Prädiktives Energiemanagement für Elektrofahrzeuge
Matthias Fritsch, Sören Scherler, Xiaobo Liu-Henke 09.03.2017
09.03.2017 Prädiktives Energiemanagement für Elektrofahrzeuge 2
Agenda
Einleitung
Methodik
Prädiktives Energiemanagement
Energieoptimales Geschwindigkeitsprofil
Simulationsergebnis
Resümee
09.03.2017 Prädiktives Energiemanagement für Elektrofahrzeuge 3
EinleitungForschungsprojekte
08/13 - 12/16 ECOCar (Energy Consumption Optimization for electrical Cars)Funktionsintegration zur energieoptimalen Fahrt mit hoher Fahrsicherheit für Elektrofahrzeuge
01/17 - 09/20 ZuFOR (Zukünftige Fahrzeugtechnologien im Open Region Lab)Intelligente Range-Extender Elektrofahrzeuge mit energieoptimalem, prädiktivem und autonomem Fahrbetrieb und Digitalisierung unter Anwendung von Fahrzeug 4.0
09.03.2017 Prädiktives Energiemanagement für Elektrofahrzeuge 4
EinleitungKonfiguration ECOCar
09.03.2017 Prädiktives Energiemanagement für Elektrofahrzeuge 5
EinleitungForschungsprojekte
08/13 – 12/16 ECOCar (Energy Consumption Optimization for electrical Cars)Funktionsintegration zur energieoptimalen Fahrt mit hoher Fahrsicherheit für Elektrofahrzeuge
01/17 – 09/20 ZuFOR (Zukünftige Fahrzeugtechnologien im Open Region Lab)Intelligente Range-Extender Elektrofahrzeuge mit energieoptimalem, prädiktivem und autonomem Fahrbetrieb und Digitalisierung unter Anwendung von Fahrzeug 4.0
09.03.2017 Prädiktives Energiemanagement für Elektrofahrzeuge 6
EinleitungVernetze Fahrzeugstruktur
Prädiktives Fahrzeugmanagement
Prädiktives Fahrwerksmanagement Prädiktives el. Energiemanagement
global information processing level 3
global information processing level 2
global information processing level 1
global information processing level 4
...
...
... ......
Integrierte Fahrdynamikregelung Fahrerassistenzsysteme Berechnung
Fahrzustände
Smart Grid / Car-2-Infrastructure / Car-2-Car / Cloud
Prädiktives Fahrzeugmanagement
Prädiktives Fahrwerksmanagement Prädiktives el. Energiemanagement
global information processing level 3
global information processing level 2
global information processing level 1
global information processing level 4
...
...
... ......
Integrierte Fahrdynamikregelung Fahrerassistenzsysteme Berechnung
Fahrzustände
Smart Grid / Car-2-Infrastructure / Car-2-Car / Cloud
09.03.2017 Prädiktives Energiemanagement für Elektrofahrzeuge 7
MethodikMechatronische Strukturierung
● Hierarchisierung und Modularisierung mittels Top-Down-Verfahrens
09.03.2017 Prädiktives Energiemanagement für Elektrofahrzeuge 8
MethodikMechatronische Komposition
09.03.2017 Prädiktives Energiemanagement für Elektrofahrzeuge 9
Prädiktives EnergiemanagementFunktionsstruktur
09.03.2017 Prädiktives Energiemanagement für Elektrofahrzeuge 10
Prädiktives EnergiemanagementFunktionsprinzip
EAF
EAF
EAF
KL: xPK: xP = xxx W
1. Teilnehmer senden KL, PK und Leistungsanforderung
2. Koordinator speichert die Daten in Leistungsmatrix
3. Koordinator gleicht Verbraucher- und Erzeugerleistung an
4. Koordinator sendet die Grenzklasse, Grenzpriorität und Grenzleistung per Broadcast-Nachricht an die EAF
5. Teilnehmer aktivieren/ deaktivieren sich bzw. begrenzen ihre Leistung
Teilnehmer 1
Teilnehmer 2
Teilnehmer n
09.03.2017 Prädiktives Energiemanagement für Elektrofahrzeuge 11
Prädiktives EnergiemanagementLeistungsverteilung
09.03.2017 Prädiktives Energiemanagement für Elektrofahrzeuge 12
GeschwindigkeitsprofilFunktionsstruktur
09.03.2017 Prädiktives Energiemanagement für Elektrofahrzeuge 13
GeschwindigkeitsprofilVariable Diskretisierung
● Komplett variabel diskretisierte Geschwindigkeits- und Wegstützstellen
1. Ermitteln der Geschwindigkeits- und Höhenänderungen der
vorausliegenden Strecke
2. Aufstellen eines Hamming-Fensters
3. Falten der interessanten Größen durch das Hamming-Fenster
Wegstrecke [m]
Inte
ress
anz
Ges
chwi
ndig
keits
ände
rung
|m
/s|
Wegstrecke [m]
Stei
gung
|m
|
Ges
chwi
ndig
keits
ände
rung
|m
/s|
n-1
Am
plitu
de
1
Abtastwert0
09.03.2017 Prädiktives Energiemanagement für Elektrofahrzeuge 14
GeschwindigkeitsprofilOptimierungsverfahren
● Modellbildung der relevanten Fahrphysik (Längsdynamik, Fahrwiderstände)
● Modellbildung der vorhandenen Betriebsarten
● Kern des Systems ist ein Optimierungsprozess
Aufstellen von Kostenfunktionen zum Bewerten der Zustandsübergänge
Lösen nach dem Bellmanschen Optimalitätsprinzip
...
...
...
1x Nx
0gNg
0x
tx...
k = 1k = 0 ... k = N
1−Nx
k = N-1
09.03.2017 Prädiktives Energiemanagement für Elektrofahrzeuge 15
GeschwindigkeitsprofilStruktur der Optimierung
09.03.2017 Prädiktives Energiemanagement für Elektrofahrzeuge 16
Prädiktives EnergiemanagementErweiterung um prädiktive Informationen
09.03.2017 Prädiktives Energiemanagement für Elektrofahrzeuge 17
Simulationsergebnisse
09.03.2017 Prädiktives Energiemanagement für Elektrofahrzeuge 18
Resümee
● erfolgreiches erweitern des Energiemanagements um prädiktive Daten
eines Geschwindigkeitsprofils
● fundierte Basis für weitere Forschungen
● tiefergehende Integration von C2X-Daten
– Schaltzeiten von Lichtsignalanlagen
– durchschnittliche Fließgeschwindigkeit
● Funktionsabsicherung durch SiL und HiL
09.03.2017 Prädiktives Energiemanagement für Elektrofahrzeuge 19
¿Fragen?