Pattern Recognition als Tool zur Energiekostenprädiktion von RDE-Fahrten bei der Auslegung von Betriebsstrategien für Hybridfahrzeuge

Abstract

Hybride Antriebssysteme bieten durch ein geschicktes Zusammenspiel der beiden Antriebsaggregate ein Kraftstoffeinsparpotential. Die Entscheidung, wie die Momentenverteilung zwischen elektrischer Maschine und Verbrennungsmotor erfolgt, wird dabei von der implementierten Betriebsstrategie vorgenommen.In dieser Arbeit wird ein Simulationsmodell um eine kennfeldbasierte, kraftstoffoptimale Betriebsstrategie erweitert und für Zyklusanalysen verwendet. Dabei wird der Einfluss der WLTC (Worldwide harmonized Light vehicles Test Cycle) -Abschnitte auf die Änderungen in der Betriebsstrategie gegenüber dem gesamten WLTC untersucht. Darüber hinaus wird im zweiten Teil ein Pattern Recognition- Algorithmus vorgestellt, der einen globale Energiekostenindex für eine vorab bekannte, zufällig erstellte Fahrt ermittelt. Als Referenzzyklen dienen hierfür ebenfalls die vier Abschnitte des WLTC.Die Ergebnisse dieser Arbeit zeigen, dass die „low“- und „high“- Anteile des WLTC zu einer Erhöhung des für die Betriebsstrategie entscheidenden Energiekostenindex λ führen. Dabei verhält sich der Parameter λ direkt proportional zu den Lastpunktverschiebungsmomenten. Ferner kommt es zu einer Herabsenkung der Drehmomentgrenze, mit der die Entscheidung getroffen wird, ob der Vortrieb rein elektrisch oder im Hybridbetriebsmodus erfolgt. Gegenläufige Veränderungen rufen die „medium“- und „extra high“-Abschnitte hervor. Diese weisen einen kleineren λ-Wert auf und führen zu geringeren Lastpunktverschiebungsmomenten. Die Drehmomentgrenze für die elektrische Fahrt wird zudem angehoben.Der erstellte Pattern Recognition-Algorithmus vergleicht Zyklus-Passagen mit den Teilstrecken „low“, „medium“, „high“ und „extra high“ des WLTC und bewertet diese hinsichtlich ihres Energiekostenindexes. Für die verwendeten Referenzzyklen wurde vorab der optimale Energiekostenindex λ mit Hilfe eines iterativen Algorithmus ermittelt. Anteilig aus dem Ergebnis der Zuweisung wird eine globale Betriebseinstellung für den gesamten zu untersuchenden Zyklus aus den optimierten Einstellungen der Referenzzyklen berechnet. Der Vergleich zwischen den Ergebnissen des Pattern Recognition-Algorithmus und der Optimierung durch das Simulationsmodell für zehn verschiedene Testzyklen zeigt, dass sich die Abweichungen lediglich zwischen 0,1 % und 1,3 % belaufen.

Hybrid driving systems offer fuel-saving potential through the interaction of the two drive units. The decision on how the torque is distributed between the electric machine and the internal combustion engine is made by the implemented operating strategy.In this thesis a simulation model is extended by a map-based, fuel-optimized operating strategy and used for cycle analyses. The influence of the WLTC (Worldwide harmonized Light vehicles Test Cycle)-sections on the changes in the operating strategy compared to the entire WLTC is examined. In addition, a pattern recognition algorithm is presented in the second part, which determines a global energy cost index for a previously known, randomly created trip. The four sections of the WLTC also serve as reference cycles for this.The results of this thesis show that the “low” and “high” components of the WLTC lead to an increase in the energy cost index λ, which is decisive for the operating strategy. The parameter λ is directly proportional to the load point shift torque. Furthermore, there is a lowering of the torque limit, with which the decision is made whether the propulsion is purely electric or in the hybrid operating mode. The “medium” and “extra high” sections produce opposing changes. These have a smaller λ value and lead to lower load point shift torques. The torque limit for electric driving is also increased.The generated pattern recognition algorithm compares cycle passages with the sections “low”, “medium”, “high” and “extra high” of the WLTC and evaluates them regarding their energy cost index. The optimal energy cost index λ used for the reference cycles was determined in advance using an iterative algorithm. A global operating setting for the entire cycle to be examined is calculated proportionally from the result of the assignment from the optimized settings of the reference cycles. The comparison between the results of the pattern recognition algorithm and the optimization by the simulation model for ten different test cycles shows that the deviations are only between 0.1% and 1.3%.