《Energy》：Research on hierarchical eco-driving strategy for fuel cell hybrid electric vehicles based on traffic flow
编辑推荐：
可持续交通系统中燃料电池混合动力电动车（FCHEVs）的能源管理优化策略，提出分层生态驾驶框架，上层结合时空动态规划与交通信号相位数据优化车队速度轨迹，下层采用ADMM算法实现低计算复杂度下的实时能量分配，并通过安全距离约束降低维度影响，仿真验证显示该策略显著降低能耗并提升驾驶舒适性，计算效率较传统方法提升一个数量级。
魏坦|郭东马|苏雷王|帅高|克马
教育部先进汽车零部件制造技术重点实验室，重庆工业大学，重庆，400054，中国
摘要
随着智能交通技术的迅速发展，燃料电池混合动力电动汽车（FCHEVs）作为一种关键技术应运而生，有助于推进可持续交通系统的发展，这主要归功于其卓越的能量转换效率和零排放特性。然而，在复杂的城市交通环境中优化FCHEVs的能量管理仍然是一个亟待解决的关键挑战。为了解决上述问题，本研究提出了一种分层式生态驾驶策略，该策略利用交通流信息来全面优化交通效率和能源消耗。在高层，开发了一个时空动态规划（DP）框架，通过结合交通信号相位和时序（SPaT）数据以及车辆间的动态交互，来优化车队的速度轨迹，从而在显著提高能源效率的同时增强驾驶安全性。考虑到实时计算效率的需求，底层引入了交替方向乘子法（ADMM）算法作为计算基础。在此基础上，进一步采用循环迭代策略来调节燃料电池系统的功率变化率，从而延长其使用寿命并提升整体系统效率。通过与改进后的Gipps模型进行对比分析，验证了该策略的有效性。仿真结果表明，基于动态规划的速度规划策略在减少燃料消耗和提高驾驶舒适性方面具有显著优势。同时，ADMM算法显著降低了计算复杂度，其计算效率比DP方法高出一个数量级，同时仍保持了相当的燃油经济性表现。
引言
智能互联技术的快速发展为FCHEVs的能量管理研究开辟了新的机遇。利用车对车（V2V）和车对基础设施（V2I）通信技术，联网车辆可以实时获取动态交通环境信息，如前车速度、交通信号状态和道路状况数据[1,2]。这些信息是优化能源管理策略、缓解交通拥堵以及实现节能和减排目标的关键基础。
同时，由于FCHEVs具有高效率、低环境影响和零排放特性，它们在绿色交通研究中备受关注[3,4]。燃料电池直接将氢气转化为电能，为主要推进系统提供稳定动力，而动力电池在高需求运行条件下提供辅助动力。与传统内燃机车辆相比，FCHEVs实现了零尾气排放，大大减少了温室气体和有害污染物的直接排放。这对改善城市空气质量及推进可持续交通系统具有重要意义[5,6]。
文献综述
车辆生态驾驶
生态驾驶整合了驾驶行为和控制策略，以优化能源消耗、减少排放并提升车辆效率。在信号化交叉口中，速度规划至关重要，需要结合车辆动态、交通信号相位和时序（SPaT）数据、道路状况以及周围交通动态。通过优化车辆在信号化交叉口接近和离开阶段的速度，可以...
车辆动力学模型
本研究聚焦于FCHEVs。如图1所示，动力总成由燃料电池堆和电池组组成，两者协同工作以提供动力。燃料电池作为主要能源，而电池则充当能量缓冲器和辅助电源，实现优化能源管理。所研究的氢燃料电池混合动力车辆的详细参数总结在表1中[18]。
生态驾驶问题建模
FCHEVs的生态驾驶优化采用分层控制架构，包括上层速度规划和下层能源管理。上层通过整合实时交通信号相位和时序信息、车辆位置数据、速度剖面以及能源消耗特性来构建速度优化问题。该模型使用DP算法求解最优速度轨迹。同时，下层能源...
下层能源管理
凸优化作为一种能够实现全局最优性和实时适用性的数学框架，在燃料电池混合动力总成系统中展现出显著的能源管理性能提升潜力。其计算效率和与分布式优化框架的兼容性使其特别适合分层控制架构。能源管理的通用凸优化问题可表述为：
生态驾驶仿真分析
为了评估所提出的分层能源管理系统在真实驾驶条件下的实际应用性，本节提出了一个包含信号化交叉口的代表性城市仿真场景。在所提出的框架中，上层进行出行前的参考速度轨迹规划，而下层根据实时车辆状态动态优化能源来源之间的功率分配。然而，当前上层轨迹的局限性...
结论
本研究提出了一种用于信号化交叉口中FCHEVs生态驾驶的分层优化框架。在高层，采用时空DP算法结合时间和车辆驾驶状态来优化车队速度轨迹，通过协调绿灯时间窗口和参考轨迹来实现这一目标。为了降低与动态规划相关的维度增加问题，通过安全距离约束来协调车辆间的距离...
CRediT作者贡献声明
魏坦：撰写 – 审稿与编辑、项目管理、方法论、概念构思。郭东马：撰写 – 原稿撰写、软件开发。苏雷王：可视化、方法论、数据调查。帅高：可视化、软件开发。克马：撰写 – 审稿与编辑、监督、资金获取。
利益冲突声明
作者声明他们没有已知的可能会影响本文工作的财务利益或个人关系。
致谢
本研究得到了重庆市教育委员会科学技术研究计划（资助编号：KJQN202501161）和重庆工业大学科学研究基金（资助编号：2023ZDZ025）的支持。
