为了确保不同驾驶场景下增程式电动汽车的多能量源有一个合理的能量分配,需对增程式电动汽车的能量管理策略进行深入研究。鉴于道路信息与工况的随机性和能量管理问题非线性的特征,基于道路坡度信息的自适应能量管理策略的研究对增程式电动汽车关键技术的推进有着重要的意义。本文以某款增程式电动物流车为研究对象,对增程式电动物流车动力系统参数匹配问题、基于不同道路坡度信息的自适应能量管理策略优化以及实时应用进行深入研究。提出基于道路坡度信息且通过改进遗传算法优化的自适应恒温器型能量管理策略与自适应功率跟随型能量管理策略。具体工作主要包括:1)根据汽车系统动力学理论,以路面提供的阻力扭矩与驱动扭矩之间关系为依据,建立整车动力学模型,并对其进行模型验证。对增程式电动物流车的动力系统（增程器（APU）、驱动电机及动力电池）进行参数匹配与选型。2)针对增程式电动物流车能量管理问题,提出基于道路坡度信息的自适应恒温器型能量管理策略与自适应功率跟随型能量管理策略。针对APU最佳工作曲线搜索问题,利用三次多项式的方法实现由发动机和发电机实验效率曲线得到相同转速与转矩分布下的增程器效率曲线,再采用黄金分割法进行APU最佳工作曲线与最佳工作点的搜索。以等效油耗为燃油经济性指标,在不同工况与不同道路坡度信息下应用改进遗传算法对能量管理策略进行参数优化。在C-WTVC和CHTC-HT两种循环工况下对不同道路坡度信息的物流车进行燃油经济性仿真,仿真结果表明:在不同工况不同的道路坡度信息下通过改进遗传算法优化的自适应能量管理策略能够有效地提高燃油经济性能,使动力电池的SOC波动得到了良好的控制,提高了电池寿命。3)利用NI实时机,针对增程式电动物流车能量管理策略搭建Hi L测试平台。增程式电动物流车动力系统模型作为被控对象模型,将该模型通过Veri Stand导入到NI实时机中。在CHTC-HT与C-WTVC工况下,对增程式电动物流车进行Hi L测试,结果表明:整车油耗、SOC曲线仿真均与实验结果基本吻合,车速跟踪基本满足实际应用,验证了本文所研究的增程式电动物流车能量管理策略优化可以在实时环境中有效可靠地运行并能提高整车的燃油经济性。