随着石油资源日益匮乏、全球温室效应加剧以及环境污染等问题越来越受到人类重视,发展以清洁燃料为动力源的新能源汽车是未来的趋势。增程式电动汽车（Extended Range Electric Vehicle,EREV）以结构简单、整车造价成本低和低排放等优点,得到众多车企和科研机构的重视。控制策略是实现EREV多能源动力总成的关键,通过动力源输出功率的协调分配,可使整车排放、油耗和驾驶舒适性得到进一步优化。本文利用多智能体组网技术搭建EREV能量管理控制平台,研究一致性算法实现多动力源功率的协调分配,主要内容如下:首先,以国内某款EREV基本参数为依据,根据新能源汽车动力性指标,确定主要动力部件基本参数,并给出相应部件数学模型;其次,在JADE（Java Agent Development Framework）中建立增程器智能体、动力电池智能体以及驱动电机智能体,构建多智能体系统（Multi-Agent System,MAS）框架,利用MACSim插件实现MAS与Simulink模型连接;最后,将一致性优化算法添加到所搭建的MAS中,驱动电机智能体接收整车需求功率,当MAS处于功率不平衡状态时,通过智能体间迭代一致性变量,使得系统达到平衡状态,实现EREV能量管理的智能控制。为验证所提策略的有效性和最优性,在MATLAB/Simulink中建立EREV整车控制模型,并将带有一致性算法的多智能体系统连接到整车控制模型,最终将模型嵌入到ADVISOR平台中运行仿真。结果表明:在一段组合工况仿真结束后,MAS能有效地协调动力源部件间能量分配;与全局优化算法相比,本文所提策略下动力电池荷电状态（State of Charge,SOC）值能很好地跟随全局优化下的SOC曲线下降;与传统电辅助策略相比,动力源部件高效工作点区间较为集中,整车能耗损失值有着显著降低。最后,本研究利用D2P（From Development to Production）技术对所提控制策略进行台架试验验证,搭建“EREV动力部件试验平台”,利用Simulink中Moto Hawk组件完成对整车模型的下载、编译和代码生成。选取工况CYC-UDDS作为试验工况,设置动力电池初始状态值,以验证一致性算法对整车能量分配的控制效果,台架结果显示:控制策略可以实现能量地协调分配,动力源部件工作区间效率较高,动力电池SOC值变化曲线与模型仿真相同并维持在0.116左右。综上所述,本文所提基于多智能体一致性算法的EREV控制策略可以实现对整车能量的智能控制,提高效率区间、降低行车过程中的能量损失,减少燃油消耗。