理需求以冷却为主，因而对加热部分的策略将弱化。

　　1.2.6 实例

　　某PHEV(Plug-in Hybrid Electric Vehicle, 插电式混合动力汽车)车型，在夏季、连续高速工况和山路工况下电池温度持续上升，经过对整车热管理策略进行提前预判和优化，通过对比测试，电池最高温度可稳定在设定区间(见表1、图7)。

　　表1 某PHEV车型电池冷却策略优化前后电池最高温度对比

　　模式 工况 开冷却电池最高温度/℃ 冷却开启时间/min 压缩机功率变化/W

　　EV纯电模式(优化后) 高速工况 43~39 — 201~838

　　HEV混动模式(优化后) 高速工况 43~39 9 213~646~805

　　HEV混动模式(优化后) 山路工况 42~37 10 382~1 295

　　EV纯电/HEV混动模式(优化前) 高速/山路工况 56~33 10 391~1322

　　1.3 动力电池SOC与热管理

　　智能热管理系统对动力电池SOC进行实时监控，根据动力电池的化学性质确定不同SOC水平下动力电池的理想工作温度范围及温度变化趋势，通过二者的关联，更准确地实现动力电池的热量管理，进一步保证动力电池的应用安全。

　　SOC发生变化时，热管理系统通过算法计算所需目标温度或冷却/加热强度，并将这些参数发送给循环泵、冷却风扇、加热器等执行机构，以调整它们的工作状态。在该过程中，系统不断监测动力电池温度的变化，并将其与目标温度进行比较，一方面通过控制策略及时调整系统的加热/冷却设置，直到动力电池温度回归至设定的适宜范围;另一方面通过对数据的收集与应用，不断优化SOC与温度控制策略之间的关系模型，确保在各工况下都能实现最优化的热管理效果，进而实现对动力电池热管理的精细化、智能化控制。如系统通过温度传感器获取实时温度数据，根据当前充电状态和计算目标温度形成需求温度，然后智能调节冷却液的循环流量、冷却风扇速度、动力电池加热器工作状态等，保持其运行在理想的温度窗口内，同时减少不必要的能耗。动力电池SOC与热管理流程见图8。

　　1.4 热管理的预测性维护系统

　　智能热管理的预测功能是根据系统相关标准及功能安全等级对故障进行分类与定义，通过智能算法实现“有问题、早发现”，最大限度地确保车辆和用户的安全，常称为智能热管理的预测性维护系统。其流程(见图9)如下：

　　(1) 数据监测与收集。通过传感器实时监测和收集动力电池温度、冷却液温度、流量、电流、电压、系统工作状态等运行数据。

　　(2) 数据分析与模型建立。通过大数据及机器学习算法对历史数据进行分析，找出故障发生规律或前兆特征，并基于统计分析或数据驱动建立故障率模型，识别潜在故障模式和趋势。

　　(3) 实时监测与报警。将采集的实时数据与预测模型进行比较，当模型预测故障的可能性超出阈值时触发预警信号，告知用户潜在风险。

　　(4) 健康评估。通过算法评估动力电池和热管理系统关键组件的健康状态，如对动力电池的健康状态(State of Health, SOH)或剩余能量状态(State of Energy, SOE)及热管理系统的性能退化程度进行评估。

　　(5) 故障根源分析。对系统预测的潜在故障进行分析，判断是单一组件问题还是系统间交互导致的问题。系统间交互问题如冷却功能失效会导致电池、电机过温或动力电池等组件老化，可能导致热管理难度增大，从而产生潜在风险。

　　(6) 剩余寿命预测。基于当前状态和历史数据预测关键组件的剩余使用寿命，以提前制定维护计划或更换热管理策略。如在不影响安全的前提下，系统根据潜在故障的严重程度调整工作模式[如采用降低充电电流、优化资源分配(增加对特定区域的冷却或加热)]以防潜在故障区域进一步恶化，或切换至安全模式以降低系统性能，或关闭非关键功能以延缓故障的发生和发展。

　　(7) 维护建议与调度。根据预测结果提出预防性维护建议，包括何时更换零件、何时进行系统检修、如何优化系统运行等，以延长组件寿命。

　　通过智能热管理的预测性维护系统实时监控整车热管理系统的状态，并在潜在故障发生前给予预警，从而降低突发故障给整车及用户带来的风险，提高车辆的可靠性和安全性，降低后期维护成本。

　　1.5 热管理系统的远程诊断

　　远程诊断是在不占用本地资源、算力的基础上，通过整车端收集的数据，应用4G/5G等远程无线技术将其上传至云端，云端服务器依靠其强大的算力对系统进行比本地诊断更深入且全面的分析，并在诊断有异常时将系统存在故障的可能性、产生原因、故障现象、严重程度、建议检查方式、初步维护措施等以诊断报告的形式推送至用户端，实现对故障的实时预警。

　　当存在软件类故障或通过软件更新可解决的简单故障时，云端以远程推送并通过空中下载(Over-the-Air, OTA)技术对软件进行更新以完成故障修复。对于硬件类故障，云端将建议用户及时到维修点进行相关维护或让维修工作人员主动向用户发起联系，提醒其及时对故障进行处理。当存在严重故障或潜在严重故障时，将通过远程干预对车载系统实现热管理策略优化，以免故障加剧或形成新的风险。远程诊断流程见图10。

　　2 智能热管理控制算法

　　算法是实现系统策略设计及控制流程的关键。在智能热管理中，通过软件算法结合多种控制策略构建混合控制架构，实现对动力电池、电机及其他电控系统的温度、能量控制，使其始终工作于适宜的温度范围，防止因过热或过冷对产品性能和寿命造成负面影响，同时通过模糊逻辑、PID控制、预测控制等智能算法，根据实时监测温度动态调整系统热量和系统运行状态，使其尽可能运行于最佳效率区间，以最低能耗实现最佳效果。当前新能源汽车智能热管理中应用较多的控制算法有：

　　(1) PID控制。PID控制通过比例、积分和微分来调节控制信号，达到快速响应、消除稳态误差和抑制振荡的效果。在汽车热管理中，常被用于精确调节冷却液流量、冷却风扇转速等。

　　(2) 自适应控制(Adaptive Control)。自适应控制能根据系统特性的变化自行调整控制参数，以适应动力电池老化、环境变化、整车模式变化等带来的影响，从而保持稳定的系统温度。

　　(3) 模糊逻辑控制(Fuzzy Logic Control)。模糊逻辑控制适用于处理非线性、不确定和复杂的控制问题。在新能源汽车智能热管理中，它可处理温度变化和系统响应的模糊特性，并根据模糊规则表对系统进行控制决策。

　　(4) 模型预测控制(Model Predictive Control, MPC)。MPC通过预测模型对未来一段时间内系统行为进行预测和判断，在此基础上优化系统控制。在新能源汽车智能热管理中，MPC可通过预测未来工况的变化提前对系统进行温度调节等，从而提高系统的整体效率和寿命。如采用时间序列预测算法预测电池或其他热源的热量产生趋势，从而提前调整热管理系统的工作状态。

　　(5) 神经网络控制(Neural Network Control)。结合深度学习技术，神经网络控制算法可从大量历史数据中学习复杂的映射关系，实现对热管理系统状态的智能预测和精确控制。

　　(6) 遗传算法优化控制(Genetic Algorithm Optimized Control)。通过遗传算法对控制参数进行全局寻优，优化系统的控制性能，尤其适用于复杂系统的多目标优化控制。

　　3 结语

　　新能源汽车智能热管理的目标是通过本地及远程技术对整车热量、温度进行精细化管理，降低动力电池、驱动电机及相关电控组件的失效风险或概率，在提升相关零部件使用效率的基础上延长零部件、子系统的使用寿命。同时通过能量最优、效率最优等策略的应用，进一步提升车辆动力性和续航里程，通过预测、诊断等功能确保行车安全，降低后期维护成本，从而提高用户的用车体验、用车满意度和行车安全性。

　　参考文献:

　　[1] 孙卓松，袁晓红. 基于DDPG算法的纯电动汽车热管理控制策略研究[J]. 武汉理工大学学报，2024,46(5):139-147.

　　[2] 中国制冷学会. 中国新能源汽车热管理技术发展[M]. 北京: 北京航空航天大学出版社, 2022.

　　[3] 张国庆. 动力电池热管理技术及关键材料[M]. 北京: 化学工业出版社, 2024.

　　[4] 刘松燕，王卫良，彭世亮，等. 兼顾高/低温环境性能的动力电池热管理系统设计[J]. 储能科学与技术，2024,13(7):2181-2191.

　　[5] 刘静，孙闫. 基于模糊控制的燃料电池汽车能量管理研究[J]. 公路与汽运，2022(4):11-13.

　　[6] 张扬军，谢翌，彭杰，等. 新能源汽车综合热管理[M]. 武汉: 华中科技大学出版社, 2023.