本發明涉及電動汽車熱管理，尤其是涉及一種基于交通流信息的電動汽車預測性熱管理系統。
背景技術：
1、全球向交通電氣化的轉型是應對氣候變化和減少化石燃料依賴的關鍵舉措,電動汽車作為這一轉型的核心，其續航和性能在很大程度上取決于其熱管理系統的效能。作為電動汽車的核心部件，鋰電池的工作表現對運行溫度極為敏感。在高溫環境下運行，尤其是在熱浪頻發的地區，電池性能會急劇惡化。超出最佳溫度范圍會導致容量加速衰減以及自放電率上升，甚至可能導致電池起火甚至爆炸，對駕乘人員構成嚴重的安全威脅。與此同時，駕乘人員的座艙舒適性是另一個重要的熱管理目標。與擁有大量廢熱可供利用的內燃機（ice）汽車不同，電動汽車的空調系統必須直接從動力電池取電。這在座艙熱舒適性與車輛續航里程之間形成了一個直接的、此消彼長的權衡關系。因此，開發一種能夠協同管理電池和座艙熱需求的先進熱管理策略，對于在全球不同氣候市場推廣可靠、高效的電動汽車至關重要。
2、傳統熱管理策略多采用基于規則或者pid的控制方法，屬于反應式控制，無法利用未來交通信息進行前瞻性調節，導致存在能耗較高、溫度控制滯后或超調的問題。
3、隨著車聯網（v2x）與智能交通系統的普及，利用車輛前方交通流和道路坡度等預見性信息進行車輛能量與熱管理優化已成為研究熱點。然而，現有的預測性熱管理技術在實際應用中仍面臨嚴峻挑戰。一方面，現有策略多采用解耦控制架構，即獨立對座艙或電池系統進行熱管理，缺乏對整車熱負荷的協同調度，導致能量利用效率受限。另一方面，座艙與動力電池在熱動力學特性上存在顯著差異：電池系統具有較大的熱慣性，其溫度變化具有明顯的滯后性，而座艙熱環境對調節的響應相對迅速。在控制策略層面，模型預測控制（mpc）雖常被用于處理此類多約束優化問題，但傳統的固定時域mpc難以兼顧不同子系統的動態響應特性。僅依賴短時域預測無法提前應對電池的長期熱累積，易引發調節滯后和能耗增加；而長時域預測則會帶來巨大的計算負擔。因此，亟需一種能夠融合交通預測信息、協同管理具有不同時間尺度特性的座艙與電池熱負荷，并能有效平衡全局規劃能力與實時控制需求的預測性熱管理方法。
4、經過檢索，中國發明專利申請公開號cn120287799a公開了一種電動汽車熱管理系統的自動控制方法及裝置，該方法包括：獲取實時車輛狀態數據和外部預測信息，其中，所述外部預測信息包括未來n個時間步長的導航路徑信息和天氣預報信息；基于所述實時車輛狀態數據，構造當前系統狀態向量；將所述外部預測信息轉化為可預測擾動序列；基于所述當前系統狀態向量和所述可預測擾動序列，構造mpc優化問題實例；將所述mpc優化問題實例輸入在線優化求解模塊以得到當前最優控制指令；將所述當前最優控制指令發送至電動汽車熱管理系統的驅動執行器以得到物理驅動信號和更新的實時車輛狀態數據。其中將所述外部預測信息轉化為可預測擾動序列，包括：基于所述未來n個時間步長的導航路徑信息，預測未來p步的電池產熱功率和電機/電控產熱功率以得到電池產熱功率序列和電機/電控產熱功率序列；基于所述未來n個時間步長的天氣預報信息，預測未來p步的環境對座艙的熱負荷和對電池艙的熱交換量以得到熱負荷序列和熱交換量序列；對所述電池產熱功率序列、所述電機/電控產熱功率序列、所述熱負荷序列和所述熱交換量序列分別進行多源擾動動態結構化關聯均衡以得到電池產熱功率均衡序列、電機/電控產熱功率均衡序列、熱負荷均衡序列和熱交換量均衡序列，將所述電池產熱功率均衡序列、所述電機/電控產熱功率均衡序列、所述熱負荷均衡序列和所述熱交換量均衡序列進行整合以得到所述可預測擾動序列。?該現有專利申請因采用單一控制架構，在應對電動汽車熱管理系統的慢時變熱慣性時存在時域失配問題，難以平衡能耗與溫度控制的長時域全局規劃與短時域動態調節的問題。
5、如何兼顧長時域全局規劃的前瞻優化性能與短時域動態調節的實時魯棒性，是當前電動汽車預測性熱管理領域面臨的核心挑戰，成為需要解決的技術問題。
技術實現思路
1、本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種基于交通流信息的電動汽車預測性熱管理系統。
2、本發明的目的可以通過以下技術方案來實現：
3、根據本發明的一個方面，提供了一種基于網聯交通流信息的電動汽車集成式預測性熱管理系統，該系統包括：
4、交通信息獲取模塊，用于實時獲取車輛前方的網聯交通流信息；
5、上層長時域溫度規劃器，基于動態規劃算法，利用所述交通流信息預測未來車速與電池產熱，并以系統總能耗最小化為目標，在長時域內求解滿足座艙舒適性溫度范圍與電池安全溫度區間約束的座艙與電池的最優溫度參考軌跡；
6、下層短時域溫度跟蹤器，采用模型預測控制算法，以所述最優溫度參考軌跡為指導，在短時域內實時協調控制熱管理系統的執行器，動態分配座艙與電池的制冷量，實現精確的溫度跟蹤與能耗優化。
7、作為優選的技術方案，所述上層長時域溫度規劃器的目標函數包括終端代價和階段代價，所述階段代價在每個時間步計算，由能量成本、座艙舒適性成本以及電池溫度區間成本加權構成；
8、所述終端代價在最后一個時間步計算，用于懲罰終端的最終狀態與目標的偏差。
9、作為優選的技術方案，所述能量成本于懲罰當前時間步內熱管理系統的總能量消耗；所述座艙舒適性成本用于懲罰下一時刻的座艙溫度偏離預設最優溫度參考軌跡的程度；所述電池溫度區間成本用于懲罰下一時刻的電池溫度超出預設的電池安全工作區間的程度。
10、作為優選的技術方案，所述動態規劃算法中的狀態變量包括座艙內部溫度和電池平均溫度，控制輸出變量包括壓縮機功率、用于分配座艙與電池制冷量的分配系數。
11、作為優選的技術方案，所述下層短時域溫度跟蹤器的目標函數包括狀態跟蹤成本、控制量大小成本、控制增量成本和松弛變量成本，其中所述狀態跟蹤成本用于懲罰系統狀態偏離所述最優溫度參考軌跡的程度。
12、作為優選的技術方案，所述模型預測控制算法為非線性模型預測控制，其優化問題為在滿足系統約束的前提下，找到預測時域內的最優狀態軌跡和控制序列，使目標函數最小。
13、作為優選的技術方案，所述系統約束包括由座艙-電池耦合熱模型描述的系統動力學約束、執行器運行約束以及溫度邊界約束。
14、作為優選的技術方案，所述制冷量的動態分配通過調節電子膨脹閥的開度以控制制冷劑在座艙蒸發器與電池冷卻器之間的分配比例β來實現，其中β表示分配給電池的制冷量占總制冷量的比值。
15、作為優選的技術方案，所述系統通過所述上層長時域溫度規劃器預判未來高熱負荷工況，并生成控制指令使系統提前啟動對電池的主動預冷操作。
16、作為優選的技術方案，所述網聯交通流信息包括交通流平均速度及、道路限速信息及實時擁堵狀態，用于預測未來行駛工況及其對應的熱負荷。
17、與現有技術相比，本發明具有以下有益效果：
18、1）本發明采用分層控制架構進行電動汽車預測性熱管理，上層基于動態規劃（dp）算法，利用網聯交通流信息，兼顧全局能耗與雙目標（座艙舒適、電池安全）約束，生成長時域最優座艙與電池溫度軌跡；下層基于模型預測控制（mpc）算法，在短時域內跟蹤參考溫度并協調分配座艙與電池之間的制冷量。通過該分層設計，系統能夠前瞻性地調節熱負荷，實現電動汽車熱管理從“被動響應”到“主動預見”的跨越，在保證座艙舒適性和電池安全性的前提下有效降低熱管理系統能耗。仿真驗證表明，該方法相比傳統pid和單層mpc策略，熱管理系統能耗分別降低12.69%和3.54%。
19、2）上層長時域溫度規劃器通過將終端代價（懲罰最終狀態偏差）與階段代價（能量成本、座艙舒適性成本、電池溫度區間成本加權）結合，使上層規劃器在長時域優化中，既能從全局角度保證終端狀態逼近目標，又能從局部時間步平衡“能耗最小化”“座艙溫度舒適性”“電池溫度安全性”三者的權衡。這種精細化的目標函數設計，讓上層規劃出的“最優溫度參考軌跡”更具工程實用性，為下層實時控制提供了科學合理的指導基準。
20、3）下層短時域溫度跟蹤器的目標函數涵蓋了狀態跟蹤成本、能量成本、控制增量成本、松弛變量成本，這種設計讓下層控制器在短時域實時優化中，既能夠精準跟蹤上層的長時域規劃軌跡（保證全局優化目標的延續性），又能通過能量成本、增量的懲罰降低溫度跟蹤能耗和執行器損耗，同時通過松弛變量處理約束沖突（增強系統魯棒性），實現了精確跟蹤、低能耗、強魯棒的多重優化目標，保障了熱管理系統的實時控制性能。
21、4）由于電動汽車熱管理系統的座艙-電池耦合模型、制冷系統模型均具有非線性特性，相比線性mpc，nmpc對非線性特性的適配性更強，能在復雜熱管理場景下（如大負荷制冷、溫度劇烈波動）仍保持較高的控制精度，確保系統狀態穩定逼近參考軌跡。
22、5）本發明通過上層長時域規劃器基于未來高熱負荷工況（如高速行駛、擁堵升溫前兆）生成控制指令提前啟動電池主動預冷。這種預見性預冷策略，能在高熱負荷到來前將電池溫度降至更低的安全區間，避免了高熱負荷下電池溫度的劇烈上升，一方面降低了高熱負荷階段的制冷能耗（因起始溫度低，達到目標溫度所需制冷量減少），另一方面延長了電池壽命（避免高溫對電池的老化加速），實現了“節能+護電”的雙重收益。