B4-04 · 整车热管理系统架构 / 能量流与整车能效
待认领listed
→
众筹中recruiting
→
已开课open · Course 售卖
一课题可并存多讲师版本
课程大纲
学完能做什么
- 能建立面向控制的降阶热模型，辨识时间常数并给出模型误差裕度
- 能把热管理需求写成优化问题：目标函数、约束、可调变量
- 能用 DP 求离线全局最优作基准、用 MPC 做在线滚动实现
- 能判断预测性策略在什么条件下真赚钱、什么条件下白折腾算力
- 能设计功率仲裁逻辑，在能耗与安全/舒适底线之间排序
内容大纲
- 从被动响应到主动调度
- 热惯性 τ = m·c_p/(UA)：热负荷本质上是「可延迟负荷」，这是调度空间的来源
- 哪些量可调度（预热/预冷/蓄热/降额），哪些是碰不得的硬约束；其中蓄热之所以可调度，前提是车上真存在能存下该量级热、且放得出该功率的载体——可延迟余量的上限由蓄热体的定容（容量与功率两个指标）决定，载体全集与「加不加这块硬件」的判据见 N4-03
- 与 VCU / BMS / 座舱控制的接口与仲裁优先级
- 软件定义热管理：策略结构上车后靠 OTA 迭代
- 面向控制的建模
- 集总参数降阶（ROM）：几阶够用、怎么从试验数据辨识
- 模型误差与鲁棒裕度：约束要留边，边留多宽由误差带定（误差带本身由输入散差传播成输出分布算出，方法本体见 J7-06）
- 状态可观性：哪些温度必须实测、哪些可以观测器估——本课只到选型口径；可观性的定量判据（可观性矩阵的秩与条件数）与估计误差如何并入约束裕度的上游来源见 K3-10
- 实时性：步长、预测步数与控制器算力的现实约束
- 优化问题怎么写
- 目标函数：整车电耗最小，或能耗 + 舒适偏差 + 部件寿命加权
- 约束：温度窗口、功率限值、执行器速率、噪声上限
- DP 求离线全局最优：不可实时，但给出「最好能到哪」的尺子
- ECMS 式等效因子：把热量折成等效电耗才能与电耗同台比较
- 预测性策略：信息从哪来、值多少
- 先验信息源分两类：路径类（导航路径、坡度、交通、天气、充电计划——依赖云端与导航、前瞻长）与行为类（踏板开度及变化率、纵向加速度、连续大功率时长、驾驶模式档位——不依赖云端、延迟极低但前瞻只有几十秒到几分钟），两类形成长短两个时间尺度
- 典型场景：快充前电池预热、长下坡前预留回收窗口、到站前座舱预调——三者结构同源，都是提前腾出未来的能力余量（差别只在腾的是回收功率窗口还是温度裕度），调度框架本身前指 K7-01
- 预测视野必须与热时间常数匹配——视野短于 τ 的预测没有价值
- 预测错了怎么办：回退到反馈基线的安全网必须先设计好
- 落地与验证
- MIL / SIL / HIL 逐级验证，第一件事是证明「不会更坏」
- 与标定的分工：优化器给结构，标定给参数，边界要划清
- 收益核算：拿 DP 上限当尺子量在线策略还差多少
- 失效与降级：优化器挂了要能平滑退回规则基线——「平滑」的实现手段是让规则基线在优化器在线期间以 tracking 模式持续跟随实际下发值（或在接管瞬间按实际输出反算其积分项），使接管首拍 |Δu| 落在一个执行器标定步长内；否则基线带着陈旧的积分历史接管，退回瞬间输出必跳。方法本体与其它几类交接场景前指 K3-05
关键公式
τ = m·c_p/(UA)
热惯性时间常数：决定负荷能延迟多久，也决定预测视野至少该多长
min ∫₀ᵀ P_batt(u,x,t) dt s.t. T_min ≤ x ≤ T_max, u ∈ U
能量最优热管理的最优控制形式；用 DP 离线求解给出性能上限
J = Σ_{k=0}^{N−1} [w_e·P_batt(k) + w_c·(T(k) − T_ref)²]
MPC 滚动优化代价：能耗与温控/舒适偏差加权，w 的比值就是工程取舍
x(k+1) = A·x(k) + B·u(k) + E·d(k)
降阶热模型的离散状态空间形式；d 为扰动（环境温度、车速、产热）
P_equiv = P_elec + s·Q_thermal/COP
等效因子法：把一股热量折算成等效电耗，热与电才能在同一目标里比较
E_preheat < ΔE_saved
预热判据：预热花掉的电必须小于它省回来的（含充电时间的价值折算）
关键概念
热惯性 τ可延迟负荷降阶模型 ROMMPC 滚动视野动态规划 DP等效因子 ECMS预测视野功率仲裁预约预热前馈 + 反馈软件定义热管理降级安全网
推荐工具与标准
MATLAB / Simulink + Model Predictive Control Toolbox GT-SUITE / AMESim（对象模型与联合仿真） CasADi / IPOPT（优化问题建模与求解） dSPACE HIL 台架 INCA / CANape（标定与实车数采）
ISO 26262（功能安全：优化器降级与失效处理） GB/T 18386.1-2021（能耗与续航，收益核算口径） GB/T 38146（中国汽车行驶工况 CLTC） GB/T 32960（电动汽车远程服务与管理系统技术规范，云端数据接口）
工程案例
某纯电平台做快充前电池预热：不预热则到站电池冷、充电功率被限；预热太早则白耗电还得保温。用导航到站时间作预测视野，以 DP 离线最优为基准调 MPC 权重，让加热功率随剩余里程滚动重规划。收益按充电时间与全程电耗两个口径同时核算。
动手做
交付物 · 选一个可延迟负荷场景（快充前预热或座舱预调）：① 建 2~3 阶降阶热模型并辨识时间常数；② 写出优化问题（目标/约束/可调量），用 DP 求离线最优作基准；③ 实现 MPC，与规则基线、DP 上限对比能耗。交付模型、问题定义与对比曲线。
常见误区
- 预测视野短于热时间常数——优化器看不到热负荷的未来，退化成带延迟的反馈控制，算力白烧
- 只优化电耗、不给舒适与安全设硬约束——优化器会毫不犹豫关掉除雾、把电池推到窗口边缘
- 拿高保真模型直接当 MPC 预测模型——算不动、上不了车；应换 ROM，误差靠约束留边来吃
- 把预测性策略的仿真收益直接汇报——导航失效、堵车、临时改目的地时的收益也要一并核算，否则实车打脸
- 优化器与标定各干各的——策略结构和标定表打架，最后靠标定把优化器「标回」原样，等于没做
相关课题