Traffic-aware Hierarchical Integrated Thermal and Energy Management for Connected HEVs

📄 arXiv: 2602.21914v1 📥 PDF

作者: Jie Han, Arash Khalatbarisoltani, Hai L. Vu, Xiaosong Hu, Jun Yang

分类: eess.SY

发布日期: 2026-02-25

💡 一句话要点

提出交通感知的分层集成热能管理策略，提升混动汽车燃油经济性。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 混合动力汽车 热能管理 模型预测控制 交通感知 Transformer 能量优化 智能交通系统

📋 核心要点

  1. 传统混动汽车能量和热管理系统相互依赖，但缺乏对交通信息的有效利用，导致燃油效率和舒适性难以兼顾。
  2. 提出一种交通感知的分层集成热能管理策略，利用智能交通系统信息，分层优化电池SOC和车厢温度。
  3. 实验结果表明，该策略在多种工况下均优于传统方法，显著降低燃油消耗，并保持良好的热舒适性。

📝 摘要（中文）

本文提出了一种针对互联混合动力汽车（HEV）的交通感知分层集成热能管理（TA-ITEM）策略，旨在提高燃油效率和热舒适性。该策略利用智能交通系统（ITS）提供的交通流速度信息。在上层，规划电池荷电状态（SOC）和车厢温度的全局参考轨迹。在下层，开发了一个基于模型预测控制（MPC）的实时ITEM控制器，该控制器结合了一个基于Transformer的新型速度预测器与驾驶条件识别（TF-DCR），以实现对参考轨迹的预测性跟踪。在各种驾驶循环和环境温度条件下进行了数值模拟。结果表明，所提出的TA-ITEM方法优于传统的基于规则和MPC-SP方法，平均燃油消耗分别降低了56.36％和5.84％，同时保持了卓越的热调节和车厢舒适性。这些发现证实了TA-ITEM的有效性和强大的泛化能力，并强调了结合交通信息的优势。

🔬 方法详解

问题定义：现有混合动力汽车的热能管理系统通常独立运行，未能充分利用车辆互联带来的交通信息。传统方法在燃油经济性和热舒适性之间难以达到最佳平衡，尤其是在复杂的交通环境中。因此，需要一种能够有效利用交通信息，实现能量和热管理系统协同优化的策略。

核心思路：本文的核心思路是将交通信息融入到混合动力汽车的热能管理中，通过预测未来的交通状况，提前规划能量和热量的使用，从而提高燃油经济性和乘客舒适性。采用分层控制结构，上层负责全局优化，下层进行实时控制，保证系统的稳定性和实时性。

技术框架：该方法采用分层控制框架。上层为全局轨迹规划层，利用智能交通系统（ITS）提供的交通流速度信息，规划电池荷电状态（SOC）和车厢温度的参考轨迹。下层为实时控制层，采用基于模型预测控制（MPC）的ITEM控制器，结合Transformer-based速度预测器与驾驶条件识别（TF-DCR），实现对参考轨迹的预测性跟踪。TF-DCR模块用于预测车辆未来的速度，并识别当前的驾驶条件，为MPC控制器提供准确的预测信息。

关键创新：该方法的关键创新在于将交通信息融入到热能管理系统中，并提出了一种基于Transformer的速度预测器与驾驶条件识别（TF-DCR）模块。TF-DCR能够准确预测车辆未来的速度，并识别当前的驾驶条件，为MPC控制器提供准确的预测信息，从而实现更有效的能量和热管理。此外，分层控制结构也保证了系统的稳定性和实时性。

关键设计：Transformer-based速度预测器采用标准的Transformer结构，输入为历史速度数据和交通信息，输出为未来速度的预测值。驾驶条件识别模块采用机器学习算法，根据车辆的速度、加速度等信息，识别当前的驾驶条件，如城市道路、高速公路等。MPC控制器的目标函数包括燃油消耗、电池SOC偏差和车厢温度偏差，通过优化控制变量，实现对参考轨迹的跟踪。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

数值模拟结果表明，所提出的TA-ITEM方法在各种驾驶循环和环境温度条件下均表现出色。与传统的基于规则的方法相比，平均燃油消耗降低了56.36％。与基于MPC-SP的方法相比，平均燃油消耗降低了5.84％。同时，该方法能够保持卓越的热调节和车厢舒适性，证明了其有效性和强大的泛化能力。

🎯 应用场景

该研究成果可应用于智能网联混合动力汽车的热能管理系统，提升车辆的燃油经济性和乘客舒适性。随着智能交通系统的普及，该技术具有广阔的应用前景，有助于降低交通运输行业的能源消耗和环境污染。未来，该方法还可以扩展到其他类型的新能源汽车，如纯电动汽车和燃料电池汽车。

📄 摘要（原文）

The energy and thermal management systems of hybrid electric vehicles (HEVs) are inherently interdependent. With the ongoing deployment of intelligent transportation systems (ITSs) and increasing vehicle connectivity, the integration of traffic information has become crucial for improving both energy efficiency and thermal comfort in modern vehicles. To enhance fuel economy, this paper proposes a novel traffic-aware hierarchical integrated thermal and energy management (TA-ITEM) strategy for connected HEVs. In the upper layer, global reference trajectories for battery state of charge (SOC) and cabin temperature are planned using traffic flow speed information obtained from ITSs. In the lower layer, a real-time model predictive control (MPC)-based ITEM controller is developed, which incorporates a novel Transformer-based speed predictor with driving condition recognition (TF-DCR) to enable anticipatory tracking of the reference trajectories. Numerical simulations are conducted under various driving cycles and ambient temperature conditions. The results demonstrate that the proposed TA-ITEM approach outperforms conventional rule-based and MPC-SP approaches, with average fuel consumption reductions of 56.36\% and 5.84\%, respectively, while maintaining superior thermal regulation and cabin comfort. These findings confirm the effectiveness and strong generalization capability of TA-ITEM and underscore the advantages of incorporating traffic information.