买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京理工大学申请的专利一种基于容器云和模型预测控制的汽车能源管理方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115047771B 。

龙图腾网通过国家知识产权局官网在2025-11-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210816336.X，技术领域涉及：G05B13/04；该发明授权一种基于容器云和模型预测控制的汽车能源管理方法是由戴荔;马亚玲;高润泽;吴近贤;黄腾;夏元清;詹玉峰;孙中奇;翟弟华;吴楚格;李怡然;张元设计研发完成，并于2022-07-12向国家知识产权局提交的专利申请。

本一种基于容器云和模型预测控制的汽车能源管理方法在说明书摘要公布了：本发明提供了一种基于容器云和模型预测控制的汽车能源管理方法，针对插电式混合动力汽车非线性系统设计了融合并行多块ADMM算法与容器云的计算模型预测控制云架构，从而提高了非线性模型预测控制的实时可行性；针对具有非线性约束的非凸问题，设计一种并行多块ADMM算法，推导出该算法在合理假设下收敛于问题的局部最优解，利用此高并行的分布式优化算法，开发出计算型模型预测控制，它可以将非线性系统的NMPC优化问题转化为在一个预测步骤中只与该时刻的决策变量相关的一系列子问题，并利用具有丰富计算资源的云，设计出一种基于云的计算MPC架构。该架构将并行算法和容器云技术充分融合，使得所分解的每个子问题在相应的容器中并行求解，从而提高计算效率。

本发明授权一种基于容器云和模型预测控制的汽车能源管理方法在权利要求书中公布了：1.一种汽车能源管理方法，其特征在于，将插电式混合动力汽车的非线性模型预测控制问题通过引入辅助变量在预测时域上进行解耦，使其被分解为一系列只与一个优化变量的某个预测时刻相关的子问题，并采用并行多块ADMM算法分别进行迭代求解，直至满足收敛条件停止迭代，从而得到优化解，作用于被控插电式混合动力汽车上，具体包括： 步骤1：构建插电式混合动力汽车的系统模型，并设置整个系统的约束和每辆车子系统的约束，具体包括： 插电式混合动力汽车的系统模型为： xk+1＝Akxk+buk1 其中表示各辆汽车在k采样时刻的电荷状态量SoC，M表示系统中车辆数量；是各辆汽车在k采样时刻分配的可用功率输入量，是一个单位矩阵，是一个关于输入量的非线性函数构成的向量，给每辆车分配的功率的函数为： 其中，m＝1,2,...,M,C[m]是第m辆车的电池的等效电容，Q[m]是第m个电池的库仑容量，V[m]是在采样时刻k第m个电池的电压，Δt是系统离散化的固定周期时间，η[m]表示充电效率； 对于整个系统的约束有： 分配给M辆车的总功率不能超过供电的公用事业单位传输的功率utotal，用公式表示为： 对于每辆车子系统的约束有： 其中，和分别是可获取的功率与SoC约束集，是在考虑所有本地限制的情况下已分配的功率的上限，各车辆的SoC值在0％～100％之间变化； 步骤2：确定预测模型、成本函数及约束条件，由此构造模型预测优化问题，具体包括： 确定预测模型为： 确定预测模型基于当前时刻的状态量xk和输入量buk在预测时域N上向前模拟，得到预测模型： xi+1|k＝Ai|kxi|k+bui|k，i＝0，1，...，N-15 其中，Ai|k表示第k+i时刻的系统矩阵；xi|k和ui|k分别代表在采样时刻k预测的第i步的预测状态和预测输入值，从而得到预测状态序列和预测控制序列 确定成本函数是在当前采样时刻k优化分配可用功率基础上，最大化下一时刻M辆车SoC的加权总和： 其中，是第m辆车客户的支付意愿,是一个非负值；让向量并设充电成本为gu： 定义其中是一个以为对角线元素的对角矩阵，xexp中m个元素每个都为90％；总成本函数表示为： 状态成本函数和控制成本函数都是可分离的，即： 其中和分别是阶段状态成本函数和阶段控制成本函数； 约束包括系统约束和子系统约束，定义约束集 则在预测时域上： 根据8-10，MPC优化问题表示为： 其中，定义x0|k为系统的初始状态值； 通过求解MPC优化问题11，得到最优控制序列将的第一个分量，即作为被控插电式混合动力汽的实际输入 步骤3、对模型预测优化问题进行重构，构造增广拉格朗日函数对模型预测优化问题进行解耦，采用并行多块ADMM算法进行求解，具体包括： 步骤3.1： 根据初始条件x0|k＝xk和假设预测模型被重构为： xk＝Φkx0|k+Ψkbuk,12 orxi|k＝Φk,ix0|k+Ψk,ibuk,i＝1,...,N13 其中Φk，i和Ψk，i分别表示Φk和Ψk的行块： 其中，的第p个行块表示为nx表示状态量的维数；下三角结构的中，当q＜p时，第p行q列块表示为当p＝q时，第p行q列块为单位矩阵；定义阶段指示函数和为： 则指示函数hxxk和huuk表示为： 通过以上定义，将约束融合到成本函数中，那么MPC问题11被重构为： 其中，表示总成本函数；现在求解MPC优化问题被转化为求解优化问题17； 步骤3.2：构造增广拉格朗日函数： 通过引入辅助变量并使vk＝buk，优化问题17转化为： 对上述问题的两个约束分别引入对偶变量和进而构造出增广拉格朗日函数： 其中ρ1，ρ2＞0是惩罚参数； 步骤3.3：并行多块ADMM算法包括以下迭代过程： 其中i＝0，...，N-1，j表示迭代次数，是Bregman距离，λ＝1,2,3； 步骤3.4：定义以下符号和算子： 其中，是b的雅各比矩阵； 定义函数的一个鞍点为则最优性条件表示为原始可行性： 和对偶可行性： 从而推导得出算法的第j迭代步的原始残差和对偶残差分别为： 当和收敛于0时，即满足停止准则时： 其中∈pri0和∈dual0为设定的阈值，最优性条件26和27满足； 步骤4、求解得到和

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。