在能源危机与环境污染的全球背景下,世界各国对油耗和排放法规的制定和实行日益激进。插电式混合动力汽车（PHEV）可通过动力系统综合能效优化、能量回收及取消怠速等手段对油耗和排放进行改善,是汽车行业节能减排的重要技术手段。能量管理策略决定了PHEV多能源动力系统的能量分配,与车辆燃油经济性直接相关。当前能量管理策略多为基于特定工况优化和标定,为提高策略对工况的适应性,本文围绕基于工况识别的PHEV能量管理策略进行研究,主要包括城市工况构建、车辆模型构建及仿真验证、全局优化与瞬时优化能量管理策略研究和工况自适应能量管理策略研究,具体工作如下:首先,研究了车辆行驶工况的构建方法。对自主行驶法获得的工况数据进行预处理,随后将数据划分为若干运动学片段,选取15个特征参数对各片段进行描述。为降低特征间信息冗余,采用主成分分析法将特征从15维降至4维。接着,以降维后的特征为基础,基于K均值聚类法将片段聚为四类,并采用轮廓系数法评估了聚类的合理性,按照各类工况时间占比合成了所构建工况。将构建工况与工况数据库特征进行对比,结果表明多数工况特征相对误差率在5%以内,构建方法有效。对工况的研究为后续能量管理策略开发提供了研究用工况和数据基础。然后,搭建了PHEV整车仿真平台。分析了单轴并联PHEV构型特征,并以整车及部件参数为基础,于Matlab/Simulink环境完成了模型构建。随后设计规则型策略与车辆模型联合,验证了模型的有效性,对规则型能量管理策略的控制效果进行了评估。其次,研究了基于优化的能量管理策略。为对后续策略进行评估和参考,设计了动态规划能量管理策略,研究了该策略下的SOC轨迹和转矩分配。为实现在线策略的应用,构建了瞬时最优等效油耗最小策略。分析了等效因子对SOC轨迹和转矩分配的影响规律,随后对等效因子的影响因素进行了研究,分析了工况类别、初始SOC和行驶里程与等效因子的关系,在此研究的基础上,应用灰狼算法对等效因子进行优化,在每种典型工况下建立了基于初始SOC和行驶里程的最优等效因子MAP,为后续策略中等效因子的实时更新提供了依据。最后研究了基于工况识别的能量管理策略。以聚类得到的工况特征参数为数据基础,建立了基于双向长短期记忆网络（Bi-LSTM）的行驶工况识别模型。为避免人工调节超参数,以误差率最小为优化目标,引入贝叶斯理论对网络超参数进行了优化,在工况测试集中对工况识别模型进行了离线验证。结果表明工况识别模型对各类典型工况的识别准确率均达到较高水平。引入两种线性SOC参考轨迹,结合SOC轨迹跟随策略约束电量消耗。将工况识别模型、车辆模型、等效油耗最小模型、SOC轨迹跟随策略与最优等效因子MAP耦合,建立基于Bi-LSTM工况识别的自适应ECMS策略模型。为验证本文策略的有效性,在不同测试工况下进行了仿真。结果表明,本文建立的基于Bi-LSTM工况识别的自适应ECMS策略工况适应性良好,不同类别工况下电能分配合理,电池SOC轨迹跟随良好,发动机低效区内工作点比例相较规则型策略显著减小,在不同测试工况下燃油经济性提升在6.09%～8.17%。本文提出的策略降低了对工况的敏感性,为挖掘PHEV的节能潜力提供了参考。