Erhöhung der Reichweite von batterieelektrischen Fahrzeugen durch ein modellbasiertes prädiktives Energiemanagement

- Eckstein, J: Erhöhung der Reichweite von batterieelektrische

af


Erhöhung der Reichweite von batterieelektrischen Fahrzeugen durch ein modellbasiertes prädiktives Energiemanagement
Du sparer Spar kr. 60,00 med Shopping-fordele
  • Leveringstid 2-3 uger
  • Forventet levering 31-05-2021
For at købe bogen til fordelspris skal du have et medlemskab med Shopping-fordele. Du kan prøve medlemskabet gratis de første 30 dage. Medlemskabet fornyes automatisk og kan altid opsiges. Læs mere om medlemskaber og Shopping-fordele her.
Format:
Bog, paperback
Udgivelsesdato:
01-01-2021
Sprog:
Tysk
Sidetal:
288
  • Beskrivelse
  • Yderligere info
  • Anmeldelser

Die Abhängigkeit von fossilen Rohstoffen und die mit der Verbrennung dieser Rohstoffe einhergehende Schadstoffbelastung erfordern ein Umdenken in der individuellen Mobilität. Elektrofahrzeuge sind lokal emissionsfrei und haben über die regenerative Erzeugung von Elektrizität das Potenzial, das Klima nachhaltig zu entlasten. Trotz steigender Batteriekapazitäten bleibt die Reichweite von Elektrofahrzeugen hinter der von konventionellen Fahrzeugen zurück. Besonders in der kalten Jahreszeit verstärkt sich die Reichweitenproblematik aufgrund der für die Beheizung der Fahrerkabine benötigten Energie. Die daraus resultierende zusätzliche Belastung der Traktionsbatterie kann die Reichweite um bis zu 50% reduzieren.

Im Zuge der Automatisierung werden mehr und mehr Fahraufgaben vom Fahrer an das Fahrzeug übergeben, wodurch neue Energie-managementstrategien möglich werden. In dieser Arbeit wird eine neuartige Energiemanagementstrategie entwickelt.

Für die Anwendung der modellbasierten prädiktiven Regelung werden als Regelstreckenmodelle ein lineares Zustandsraummodell für die Längsdynamik und eines für die Klimatisierung eines Elektrofahrzeugs aufgestellt und durch rekursive Anwendung ein Prädiktionsmodell hergeleitet. Dieses wird anschließend in eine quadratische Kostenfunktion eingebettet, die eine Kompensation der Leistungs-terme von Antriebsstrang und Klimatisierung erlaubt. Ein Vergleich mit einer energieoptimalen Fahr- und Klimatisierungsstrategie, ermittelt mit der Dynamischen Programmierung, zeigt, dass zwei Varianten der quadratischen Kostenfunktion nötig sind, um einen geringen Energieverbrauch zu erzielen. Es wird eine adaptive Kostenfunktion entwickelt, die unter Nutzung einer Heuristik in Abhängigkeit von Umgebungsbedingungen weich zwischen den beiden Varianten der Kostenfunktion wechselt. Die Gewichtungen in der adaptiven Kostenfunktion werden anhand von Parameterstudien festgelegt.

Die entwickelte Energiemanagementstrategie wird in insgesamt 855 unterschiedlichen Fahrszenarien analysiert und gegenüber einer durch die Dynamische Programmierung generierten global optimalen Lösung bewertet. Als Basis dienen durch Messungen validierte Simlationsmodelle.

Die kombinierte Beeinflussung von Antriebsstrang und Fahrzeug-klimatisierung mündet in einer Reduktion des Energieverbrauchs und damit einer Erhöhung der Reichweite um bis zu 5,46% im Vergleich zu einer Fahrt mit konstanter Geschwindigkeit. Über alle gültigen Fahrszenarien wird die Referenzlösung um nur 1,25% überschritten, wobei die Rechenzeit um 1 bis 2 Größenordnungen reduziert wird.

Vis mereVis mindre

Udgivelsesdato:
01-01-2021
ISBN13:
9783737609234
Vægt:
376 g
Dybde:
15 mm
Bredde:
148 mm
Højde:
210 mm
Format:
Paperback
Forfattere

Vis mereVis mindre

Vis mereVis mindre

Velkommen til Saxo – din danske boghandel!

Hos os kan du handle som gæst, Saxo-bruger eller Premium-medlem – du bestemmer helt selv. Skulle du få brug for hjælp, sidder vores kundeservice-team klar ved både telefonerne og tasterne.

Om fordelspriser hos Saxo

For at købe bøger til fordelspris, skal du være medlem af Premium, Premium Shopping eller Premium Studie. De første 30 dage er gratis for nye medlemmer. Medlemskabet fornyes automatisk og kan altid opsiges. Læs mere om fordelene ved vores forskellige medlemskaber her.

Machine Name: SAXO082