HEV能量管理策略 Simulink 实战：从零搭建 Rule-based 与 A-ECMS 对比模型及排错指南

核心1：ECMS 对比规则基 (油耗/SOC误差)

1. 基于规则的策略 (Rule-based Strategy)

控制逻辑：通常基于稳态查表、逻辑门限值（如电量消耗-电量维持 CD-CS 模式、恒温器策略或功率跟随策略）。系统在特定的车辆速度、需求功率和SOC阈值下触发发动机或电机的启停。
油耗表现：由于无法预知未来的行驶工况且主要依赖标定经验，发动机往往无法一直工作在最优工作线（OOL）上。整体油耗表现为次优（Sub-optimal）。
SOC误差表现：SOC轨迹通常呈现出较硬的阶跃或较大的波动范围。只要SOC在允许的上、下限（例如 0.25 - 0.30）内，系统就不会主动干预。因此，最终的SOC与目标SOC往往存在较大的残差。

2. ECMS 策略 (Equivalent Consumption Minimization Strategy)

控制逻辑：这是一种基于瞬时优化的策略。核心思想是将电机的电能消耗（或回收）通过"等效因子 (Equivalence Factor, EF)"折算为等效油耗。在每个控制周期内，寻找使总等效瞬时油耗最小的发动机与电机功率分配。
油耗表现：ECMS 能够根据瞬时状态动态调整功率流向，使发动机尽可能避开低效区，工作在最佳油耗区域。其整体油耗显著低于基于规则的策略，且逼近全局最优解（如动态规划 DP 的结果）。
SOC误差表现 ：在自适应ECMS（A-ECMS）中，等效因子会根据当前SOC与目标参考SOC（SOCrefSOC_{ref}SOCref）之间的误差进行实时PI调节。这使得系统的SOC轨迹被紧紧"锚定"在参考值附近。在循环工况结束时，ECMS 的终端SOC误差极小（通常误差 <1%< 1\%<1%），从而保证了电量维持（CS）阶段的公平对比。

核心2：绘图 - 对比曲线 (论文结果图生成)

在撰写学术论文或处理仿真结果时，通常需要将这两种策略在同一工况（如 WLTC 或 NEDC）下的表现进行可视化叠加对比。如果需要提取模型数据并绘制这些核心曲线，可以通过配置 Simulink 模块并使用 MATLAB 脚本来实现：

1. SOC 轨迹对比图 (SOC Trajectory)

这是最能直观反映两种策略充放电行为倾向的图表。

现象：基于规则的曲线通常呈现锯齿状的大幅波动，或者过早消耗电量；而 ECMS 曲线波动更加平滑，且在终点处精准收敛于目标值（例如 0.3）。
Simulink 提取方式 ：在被控对象的电池模型输出端引出 SOC 信号，连接至 To Workspace 模块，命名为 soc_rule 和 soc_ecms（设为 Array 格式）。
绘图参考代码：

matlab 复制代码

plot(tout, soc_rule, 'b--', 'LineWidth', 1.5); hold on;
plot(tout, soc_ecms, 'r-', 'LineWidth', 1.5);
plot(tout, ones(size(tout))*0.3, 'k:', 'LineWidth', 1); % 目标SOC参考线
xlabel('Time (s)'); ylabel('SOC');
legend('Rule-based', 'ECMS', 'SOC Reference');
title('SOC Trajectory Comparison');

2. 累计油耗对比图 (Cumulative Fuel Consumption)

用于直接证明 ECMS 的节能优势。

现象：随着时间推移（尤其是循环工况的中后段），Rule-based 的红色曲线会逐渐高于 ECMS 的蓝色曲线。终点处的纵轴差值即为 ECMS 节省的燃油量。
Simulink 提取方式 ：将发动机油耗率（g/s）通过 Integrator (积分器) 模块后，接入 To Workspace 模块，得到累计油耗（克或升）。
绘图参考代码：

matlab 复制代码

    plot(tout, fuel_rule, 'b--', 'LineWidth', 1.5); hold on;
    plot(tout, fuel_ecms, 'r-', 'LineWidth', 1.5);
    xlabel('Time (s)'); ylabel('Cumulative Fuel Consumption (g)');
    legend('Rule-based', 'ECMS');
    title('Fuel Consumption Comparison');
    ```

3. 发动机工作点分布对比散点图 (Engine Operating Points)

用于从微观机理上解释为什么 ECMS 油耗更低。

现象：在发动机万有特性图（BSFC Map）上打散点。基于规则的点散布较广，部分落在高油耗区域；而 ECMS 的点高度集中在发动机的最优工作线（Optimal Operating Line, OOL）附近。
Simulink 提取方式 ：将发动机转速（Speed）和转矩（Torque）通过 To Workspace 导出。
绘图参考代码：

matlab 复制代码

    % 假设已有发动机 BSFC 等高线图绘制代码 (contour)
    % contour(Speed_grid, Torque_grid, BSFC_map); hold on;
    scatter(spd_rule, trq_rule, 10, 'b', 'x'); hold on;
    scatter(spd_ecms, trq_ecms, 10, 'r', 'o', 'filled');
    xlabel('Engine Speed (rpm)'); ylabel('Engine Torque (Nm)');
    legend('Rule-based Points', 'ECMS Points');

建模过程

我将手把手带你完成从"捏造参数"到"跑出高质量对比图"的全套闭环流程。请严格按照以下 5 个步骤操作，一步都不要跳过。

第一步：构建全局变量池（解决"没有数据"的问题）

在打开 Simulink 之前，我们必须先在 MATLAB 的"大脑"里塞满虚拟的物理数据。

打开 MATLAB，在主界面的 Command Window（命令行窗口） 中，复制并运行以下所有代码：

matlab 复制代码

% ==========================================
% 混合动力汽车基础参数初始化 (虚拟数据)
% ==========================================

% 1. 电池参数
Bat_Cap_J = 5 * 3600 * 1000;  % 电池容量：5 kWh 转换为 焦耳 (J)
SOC_Init = 0.6;               % 仿真初始 SOC
SOC_Ref = 0.3;                % 目标维持 SOC

% 2. 发动机参数 (查表数据：发动机功率 -> 消耗克数)
Eng_Pwr_Breakpoints = [0, 10000, 20000, 30000, 40000, 50000]; % 发动机功率点 (W)
Eng_Fuel_Rate =       [0, 0.8,   1.5,   2.2,   3.5,   5.0];   % 对应油耗率 (g/s)

% 3. ECMS 策略参数
LHV_gasoline = 42800;         % 汽油低热值 (J/g)
s_base = 2.6;                 % 基础等效因子

运行后，你的 MATLAB Workspace（工作区）里就会出现这些变量。这就是你整个仿真的数据基石。

第二步：建立"被控对象"（汽车的物理本体）

现在，在 MATLAB 界面点击 Simulink ，新建一个 Blank Model (空白模型)。我们将在这个空白画板上搭建汽车的三个基本器官。

1. 需求功率发生器（模拟司机踩油门）

动作：在库浏览器找 Sources →\rightarrow→ Sine Wave，拖入画板。
改名：双击模块名称，改名叫 P_demand。
参数：双击模块内部，Amplitude 设为 20000，Bias 设为 15000，Frequency 设为 0.05。
解释：这代表汽车正在经历一个需求功率在 -5kW 到 35kW 之间来回波动的工况。

2. 发动机油耗计算器

动作：找 Lookup Tables →\rightarrow→ 1-D Lookup Table，拖入画板。
参数：双击它，Table data 填 Eng_Fuel_Rate，Breakpoints 1 填 Eng_Pwr_Breakpoints。
动作：找 Continuous →\rightarrow→ Integrator (积分器)，拖到查表模块后面。
参数：双击它，Initial condition 填 0。
连线：将 1-D Lookup Table 的输出连到 Integrator 的输入。Integrator 的输出引出一根线，这就是最终的总油耗。

3. 电池 SOC 计算器

动作：找 Math Operations →\rightarrow→ Gain (增益)，拖入画板。
参数：双击它，Gain 填 -1 / Bat_Cap_J。
动作：找 Continuous →\rightarrow→ Integrator，拖到 Gain 后面。
参数：双击它，Initial condition 填 SOC_Init。
连线：将 Gain 的输出连到 Integrator。Integrator 的输出引出一根线，这就是最终的实际 SOC。

第三步：搭建策略一 ------ 基于规则控制器 (Rule-based)

控制器的大脑任务是：根据 P_demand 和 实际 SOC，决定发出多少 PengP_{eng}Peng，算出多少 PmotP_{mot}Pmot。

判定当前模式：

找 Discontinuities →\rightarrow→ Relay。
连线：把第二步算出的实际 SOC 信号连到 Relay 的输入端。
参数：双击，Switch on point = 0.25，Switch off point = 0.35。

决定发动机功率 (PengP_{eng}Peng)：

找 Signal Routing →\rightarrow→ Switch。
参数：双击，Criteria for passing first input 选择 u2 > 0。
连线：
最上面的输入端：连到第一步的 P_demand。
中间的输入端：连到 Relay 的输出。
最下面的输入端：找一个 Constant 模块，设为 0，连上去。
关键点 ：这个 Switch 的输出端，就是发动机指令功率 (PengP_{eng}Peng) 。请把这根线拉过去，连到第二步那个发动机油耗计算器 (1-D Lookup Table) 的输入端。

计算电机功率 (PmotP_{mot}Pmot) 【你之前缺少的量】：

找 Math Operations →\rightarrow→ Sum，双击将符号改为 |+-。
连线：
+ 号端：连到 P_demand 信号。
- 号端：连到刚才算出来的发动机功率 PengP_{eng}Peng (Switch 的输出)。
关键点 ：这个 Sum 模块的输出，就是电机指令功率 (PmotP_{mot}Pmot) 。请把这根线拉过去，连到第二步电池 SOC 计算器 (Gain) 的输入端。

第四步：搭建策略二 ------ A-ECMS 控制器

为了对比，我们需要搭建第二个模型。你可以按 Ctrl+S 把刚才的模型保存为 Model_Rule.slx。然后另存为 一个新文件 Model_ECMS.slx，删掉第三步的 Rule-based 部分，替换为以下 A-ECMS 结构：

生成动态 s 因子：

找一个 Sum，符号 |+-。+端连一个值为 SOC_Ref (0.3) 的 Constant，-端连第二步的实际 SOC信号。
找 Continuous →\rightarrow→ PID Controller。连在上述 Sum 后面。参数：P设为 40，I设为 0.8。
找一个 Sum，符号 |++。将 PID 的输出，与一个值为 s_base (2.6) 的 Constant 相加。输出线命名为 s_dyn。

极小值寻优代码块：

找 User-Defined Functions →\rightarrow→ MATLAB Function，拖入画板。
连线：将 P_demand 信号和刚才算出的 s_dyn 信号接进去。
双击模块，清空里面的字，完整复制粘贴以下代码：

matlab 复制代码

function [P_eng, P_mot] = fcn(P_dem, s)
    % 预设候选功率点
    Pe_cand = 0:1000:50000;
    J_cost = zeros(1, length(Pe_cand));

    % 读取基础数据
    fuel_pwr = [0, 10000, 20000, 30000, 40000, 50000];
    fuel_rate = [0, 0.8, 1.5, 2.2, 3.5, 5.0];
    LHV = 42800;

    % 遍历所有点找最小代价
    for i = 1:length(Pe_cand)
        Pe_test = Pe_cand(i);
        Pm_test = P_dem - Pe_test;

        % 查表算当前油耗率
        m_dot = interp1(fuel_pwr, fuel_rate, Pe_test, 'linear', 'extrap');
        if m_dot < 0; m_dot = 0; end

        % 计算代价 J
        J_cost(i) = m_dot + s * (Pm_test / LHV);
    end

    % 提取最小值对应的功率
    [~, min_idx] = min(J_cost);
    P_eng = Pe_cand(min_idx);

    % 自动算出 P_mot
    P_mot = P_dem - P_eng;
end

连接输出 ：此时该模块右侧有两个端口 P_eng 和 P_mot。把 P_eng 连到发动机查表模块，把 P_mot 连到电池 SOC Gain 模块。

第五步：导出数据与终极对比绘图

这步最关键，关系到论文出图。在两个模型中都做如下操作：

添加 To Workspace 模块：

找 Sinks →\rightarrow→ To Workspace。
挂在实际 SOC 输出线上，双击改名 soc_out，Save format **必须选 Array**。
再找一个，挂在总油耗 输出线上，双击改名 fuel_out，Save format **必须选 Array**。

设置时间并运行：

在 Simulink 顶部菜单栏，将 Stop time 改为 1000。
打开 Model_Rule.slx，点击 Run (运行)。运行完后，去 MATLAB 命令行输入：soc_rule = soc_out; fuel_rule = fuel_out;
打开 Model_ECMS.slx，点击 Run (运行)。运行完后，去 MATLAB 命令行输入：soc_ecms = soc_out; fuel_ecms = fuel_out;

生成论文图表：

最后，在 MATLAB 命令行运行这段代码：

matlab 复制代码

% 绘制精美对比图
figure('Color', 'white');

% 1. SOC 对比图
subplot(2,1,1);
plot(tout, soc_rule, 'b-.', 'LineWidth', 1.5); hold on;
plot(tout, soc_ecms, 'r-', 'LineWidth', 1.5);
plot(tout, 0.3*ones(size(tout)), 'k--', 'LineWidth', 1.5);
xlabel('Time (s)'); ylabel('SOC');
legend('Rule-based', 'A-ECMS', 'Target SOC');
title('SOC Trajectory Comparison');
grid on;

% 2. 油耗对比图
subplot(2,1,2);
plot(tout, fuel_rule, 'b-.', 'LineWidth', 1.5); hold on;
plot(tout, fuel_ecms, 'r-', 'LineWidth', 1.5);
xlabel('Time (s)'); ylabel('Fuel (g)');
legend('Rule-based', 'A-ECMS');
title('Fuel Consumption Comparison');
grid on;

HEV能量管理策略 Simulink 实战：从零搭建 Rule-based 与 A-ECMS 对比模型及排错指南

核心1：ECMS 对比 规则基 (油耗/SOC误差)

核心2：绘图 - 对比曲线 (论文结果图生成)

1. SOC 轨迹对比图 (SOC Trajectory)

2. 累计油耗对比图 (Cumulative Fuel Consumption)

3. 发动机工作点分布对比散点图 (Engine Operating Points)

建模过程

第一步：构建全局变量池（解决"没有数据"的问题）

第二步：建立"被控对象"（汽车的物理本体）

1. 需求功率发生器（模拟司机踩油门）

2. 发动机油耗计算器

3. 电池 SOC 计算器

第三步：搭建策略一 ------ 基于规则控制器 (Rule-based)

第四步：搭建策略二 ------ A-ECMS 控制器

第五步：导出数据与终极对比绘图

最终效果

核心1：ECMS 对比规则基 (油耗/SOC误差)