随着新能源客车车联网技术的应用与推广,网联化、电动化的融合成为新能源客车重要的发展方向,同时车联网技术也为混合动力客车能量管理系统的优化控制发展提供新途径。混合动力客车是一个复杂的非线性多动力源系统,如何基于客车车联网提取可利用信息,采用有效的智能控制方法,对混合动力客车的能量管理策略进行优化控制,实现各动力源高效合理的工作,深度提高混合动力客车能量管理策略的最优性和适应工况变化的能力是当前智能网联混合动力客车研究的关键,也是网联化、电动化、智能化技术融合发展的行业需求。本课题以某新能源客车车联网平台为基础,针对混合动力客车能量管理策略最优性和工况适应性的矛盾问题,开展了基于车联网行驶工况信息数据挖掘和智能能量管理策略研究。围绕车联网平台的数据挖掘方法、能量管理策略对行驶工况信息的利用程度、能量管理策略的最优性与工况适应性三个关键问题,采用先进的数据挖掘方法、最优控制问题的极值原理、动态规划数学工具以及先进的智能学习控制理论和仿真试验开展研究。首先,为从车联网平台获取可利用、有价值的行驶工况信息,建立了基于车联网信息的固定线路公交客车行驶工况数据挖掘方法。基于某客车车联网平台获取了公交客车行驶工况,通过分析车联网工况数据的特点,确定了车联网平台数据存在的问题,建立了工况数据缺失和数据噪声处理方法,验证并评价了数据处理方法的合理性。之后,分析了公交客车行驶工况特征与能耗特性的关系,从行驶工况数据的历史和未来两个维度考虑,提出了基于能耗特性与线路特征参数的固定线路行驶工况合成方法、未来行驶工况智能预测方法,全面开展公交客车行驶工况的数据挖掘。第二,为了提高能量管理策略对行驶工况信息的利用程度,基于工况数据挖掘结果,提出了基于工况信息的分层优化自适应智能能量管理策略。结合车联网行驶工况信息的历史和未来两个维度的数据挖掘结果,创新性设计了一种基于工况信息的分层优化自适应智能能量管理策略架构,实现了策略对于行驶工况信息的全局规划和局部实时优化,上层控制基于固定线路典型合成工况,从全局优化角度规划最优SOC轨迹,下层控制基于未来预测工况,从局部优化角度对转矩进行自适应分配,策略有效提升了能量管理策略的最优性和工况适应性。第三,从适应性较强的学习型智能算法角度,提出了基于固定线路全局优化的深度强化学习能量管理策略。结合车联网固定线路行驶工况信息的数据挖掘结果,创新性提出了基于固定线路全局优化的深度强化学习能量管理策略架构,有效利用车联网平台对固定线路行驶的公交客车进行全局规划,得到了近似最优的模式切换规则,基于Deep Q-Learning在混合动力模式下实现对动力源转矩的分配,算法提高了能量管理策略的最优性和工况适应性。最后,为验证所提出的智能能量管理策略的实时性,本文基于dSPACE/Simulator,建立了硬件在环(HIL,hardware-in-the-loop)试验平台进行验证。在合成工况环境下,验证了所设计的两种基于车联网工况信息的智能能量管理策略的有效性与实时性,实现了系统经济性与工况适应性的综合提升。