增程式电动汽车能量管理仿真：SOC亏电到满电控制策略建模

最近在做增程式电动汽车（EREV）的整车能量管理仿真时，最折腾我的问题就是电池从亏电到满电这段过程里，增程器到底该怎么工作。刚开始我搭的模型非常简单——SOC低了就启动增程器，SOC高了就关掉，结果仿真曲线像锯齿一样，增程器几分钟就启停一次，电池充电功率也经常顶到保护限值。后来把整套逻辑重新梳理了一遍，用MATLAB/Simulink按整车动力学、电池、增程器、控制策略四层重新搭，才真正跑通从SOC 15%亏电状态一路充到95%以上的完整过程。这篇文章就把整个建摸过程和控制逻辑完整拆开讲一遍，包括模型架构、子系统模型、亏电到满电的控制策略设计，以及我在调参过程中踩过的坑。想用MATLAB做新能源整车仿真，特别是EREV/PHEV能量管理策略的同学，可以直接按这套思路去复现。

1. EREV模型到底要解决什么问题：架构、目标与仿真方式的选择

1.1 增程式电动车和插混、纯电在建模上的本质差异

很多人一开始会把EREV当成"纯电+发电机"的组合，模型上直接拿纯电模型加一个受控电流源，后来发现完全不是这么回事。EREV的动力传递路径是固定的：电池给电机供电，电机驱动车轮；增程器里的发动机带动发电机发电，电能可以给电池充电，也可以直接给电机供电，但发动机和车轮之间没有机械连接。这一点和插电混动（PHEV）有本质区别——PHEV存在发动机直接驱动车轮的并联模式，建模时必须考虑离合器状态、变速器挡位、扭矩叠加甚至模式切换的平顺性，复杂度要高一个量级。

EREV的优势恰恰在于"解耦"。发动机的工作点不受车速约束，控制策略可以始终让增程器运行在效率较高的点。反映到建模上，就是增程器不需要建立详细的发动机瞬态模型，只需要一个"输入功率指令、输出发电功率和油耗"的准静态模型就够用了。而真正的难点，全部集中在能量管理层：增程器什么时候启动、发多少电、发电优先给驱动还是优先给电池充电、SOC目标定多少、接近满电时怎么降功率。这套从亏电到满电的逻辑，才是EREV模型的核心价值。

1.2 模型用途决定细节粒度：后向仿真还是前向仿真

动工之前，先想清楚一个事：你搭这个模型是干什么用的。如果只是算综合油耗、续航里程，用后向仿真就够了，也就是直接根据循环工况的车速反推整车需求功率，再沿着传动链从车轮推到电池和发动机，模型简单、仿真速度快，适合做大量参数扫描。但后向仿真有一个问题：它假设车辆完全按目标工况行驶，没有驾驶员模型，动态控制过程中的功率响应、SOC波动、模式切换都被抹掉了。拿它研究亏电到满电的控制逻辑，基本等于拿着地图找下水道，方向对但看不到细节。

我这次的目标是研究和验证控制策略，所以选择前向仿真。前向仿真以驾驶员需求扭矩作为输入，信号流是真实的因果链：目标车速进入驾驶员模型，驾驶员模型输出加速踏板或制动踏板开度，整车控制器根据当前状态给出扭矩和功率分配指令，电机执行指令，车辆纵向动力学计算实际车速，再反馈给驾驶员模型形成闭环。前向仿真能清楚看到增程器启动瞬间的功率分配、电池SOC的响应轨迹、以及策略参数变化带来的影响，代价是模型更重、调试更麻烦，但对控制逻辑研究来说这是必须的。

1.3 顶层架构怎么搭

前向仿真的顶层架构，我在模型里分了五层：

• 工况层：输入CLTC/WLTC等目标车速序列
• 驾驶员层：PID控制器输出需求扭矩
• 策略层：能量管理逻辑，决定增程器启停和发电功率
• 执行器层：电机、增程器、电池的物理响应
• 车辆层：整车纵向动力学，计算实际车速

控制策略层是大脑，但大脑的信号离不开物理层反馈。电池SOC估算模块计算当前SOC，反馈给策略层；策略层根据SOC、驾驶员需求功率、附件功率，计算增程器发电功率指令；增程器模块执行这个指令，把发电功率送入DC母线；母线功率平衡决定了电池是放电还是充电，进而影响SOC。这个闭环一旦建立，后续所有控制逻辑都在这套架构上改。

2. 把整车拆成四块：电池、增程器、电机和纵向动力学建模细节

2.1 电池模型：安时积分SOC和二阶RC等效电路

电池是EREV的能量缓冲器，它的模型精度直接影响SOC变化趋势。我选择的是二阶RC等效电路模型，包含一个电压源OCV(SOC)、一个内阻R0、两组RC并联网络。为什么不直接用理想电压源加内阻？因为电池在动态工况下会出现极化效应，电流突变后端电压不会立刻跳变，而是有一个渐变过程。一阶RC能模拟一部分极化，但响应太单调；三阶RC精度更高，可是参数辨识工作量大幅增加，对于能量管理策略研究来说性价比不高。二阶RC是比较好的折中。

模型方程很简单：

• 端电压：U_t = OCV(SOC) - I_bat * R0 - U_1 - U_2
• RC网络动态：dU_1/dt = -U_1/(R1C1) + I_bat/C1，dU_2/dt = -U_2/(R2C2) + I_bat/C2
• SOC估算：SOC = SOC0 - 1/(3600 * Q) * ∫I_bat dt

其中Q是电池安时容量。以38kWh电池包、标称电压350V为例，容量大约是108Ah。如果图省事用能量积分法也可以，但电压变化会造成偏差，我建议还是用安时积分配合OCV查表。R0、R1、C1、R2、C2都可以标成SOC的函数，做成二维查表，在Simulink里直接用Lookup Table模块，比用simscape电学元件更轻量，仿真也稳定。

在MATLAB里搭的时候注意一点：电池的充放电内阻可能不同，最好分别建表。另外，SOC的积分环节记得加初始值和上下限饱和，否则仿真中途出现SOC超过0~1的区间，后面的查表和逻辑判断全都会乱。

2.2 增程器模型：发动机BSFC MAP和发电机效率MAP

增程器建模的思路和电池类似，不需要把发动机缸内燃烧过程建出来，那是发动机开发团队的事。能量管理仿真只关心一个问题：在某一个转速和扭矩下，增程器消耗多少燃油、输出多少电功率。所以发动机部分用BSFC（Brake Specific Fuel Consumption）MAP表示，横轴是转速、纵轴是扭矩，等值线是燃油消耗率（g/kWh）。发电机部分用效率MAP表示，给定转速和扭矩，查出发电效率。

增程器功率计算关系：

• 发动机输出机械功率 P_ice = T_ice * n_ice / 9550
• 油耗率 m_dot_fuel = P_ice * BSFC / 3600
• 发电机输出电功率 P_gen = P_ice * η_gen

同一发电功率下，发动机可以有不同的转速扭矩组合，但BSFC差别很大。所以在控制策略里需要预先把"最优工作线"整理出来：对每个功率需求，找出BSFC最低或综合效率最高的转速扭矩点作为目标工作点。这个最优工作线可以做成二维表，也可以写成一个MATLAB脚本，在离线环境下预先算好，再给Simulink查表。

我还加了两个工程化细节。第一，增程器从启动指令到稳定输出发电功率有一个响应时间，我把它简化为一阶惯性环节，时间常数大约1~2秒，这样不会出现功率指令阶跃导致母线电压过冲。第二，增程器输出功率变化率要限幅，我设定为5kW/s，模拟真实发动机的加/减速能力，也让控制策略的功率调整不会太激进。

2.3 电机与传动：驱动、回馈和传动效率

电机模型在外特性上是一条扭矩-转速包络线，低速区域受峰值扭矩限制，高速区域受峰值功率限制。电机效率用效率MAP，给定扭矩和转速查效率，这个MAP通常可以从供应商数据或台架实验得到。在EREV中电机是唯一的驱动单元，必须同时考虑驱动和发电两种工作状态：驱动时电池放电，效率η_mot；再生制动时电机反转发电，把动能回收到电池，效率同样按MAP查，但功率方向相反。

整车纵向动力学是模型反馈回路的终点，也是标定基础。滚动阻力、空气阻力、坡道阻力、加速阻力四部分叠加：

function F = vehicle_resistance(v, a, grade, m, Cd, A, rho, f) g = 9.81; F_roll = m * g * f * cos(grade); % 滚动阻力 F_aero = 0.5 * rho * Cd * A * v^2; % 空气阻力 F_grade = m * g * sin(grade); % 坡道阻力 F_acc = m * a; % 加速阻力 F = F_roll + F_aero + F_grade + F_acc; end

得到车轮端需求力之后，乘以车速得到车轮端功率，再除以传动效率 η_trans，就是电机需要输出的机械功率。如果车辆有减速器，主减速比会影响电机转速和扭矩换算，我在参数表里用了9这个速比，轮端扭矩除以速比再除以传动效率就是电机扭矩需求。

2.4 驾驶工况与驾驶员模型

研究亏电到满电控制逻辑，工况选择很关键。我建议先用CLTC或WLTC做基础验证，再叠加一段70~80km/h左右的恒速路段。CLTC低速启停多，SOC消耗快；中高速恒速段可以让增程器发电功率大于驱动需求，SOC实打实往上涨。只跑一个NEDC或只看WLTC可能看不到完整的"亏电-满电"过程，因为高速大功率工况下增程器可能连维持SOC都困难，更别提充电。

驾驶员模型我用了PID控制，输入目标车速和实际车速的偏差，输出需求扭矩。PID参数不能随手拍，调得太激进会导致车速震荡，调得太慢会导致工况跟随误差大。我的经验是先P后PI，P给20~50，I给2~5，保证需求扭矩平滑即可。这个模块在Simulink里直接放一个PID Controller模块就能实现，注意把输出限幅在电机最大扭矩和最大再生制动扭矩之间。

3. 亏电到满电的控制逻辑：从单阈值切到状态机闭环

3.1 为什么"SOC到了就启停"会失败

先说我的反面教材。第一版控制逻辑很简单：SOC低于20%就启动增程器，高于30%就关掉。仿真结果惨不忍睹——增程器启动后给电池充电，SOC很快升到30%，然后停机；停机后纯电行驶又把SOC拉低，不到两分钟又触发启动条件。整个仿真过程增程器反复启停，燃油消耗和排放特性完全失真，电机母线电压也跟着来回波动。

问题本质是缺了两个东西：滞回比较和状态记忆。单阈值带只有20%~30%的区间，SOC实际在区间边界来回穿越时，控制指令也跟着来回切换。解决办法不是把区间拉大就完事，而是要把控制逻辑从"if-else"改成"状态机+滞回+最小运行时间"。增程器一旦启动，至少要稳定运行一段时间（比如120秒），不允许因为SOC短暂越过阈值就立刻关停；SOC一旦低于下限，也不会因为SOC升到30%就马上停机，而是保留一个安全余量。

3.2 状态机设计：CD、CS、强制充电和满电停机

我最终用Stateflow实现了四状态控制逻辑，这四个状态完成了从亏电到满电的所有场景：

表格里的SOC阈值都来自实际参数表的默认值，不是拍脑袋：

自动模式下，从亏电状态进入CS，增程器跟随驱动功率并叠加一段充电功率，SOC爬到30%后进入CD，这是常规的"维持"逻辑。强制充电模式下就不一样了，增程器持续运行，目的是把SOC从亏电一路送到95%，再进入Stop状态。Stop状态不是终态，SOC之后因为行驶消耗掉5%~10%，又会重新进入CS或者Charge，所以状态机是循环的。

为了防止状态边界上的抖动，所有状态切换条件都用了滞回。比如Charge状态退出条件是SOC>=95%，重新进入条件是SOC<=90%，中间5%的空档就是缓冲区。CD和CS之间同样有20%/30%的滞回。

3.3 SOC闭环调节和充电功率限幅

状态机只解决了"什么时候启停"，还要解决"发多少电"，也就是功率闭环。这里我用了一个非常直接的功率平衡关系：

P_gen = P_load + P_chg_target

其中P_load是驱动功率加附件功率，P_chg_target是希望给电池充进去的功率。只要增程器输出电功率大于负载消耗，多余部分自然流入电池，SOC上升；反过来SOC就下降。P_chg_target用一个PI控制器调节，输入是SOC目标值和当前SOC的偏差，输出是期望充电功率，再限幅到0到P_chg_max之间。

之所以用PI而不是直接查表，是因为接近目标SOC时需要平滑降功率。如果SOC在90%之前一直是30kW恒功率充电，到95%瞬间变成0，电池端电压会有一个明显的突变，BMS保护逻辑很可能介入。用PI或者分段线性降功率，让充电功率在SOC 90%~95%区间逐步减到0，就相当于模拟了电池CC-CV充电曲线的CV段。

MATLAB里实现这个限幅逻辑可以直接写一个MATLAB Function：

function Pchg = chargePowerLimit(SOC, SOC_target, Pchg_max) taper_zone = 5; % 进入目标SOC前5%开始降功率 if SOC >= SOC_target Pchg = 0; elseif SOC > SOC_target - taper_zone Pchg = Pchg_max * (SOC_target - SOC) / taper_zone; else Pchg = Pchg_max; end end

增程器端还要加一层功率变化率限制，我设成5kW/s。这样即使PI输出一个大的阶跃，增程器也不会瞬间从0跳到60kW，更接近真实发动机响应，也避免母线电压过冲。

3.4 从亏电到满电的完整过程

把上述逻辑串起来，一个典型仿真过程是这样的：初始SOC 15%，打开强制充电模式。第一段，SOC在15%~20%，增程器启动并迅速升功率到60kW，除满足驱动和附件负载外，剩余功率全部充电；第二段，SOC进入20%~90%，增程器仍按较高功率输出，充电功率限制在30kW；第三段，SOC超过90%，充电功率按线性降到0；第四段，SOC到达95%，增程器停机，系统回到纯电驱动。整个过程大约需要40到50分钟仿真时间。

这里有几个细节值得注意。一是行车过程中如果驱动功率本身就很大，比如高速爬坡，增程器即使满功率60kW也可能不够同时驱动和充电，此时电池反而会小幅度放电。这不是控制逻辑错误，而是物理功率上限决定的，策略设计时要接受这种合理的SOC波动。二是为什么目标定95%而不是100%，因为充电末段的效率极低，且高SOC状态下电池回收再生制动的能力下降，日常行车到100%反而对能量管理和电池寿命都不利。

4. MATLAB模型的实现方式：Simulink结构、Stateflow和关键参数

4.1 工具选型：从零搭建还是用Powertrain Blockset

这个问题我纠结了很久，也建议你先想清楚再动手。

Simscape Electrical里有很多现成的电池、电机、发电机模块，拖动就能搭，画出来的模型很接近物理结构，看起来专业。但Simscape模型是物理域的网络，仿真步长和代数环问题会让人头疼，而且控制策略里很多信号无法直接接入物理端口，调试成本高。

Powertrain Blockset更夸张，它自带EREV Reference Application，点一下就能生成一整套带参考控制策略的整车模型，发动机、电机、电池、驾驶员、工况全都有。如果你只是想做整车参数分析，直接改参数跑就行。但问题是这个参考模型层级非常多，代码生成、总线信号、配置界面都封装好了，想在里面改SOC控制逻辑，反而比从零搭更难。

我的建议是：研究控制逻辑阶段用纯Simulink查表模型加Stateflow，物理结构用公式或者查表近似，这样每一个信号都能看到、能改、能调试；等逻辑验证完毕，再迁移到Powertrain Blockset或者Simscape做高保真验证。从零搭的模型虽然看起来朴素，但它是完全透明的，方便后续加需求、加约束。

4.2 Simulink模型层级和关键模块

顶层模型我按信号流分成六个部分，清晰，也好定位问题：

• Drive Cycle：From Workspace读入目标车速序列
• Driver Model：PID Controller输出需求加速度
• Energy Management：Stateflow模块，输出增程器启停命令和发电功率指令
• EREV Plant：包含电池、电机、增程器、纵向动力学这些被控对象
• Bus：直流母线功率平衡
• Scope/Data Logging：记录SOC、增程器功率、电池电流等

所有物理量单位统一。我用的策略是功率统一用kW，转速用rpm，扭矩用Nm，车速用km/h换算成m/s。很多仿真问题最后都出在单位不一致上，尤其是km/h和m/s的换算，在Simulink里最容易被忽略。

求解器我选择离散定步长，固定步长0.001秒，控制策略的采样周期单独设为0.01秒，用Rate Transition模块做不同步长之间的信号缓存。整车动力学模型的响应频率不高，1ms足够的，但比控制周期细，能捕捉到控制量变化引发的物理量振荡。

4.3 Stateflow状态机怎么落地

Stateflow是这套模型里我最喜欢的部分。建一个Chart，输入是SOC、P_load、force_charge_request，输出是eng_on和P_gen_ref。Chart内部就是上一节说的四个状态和状态切换条件。

在这里提醒几个容易踩的细节：

• 状态内部不要直接输出P_gen_ref的连续计算值然后马上反馈给增程器，否则容易产生代数环。输出端加一个Memory或者Rate Transition，把计算值作为一个采样信号传给物理层。
• 状态切换条件里用的SOC阈值不能只在进入状态时判断一次，要在整个状态运行期间持续判断。Stateflow默认的transition是在每个采样周期都检查的，所以设置条件是OK的。
• 增加一个duration条件防止频繁切换，例如"eng_on持续运行超过120秒后才允许从CS切换到CD"，这个功能在Stateflow里可以直接用after(120,sec)这种时序运算符实现。

4.4 关键参数标定建议

这套模型里常用的参数我列成一个表，基本可以直接照抄：

这些参数不需要一次调准，先跑通，再根据曲线调整。比如说如果高速段SOC持续下滑，说明增程器功率不够，要么提高增程器额定功率，要么降低目标充电功率；如果增程器启停频繁，就扩大滞回区间或者增加最小运行时间。

5. 调参和踩坑实录：从波形异常反推问题根源

5.1 增程器频繁启停：不是阈值问题，是状态记忆问题

第一版仿真跑完，我看到增程器启停信号就像心电图一样密集，一秒钟的仿真数据里on/off切换了十几次。刚开始怀疑是阈值区间设得太窄，把20%~30%改成15%~35%，没用，只是把锯齿间隔拉长了一点。后来才意识到，单纯靠SOC阈值切换是省事，但问题是增程器停机后，电动机立刻从电池取电，SOC的下滑速度非常快，而增程器再启动需要时间，SOC会跌穿下阈值很多，于是整个过程变成了"启动→充满→停机→立马又被拉低→再启动"的恶性循环。

解决办法不只在阈值，而是状态机加了两个约束：最小运行时间120秒，最小停机时间60秒。增程器启动后，即使SOC已经升到30%，只要运行时间没满120秒，不允许切换回CD；停机后即使SOC已经降到20%，如果停机时间没满60秒，不允许重新启动。这两个时间窗口加进去，启停次数立刻降了一个数量级。

5.2 SOC接近满电时过充：恒功率充电的坑

另一个问题出现在强制充电模式。SOC从15%一路充到90%都很顺利，再往上去，仿真突然报错，提示电池端电压超过允许最大值。查了半天发现不是电池模型的问题，是控制策略的锅——充电功率一直保持30kW，到了SOC 92%的时候电池OCV明显升高，内阻压降叠加之后，端电压突破了BMS保护限值。

真实电池在充电末段会切换为恒压充电，充电电流逐渐减小。我在策略里加了一个线性降功率区间，SOC在90%到95%之间，充电功率从30kW线性降到0，同时把强制充电目标定在95%而不是100%。这样既避免了过压保护，也符合实际电池管理策略，仿真曲线变得平滑很多。

5.3 功率指令和SOC反馈之间的代数环

模型里还有一个让我查了半天的Simulink报错：代数环。报错信息指向Stateflow输出的增程器功率指令和电池SOC计算模块之间存在循环依赖。因为P_gen_ref的取值会影响电池充放电功率，电池功率影响SOC，SOC又反过来影响P_gen_ref的计算，如果模型里没有离散化缓存，Simulink必须在同一个步长内解这个环。

我的处理方式是把控制策略整体离散化：Stateflow和控制逻辑模块的采样周期设为10ms，增程器和电池等物理模型仍然用1ms步长，中间所有跨采样周期的信号都加Rate Transition。这样一来，控制策略在一个控制周期内使用的是上一拍采样的SOC，物理层在当前周期内执行最新的指令，循环依赖自然断开。对于整车能量管理这个量级的仿真，10ms控制延迟完全不影响结果。

5.4 用能量守恒校验模型对不对

调试到最后，我还会做一次能量守恒校验，这是判断模型是否可靠的关键一步。把所有能量源和能量消耗方积分起来：燃油消耗的化学能、电池初始电能、电机驱动消耗的能量、再生制动回收的能量、附件消耗、增程器发电量，以及电池最终剩余能量，两边应该基本相等。误差在5%以内，说明模型没有明显丢能量；如果误差大于10%，基本可以确定模型里有信号单位错误、效率算了两遍，或者某个积分模块的初值设错。

我的做法是在模型里加一个Energy Meter子系统，用积分模块分别统计各支路能量，然后在MATLAB脚本里跑完仿真后自动对比。这个方法花不了多少时间，但能救你很多次，因为单位写错这种问题从波形上看不出来，只有从能量守恒的角度才能暴露。

最后关于这套逻辑如何迁移到实车或HIL的小经验

如果你后续要做代码生成或者硬件在环测试，这套Stateflow策略可以直接生成C代码，但要注意几个工程化改动：把SOC阈值和功率限幅做成参数而不是硬编码，方便标定工程师不重新编译就调参；把控制周期从10ms改成实际VCU的调度周期，比如20ms或者50ms；增程器模型里的MAP数据要处理成适合定点的查表格式。我个人认为，先把这个透明化的MATLAB模型跑熟，把"亏电到满电"过程理解透了，再去碰官方参考模型或者实车标定，会比直接抄一个大而全的模型轻松得多。