随着能源消耗和环境污染的加剧,氢燃料电池客车凭借无污染、噪声小、加氢速度快以及氢能来源丰富等优点成为当前客车领域的研究热点。氢燃料电池客车广泛采用燃料电池+动力蓄电池的动力系统构型,元件之间耦合关系复杂,为了保证车辆正常行驶,改善整车燃料经济性,制定合理有效的能量管理策略成为研究的重点。针对传统能量管理策略在复杂行驶工况下无法满足能量源之间合理高效的功率分配等问题,本文选取CHTC-C中的市区、城郊和高速三种行驶工况,分别采用BP神经网络、最小二乘支持向量机（LSSVM）和灰狼算法优化最小二乘支持向量机（GWO-LSSVM）构建了行驶工况识别模型,通过测试集验证,GWO-LSSVM识别模型的精度最高;根据某型氢燃料电池客车的关键部件参数在CRUISE软件中搭建了整车仿真模型,通过拟合燃料电池氢耗速率的实验数据建立了整车等效氢耗数学模型;在Simulink中分别建立了三种行驶工况下的模糊能量管理策略,利用GWO算法对隶属度函数进行了优化,仿真对比表明,优化后的模糊能量管理策略能够有效改善氢燃料电池客车的燃料经济性,提升燃料电池系统的工作效率;计算了不同识别周期和更新周期下GWO-LSSVM行驶工况在线识别的精度,选取其中精度最高的行驶工况在线识别参数,并将行驶工况识别与优化后的模糊能量管理策略结合,通过测试工况仿真分析,验证了基于GWO-LSSVM行驶工况识别的能量管理策略具有更优的控制效果。通过构建行驶工况识别模型,建立并优化不同行驶工况下的模糊能量管理策略,最后将两者结合搭建基于行驶工况识别的能量管理策略,使氢燃料电池客车获得了更高效的功率分配,提高了整车燃料经济性。