In Hybridfahrzeugen sind mehrere Antriebsaggregate verbaut, auf die die Antriebsleistung verteilt wird. Die Algorithmen zur Leistungsverteilung, die Betriebsstrategien, sind maßgebend für die durch die Hybridisierung erzielte Kraftstoffeinsparung. Bisher kommen vor allem regelbasierte Ansätze zum Einsatz. Optimierungsalgorithmen unter Einbeziehung prädizierter Fahrtverläufe versprechen eine höhere Kraftstoffersparnis, sind aber rechenaufwendig. In diesem Beitrag wird, nachdem auf Fahrzeug- und Fahrprofildaten eingegangen wird, zunächst die Methode der dynamischen Programmierung erläutert. Ihre Anwendung auf den optimalen Hybridbetrieb zeigt, dass das Lösungsverfahren stark vereinfacht werden kann. Ein neues Optimierungsverfahren "Rapid Hybrid Operation Optimization", kurz RHOO, wird vorgestellt, Es zeigt sich, dass damit bei ähnlicher Optimierungsgüte siginifkante Rechenzeiteinsparungen erzielt werden können.


    Zugriff

    Zugriff über TIB

    Verfügbarkeit in meiner Bibliothek prüfen

    Bestellung bei Subito €


    Exportieren, teilen und zitieren



    Titel :

    RHOO - Eine recheneffiziente Methode zur optimalen prädiktiven Betriebsführung hybridelektrischer Fahrzeuge


    Beteiligte:
    Kunkel, Florian (Autor:in) / Isermann, Rolf (Autor:in)


    Erscheinungsdatum :

    2013


    Format / Umfang :

    15 Seiten, 9 Bilder, 2 Tabellen, 15 Quellen




    Medientyp :

    Aufsatz (Konferenz)


    Format :

    Print


    Sprache :

    Deutsch




    RHOO - Eine recheneffiziente Methode zur optimalen pradiktiven Betriebsfuhrung hybridelektrischer Fahrzeuge

    Kunkel, F. / Isermann, R. / VDI/VDE-Gesellschaft Mess- und Automatisierungstechnik et al. | British Library Conference Proceedings | 2013




    Echtzeitstrategien zum Pradiktiven Optimalen Energiemanagement in Hybridfahrzeugen

    Beck, R. / Bollig, A. / Abel, D. et al. | British Library Conference Proceedings | 2006


    Eine Methode zur Bestimmung der optimalen Zellgröße für Elektrofahrzeuge

    Kerler, Matthias / Verlag Dr. Hut, München | TIBKAT | 2019