Erhöhung der Reichweite von batterieelektrischen Fahrzeugen durch ein modellbasiertes prädiktives Energiemanagement

Eckstein, Julian

dc.date.accessioned	2021-03-12T09:35:55Z
dc.date.available	2021-03-12T09:35:55Z
dc.date.issued	2021
dc.identifier	doi:10.17170/kobra-202012182714
dc.identifier.uri	http://hdl.handle.net/123456789/12623
dc.description	Zugleich: Dissertation, Universität Kassel, 2020
dc.language.iso	ger
dc.publisher	kassel university press
dc.rights	Namensnennung 4.0 International	*
dc.rights.uri	http://creativecommons.org/licenses/by/4.0/	*
dc.subject	Modellbasierte Prädiktive Regelung	ger
dc.subject	Elektromobilität	ger
dc.subject	Energiemanagementsystem	ger
dc.subject	Fahrstrategie	ger
dc.subject	Klimatisierug	ger
dc.subject.ddc	380
dc.subject.ddc	620
dc.title	Erhöhung der Reichweite von batterieelektrischen Fahrzeugen durch ein modellbasiertes prädiktives Energiemanagement	ger
dc.type	Buch
dcterms.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.	ger
dcterms.abstract	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.	eng
dcterms.accessRights	open access
dcterms.creator	Eckstein, Julian
dcterms.extent	XI, 201, Ai-Axxi, Bi-Bii, Ci-Cxvi, Di-Dxxxvii Seiten
dc.publisher.place	Kassel
dc.relation.isbn	978-3-7376-0923-4
dc.subject.swd	Elektromobilität	ger
dc.subject.swd	Batteriefahrzeug	ger
dc.subject.swd	Energiemanagement	ger
dc.subject.swd	Erhöhung	ger
dc.subject.swd	Reichweite	ger
dc.type.version	publishedVersion
kup.iskup	true
kup.order	DIN A5
kup.price	39,00
kup.subject	Naturwissenschaft, Technik, Informatik, Medizin	ger
kup.typ	Dissertation
kup.institution	FB 14 / Bauingenieur- und Umweltingenieurwesen
kup.binding	Softcover