[Back]

P. Marecek:
"Pattern Recognition als Tool zur Energiekostenprädiktion von RDE Fahrten bei der Auslegung von Betriebsstrategien für Hybridfahrzeuge";
Supervisor: P. Hofmann, A. Heimann; Institut für Fahrzeugantriebe und Automobiltechnik (IFA), 2020.

Hybride Antriebssysteme bieten durch ein geschicktes Zusammenspiel der beiden Antriebsaggregate ein Kraftstoffeinsparpotential. Die Entscheidung, wie die Momentenverteilung zwischen elektrischer Maschine und Verbrennungsmotor erfolgt, wird dabei von der implementierten Betriebsstrategie vorgenommen.

In dieser Arbeit wird ein Simulationsmodell um eine kennfeldbasierte, kraftstoffoptimale Betriebsstrategie erweitert und für Zyklusanalysen verwendet. Dabei wird der Einfluss der WL TC (Worldwide harmonized Light vehicles Test Cycle) - Abschnitte auf die Änderungen in der Betriebsstrategie gegenüber dem gesamten WLTC untersucht. Darüber hinaus wird im zweiten Teil ein Pattern Recognition Algorithmus vorgestellt, der einen globale Energiekostenindex für eine vorab bekannte, zufällig erstellte Fahrt ermittelt. Als Referenzzyklen dienen hierfür ebenfalls die vier Abschnitte des WL TC.

Die Ergebnisse dieser Arbeit zeigen, dass die "low"- und "high"- Anteile des WL TC zu einer Erhöhung des für die Betriebsstrategie entscheidenden Energiekostenindex "­ führen. Dabei verhält sich der Parameter "A. direkt proportional zu den Lastpunktverschiebungsmomenten. Ferner kommt es zu einer Herabsenkung der Drehmomentgrenze, mit der die Entscheidung getroffen wird, ob der Vortrieb rein elektrisch oder im Hybridbetriebsmodus erfolgt. Gegenläufige Veränderungen rufen die "medium"- und "extra high"-Abschnitte hervor. Diese weisen einen kleineren "A.-Wert auf und führen zu geringeren Lastpunktverschiebungsmomenten. Die Drehmomentgrenze für die elektrische Fahrt wird zudem angehoben.

Der erstellte Pattern Recognition-Algorithmus vergleicht Zyklus-Passagen mit den Teilstrecken "low", ,,medium",,, high" und "extra high" des WL TC und bewertet diese hinsichtlich ihres Energiekostenindexes. Für die verwendeten Referenzzyklen wurde vorab der optimale Energiekostenindex "A. mit Hilfe eines iterativen Algorithmus ermittelt. Anteilig aus dem Ergebnis der Zuweisung wird eine globale Betriebseinstellung für den gesamten zu untersuchenden Zyklus aus den optimierten Einstellungen der Referenzzyklen berechnet. Der Vergleich zwischen den Ergebnissen des Pattern Recognition-Algorithmus und der Optimierung durch das Simulationsmodell für zehn verschiedene Testzyklen zeigt, dass sich die Abweichungen lediglich zwischen 0, 1 % und 1,3 % belaufen.