Leistungsverteilung in Elektrofahrzeugen mit Range Extender

Größe: px

Ab Seite anzeigen:

Download "Leistungsverteilung in Elektrofahrzeugen mit Range Extender"

Max Bruhn
vor 6 Jahren
Abrufe

1 Leistungsverteilung in Elektrofahrzeugen mit Range Extender ASIM 217 Sören Scherler, Xiaobo Liu-Henke Salzdahlumer Str. 46/ Wolfenbüttel Raum CU

2 Agenda Einleitung Fahrzeugkonzept Modellbasierte Auslegung der prädiktiven Betriebsstrategie Methodik Modellbildung Funktionsstruktur Validierung mittels MiL/SiL Validierung mittels HiL Resümee 2

Einleitung Forschungsprojekte ECOCar und ZuFOR 8/13 12/16 ECOCar (Energy Consumption Optimization for electrical Cars) Funktionsintegration zur energieoptimalen Fahrt mit hoher Fahrsicherheit für

3 Einleitung Forschungsprojekte ECOCar und ZuFOR 8/13 12/16 ECOCar (Energy Consumption Optimization for electrical Cars) Funktionsintegration zur energieoptimalen Fahrt mit hoher Fahrsicherheit für Elektrofahrzeuge 1/17 9/2 ZuFOR (Zukünftige Fahrzeugtechnologien im Open Region Lab) Intelligente Range-Extender Elektrofahrzeuge mit energieoptimalem, prädiktivem und autonomem Fahrbetrieb und Digitalisierung unter Anwendung von Fahrzeug 4. 3

4 Fahrzeugkonzept Definition RE Was ist ein REV? Elektrofahrzeug mit Zusatzaggregat zur Reichweitensteigerung! [Tsc12b] 4

5 Fahrzeugkonzept Betrachtetes Fahrzeug 5

6 Methodik Anforderungen, Lastenheft Fahrdynamikmodell Model-in-the-Loop (MiL) Regelalgorithmen Messung Validierung Fahrdynamikmodell Software-in-the-Loop (SiL) Generierter Code Echtzeitfähiges Fahrdynamikmodell Hardware-in-the-Loop (HiL) Teilkomponenten 6

7 Modellbildung Längsdynamik und Antrieb Längsdynamik 1/2 F Mot 1/2 F Br Antriebe 1/2 F Mot 1/2 F Br [Bra13],,, [Bor14] 7

8 Modellbildung Batterie Physikalisches Modell Identifikationsmessungen.3 OCV i R 2 R S R 1 R 4 R 3 C 1 C 2 C 3 C 4 u - (Z) [m ] (Z) [m ] Mathematisches Modell 1 1 8

9 Modellbildung Brennstoffzelle Statisches Modell ln 1 Dynamisches Modell Wirkungsgrad 1,147 Massenströme Strom i BZ in A Spannung u BZ in V statisches Modell dynamisches Modell Zeit t in s 1 2 9

10 Funktionsstruktur 1

11 Validierung mittels MiL/SiL Antriebsprädiktion t in s 6 Prädiktion Fahrzeugmodell t in s 11

12 Validierung mittels MiL/SiL Batterieprädiktion Prädiktion Batteriemodell t in s 12

13 Validierung mittels MiL/SiL Range Extender Ansatz Konstant niedrige Leistung der BZ über langen Zeitraum, um hohen Wirkungsgrad der BZ zu erreichen 13

14 Validierung mittels MiL/SiL Range Extender (1) Geschwindigkeitsprofil erster Leistungsansatz Batterieladestand mit RE-Einsatz Ziel mit RE Ziel ohne RE mit RE Batterieladestand optimierter Leistungsansatz Batterieladestand mit optimiertem RE-Einsatz Ziel mit RE 14

15 Validierung mittels MiL/SiL Range Extender (2) Geschwindigkeitsprofil Ziel fiktiv ohne RE mit RE Batterieladestand Bordnetzleistungen 1 Erzielte Reichweite P ohne RE = 7,86 kw P RE = 12,39 kw ohne RE mit RE 15

16 Validierung mittels MiL/SiL Range Extender (3) Geschwindigkeitsprofil Ziel ohne RE mit RE Batterieladestand Bordnetzleistungen 1 8 Erzielte Reichweite ohne RE mit RE 16

17 Validierung mittels MiL/SiL Range Extender (4) 15 Geschwindigkeitsprofil 1 Batterieladestand Ziel fiktiv ohne RE mit RE Bordnetzleistungen 15 Erzielte Reichweite ohne RE mit RE 17

18 Validierung mittels HiL 18

Resümee Zusammenfassung Simulationsmodell eines REV mit Brennstoffzelle Prädiktive Betriebsstrategie Antriebs- und Batterieprädiktion Leistungsberechnung des RE

19 Resümee Zusammenfassung Simulationsmodell eines REV mit Brennstoffzelle Prädiktive Betriebsstrategie Antriebs- und Batterieprädiktion Leistungsberechnung des RE Endladestand kann vorgegeben werden Ausblick Zyklische Optimierung der Betriebsstrategie Bordnetzprädiktion Optimierung des Gesamtwirkungsgrades Optimierung am HiL-Prüfstand 19

20 Leistungsverteilung in Elektrofahrzeugen mit Range Extender ASIM 217 Sören Scherler, Xiaobo Liu-Henke Vielen Dank für Ihre Aufmerksamkeit! Salzdahlumer Str. 46/ Wolfenbüttel Raum CU

Ähnliche Dokumente

Prädiktives Energiemanagement für Elektrofahrzeuge. Matthias Fritsch, Sören Scherler, Xiaobo Liu-Henke

Prädiktives Energiemanagement für Elektrofahrzeuge Matthias Fritsch, Sören Scherler, Xiaobo Liu-Henke 09.03.2017 Agenda Einleitung Methodik Prädiktives Energiemanagement Energieoptimales Geschwindigkeitsprofil