东予薏米1. 项目概述
燃料电池混合动力汽车（FCHEV）作为新能源汽车的重要发展方向，其能源管理策略一直是研究热点。本文针对互联FCHEV通过信号交叉口时的生态驾驶问题，提出了一种创新的双层凸优化方法。这种方法将复杂的耦合问题分解为两个层级：上层处理速度规划，下层处理能量管理，通过凸优化技术显著提升了计算效率。
在实际交通场景中，车辆需要频繁通过信号交叉口。传统驾驶策略往往无法充分利用交通信号信息，导致不必要的加速和制动，增加能源消耗。而互联车辆（CVs）通过V2V和V2I通信获取实时交通信息，为优化驾驶策略提供了可能。我们的方法正是基于这一技术背景，通过数学建模和优化算法，实现了FCHEV在通过多个信号交叉口时的最优能源管理。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 核心问题与技术路线
2.1 问题分解与建模思路
FCHEV的生态驾驶本质上是一个速度规划和能量管理的耦合问题。传统方法往往将这两个问题统一处理，导致计算复杂度极高。我们的创新点在于将这一复杂问题分解为两个相对独立的子问题：
- 上层问题：速度规划
- 将非线性交通灯约束转化为时变线性状态约束
- 使用平均速度简化代价函数，使其成为二次函数形式
- 考虑车辆动力学约束和交通信号时序
- 下层问题：能量管理
- 对燃料电池系统和电池进行凸化建模
- 优化功率分配策略
- 考虑电池SOC平衡和燃料电池效率
这种分层处理方法不仅降低了计算复杂度，还保持了解决方案的最优性。下面我们将详细解析每个层级的实现细节。
2.2 动力总成建模
FCHEV的动力总成拓扑结构如图1所示，主要由以下组件构成：
- 燃料电池系统：通过DC/DC转换器连接到电源总线
- 电池组：与燃料电池系统并联，共同为电动机供电
- 电动机：通过DC/AC逆变器驱动车辆
为简化模型，我们假设转换器和逆变器的效率均为100%，重点建模以下核心组件：
2.2.1 燃料电池模型
燃料电池的输出功率P_fc与其效率η_fc的关系可表示为：
code复制P_fc = η_fc · m_H2 · LHV_H2
其中m_H2为氢气质量流量，LHV_H2为氢气低热值。
2.2.2 电池模型
采用等效电路模型，包含开路电压V_OC和内阻R_0：
code复制V_bat =