Adaptives und prädiktives Energiemanagement zur Verbesserung der Effizienz von Hybridfahrzeugen

Abstract

In der vorliegenden Arbeit werden Algorithmen vorgestellt, die die Komponenten heutiger und zukünftiger hybrider Antriebe effektiver nützen. Für heutige Fahrzeuge wurde dazu ein adaptives elektrisches Energiemanagement (AEE) entwickelt, welches in Zukunft durch die Nutzung von zuverlässigen Infrastruktur- und Verkehrsdaten zu einem prädiktiven elektrischen Energiemanagement (PEE) ausgebaut werden kann.<br />Das AEE wurde dabei speziell für den Einsatz im kostengünstigeren Mild Hybrid konzipiert, der mit einem Doppelschichtkondensator als Traktionsspeicher ausgestattet ist. Diese Speicher zeichnen sich durch gute Zyklenfestigkeit und geringe Verluste aus. Sie weisen jedoch nur eine vergleichsweise geringe Energiedichte auf.<br />Um den nutzbaren Energieinhalt des Traktionsspeichers besser zu nützen, stellt das AEE die Energiebilanz am Traktionsspeicher auf, welche durch Energieeinnahmen und -ausgaben auf Grund der Hybridfunktionen Rekuperieren, elektrisch Fahren, Motorstart/-stopp und Boosten gegeben ist. Angepasst an die Energiebilanz wird der Lastpunkt während der verbrennungsmotorischen Fahrt verschoben. Das AEE bewies bei der Simulation von Norm- und Kundenzyklen seine Vorteile. Dabei wurde in kundennahen Stadt- und Stau-Zyklen Kraftstoffverbrauchsvorteile von 1-1,5 % nachgewiesen. Die Einsparungen wurden durch mehr rekuperierte Energie und durch eine bessere Verfügbarkeit von Motorstart/-stopp erzielt. Im europäischen Normzyklus NEFZ wurde ein Verbrauchspotenzial in der gleichen Größenordnung erreicht. Das Verfahren lässt sich als reine Softwarefunktion umsetzen und benötigt keine zusätzliche Hardware. Das prädiktive elektrische Energiemanagement (PEE) ist als Erweiterung des AEE bei der Verfügbarkeit von Infrastruktur- und Verkehrsdaten im Fahrzeug zu verstehen. Das PEE ist sowohl für Mild als auch für Full Hybrid geeignet. Dabei wird das Energiemanagement mittels Rückwärtssimulation an eine Streckenvorausschau (Geschwindigkeits- und Höhenprofil der im Voraus liegenden Fahrstrecke) angepasst. In einem Stauszenario konnte mit dem PEE eine Kraftstoffeinsparung von rund 10 % gegenüber einem konventionellen Energiemanagement ausgewiesen werden.<br />Als Basis für das AEE und das PEE dient ein konventionelles Energiemanagement, das auf analytischen, heuristischen Komponentenmodellen basiert. Bei den Modellen wird die Eingangsleistung jeder Komponente als linearisierte Funktion der Ausgangsleistung dargestellt. Dies ermöglicht ein einfaches Hintereinanderreihen der Komponenten, wie es aus der Signal- und Systemtheorie bekannt ist.

This work discusses algorithms that use the components of present and future hybrid power trains more efficiently. For today's hybrid vehicles an adaptive electrical energy management strategy (AEE) is developed which can be replaced by a predictive electrical energy management strategy (PEE) in the future, provided a reliable infrastructure for traffic data is available. The AEE was developed specifically for a less cost intensive mild hybrid system. The mild hybrid uses double layer capacitors as energy storage which offer an excellent cyclability and a high efficiency but have a comparatively small energy density.<br />To make best use of the available amount of energy within the double layer capacitors, the AEE calculates the difference between input and output energy. Electrical energy is generated by regenerative braking and is used for electric driving, engine start-stop and boost. The result of the actual energy balance (integral of input minus output power) determines the amount of charge and discharge load on the capacitor.<br />The AEE shows improved fuel efficiency in both standard and customer cycles. Within customer-oriented city scenarios and traffic jams 1.5 percent less fuel consumption was achieved through more regenerated energy and a better availability of engine start-stop within the driving cycles. The New European Driving Cycle (NEDC) showed savings of similar magnitude. The AEE is a pure software function and doesn't require any extra hardware.<br />The predictive electrical energy management strategy (PEE) is meant to replace the adaptive electrical energy management strategy (AEE) when an infrastructure for reliable forecast of the upcoming speed and altitude profiles is available (e.g. using traffic simulation and car-to-car or car-to-infrastructure communication). The PEE suits both mild and full hybrids. The PEE adapts the energy management strategy to the energy balance ahead calculated by a backward-simulation using speed and altitude profile, as forecasted by the infrastructure. In a typical traffic jam about 10 percent better fuel economy was achieved by simulation.<br />The basis for the AEE and the PEE is a conventional energy management strategy, which uses analytic models of all components of the hybrid propulsion system. Each component is described by a system where the input power is a linearised function of the output power. This way, the components can be put in series as is common in systems theory.