M. Böckl:
"Adaptives und prädiktives Energiemanagement zur Verbesserung der Effizienz von Hybridfahrzeugen";
Supervisor, Reviewer: B. Geringer, E. Rummich; E 315 Institut für Verbrennungskraftmaschinen und Kraftfahrzeugbau, 2008; oral examination: 05-30-2008.

This work discusses algorithms that use the components of present and future hybrid
power trains more efficiently. For today´s hybrid vehicles an adaptive electrical energy
management strategy (AEE) is developed which can be replaced by a predictive electrical
energy management strategy (PEE) in the future, provided a reliable infrastructure for
traffic data is available.
The AEE was developed specifically for a less cost intensive mild hybrid system. The mild
hybrid uses double layer capacitors as energy storage which offer an excellent cyclability
and a high efficiency but have a comparatively small energy density.
To make best use of the available amount of energy within the double layer capacitors,
the AEE calculates the difference between input and output energy. Electrical energy is
generated by regenerative braking and is used for electric driving, engine start-stop and
boost. The result of the actual energy balance (integral of input minus output power)
determines the amount of charge and discharge load on the capacitor.
The AEE shows improved fuel efficiency in both standard and customer cycles. Within
customer-oriented city scenarios and traffic jams 1.5 percent less fuel consumption was
achieved through more regenerated energy and a better availability of engine start-stop
within the driving cycles. The New European Driving Cycle (NEDC) showed savings of
similar magnitude. The AEE is a pure software function and doesn´t require any extra
hardware.
The predictive electrical energy management strategy (PEE) is meant to replace the adaptive
electrical energy management strategy (AEE) when an infrastructure for reliable forecast
of the upcoming speed and altitude profiles is available (e. g. using traffic simulation
and car-to-car or car-to-infrastructure communication). The PEE suits both mild and full
hybrids. The PEE adapts the energy management strategy to the energy balance ahead
calculated by a backward-simulation using speed and altitude profile, as forecasted by the
infrastructure. In a typical traffic jam about 10 percent better fuel economy was achieved
by simulation.
The basis for the AEE and the PEE is a conventional energy management strategy, which
uses analytic models of all components of the hybrid propulsion system. Each component
is described by a system where the input power is a linearised function of the output power.
This way, the components can be put in series as is common in systems theory.

In der vorliegenden Arbeit werden Algorithmen vorgestellt, die die Komponenten heutiger
und zuk¨unftiger hybrider Antriebe effektiver n¨utzen. F¨ur heutige Fahrzeuge wurde dazu
ein adaptives elektrisches Energiemanagement (AEE) entwickelt, welches in Zukunft durch
die Nutzung von zuverl¨assigen Infrastruktur- und Verkehrsdaten zu einem pr¨adiktiven
elektrischen Energiemanagement (PEE) ausgebaut werden kann.
Das AEE wurde dabei speziell f¨ur den Einsatz im kosteng¨unstigeren Mild Hybrid konzipiert,
der mit einem Doppelschichtkondensator als Traktionsspeicher ausgestattet ist. Diese
Speicher zeichnen sich durch gute Zyklenfestigkeit und geringe Verluste aus. Sie weisen jedoch
nur eine vergleichsweise geringe Energiedichte auf.
Um den nutzbaren Energieinhalt des Traktionsspeichers besser zu n¨utzen, stellt das AEE
die Energiebilanz am Traktionsspeicher auf, welche durch Energieeinnahmen und -ausgaben
auf Grund der Hybridfunktionen Rekuperieren, elektrisch Fahren, Motorstart/-stopp und
Boosten gegeben ist. Angepasst an die Energiebilanz wird der Lastpunkt w¨ahrend der
verbrennungsmotorischen Fahrt verschoben.
Das AEE bewies bei der Simulation von Norm- und Kundenzyklen seine Vorteile. Dabei
wurde in kundennahen Stadt- und Stau-Zyklen Kraftstoffverbrauchsvorteile von 1 − 1.5%
nachgewiesen. Die Einsparungen wurden durch mehr rekuperierte Energie und durch eine
bessere Verf¨ugbarkeit von Motorstart/-stopp erzielt. Im europ¨aischen Normzyklus NEFZ
wurde ein Verbrauchspotenzial in der gleichen Gr¨oßenordnung erreicht. Das Verfahren l¨asst
sich als reine Softwarefunktion umsetzen und ben¨otigt keine zus¨atzliche Hardware.
Das pr¨adiktive elektrische Energiemanagement (PEE) ist als Erweiterung des AEE bei
der Verf¨ugbarkeit von Infrastruktur- und Verkehrsdaten im Fahrzeug zu verstehen. Das
PEE ist sowohl f¨ur Mild als auch f¨ur Full Hybrid geeignet. Dabei wird das Energiemanagement
mittels R¨uckw¨artssimulation an eine Streckenvorausschau (Geschwindigkeits- und
H¨ohenprofil der im Voraus liegenden Fahrstrecke) angepasst. In einem Stauszenario konnte
mit dem PEE eine Kraftstoffeinsparung von rund 10% gegen¨uber einem konventionellen
Energiemanagement ausgewiesen werden.
Als Basis f¨ur das AEE und das PEE dient ein konventionelles Energiemanagement, das
auf analytischen, heuristischen Komponentenmodellen basiert. Bei den Modellen wird die
Eingangsleistung jeder Komponente als linearisierte Funktion der Ausgangsleistung dargestellt.
Dies erm¨oglicht ein einfaches Hintereinanderreihen der Komponenten, wie es aus
der Signal- und Systemtheorie bekannt ist.