3 research outputs found
Ein neuer Ansatz zur Kombination von Kurz- und Langzeitvorhersagen für das Energiemanagement von Schwerlastfahrzeugen mit Brennstoffzelle
Get PDFThe world energy consumption of the transport sector is in constant growth due to globalisation. Increasing research is conducted on alternative propulsion systems to reduce the environmental impact of heavy-duty vehicles.In this context, fuel cell electric vehicles are one of the most promising solutions to reduce greenhouse gas emissions. This vehicle architecture includes a fuel cell system that converts hydrogen into electricity - with only water as a by-product - and a battery system that copes with the fast load transients typical of automotive applications.Therefore, an energy management strategy (EMS) is necessary to distribute the electric load demand between the fuel cell battery systems, usually referred to as the power-split control task. From a control theory point of view, the power-split task can be formulated as a complex optimisation problem involving several contrasting objectives, such as fuel consumption, battery state-of-charge (SoC) control, and battery ampere throughput. Using a predictive energy management strategy (PEMS), the power-split can be optimised based on the future load demand, estimated using driving information forecasts (e.g. vehicle speed, route elevation, traffic congestion level, weather).The driving forecasts can be classified into short-term and long-term, depending on the future horizon length, e.g. one minute ahead and one hour, respectively. Although computational capabilities of industrial controllers are steadily increasing, online processing of various long-term predictive information still places a heavy burden on modern hardware. Therefore, assuming that both forecast levels are available, it is interesting to investigate new approaches to deal with the high computational complexity of predictive controllers.This thesis proposes a novel model predictive control (MPC) formulation as a PEMS with long prediction horizons but few decision variables. In particular, the classical MPC formulation is modified to have non-uniformly distributed control variables. The PEMS can consider short-term information (e.g. traffic) and long-term information (e.g. route elevation). The proposed predictive strategy is tested on real-world driving cycles of road freight vehicles. Several parameter changes and forecast scenarios are adopted to examine the efficacy and robustness of the MPC. The results show that the proposed concept achieves optimal fuel consumption and SoC control results while reducing the computational complexity of MPC.Der weltweite Energieverbrauch des Verkehrssektors nimmt aufgrund der Globalisierung ständig zu. Es wird zunehmend an alternativen Antriebssystemen geforscht, um die Umweltauswirkungen von schweren Nutzfahrzeugen zu verringern. In diesem Zusammenhang sind Brennstoffzellen-Elektrofahrzeuge eine der vielversprechendsten Lösungen zur Reduzierung der Treibhausgasemissionen. Diese Fahrzeugarchitektur umfasst ein Brennstoffzellensystem, das Wasserstoff in Elektrizität umwandelt - wobei nur Wasser als Nebenprodukt anfällt - und ein Batteriesystem, das die für Automobilanwendungen typischen schnellen Lastwechseln bewältigt. Daher ist eine Energiemanagementstrategie (EMS) erforderlich, um den elektrischen Leistungsbedarf zwischen den Brennstoffzellen-Batteriesystemen zu verteilen. Die Regelung der Leistungsaufteilung kann als komplexes Optimierungsproblem formuliert werden, das mehrere gegensätzliche Ziele beinhaltet, wie z. B. den Kraftstoffverbrauch, die Kontrolle des Ladezustands der Batterie und den Ampere-Durchsatz der Batterie. Mit Hilfe einer prädiktiven Energiemanagementstrategie kann die Leistungsaufteilung auf der Grundlage des künftigen Leistungsbedarfs optimiert werden, der anhand von Fahrdatenprognosen (z. B. Fahrzeuggeschwindigkeit, Streckenhöhe, Verkehrsstaus, Wetter) geschätzt wird. Die Fahrprognosen können je nach Länge des Prädiktionshorizonts in Kurzzeit- und Langzeitprognosen unterteilt werden, z. B. ein Horizont von einer Minute bzw. einer Stunde. Obwohl die Rechenkapazitäten industrieller Steuerungen stetig zunehmen, stellt die Online-Verarbeitung verschiedener langfristiger Vorhersageinformationen immer noch eine große Belastung für moderne Hardware dar. Unter der Annahme, dass beide Vorhersageebenen verfügbar sind, ist es daher interessant, neue Ansätze zu untersuchen, um die hohe Rechenkomplexität prädiktiver Regler zu bewältigen. In dieser Arbeit wird eine neuartige Formulierung für Model Predictive Control (MPC) vorgeschlagen, um eine prädiktive Energiemanagementstrategie mit langen Vorhersagehorizonten und wenigen Entscheidungsvariablen zu ermöglichen. Insbesondere wird die klassische MPC-Formulierung dahingehend modifiziert, dass sie nicht gleichmäßig verteilte Kontrollvariablen aufweist. Dadurch kann der prädiktive Regler kurzfristige Informationen (z.B. Verkehr) und langfristige Informationen (z.B. Streckenhöhe) berücksichtigen. Die vorgeschlagene Vorhersagestrategie wird anhand von realen Fahrzyklusdaten eines Straßengüterfahrzeuges getestet. Es werden verschiedene Parameteränderungen und Prognoseszenarien angenommen, um die Wirksamkeit und Robustheit des MPC zu untersuchen. Die Ergebnisse zeigen, dass das vorgeschlagene Konzept optimale Kraftstoffverbrauchsergebnisse erzielt, Batterieladezustandskontrolle ermöglicht und gleichzeitig die Berechnungskomplexität eines MPC reduziert
Schätzung des Gesundheitszustands von Lithium-Ionen-Batterien für Labor- und Flottendaten
No full textSchneller Identifikationsansatz für Ersatzschaltbild-Modelle von Lithium-Ionen-Zellen
Get PDFToday's economy is quickly shifting towards the electrification of major sectors, with lithium-ion batteries increasingly emerging as a crucial component of the transition. Improving the voltage prediction of battery management systems (BMS) remains an important research goal. With today's available computational resources, precise simulation of a cell's internal physical processes remains out of reach for most practical use cases in a BMS. Simplified equivalent circuit models (ECM) are an attractive alternative to the computationally demanding electrochemical models (EM). A key interest lies in studying a common identification method with respect to the accuracy and practicality and comparing it with an accelerated method.In this work, the gathering of identification data from a virtual testbed, the identification itself, and implementation of an ECM is presented, along with an accelerated identification method leveraging knowledge of previously-identified ECMs. Data is generated using an established EM in order to investigate the accuracy of the ECM compared to the EM. Investigations are made into the viability of using the knowledge of electrochemical parameters to approximate a cell's ECM, showing limited success. Therefore, an accelerated approach to ECM identification is presented, leveraging knowledge from an identified ECM. This significantly shortens the required test time and additionally reduces the complexity and amount of required test data. With the presented method, a simple charge-discharge test on the new cell is enough to approximate the ECM.Standardised validation tests are applied to the ECM for a wide range of SOC and current states, and the performance is evaluated. Voltage is predicted well for most conditions, but limitations of the ECM are seen particularly in the very low SOC region. Similarly, using the accelerated identification method yields a well-performing ECM. Crucially, this accelerated technique necessitates much less testing data and time compared to the established method.Die globale Wirtschaft befindet sich im Zustand einer Transformation zu einer weitreichenden Elektrifizierung vieler Sektoren. Als Bestandteil dieses Übergangs rücken Lithium-Ionen-Batterien zunehmend in den Fokus. Mit dem Ziel, die Spannungsvorhersage von Batteriemanagementsystemen (BMS) zu stärken, ist die Verbesserung verwendeter Batteriemodelle ein bedeutendes Forschungsziel. Mit den heute verfügbaren Rechenleistungen bleibt eine Simulation der internen physikalischen Prozesse einer Zelle für die meisten Echtzeitanwendungen in einem BMS kaum erreichbar. Equivalent Circuit Modelle (ECM) stellen eine einfache, jedoch weniger akkurate, Alternative zu den komplizierten, elektrochemischen Modellen (EM) dar. Es gilt, eine übliche Identifikationsmethode in Bezug auf deren Genauigkeit und praktische Anwendbarkeit zu untersuchen und mit einer neuen, beschleunigten Methode zu vergleichen. In dieser Arbeit wird die Erfassung von Identifikationsdaten aus einem virtuellen Prüfstand, die Identifikation selbst und die Implementierung eines ECM vorgestellt, zusammen mit einer beschleunigten Identifikationsmethode, die das Wissen über zuvor identifizierte ECMs nutzt. Zur Untersuchung der Genauigkeit des ECMs im Vergleich mit einem EM, werden Daten genutzt die mittels eines etablierten EMs generiert werden. Es wird untersucht, inwiefern Wissen über elektrochemische Parameter einer Zelle zur Approximierung eines ECMs genutzt werden kann, dies ist jedoch wenig erfolgreich. Daher wird schlussendlich anhand eines einfachen Lade-/Entladetest an der neuen Zelle dessen ECM approximiert, mit dem Wissen über ein bekanntes ECM einer anderen Zelle als Grundlage.Mittels standardisierten Validierungstests wird die Genauigkeit des ECMs beurteilt. Die Spannung wird unter den meisten Bedingungen gut vorhergesagt, jedoch werden die Grenzen des ECMs besonders im Bereich sehr niedrigen SOCs deutlich. Ebenso liefert die Verwendung der beschleunigten Identifikationsmethode ein ähnlich akkurates ECM. Entscheidend ist, dass diese beschleunigte Herangehensweise wesentlich weniger Testdaten und Zeit im Vergleich mit der etablierten Methode erfordert
