中国农业大学信电学院余强教授课题组在电动农机智能控制研究领域取得新进展

近日，中国农业大学信息与电气工程学院余强教授课题组在国际能源领域期刊Applied Energy在线发表研究论文《基于运行信息融合的电动拖拉机混合储能分层自适应能量管理策略》（Hierarchical adaptive energy management for electric tractors with hybrid energy storage systems based on operational information fusion）。 该研究针对电动拖拉机在复杂田间作业过程中负载随机波动剧烈、传统能量管理策略对未来工况感知能力不足、混合储能系统功率协调效率低以及动力电池寿命衰减等问题，提出了一种融合运行信息感知、短期负载预测和分层预测控制的自适应能量管理方法，为推广农机电动化、降低电池更换成本和延长动力电池使用寿命提供了新的技术方案。

在“双碳”目标和农业机械绿色低碳转型背景下，电动拖拉机已成为农业装备电动化发展的重要方向。然而，与道路车辆相比，电动拖拉机长期运行于复杂田间环境，其作业负载受到土壤阻力、地形起伏、农具—土壤相互作用及驾驶操作等多因素共同影响，呈现出显著的非平稳、随机和冲击特性。传统能量管理策略通常依据当前运行状态进行功率分配，缺乏对未来负载变化趋势的预测能力，难以兼顾系统能效、电池寿命和实时控制性能。同时，模型预测控制虽然具有较好的优化能力，但在复杂工况下仍受预测精度和计算效率限制。因此，构建兼具运行工况感知、短期负载预测和实时优化控制能力的能量管理框架，是推动电动拖拉机高效、安全和智能运行的关键。

电动拖拉机分层自适应能量管理系统总体架构

该研究围绕复杂田间犁耕工况下运行信息获取、未来负载预测和混合储能协调控制等关键问题开展研究。首先，建立融合车辆动力学、土壤阻力及混合储能系统的电动拖拉机动力学模型，为能量管理提供物理基础。随后，提出运行信息融合（Operational Information Fusion，OIF）方法，通过主成分分析、K-means聚类和概率神经网络，实现田间作业工况的在线识别；进一步结合分组径向基神经网络（Grouped RBFNN），实现不同作业模式下车辆速度和牵引阻力的短期预测，提高未来负载信息的预测精度。在此基础上，构建分层自适应能量管理策略，上层采用模型预测控制规划混合储能系统荷电状态参考轨迹，下层设计滚动时域模糊控制器，实现动力电池与超级电容之间的实时协同功率分配，在保证实时性的同时兼顾运行经济性和电池寿命。

基于运行模式识别的短期负载预测框架

研究结果表明，所提出的运行信息融合方法能够准确识别复杂田间作业状态，在线识别准确率达到97.2%；基于运行模式驱动的分组预测模型相比传统预测方法，速度和牵引阻力预测精度分别提高7.2%～12.9%。在能量管理方面，与传统模型预测控制相比，所提出的分层自适应能量管理策略使动力电池最终荷电状态提高12.0%，系统总运行成本降低17.2%，电池退化成本降低16.7%。硬件在环实验进一步验证了该方法的实时可行性，控制器实时性能提升14.9%，能够满足复杂农业作业环境下的在线控制需求。研究成果为电动拖拉机混合储能系统智能能量管理、动力电池寿命保护以及农业装备智能化控制提供了理论支撑和技术参考。

分层自适应能量管理策略及硬件在环实验验证

中国农业大学为该论文的唯一完成单位，余强教授为论文通讯作者，2022级博士研究生何雄林为第一作者。该研究得到了智能电网国家科技重大专项（编号：2024ZD0800500）的资助。