我国面临着能源短缺、环境污染严重等问题,插电式混合动力汽车（Plug-in Hybrid Electric Vehicle,PHEV）作为当前技术条件下一种实现节能减排的有效方法,受到了政府和企业的重点关注。而PHEV的能量管理策略优劣又直接影响PHEV的节能减排能力。智能交通技术的发展为能量管理策略制定提供了新的思路。融合智能交通信息对未来工况进行长期预测,能为能量管理策略的实时优化提供参考。为更好的对PHEV动力进行分配,进一步提高PHEV燃油经济性,本文以P2.5构型PHEV为研究对象,开展了基于历史数据和交通信息的PHEV预测能量管理策略研究。主要研究内容如下:（1）分析P2.5构型PHEV系统结构,详细阐述各工作模式下的功率流,并基于台架实验数据建立了关键部件数值模型。建立基于规则的能量管理策略,确定两种运行模式下的工作模式,制定模式切换条件和转矩分配规则,以重复的NEDC工况验证所建立数值模型的有效性和基于规则的能量管理策略的合理性,为后续能量管理策略的制定提供参考。（2）建立基于动态规划（Dynamic Programming,DP）算法的PHEV能量管理策略,研究了动态规划的求解方法,实现最优的能量分配。在重复的NEDC工况下,研究全局能量最优分配下电池荷电状态（State of Charge,SOC）的变化规律,为理论SOC参考轨迹的建立奠定理论基础。与基于规则的控制策略结果相对比,基于DP策略的燃油经济性有较大提升,验证所提出的基于DP算法的PHEV能量管理策略的有效性,也为后文的能量管理策略提供参考。（3）构建了基于模型预测控制（Model Predictive Control,MPC）的PHEV能量管理策略,将DP与MPC相结合,进行优化求解。研究减小动态规划计算量的方法。利用两种预测模型对未来车速进行预测,对比两种预测模型预测效果。对基于MPC的能量管理策略进行仿真分析。在预测时域内,基于真实车速,验证SOC参考轨迹的必要性,验证滚动优化方法的有效性。对比了基于规则、基于DP和基于两种预测模型的MPC控制策略的仿真结果。仿真结果表明,基于MPC的能量管理策略燃油经济性明显优于基于规则的能量管理策略,且燃油经济性接近基于DP策略的结果,验证了MPC策略的有效性。同时,两种车速预测模型下的MPC策略结果也表明了提升车速预测精度能提升燃油经济性。在真实车速下的MPC策略控制效果也表明了理论SOC参考轨迹存在一定局限性。（4）提出了基于历史数据和交通信息的PHEV预测能量管理策略。针对PHEV在行程结束时期望SOC减低到最低值的需求,提出了基于驾驶员历史行车数据和实时交通信息对SOC规划的方法,从全局的角度对SOC进行规划,规划出的SOC轨迹作为短期预测区间内的约束引入第四章所提出的MPC策略中,进行实时求解。阐述了如何结合历史数据、交通信息以及当前位置信息对全局工况进行预测的方法和根据全局工况预测结果对SOC进行规划的方法。为获取历史行车数据,在Prescan中重构了Vissim的小型交通环境,在此基础上,通过驾驶设备从构建的交通环境中获取历史行车数据。开展了仿真验证,对比分析了有无交通信息帮助下的MPC策略、基于规则策略和基于DP策略的结果。仿真结果表明,有无交通信息参与下的MPC策略燃油经济性都明显优于基于规则的策略;在交通信息参与下的MPC策略燃油经济性达到了基于DP策略的90.65%,比基于理论SOC轨迹的MPC策略经济性提高了1.33%,验证了所提出预测能量管理策略的有效性。