Diese Arbeit dient der Untersuchung von Maßnahmen zur Reduzierung des Energieverbrauchs von Hybridfahrzeugen. Ein wesentlicher Schwerpunkt ist die Optimierung der Fahrzeugbetriebsstrategie. Heute basieren diese Strategien im einfachsten Fall auf Heuristiken unter Nutzung vorab optimierter Parametersätze (z.B. Schaltschwellen für rein elektrisches Fahren, Lastpunktanhebung). Die Optimierung erfolgt offline anhand von a priori festgelegten Randbedingungen. Das reale Kundenverhalten kann aber von diesen Nutzungsszenarien stark abweichen. Die Einbeziehung von Vorausschauinformationen wie die erwartete Fahrzeuggeschwindigkeit, die Nebenverbraucherlast und der Fahrbahnanstieg für eine prädiktive, adaptive Betriebsstrategie birgt bei hinreichender Genauigkeit der Prädiktion Einsparpotenziale im Kundenbetrieb. Ein weiterer Schwerpunkt der Arbeit ist die Untersuchung verschiedener Quellen der Prädiktionsdaten und die Fusion der Sensordaten im Gesamtkontext. Die Entwicklung der prädiktiven Strategie wird für einen gegebenen parallelhybriden Antriebsstrang in drei Schritte unterteilt. Im ersten Schritt erfolgt die Bestimmung des theoretisch maximalen Einsparpotenzials durch die Nutzung prädiktiver Informationen unter Verwendung der dynamischen Programmierung nach Bellman (DP) für bestimmte Fahrleistungstrajektorien anhand von synthetischen Fahrzyklen und gemessenen Realfahrten. Der zweite Schritt beinhaltet die Formulierung einer möglichst verbrauchseffizienten, nichtprädiktiven Basisstrategie. Hierfür kommen in der Literatur Optimalsteuerungen, online-optimierte Strategien oder heuristische Ansätze in Frage. Die entwickelte Betriebsstrategie basiert auf dem Ansatz der Equivalent Consumption Minimization Strategy (ECMS). Die Neuerung stellt eine auf einem virtuellen äquivalenten Gesamtwirkungsgrad des Antriebsstranges beruhende Kostenfunktion dar (EEMS - Equivalent Efficiency Maximization Strategy). Aus der Differenz des ermittelten Kraftstoffverbrauchs von Basisstrategie und Referenzpotenzial lässt sich das prädiktionsgebundene Einsparpotenzial für die simulierten Fahrten ermitteln. Es lässt sich feststellen, dass sich im Falle des Erreichens der oberen und unteren Traktionsspeichergrenzen besonders große relative Einsparpotenziale ergeben, da in diesem Fall auf Rekuperationsenergie bzw. im weiteren Fahrverlauf auf effiziente elektrische Fahranteile verzichtet werden muss. Daraus folgend ergibt sich als dritter Schritt die Integration der Prädiktionsdaten in die EEMS-Basisstrategie. In der neuen situationsadaptiven Strategie (SAS) wird bei prognostiziertem Erreichen der Speichergrenzen der Batterieladezustand durch eine Adaption der Basis-Betriebsstrategie zu ausgewählten Zeitpunkten angepasst. Mit dieser Anpassung lässt sich mit Hilfe einer idealen Vorausschau der überwiegende Teil des prädiktionsgebundenen Einsparpotenzials erreichen.


    Zugriff

    Zugriff über TIB

    Verfügbarkeit in meiner Bibliothek prüfen


    Exportieren, teilen und zitieren



    Titel :

    Beitrag zum prädiktiven Energiemanagement in Hybridfahrzeugen basierend auf automobiler Standardsensorik


    Beteiligte:

    Erscheinungsdatum :

    2013


    Format / Umfang :

    198 Seiten, Bilder, Tabellen, Quellen


    Medientyp :

    Hochschulschrift


    Format :

    Print


    Sprache :

    Deutsch