Buch
Link zu kassel university press
Erhöhung der Reichweite von batterieelektrischen Fahrzeugen durch ein modellbasiertes prädiktives Energiemanagement
Abstract
Die Abhängigkeit von fossilen Rohstoffen und die mit der Verbrennung dieser Rohstoffe einhergehende Schadstoffbelastung erfordern ein Umdenken in der individuellen Mobilität. Elektrofahrzeuge sind lokal emissionsfrei und haben über die regenerative Erzeugung von Elektrizität das Potenzial, das Klima nachhaltig zu entlasten. Trotz steigender Batteriekapazitäten bleibt die Reichweite von Elektrofahrzeugen hinter der von konventionellen Fahrzeugen zurück. Besonders in der kalten Jahreszeit verstärkt sich die Reichweitenproblematik aufgrund der für die Beheizung der Fahrerkabine benötigten Energie. Die daraus resultierende zusätzliche Belastung der Traktionsbatterie kann die Reichweite um bis zu 50% reduzieren.
Im Zuge der Automatisierung werden mehr und mehr Fahraufgaben vom Fahrer an das Fahrzeug übergeben, wodurch neue Energie-managementstrategien möglich werden. In dieser Arbeit wird eine neuartige Energiemanagementstrategie entwickelt.
Für die Anwendung der modellbasierten prädiktiven Regelung werden als Regelstreckenmodelle ein lineares Zustandsraummodell für die Längsdynamik und eines für die Klimatisierung eines Elektrofahrzeugs aufgestellt und durch rekursive Anwendung ein Prädiktionsmodell hergeleitet. Dieses wird anschließend in eine quadratische Kostenfunktion eingebettet, die eine Kompensation der Leistungs-terme von Antriebsstrang und Klimatisierung erlaubt. Ein Vergleich mit einer energieoptimalen Fahr- und Klimatisierungsstrategie, ermittelt mit der Dynamischen Programmierung, zeigt, dass zwei Varianten der quadratischen Kostenfunktion nötig sind, um einen geringen Energieverbrauch zu erzielen. Es wird eine adaptive Kostenfunktion entwickelt, die unter Nutzung einer Heuristik in Abhängigkeit von Umgebungsbedingungen weich zwischen den beiden Varianten der Kostenfunktion wechselt. Die Gewichtungen in der adaptiven Kostenfunktion werden anhand von Parameterstudien festgelegt.
Die entwickelte Energiemanagementstrategie wird in insgesamt 855 unterschiedlichen Fahrszenarien analysiert und gegenüber einer durch die Dynamische Programmierung generierten global optimalen Lösung bewertet. Als Basis dienen durch Messungen validierte Simlationsmodelle.
Die kombinierte Beeinflussung von Antriebsstrang und Fahrzeug-klimatisierung mündet in einer Reduktion des Energieverbrauchs und damit einer Erhöhung der Reichweite um bis zu 5,46% im Vergleich zu einer Fahrt mit konstanter Geschwindigkeit. Über alle gültigen Fahrszenarien wird die Referenzlösung um nur 1,25% überschritten, wobei die Rechenzeit um 1 bis 2 Größenordnungen reduziert wird.
Im Zuge der Automatisierung werden mehr und mehr Fahraufgaben vom Fahrer an das Fahrzeug übergeben, wodurch neue Energie-managementstrategien möglich werden. In dieser Arbeit wird eine neuartige Energiemanagementstrategie entwickelt.
Für die Anwendung der modellbasierten prädiktiven Regelung werden als Regelstreckenmodelle ein lineares Zustandsraummodell für die Längsdynamik und eines für die Klimatisierung eines Elektrofahrzeugs aufgestellt und durch rekursive Anwendung ein Prädiktionsmodell hergeleitet. Dieses wird anschließend in eine quadratische Kostenfunktion eingebettet, die eine Kompensation der Leistungs-terme von Antriebsstrang und Klimatisierung erlaubt. Ein Vergleich mit einer energieoptimalen Fahr- und Klimatisierungsstrategie, ermittelt mit der Dynamischen Programmierung, zeigt, dass zwei Varianten der quadratischen Kostenfunktion nötig sind, um einen geringen Energieverbrauch zu erzielen. Es wird eine adaptive Kostenfunktion entwickelt, die unter Nutzung einer Heuristik in Abhängigkeit von Umgebungsbedingungen weich zwischen den beiden Varianten der Kostenfunktion wechselt. Die Gewichtungen in der adaptiven Kostenfunktion werden anhand von Parameterstudien festgelegt.
Die entwickelte Energiemanagementstrategie wird in insgesamt 855 unterschiedlichen Fahrszenarien analysiert und gegenüber einer durch die Dynamische Programmierung generierten global optimalen Lösung bewertet. Als Basis dienen durch Messungen validierte Simlationsmodelle.
Die kombinierte Beeinflussung von Antriebsstrang und Fahrzeug-klimatisierung mündet in einer Reduktion des Energieverbrauchs und damit einer Erhöhung der Reichweite um bis zu 5,46% im Vergleich zu einer Fahrt mit konstanter Geschwindigkeit. Über alle gültigen Fahrszenarien wird die Referenzlösung um nur 1,25% überschritten, wobei die Rechenzeit um 1 bis 2 Größenordnungen reduziert wird.
The dependence on fossil raw materials and the pollution associated with the combustion of these raw materials require a rethinking of individual mobility. Electric vehicles are locally emission-free and have the potential of sustainably relieving the climate through the regenerative generation of electricity. Despite increasing battery capacity, the range of electric vehicles remains behind that of conventional vehicles. Especially in the cold season the range limitation becomes more severe due to the energy requirement for the heating of the driver’s compartment. The resulting additional load on the traction battery can reduce the range of up to 50%.
In the course of automation, more and more driving tasks are transferred from the driver to the vehicle, which makes new energy management strategies possible. In this work a novel energy management strategy is developed.
Linear state space models of the longitudinal dynamics and the Heating-Ventilationand-Air-Conditioning (HVAC) system are used within a model based predictive control. A prediction model is deduced by recursive application of the state space models. The prediction model is then embedded into a quadratic cost function which allows a compensation of both energy flows from powertrain and HVAC system. A comparison with an energy optimal drive and HVAC strategy, calculated with Dynamic Programming, shows that there are two variants of the cost function required in order to achieve a low energy consumption. An adaptive cost function is developed which, by using a heuristic approach in dependence of the environmental conditions, allows smooth switching between the cost function variants. The weights in the cost function are defined by parametric studies.
The developed energy management strategy is analysed and evaluated based on a total of 855 different driving scenarios which are compared to an ideal solution generated by Dynamic Programming. The combined influence of powertrain and HVAC system results in a reduction in energy consumption and thus an increase in range coverage of up to 5,46% compared to driving at constant speed. Throughout all valid scenarios, the reference solution is exceeded by only 1,25%, whereby the computing time can be undercut by 1 to 2 orders of magnitude.
In the course of automation, more and more driving tasks are transferred from the driver to the vehicle, which makes new energy management strategies possible. In this work a novel energy management strategy is developed.
Linear state space models of the longitudinal dynamics and the Heating-Ventilationand-Air-Conditioning (HVAC) system are used within a model based predictive control. A prediction model is deduced by recursive application of the state space models. The prediction model is then embedded into a quadratic cost function which allows a compensation of both energy flows from powertrain and HVAC system. A comparison with an energy optimal drive and HVAC strategy, calculated with Dynamic Programming, shows that there are two variants of the cost function required in order to achieve a low energy consumption. An adaptive cost function is developed which, by using a heuristic approach in dependence of the environmental conditions, allows smooth switching between the cost function variants. The weights in the cost function are defined by parametric studies.
The developed energy management strategy is analysed and evaluated based on a total of 855 different driving scenarios which are compared to an ideal solution generated by Dynamic Programming. The combined influence of powertrain and HVAC system results in a reduction in energy consumption and thus an increase in range coverage of up to 5,46% compared to driving at constant speed. Throughout all valid scenarios, the reference solution is exceeded by only 1,25%, whereby the computing time can be undercut by 1 to 2 orders of magnitude.
Additional Information
Zugleich: Dissertation, Universität Kassel, 2020Druckausgabe
Link zu kassel university press
Citation
@book{doi:10.17170/kobra-202012182714,
author={Eckstein, Julian},
title={Erhöhung der Reichweite von batterieelektrischen Fahrzeugen durch ein modellbasiertes prädiktives Energiemanagement},
publisher={kassel university press},
year={2021}
}
0500 Oax
0501 Text $btxt$2rdacontent
0502 Computermedien $bc$2rdacarrier
1100 2021$n2021
1500 1/ger
2050 ##0##http://hdl.handle.net/123456789/12623
3000 Eckstein, Julian
4000 Erhöhung der Reichweite von batterieelektrischen Fahrzeugen durch ein modellbasiertes prädiktives Energiemanagement / Eckstein, Julian
4030
4060 Online-Ressource
4085 ##0##=u http://nbn-resolving.de/http://hdl.handle.net/123456789/12623=x R
4204 \$dBuch
4170
5550 {{Elektromobilität}}
5550 {{Batteriefahrzeug}}
5550 {{Energiemanagement}}
5550 {{Erhöhung}}
5550 {{Reichweite}}
7136 ##0##http://hdl.handle.net/123456789/12623
<resource xsi:schemaLocation="http://datacite.org/schema/kernel-2.2 http://schema.datacite.org/meta/kernel-2.2/metadata.xsd"> 2021-03-12T09:35:55Z 2021-03-12T09:35:55Z 2021 doi:10.17170/kobra-202012182714 http://hdl.handle.net/123456789/12623 Zugleich: Dissertation, Universität Kassel, 2020 ger kassel university press Namensnennung 4.0 International http://creativecommons.org/licenses/by/4.0/ Modellbasierte Prädiktive Regelung Elektromobilität Energiemanagementsystem Fahrstrategie Klimatisierug 380 620 Erhöhung der Reichweite von batterieelektrischen Fahrzeugen durch ein modellbasiertes prädiktives Energiemanagement Buch Die Abhängigkeit von fossilen Rohstoffen und die mit der Verbrennung dieser Rohstoffe einhergehende Schadstoffbelastung erfordern ein Umdenken in der individuellen Mobilität. Elektrofahrzeuge sind lokal emissionsfrei und haben über die regenerative Erzeugung von Elektrizität das Potenzial, das Klima nachhaltig zu entlasten. Trotz steigender Batteriekapazitäten bleibt die Reichweite von Elektrofahrzeugen hinter der von konventionellen Fahrzeugen zurück. Besonders in der kalten Jahreszeit verstärkt sich die Reichweitenproblematik aufgrund der für die Beheizung der Fahrerkabine benötigten Energie. Die daraus resultierende zusätzliche Belastung der Traktionsbatterie kann die Reichweite um bis zu 50% reduzieren. Im Zuge der Automatisierung werden mehr und mehr Fahraufgaben vom Fahrer an das Fahrzeug übergeben, wodurch neue Energie-managementstrategien möglich werden. In dieser Arbeit wird eine neuartige Energiemanagementstrategie entwickelt. Für die Anwendung der modellbasierten prädiktiven Regelung werden als Regelstreckenmodelle ein lineares Zustandsraummodell für die Längsdynamik und eines für die Klimatisierung eines Elektrofahrzeugs aufgestellt und durch rekursive Anwendung ein Prädiktionsmodell hergeleitet. Dieses wird anschließend in eine quadratische Kostenfunktion eingebettet, die eine Kompensation der Leistungs-terme von Antriebsstrang und Klimatisierung erlaubt. Ein Vergleich mit einer energieoptimalen Fahr- und Klimatisierungsstrategie, ermittelt mit der Dynamischen Programmierung, zeigt, dass zwei Varianten der quadratischen Kostenfunktion nötig sind, um einen geringen Energieverbrauch zu erzielen. Es wird eine adaptive Kostenfunktion entwickelt, die unter Nutzung einer Heuristik in Abhängigkeit von Umgebungsbedingungen weich zwischen den beiden Varianten der Kostenfunktion wechselt. Die Gewichtungen in der adaptiven Kostenfunktion werden anhand von Parameterstudien festgelegt. Die entwickelte Energiemanagementstrategie wird in insgesamt 855 unterschiedlichen Fahrszenarien analysiert und gegenüber einer durch die Dynamische Programmierung generierten global optimalen Lösung bewertet. Als Basis dienen durch Messungen validierte Simlationsmodelle. Die kombinierte Beeinflussung von Antriebsstrang und Fahrzeug-klimatisierung mündet in einer Reduktion des Energieverbrauchs und damit einer Erhöhung der Reichweite um bis zu 5,46% im Vergleich zu einer Fahrt mit konstanter Geschwindigkeit. Über alle gültigen Fahrszenarien wird die Referenzlösung um nur 1,25% überschritten, wobei die Rechenzeit um 1 bis 2 Größenordnungen reduziert wird. The dependence on fossil raw materials and the pollution associated with the combustion of these raw materials require a rethinking of individual mobility. Electric vehicles are locally emission-free and have the potential of sustainably relieving the climate through the regenerative generation of electricity. Despite increasing battery capacity, the range of electric vehicles remains behind that of conventional vehicles. Especially in the cold season the range limitation becomes more severe due to the energy requirement for the heating of the driver’s compartment. The resulting additional load on the traction battery can reduce the range of up to 50%. In the course of automation, more and more driving tasks are transferred from the driver to the vehicle, which makes new energy management strategies possible. In this work a novel energy management strategy is developed. Linear state space models of the longitudinal dynamics and the Heating-Ventilationand-Air-Conditioning (HVAC) system are used within a model based predictive control. A prediction model is deduced by recursive application of the state space models. The prediction model is then embedded into a quadratic cost function which allows a compensation of both energy flows from powertrain and HVAC system. A comparison with an energy optimal drive and HVAC strategy, calculated with Dynamic Programming, shows that there are two variants of the cost function required in order to achieve a low energy consumption. An adaptive cost function is developed which, by using a heuristic approach in dependence of the environmental conditions, allows smooth switching between the cost function variants. The weights in the cost function are defined by parametric studies. The developed energy management strategy is analysed and evaluated based on a total of 855 different driving scenarios which are compared to an ideal solution generated by Dynamic Programming. The combined influence of powertrain and HVAC system results in a reduction in energy consumption and thus an increase in range coverage of up to 5,46% compared to driving at constant speed. Throughout all valid scenarios, the reference solution is exceeded by only 1,25%, whereby the computing time can be undercut by 1 to 2 orders of magnitude. open access Eckstein, Julian XI, 201, Ai-Axxi, Bi-Bii, Ci-Cxvi, Di-Dxxxvii Seiten Kassel 978-3-7376-0923-4 Elektromobilität Batteriefahrzeug Energiemanagement Erhöhung Reichweite publishedVersion true DIN A5 39,00 Naturwissenschaft, Technik, Informatik, Medizin Dissertation FB 14 / Bauingenieur- und Umweltingenieurwesen Softcover </resource>
The following license files are associated with this item:
Except where otherwise noted, this item's license is described as Namensnennung 4.0 International