芝能科技出品

增程式電動車一直像一個“帶著瑕疵的妥協(xié)”，既滿足了電驅(qū)的平順與低成本補(bǔ)能，又不得不依賴發(fā)動機(jī)兜底。

當(dāng)然用戶對“虧電感”的集體抱怨卻成為這一架構(gòu)揮之不去的陰影：當(dāng)電池電量不足，油耗飆升，動力遲滯，噪音與振動驟然放大，車輛體驗(yàn)從電驅(qū)的絲滑跌落到燃油的粗糲。

這背后是能量管理的固有局限。傳統(tǒng)系統(tǒng)只能被動響應(yīng)當(dāng)下工況，缺乏全局視角與前瞻規(guī)劃。無論是發(fā)動機(jī)效率點(diǎn)的游離，還是能量回收的割裂，都使得增程式始終停留在“臨時補(bǔ)救”的層面，這是一種工程可行，卻始終難以擺脫“不完美”的技術(shù)路線。

所以和插電混動里面的技術(shù)一樣，現(xiàn)在增程技術(shù)也開始圍繞以 AI 能量控制平臺為核心，將駕駛行為、道路環(huán)境和能量分配納入同一套預(yù)測模型，轉(zhuǎn)向主動優(yōu)化。

01

增程的問題的解決方案

● 傳統(tǒng)方案遇到的問題

在傳統(tǒng)增程架構(gòu)中，發(fā)動機(jī)通過增程器為電池和電驅(qū)電機(jī)供電，但其運(yùn)行工況往往難以保持在高效區(qū)間。

電池電量充足時，發(fā)動機(jī)工作較少，不會暴露明顯問題；但在虧電狀態(tài)下，發(fā)動機(jī)必須頻繁介入，而工作點(diǎn)在低效率區(qū)間的概率大幅增加，導(dǎo)致油耗上升。此外，電驅(qū)系統(tǒng)的能量損耗在負(fù)載波動時更加明顯，加重了虧電帶來的整體能耗問題。

多數(shù)現(xiàn)有增程式車型的能量管理策略較為簡單，�；�于SOC（電池荷電狀態(tài)）閾值觸發(fā)發(fā)動機(jī)介入，或根據(jù)瞬時車速和功率需求進(jìn)行被動分配。這種模式缺乏對道路環(huán)境和用戶習(xí)慣的預(yù)測能力。

例如，車輛在進(jìn)入長上坡前沒有提前儲能，往往需要在坡中大幅提高發(fā)動機(jī)輸出，造成油耗和噪聲急劇上升；而在下坡時如果電池已滿，又無法有效利用能量回收。

增程式動力系統(tǒng)需要在發(fā)動機(jī)與電驅(qū)之間不斷切換能量來源。若切換過程缺乏足夠的精細(xì)控制，駕駛者往往會感受到動力響應(yīng)延遲、發(fā)動機(jī)噪聲突�；蜍嚿矶秳蛹觿　�

這些細(xì)節(jié)體驗(yàn)直接構(gòu)成了“虧電感”，也是增程式車輛在與純電動車對比時的最大短板。

● 如何改善，技術(shù)方案與實(shí)現(xiàn)路徑

廣汽星源增程技術(shù)的辦法，是在硬件上優(yōu)化了發(fā)電機(jī)效率與電驅(qū)損耗，在軟件上則通過AI能量管控體系重新定義了能量分配邏輯。

該體系依托中央計(jì)算平臺的算力，結(jié)合導(dǎo)航大數(shù)據(jù)、實(shí)時傳感器信息與用戶行為建模，形成四大核心策略。傳統(tǒng)系統(tǒng)通常在“看到需求時才開始反應(yīng)”，而廣汽的AI能量管理強(qiáng)調(diào)“提前準(zhǔn)備”。

通過與導(dǎo)航系統(tǒng)聯(lián)動，結(jié)合交通流量和坡道路況信息，AI平臺能夠提前判斷能量需求并做出策略。

在技術(shù)實(shí)現(xiàn)上，平臺基于動態(tài)規(guī)劃算法，在狀態(tài)節(jié)點(diǎn)空間中搜索最優(yōu)工作序列。每秒完成一次迭代計(jì)算，使能量分配始終保持動態(tài)最優(yōu)。

例如，當(dāng)系統(tǒng)識別到前方十公里將有長上坡時，會提前啟動增程器補(bǔ)電，避免中途因功率不足而被迫高轉(zhuǎn)速運(yùn)轉(zhuǎn)；而在長下坡前，會降低電池SOC，為能量回收留出空間，系統(tǒng)將發(fā)動機(jī)運(yùn)轉(zhuǎn)頻率控制在最優(yōu)區(qū)間內(nèi)，同時提升能量回收的有效性。

能量策略可以通過學(xué)習(xí)用戶習(xí)慣建立個性化模型，能夠識別143類駕駛場景和20條常用路徑，對駕駛風(fēng)格、車速習(xí)慣、充電規(guī)律進(jìn)行建模。

例如，對于經(jīng)常在夜間家用樁補(bǔ)電的用戶，系統(tǒng)會在白天保持相對較低的終點(diǎn)SOC，以提升能量使用效率。而對經(jīng)常依賴公共充電站的用戶，系統(tǒng)則會保持較高SOC，避免長時間虧電帶來的油耗和體驗(yàn)下降。

這種基于個體差異的自適應(yīng)策略，使車輛不再只以統(tǒng)一邏輯運(yùn)行，而是“因人制宜”地優(yōu)化能量管理。

現(xiàn)有車輛通常只提供幾檔能量回收強(qiáng)度，駕駛者需手動選擇，通過融合雷達(dá)、攝像頭等感知信息，實(shí)時識別跟車狀態(tài)、道路坡度和交通流密度，并結(jié)合駕駛員的操作習(xí)慣預(yù)測下一步動作。在滑行或減速時，系統(tǒng)自動調(diào)節(jié)回收力度，實(shí)現(xiàn)“剛剛好”的能量回收。

02

帶來的結(jié)果和變化

結(jié)果變化最大的是平衡效率與舒適性，最大化能量回收，延長續(xù)航，又避免了因回收過強(qiáng)導(dǎo)致的急減速和乘客不適感，尤其適合城市擁堵環(huán)境，能顯著降低用戶對增程車的負(fù)面感知。

在油電切換上，廣汽的AI平臺預(yù)設(shè)了333種功率分配方案，并以微秒級頻率計(jì)算車速、發(fā)動機(jī)轉(zhuǎn)速、功率需求與NVH參數(shù)，實(shí)時選擇最優(yōu)解。

這意味著在駕駛員突然加速或減速時，系統(tǒng)能立即匹配動力需求，既保證響應(yīng)速度，又避免發(fā)動機(jī)高轉(zhuǎn)速帶來的噪音與振動。

這項(xiàng)技術(shù)的價(jià)值在于，用戶幾乎感受不到油電切換的存在，增程車的駕駛體驗(yàn)更接近純電動車，而能源效率卻得到了保障。

在國內(nèi)外市場，很多品牌也推出過增程式方案，主要思路是通過發(fā)動機(jī)高效區(qū)間控制和能量回收策略來降低油耗。

能量管理大多是基于規(guī)則的固定邏輯，缺乏對用戶個性化的學(xué)習(xí)。例如，發(fā)動機(jī)啟動和停機(jī)往往依賴單一閾值觸發(fā)，未能充分考慮駕駛環(huán)境。能量回收與油電切換的控制粒度有限，多數(shù)僅能做到秒級反應(yīng)，而在復(fù)雜工況下仍會出現(xiàn)動力遲滯或NVH不佳的問題。

改進(jìn)的地方主要是在于：

◎ 預(yù)測性調(diào)度：通過導(dǎo)航數(shù)據(jù)和超視距路況識別實(shí)現(xiàn)“提前布局”，而不是被動響應(yīng)。

◎ 個性化學(xué)習(xí)：利用大數(shù)據(jù)和用戶習(xí)慣建模，形成差異化補(bǔ)電策略，這在現(xiàn)有增程方案中較為罕見。

從用戶角度看，星源增程技術(shù)的最大價(jià)值在于“減少存在感”。傳統(tǒng)增程車的“虧電感”往往非常直觀，表現(xiàn)為加速遲滯、發(fā)動機(jī)突然介入帶來的噪聲和抖動，發(fā)動機(jī)的介入被平滑化，能量回收的調(diào)節(jié)更智能，用戶的主觀感知被顯著弱化。

個性化的補(bǔ)電策略也讓車輛逐漸“了解”駕駛者。例如，一位用戶習(xí)慣每天通勤40公里，那么系統(tǒng)會在行程末端自動優(yōu)化SOC，讓車輛在整個通勤過程中保持最佳效率，體驗(yàn)不僅提升了經(jīng)濟(jì)性并增強(qiáng)了用戶對車輛智能化的認(rèn)可度。

小結(jié)

通過 AI 主導(dǎo)的預(yù)測調(diào)度與毫秒級功率協(xié)同，可以讓油電切換變得不再尷尬，也讓虧電狀態(tài)下的駕駛體驗(yàn)得以延續(xù)電驅(qū)的平順。

增程式的尷尬，本質(zhì)上是硬件效率與能量管理的不匹配。硬件的邊際提升已接近極限，只有算法和系統(tǒng)整合才能繼續(xù)突破。

未來，增程式能否擺脫“過渡技術(shù)”的標(biāo)簽，取決于這種架構(gòu)級優(yōu)化能否在更多車型、更多用戶場景中驗(yàn)，當(dāng) AI 真正接管能量管理，它或許會讓增程式走向一個新的階段。

       原文標(biāo)題 : 增程式的“痛點(diǎn)”可以用AI修復(fù)？！如何讓油電無縫切換？