传统的汽车能量管理本质上属于功率管理,由于未来行驶信息不可知,能量管理仅局限于以驾驶员踏板输入的瞬时功率逻辑控制,无法实现全路径范围的能量规划与管理。显然,这对于纯电动汽车或大混合比混合动力汽车（如插电式混合动力汽车）是不利的,车载能量的全路径优化有助于凸显混合优势潜力,延长续驶里程。基于车辆的智能网联行驶大数据,通过人工智能算法对规划路径上的行驶工况进行预测,车载智能能量管理系统可实现全路径区间上的能量及功率点序列的全局规划控制。基于预测的智能能量管理是智能网联汽车的发展趋势和关键技术之一。本文以并联式PHEV为研究对象,开展基于全路径工况预测的能量管理研究。主要研究内容如下:（1）面向规划路径开展行驶工况预测研究。采集道路交通信息并将特征量化描述,利用多种算法对长时车速进行预测,通过对比分析得出最优GA-BP算法模型,构建长时车速预测模型并进行预测分析,并将其用于汽车的能量消耗预测,取得了较好的预测结果。（2）基于PHEV系统结构及参数,利用Matlab/Simulink建立插电式混合动力汽车部件模型,主要包括发动机模型、电机模型、电池模型、传动系统模型、驾驶员模型以及整车动力学模型,构建整车的模型框架,同时分析了PHEV的工作模式。（3）根据预测的长时车速构建行车工况,结合已建立的整车仿真模型,设计了基于工况预测的PHEV能量管理策略。通过建立的整车仿真模型进行仿真分析和对比验证,结果表明本文的提出的基于工况预测的改进规则的能量管理策略具有较好的节油效果。