发展新能源汽车是我国的国家战略。为解决插电式混合动力汽车(Plug-in Hybrid Electric Vehicle,PHEV)对动力电池高比能量和高比功率双重需求及其易加速电池性能退化的难题,提出使用高比能锂离子电池和高比功率超级电容组合的多电源构型,针对PHEV用复合电源系统存在的系统构型、参数匹配、实时能量管理以及算法验证等基础关键问题,开展了如下研究工作:1)针对复合电源系统部件建模以及参数匹配问题,分析了不同的复合电源拓扑结构,系统研究了动力电池和超级电容建模、试验体系构建、参数辨识与模型验证以及DC/DC变换器的工作原理等。根据所选工况分析目标车辆的性能需求,应用动态规划全局优化算法,以系统能量损失最小为目标开展了复合电源系统参数匹配与能量管理的集成优化工作,得到了最优的参数匹配结果,为PHEV的能量管理策略奠定了理论基础。2)针对复合电源系统能量管理与动力电池组工作温度和老化程度间的耦合问题,基于使用动态规划全局优化算法搭建的系统参数与能量管理集成优化平台,系统描述了不同的电池工作温度和老化程度下最优能量管理策略,依据获得的最优控制轨迹,以动力电池所占电源系统的功率比、PHEV需求功率、车速等之间的关系,提取了全新的能量管理控制策略。与原始的规则控制策略的比较分析结果表明,基于集成优化算法平台建立的策略具有更优越的控制性能和能耗。3)针对PHEV实时工况对复合电源系统能量管理的扰动问题,提出应用以环境反馈为输入的、适应环境的强化学习方法,将PHEV实时工况下车辆功率需求描述为马尔可夫链随机过程,建立了基于实时强化学习算法的控制策略。系统阐述了Qlearning离线算法并构建了基于Q-learning在线算法的能量管理框架体系,讨论了不同遗忘因子和Kullback-Leibler偏异率对系统能耗的影响特性,与原始控制策略的对比结果表明该控制策略可以减少系统的能量总损失约12%。4)针对复合电源系统能量管理策略的实际应用和验证问题,搭建了基于x PC Target的硬件在环仿真试验平台,选择了合适的软件系统和硬件系统,分别以动力电池和超级电容作为测试电源对原始的规则控制策略和基于实时强化学习的控制策略进行了比较。试验结果表明基于实时强化学习的控制策略可减小动力电池的平均放电电流和变化频率,促使超级电容组充放电更加频繁。本论文研究提出的将高比能动力电池和高比功率超级电容混合使用的方法能够有效解决PHEV对电池系统双重要求的难题,建立的复合电源系统参数匹配与能量管理策略集成优化平台,能够有效的开展构型分析、参数匹配和规则控制策略的优化问题,并将动力电池工作温度和老化程度对其能量管理策略性能的影响考虑在内,进一步优化复合电源系统能量管理控制策略;基于强化学习的能量管理策略,能够极大的完善复合电源系统的实时能量精细化管理并解决PHEV实时工况对复合电源系统能量管理的扰动问题,具有良好的工程应用价值。