插电式混合动力车辆由于工作模式和能量来源的多样性,需要进行能量管理,该任务可以抽象为在满足部件外特性约束、安全约束等前提下的寻优问题。同时,未来工况未知且具有高度的随机性,为策略在线应用提出了挑战。为此,本文基于随机模型预测控制设计了能量管理策略。具体研究点如下:首先本文对研究对象和运行工况进行了基本介绍,基于工况的功率统计特征验证了车辆参数选型的合理性,并梳理了与能量传递与转换相关的各参数的相互关系,明晰了后续策略开发的技术背景。其中,动力电池SOC是混合动力能量管理的重要状态变量,其估计精度直接影响能量管理效果的优劣,本文基于扩展卡尔曼滤波等三种策略估计SOC,误差在8%之内;而后通过匹配误差来源与算法特点,组合使用三种策略,保证了良好的初值稳定性且误差在2.5%之内。设计了基于动态规划的全局最优能量管理策略,并从算法用途角度分析关键性能指标:为加快仿真速度,减少仿真用工况长度,通过实验得出等比例缩放电池容量即可保证百公里油耗的相似度,说明加速后的仿真结果仍可用于策略评估;,同时实践了结合具体工况的控制量简化设计。在应用预测控制进行能量管理之前,基于马尔科夫链蒙特卡洛法构建了工况预测模型,匹配应用多尺度单步预测和结果后处理,实现对典型工况和实际工况的较为准确的预测;而且对后者的预测中,为应对参考数据库与实际工况的差异,应用历史工况和状态点替换更新参考数据;此外还设计在线精度估计方法来剔除预测精度差的片段,由此实现变时域的可用预测工况,预测精度由固定时域35s的水平(12.8km/h)提升至固定时域20s的水平(9.6km/h)。最后,以动态规划实现滚动优化,结合工况预测模型,实现了可在线应用的基于随机模型预测的能量管理策略设计。将最终策略应用于中国典型城市循环工况,验证了预测结果后处理操作能够降低1.9%的油耗;应用于硬件在环试验操作的实际工况,验证了变时域的设定能够降低3.9%的油耗。