Utična hibridna električna vozila (PHEV) predstavljaju ključnu prijelaznu tehnologiju prema punoj elektrifikaciji cestovnog transporta. Zbog kompleksnosti PHEV pogona i izraženih zahtjeva na kvalitetu upravljanja, tipično se koristi relativno složena, optimalna strategija upravljanja, čija se sinteza uobičajeno zasniva na kvazistatičkom (tzv. unazadnom) modelu vozila. U radu se predlaže proširenje unazadnog modela PHEV-a paralelne konfiguracije podmodelom dinamičkih gubitaka tijekom pokretanja motora s unutarnjim izgaranjem te promjena stupnja prijenosa automatizirane manualne transmisije. Proširenjem se model po točnost približava dinamičkom (tzv. unaprijednom) modelu, uz zadržavanje visoke računalne učinkovitosti svojstvene standardnom unazadnom modelu. Potom se provodi optimiranje upravljačkih varijabli proširenog unazadnog modela PHEV-a korištenjem algoritma dinamičkog programiranja (DP). Rezultati optimiranja koriste se za sintezu i provjeru optimalne strategije upravljanja tokovima snage pogona PHEV-a, koja uzima u obzir dinamičke gubitke pogona i zasniva se na minimizaciji ekvivalentne potrošnje goriva. Strategija upravljanja proširuje se algoritmom generiranja optimalne referentne trajektorije stanja napunjenosti baterije uzimajući u obzir promjenjivi nagib ceste i prisustvo zona s niskim emisijama. Dodatno su projektirane adaptivna i modelsko prediktivna strategija upravljanja tokovima snage. Adaptacija parametara upravljačke strategije temelji se na kvadratnom regresijskom modelu u funkciji značajki voznih ciklusa koje se izračunavaju na pomičnom horizontu u neposrednoj prošlosti. Regresijski model parametrira se na temelju identifikacije vrijednosti adaptiranih parametara iz rezultata DP optimiranja provedenog na karakterističnim voznim mikrociklusima. Modelsko prediktivno upravljanje zasniva se na DP optimiranju upravljačkih varijabli pogona na pomičnom horizontu u budućnosti, proširenom unazadnom predikcijskom modelu i regresijskom modelu potrošnje goriva na preostalom dijelu voznog ciklusa. U takvoj formulaciji, izbjegavaju se težinski faktor ciljne funkcije koji bi bili osjetljivi na karakteristike voznih ciklusa. Predložene strategije upravljanja sustavno su simulacijski provjerene i uspoređene s DP-optimalnim referentnim mjerilom kao i međusobno, kvantificirajući pritom poboljšanja postignuta primjenom adaptivnih i prediktivnih strategija.