转载

中国研究员：新系统可让混合动力车能效提高11.9%

　　相比于传统纯油动汽车，混合动力汽车同时装备电池和汽油发动机，具备节能环保和高续航力的两大优势。在雾霾严重的中国一线城市，混合动力汽车市场前景相比于传统汽车无疑更广阔。近日加利福利亚大学由中国研究员祁学伟（音译）领导的科研团队经过数年研究，提出新一代的混合动力汽车能源管理系统，最多可以让混合动力汽车效率提高 11.9%。

　　祁早年就读于中国农业大学自动化专业，获得学士学位后前往乔治亚大学攻读硕士学位，目前是加州大学电子和计算机工程学院的一名博士生，师从 Matthew Barth 教授，同时还是助理研究员。主要研究方向包括机器学习、建模和预测，智能交通领域等。该混合动力车能源管理系统研究团队由祁学伟负责，另外还包括 Barth 教授，助理研究员吴国圆（音）、Kanok Boriboonsomsin，以及美国新能源实验室高级工程师 Jeffrey Gonder。

　　“我们的新系统可以记录汽车过去的行驶特征，深度学习这些数据然后有针对性地采取更加节能的动力策略。” 祁学伟在加州大学的一次演讲中说道。

　　由于可插电式混合动力车具备两种动力源，能源管理系统一直是混合动力车能效的关键。能源管理系统负责协调汽车的动力源，在最恰当时候切换电池能源和汽油能源，或者混合两种能源，既不能损害电池寿命，又要尽可能环保节能。

　　目前，市面上现有的可插电式混合动力汽车动力切换策略基本上都相当原始，大部分都采用两档模式，比如优先使用电池能源，待电池电量快耗尽后切换到汽油发动机。这种方式简单易于设计，应用起来也很简单。祁学伟研究团队经过试验发现，以上方式并不是最优的策略，根据电池放电特性，其实在车辆行驶的整个过程中让电池能源和汽油能源共同起作用才是最节能的方式，而其中的难点就在于两种能源协调方式与路况和驾驶行为息息相关。

　　“混合供能策略可以让汽车实现最佳的节能效果，但之前的能源管理系统需要事先知道汽车行驶的道路、拥堵信息等路况，而这些信息在上路之前几乎是没法知道的。” 祁说道。

　　为解决这一问题，祁的团队开发出实时数据收集处理的策略，在驾驶汽车的过程中，系统会一边处理数据一边自动计算出最佳的动力策略，以实现高效节能。祁学伟以及他的团队把自己的创新方法称为 “强化学习”（reinforcement learning ，RL），并把论文发表到了《Transportation Research Record》。

　　祁所在的团队在南加州通勤时间分别做了对照试验，新设计的能源管理系统表现不俗。相比于传统两档模式的混合动力车，新的系统平均可以节约 11.9% 的能源。同时祁学伟还说，车辆行驶时间越长，数据收集得越多，系统能效就越趋近于最优，能效提高 12% 以上也不是没有可能。

　　祁表示，他们下一步是希望把数据上传到云端，混合动力车不仅可以学习自己的行驶数据，还可以学习其他车辆的行驶数据，如果可以实现，无疑可以更进一步提高混合动力汽车能效。

　　“目前的成果只能让某一辆混合动力车实现以更节能的方式行驶，我们下一步工作是结合云端数据，共享车辆行驶信息，最大限度让混合动力车工作在最佳节能状态，相信这一成果未来将会对减少废气排放带来积极影响。” 祁学伟说道。

　　尽管技术上获得突破，但是专家评论认为此技术离商用还存在距离。虽然大多数混合动力汽车都只提供电动和油动两种操作模式，但随着技术发展，也有不少厂家推出多驾驶模式的混合动力车，比如本田的一款混合动力车，其只在启动和制动时候采用的是纯电动，其他时候都采用电动油动混合的模式。祁的系统如果与新上市的混合动力车相比，效果或许就没那么明显。

　　同时，祁的新系统只在单一路况进行了测试，但用户实际应用环境十分复杂，难以保证在任意路况条件下均实现节能效果。如果系统保证了最佳能效，车辆还能否提供足够的动力以保证巡航速度，并应对突发情况，这也是个需要考虑到的问题。额外的硬件毕竟需要付出额外的成本，如果节约的能效比付出的成本低，恐怕不仅是消费者，混合动力汽车厂商也不会买单。

正文到此结束