基于DP动态规划的全局最优能量管理策略，程序为MATLAB m编程完成，大约700行左右。 1.车辆构型为功率分流型（ECVT），类似丰田Pruis构型。 2.电池SOC为电量维持型策略。 3.全程序包含逆向迭代和正向寻优过程。 4.DP作为基于优化的整车能量管理策略的基础，对后续ECMS能量管理策略和MPC能量管理策略的开发学习有着重要作用，可以在此程序基础上进行更改和延伸。

概述

本文介绍了一套面向功率分流型混合动力城市客车（HEV）的全局最优能量管理策略（Energy Management Strategy, EMS）实现方案。该策略基于动态规划（Dynamic Programming, DP）方法，针对中国典型城市客车循环工况（CCBC）进行优化设计，旨在在满足整车动力性需求的前提下，实现燃油经济性与电能利用效率的全局最优。系统模型涵盖整车动力学、发动机、双电机（MG1/MG2）、电池、制动系统及行星齿轮机构等关键子系统，并充分考虑了实际工程约束，如SOC窗口控制、电机外特性限制、再生制动功率上限、电池充放电电流限制等。

系统架构与建模

1. 整车动力学模型

程序首先基于经典车辆动力学理论构建整车纵向动力学模型，计算驱动/制动过程中各阻力分量：

• 滚动阻力：由车重、滚动阻力系数及坡度角决定；
• 空气阻力：与车速平方成正比；
• 坡度阻力：由道路坡度和整车质量决定；
• 加速阻力：考虑了旋转质量换算系数（δ≈1.05），用于等效传动系统转动惯量对加速过程的影响。

上述阻力之和构成车轮处所需驱动力，进而转换为车轮转矩与功率需求，作为能量管理策略的顶层输入。

2. 动力总成建模

系统采用典型的ECVT（Electronically Controlled Continuously Variable Transmission）功率分流构型，包含：

• 柴油发动机：提供主要动力源，其性能由实测MAP数据建模，包括外特性曲线、最优燃油经济曲线及反拖特性；
• 主电机（MG2）：直接驱动车轮，其外特性由实测数据插值得到，最大再生制动功率被限制为67 kW；
• 发电机（MG1）：主要用于调节发动机工作点，亦可参与能量回收；
• 行星齿轮机构：实现发动机、MG1与MG2之间的功率耦合，特征参数为2.63；
• 主减速器与传动效率：考虑了固定传动比（4.88）及效率损失（95%）。

3. 电池模型

电池采用等效内阻模型，其开路电压随SOC变化，由查表法确定。充放电过程考虑了最大电流限制（放电20C，充电10C）及库仑效率（90%）。SOC被严格限制在预设窗口（0.7–0.9）内，以保障电池寿命与系统稳定性。

4. 再生制动策略

程序实现了与实车策略一致的再生制动逻辑：

• 车速低于3 km/h时关闭电机再生；
• 制动踏板存在空行程（30%），空行程内优先使用电机回收；
• 超出空行程或电机能力限制时，由机械制动补充；
• 再生制动过程中不主动限制SOC上限，以最大化能量回收。

动态规划求解框架

1. 状态与控制变量定义

• 状态变量：电池SOC，离散化为60个状态点（SOCmin=0.7 至 SOCmax=0.9）；
• 控制变量：发动机转速与转矩（在驱动工况下），通过网格化（30×20）进行离散搜索；
• 模式判断：根据车速与功率需求自动区分停车、制动、纯电、混合驱动等运行模式。

2. 逆向递推过程

DP算法从工况终点逆向迭代至起点：

• 终端条件：设定终点性能指标为零；
• 状态转移：对每个SOC状态和时间步，遍历所有可行的发动机工作点，计算对应的MG1/MG2转矩、电池功率、下一时刻SOC；
• 惩罚机制：对违反物理约束（如SOC越限、电机超限、发动机低于怠速）的控制动作施加高成本惩罚；
• 电价调节因子：引入与SOC相关的等效电价（低SOC时电价高），以引导策略维持SOC平衡；
• 成本函数：统一将燃油消耗（4.2元/L）与电能价值（0.4–1.6元/kWh）折算为经济成本，实现多能源协同优化。

3. 正向轨迹重构

逆向DP完成后，从初始SOC（0.8）出发，通过三次样条插值在状态-控制表中正向追踪最优轨迹，获得完整的时域控制序列，包括发动机启停、转速/转矩、电机功率分配、SOC演化等。

结果后处理与性能评估

程序在求解完成后自动执行全面的性能评估：

• 燃油经济性：计算百公里油耗（L/100km），并基于SOC终值进行归一化修正，以反映“电量平衡”条件下的真实油耗；
• 效率分析：分别计算发动机平均燃油消耗率、电机电动/发电效率、电池充放电效率、再生制动回收效率；
• 能量流统计：量化驱动总能量、再生制动回收能量、电池净放电能量等；
• 综合效率：定义整车从燃油+电能到车轮驱动能量的综合能量转化效率；
• 可视化输出：绘制SOC、发动机转速/转矩、电机转矩等关键变量随时间变化曲线。

工程价值与应用意义

该DP实现不仅是一个理论最优解求解器，更是一个高度工程化的仿真平台：

• 贴近实车约束：所有子系统模型均基于实测数据或工程规范，结果具备实际参考价值；
• 策略可解释性强：通过可视化发动机工作点分布，可直观验证策略是否引导发动机运行于高效区；
• 支持参数敏感性分析：可快速调整电池容量、电机功率、SOC窗口等参数，评估其对经济性的影响；
• 为次优策略提供基准：所得DP解可作为规则策略、ECMS、PMP等实时策略的性能上限参考。

结语

本代码实现了一套完整、严谨且工程可行的基于动态规划的混合动力客车能量管理策略。它不仅展示了DP方法在多能源系统全局优化中的强大能力，也为后续开发实时可行的近优控制算法奠定了坚实的理论与仿真基础。在“双碳”目标驱动下，此类高精度能量管理技术对提升新能源商用车能效、降低运营成本具有重要现实意义。