Predictive control concepts for electric refrigeration vehicles

Abstract

Städte haben erhebliche Auswirkungen auf den globalen Ressourcenverbrauch und die CO2-Emissionen, vor allem durch den ineffizienten Transport und die Kühlung verderblicher Waren. Diese Zentren sind für fast 50 % der jährlichen Abfälle von verderblichen Lebensmitteln verantwortlich, was etwa 700 Millionen Tonnen entspricht, die aufgrund von Unzulänglichkeiten in der Kühlkette verloren gehen. Dies ist nicht nur ein erheblicher wirtschaftlicher Verlust, sondern verschlimmert auch die Umweltbelastung, insbesondere im Zusammenhang mit dem Betrieb von Kühltransporten. Mit dem zunehmenden Einsatz von elektrischen leichten Nutzfahrzeugen für diese Zwecke wird die Optimierung ihrer Effizienz und Reichweite entscheidend.In dieser Arbeit wird ein ausgeklügeltes Kühlmanagement und ein prädiktiver Regelungsansatz vorgestellt, der auf elektrische LCVs im Kühltransport zugeschnitten ist. Der Eckpfeiler dieser Strategie ist die Integration eines modellprädiktiven Steuerungssystems (MPC), das Echtzeitdaten und Prognosen zur proaktiven Anpassung der Kühlprozesse nutzt. Dieses prädiktive System berücksichtigt Umweltvariablen, spezifische Fahrzeugrouten und Ladungsattribute wie SOH-Indikatoren (State-of-Health) für die Batterie, das Kühlaggregat und die Qualität der Isolierung. Durch die Überwachung dieser Faktoren kann sich das MPC dynamisch an die Betriebsanforderungen anpassen und so die Energieeffizienz und Reichweite des Fahrzeugs verbessern.Darüber hinaus setzt die Strategie Techniken zur Fehlererkennung und -isolierung (FDI) ein, um potenzielle Systemstörungen wie Kühlmittellecks oder Isolationsausfälle zu erkennen und darauf zu reagieren. Dieses proaktive Fehlermanagement verhindert nicht nur die Energieverluste, sondern verlängert auch die Lebensdauer der kritischen Transportkomponenten. Experimentelle Ergebnisse bestätigen, dass dieser Ansatz den Energieverbrauch in bekannten Szenarien um bis zu 16,4 % senken und die Einhaltung von Temperaturvorschriften erheblich verbessern kann.Durch den Einsatz von MPC in Verbindung mit robusten SOH-Überwachungs- und FDI-Methoden trägt diese Arbeit zu einer neuartigen Lösung für die doppelte Herausforderung der ökologischen Auswirkungen und der betrieblichen Effizienz im städtischen Kühltransport mit elektrischen LCVs bei. Dieser Ansatz reduziert nicht nur den öko-logischen Fußabdruck mobiler Kühlsysteme, sondern unterstützt auch den allgemeinen Übergang zu einer nachhaltigen Stadtlogistik.Noch auszufüllen.

Cities have significant impacts on global resource consumption and CO2 emissions, primarily through the inefficient transport and cooling of perishable goods. These centers are responsible for nearly 50% of perishable food waste annually, amounting to about 700 million tons lost due to cold chain inadequacies. This not only reflects a substantial economic loss but also exacerbates the environmental burden, especially as related to the operation of refrigerated transport. With the increasing use of electric light commercial vehicles (LCVs) for these purposes, optimizing their efficiency and range becomes critical.This work presents a sophisticated cooling management and predictive control concept tailored for electric LCVs in refrigerated transport. The cornerstone of this strategy is the integration of a model predictive control (MPC) system, which utilizes realtime data and forecasts to adjust cooling processes proactively. This predictive system considers environmental variables, vehicle route specifics, and cargo attributes, such as state-of-health (SOH) indicators for the battery, refrigeration unit, and insulation quality. By monitoring these factors, the MPC can dynamically adapt to operational demands, thereby improving energy efficiency and vehicle range.In addition, the strategy employs fault detection and isolation (FDI) techniques to iden-tify and respond to potential system failures, such as coolant leaks or insulation failures. This proactive fault management not only prevents energy losses but also extends the lifespan of critical transport components. Experimental results confirm that the proposed approach can decrease energy consumption by up to 16.4% in known scenarios and significantly enhance compliance with temperature regulations.By advancing the use of MPC alongside robust SOH monitoring and FDI methodologies, this work contributes a novel solution to the dual challenges of ecological impact and operational efficiency in urban refrigerated transport using electric LCVs. This approach reduces the ecological footprint of mobile refrigeration systems and supports the broader transition to sustainable urban logistics.