KR102213021B1

KR102213021B1 - 하이브리드 차량의 에너지 소비를 최적화하기 위한 방법

Info

Publication number: KR102213021B1
Application number: KR1020197020733A
Authority: KR
Inventors: 압델-드잘릴 우라바; 아테프 가예드; 벵자맹 쿠오스트; 티에리 드노우
Original assignee: 르노 에스.아.에스.
Priority date: 2017-01-05
Filing date: 2017-12-20
Publication date: 2021-02-08
Also published as: JP7079255B2; CN110139789A; FR3061471A1; JP2020505263A; CN110139789B; FR3061471B1; EP3565748A1; WO2018127645A1; US20190344777A1; KR20190099248A; EP3565748B1

Abstract

본 발명은 연료가 공급되는 내연 기관 및 트랙션 배터리를 구비한 전기 엔진을 포함하는 하이브리드 차량의 에너지 소비를 최적화하는 방법에 대한 것으로서, a) 네비게이션 시스템을 통해 가야 할 경로를 획득하는 단계; b) 상기 경로를 연속적인 섹션(Ti)으로 분할하는 단계; c) 상기 섹션(Ti)을 특징화하는 속성(FC, SC, SL, TS, RG, LL, NL, SMS)을 각 섹션(Ti)에 대하여 획득하는 단계; d) 연료 소비값(CC)을 전기 에너지 소비값(△SOE)과 연계하는 복수의 소정의 관계(CEj) 중에서, 상기 섹션(Ti) 각각에 대해, 그 속성(FC, SC, SL, TS, RG, LL, NL, SMS)을 고려하여, 섹션(Ti)에 대한 하이브리드 차량의 연료 소비(CC)와 전기 에너지 소비(△SOE)를 연계하는 관계(CEj)를 선택하는 단계; e) 선택된 각각의 상기 관계(CEj)에서 상기 트랙션 배터리의 건강 상태(SOH)를 유지하기 위한 상기 최적점(Pi)을 결정하는 단계로서, 모든 최적점(Pi)은 전체 경로상에서 상기 트랙션 배터리의 노화를 최소화하고, 상기 경로의 마지막에서 트랙션 배터리의 방전을 최대화하는, 최적점(Pi)을 결정하는 단계; 및 f) 상기 최적점(Pi)의 좌표의 함수로서, 전체 경로를 따라 차량의 연료 소비 및 전류 소비를 관리하기 위한 설정값을 공식화하는 단계;를 포함하는 하이브리드 차량의 에너지 소비를 최적화하는 방법에 대한 것이다.

Description

하이브리드 차량의 에너지 소비를 최적화하기 위한 방법

본 발명은 일반적으로 충전식 하이브리드 차량에 관한 것이다.

보다 상세하게는, 연료가 공급되는 내연 기관 및 트랙션 배터리에 의해 공급되는 전기 엔진을 포함하는 하이브리드 차량의 에너지 소비를 최적화하는 방법에 관한 것이다.

본 발명은 뛰어난 전기 자율성(autonomy)을 갖는 하이브리드 차량, 즉 단지 전기 엔진을 사용하여 10 킬로미터 이상의 거리에서 주행할 수 있는 차량에 특히 유리하게 적용된다.

충전식 하이브리드 차량은 내연 기관 및 연료 탱크를 포함하는 종래의 열적(thermal) 트랙션 체인과, 특히 전기 콘센트로부터 충전될 수 있는 전기 엔진 및 트랙션 배터리를 포함하는 전기 트랙션 체인을 포함한다.

이러한 하이브리드 차량은 단독의 전기 트랙션 체인 또는 열적 트랙션 체인만으로 구동될 수 있으며, 또는 차량의 하이브리드 운전 모드에 대응하는 2 개의 전기 및 열적 트랙션 체인에 의해 동시에 구동될 수 있다. 동시에 하나 또는 둘 모두의 트랙션 체인을 선택하는 것은 에너지 관리 시스템(EMS)에 의해 이루어진다.

차량의 미래 경로가 알려지지 않았기 때문에, 트랙션 체인 중 하나 또는 다른 하나를 사용하기 위해 현재 구현된 전략은 최소 에너지 수준에 도달할 때까지 경로 시작시 트랙션 배터리를 방전하여 체계적으로 시작하고, 그리고 나서 열적 트랙션 체인을 사용하는 것으로 구성된다. 이러한 방법으로, 운전자가 짧은 경로를 취하고 트랙션 배터리를 정기적으로 재충전 할 수 있는 옵션을 선택할 때, 운전자는 가능한 한 전기 트랙션 체인을 사용하여 차량의 오염 배출을 줄이게 된다

따라서, 에너지 관리 시스템은 경로의 특성과 지형을 고려하지 않고 트랙션 배터리를 완전히 방전하는 것을 우선 과제로 포함하는 소위 "방전 - 유지" 전략을 구현한다. 따라서, "방전 - 유지" 전략은 상기 배터리의 성능을 조기에 변화시킬 수 있는 극단적인 트랙션 배터리에 대한 부담을 수반한다.

특히, 트랙션 배터리는 배터리의 고유한 특성에 따라 다른 정의된 에너지 상태(SOE) 범위에서 작동하도록 되어 있다. 예를 들어, 전기 및 하이브리드 차량에서 가장 일반적으로 사용되는 리튬 이온 배터리의 경우, 이 작동 범위는 일반적으로 에너지 범위의 15 %와 95 % 사이에 놓인다. 이는 사용 가능한 용량과 배터리의 수명 사이에 절충안을 만드는 것으로 정의된다. 온도, 장시간 동안 높은 전류 강도, 과전압, 부족 전압 등과 같이 배터리의 성능을 저하시키는 많은 요소가 존재한다.

이와 관련하여, FR2995859는 트랙션 배터리의 노화를 제한하기 위한 에너지 관리 시스템을 개시한다. 이를 위해, 이 문서에서는 배터리 수명이 다할 때 하이브리드 모드에서 배터리의 사용 범위를 확장하는 에너지 관리 시스템을 제안한다.

그러나, 이러한 해결책은 차량에 의해 커버될 거리와 독립적으로 적용되는 단점을 갖는다. 따라서 차량은 전체 경로를 따라 하이브리드 모드로 작동할 수 있지만, 트랙션 배터리의 자율성으로 인해 가솔린을 소비하지 않고 전체 경로를 사용할 수 있다.

또 다른 단점은 최적 사용 범위가 사전에 미리 정의되어 있어야 하고 경로상의 실행 프로필을 고려하지 않는다는 점이다. 따라서, 주행 조건이 그 사용에 유리하지 않을 때, 에너지 관리 시스템은 트랙션 배터리의 조기 노화를 초래할 수 있는 주행 또는 주행 설정점을 부과할 수 있다.

종래 기술로부터의 전술한 단점을 극복하기 위해, 본 발명은 전제부에서 정의된 바와 같이 하이브리드 차량의 에너지 소비를 최적화하는 방법을 제안하며, 이 방법은 다음 단계를 포함한다 :

a) 네비게이션 시스템을 통해 가야 할 경로를 획득하는 단계;

b) 상기 루트를 연속 섹션들로 분할하는 단계;

c) 각 섹션에 대해, 상기 섹션을 특징짓는 속성을 획득하는 단계;

d) 상기 섹션들 각각에 대해, 그 속성을 고려하여, 연료 소비 값과 전기 에너지 소비 값을 연계하는 미리 결정된 다수의 관계 중에서 상기 섹션을 통해 하이브리드 차량의 연료 소비를 전기 에너지 소비와 연계시키는 관계를 선택하는 단계;

e) 상기 선택된 관계들 각각에서 상기 트랙션 배터리의 건강 상태를 유지하기 위한 최적점을 결정하는 단계로서, 상기 최적점들 모두가 상기 전체 경로에 대한 상기 트랙션 배터리의 노화를 최소화하고, 상기 경로의 끝부분에서 상기 트랙션 배터리의 방전을 최대로 하는 최적점을 결정하는 단계; 및

f) 상기 최적점의 좌표의 함수로서 전체 경로를 따라 차량의 연료 소비 및 전류 소비를 관리하기 위한 설정 값을 공식화하는 단계.

따라서, 본 발명으로 인하여, 전기 엔진이 오히려 사용되어야 하거나 내연 기관이 오히려 사용되어야 하는 시간을 결정할 수 있어서, 하이브리드 차량에 의해 취해진 경로에 걸쳐 트랙션 배터리의 노화를 최적으로 감소시킬 수 있다. 보다 정확하게는, 본 발명은 경로의 특성 및 지형을 고려하여, 최적화되고 제한된 작동 범위에서 트랙션 배터리의 사용에 대한 우선순위를 제공할 수 있게 한다. 따라서 트랙션 배터리는 건강 상태를 보다 더 고려한 상태, 즉 지나치게 높거나 낮지 않은 전류 강도를 전달할 수 있는 전압 범위의 조건에서 사용된다. 따라서, 본 발명은 트랙션 배터리의 수명을 증가시킬 수 있게 하여, 하이브리드 차량의 유지 비용을 낮출 수 있게 한다.

본 발명의 다른 특징에 따르면, 단계 e)에서, 각 섹션에 대해 선택된 각각의 관계에서의 최적점을 결정하는 것은 트랙션 배터리의 건강 상태를 유지하기 위한 관계에 의해 측정되는, 전체 섹션에 있어서 연료 소비에 의존한다. 환언하면, 이러한 가중치 관계는 트랙션 배터리가 최적 사용 범위에 있을 때 전기 엔진의 작동에 우선 순위(priority)를 부여하는 것을 가능하게 한다. 대조적으로, 트랙션 배터리의 충전이 이러한 최적의 충전 상태보다 낮거나 큰 경우, 가중치 관계는 전기 엔진에 의해 트랙션 배터리에 가해지는 부담을 줄이기 위해 내연 기관 엔진의 사용에 우선순위를 부여한다. 그럼에도 불구하고 가중치 관계가 최적 사용 범위를 벗어난 트랙션 배터리의 사용을 방해하지 않는다는 점에 유의해야 한다.

본 발명에 따른 트랙션 배터리의 건강 상태를 보존하기 위한 방법의 다른 유리하고 비-제한적인 특징은 다음과 같다 :

- 트랙션 배터리의 에너지 상태가 최적 사용 범위 내에 있을 때 유지 관계의 값이 감소하여, 관리 설정치가 경로 중 최적 사용 범위에서 트랙션 배터리의 사용에 우선 순위를 부여한다;

- 목적지에 도달할 거리가 증가할 때, 바람직하게는 차량의 최대 전자 자율성이 감소하고 목적지에 도착하기까지 남은 거리보다 작을 때, 유지 관계 값이 감소하여, 관리 설정치는 경로의 마지막 부분에서 트랙션 배터리를 방전하도록 전기 엔진의 사용에 대한 우선 순위를 부여한다;

- 유지 관계는 활성화 함수(activation function)와 가중 함수(weighting function)의 결과물(product)에 의존하며, 선택된 각각의 관계에서 트랙션 배터리의 건강 상태를 유지하기 위한 최적점의 결정에 있어서 유지 관계의 영향을 최소화하기 위하여, 차량의 최대 전자 자율성이 예를 들어 차량의 최대 전자 자율성이 목적지에 도달하기까지 남은 거리의 두배 보다 작을 때 활성화 함수값은 최소로 된다;

- 유지 관계는 활성화 함수와 가중 함수의 결과물에 의존하며, 최적점이 결정에 있어서 유지 관계의 영향을 최소화하기 위하여, 트랙션 배터리의 에너지 상태가 최적 사용 범위를 벗어날 때, 가중 함수값은 최소로 되며, 유지 관계는 값 1 로 되는 것이 바람직하다;

- 목적지에 도달하기까지의 거리가 감소할 때 활성화 함수값이 최대가 되며, 바람직하게는, 경로의 마지막 단계에서 트랙션 배터리가 완전히 방전되도록 하기 위하여, 차량의 최대 전기적 자율성이 목적지에 도달하기 까지 남은 거리의 8배보다 작을 때, 활성화 함수값은 최대로 된다;

- 하이브리드 차량의 최대 전기적 자율성이 차량이 도착할 잔여 거리보다 작으면 활성화 함수는 최대일 수 있다;

- 활성화 함수는 차량의 최대 전기적 자율성의 두 배보다 크거나 바람직하게는 6 배 이상일 수 있다;

- 활성화 함수의 값은 최소값과 최대값 사이에서 선형적으로 변화한다;

- 트랙션 배터리의 에너지 상태가 최적 사용 범위의 중심에 있을 때, 가중치 함수의 값이 최대가 되어서, 트랙션 배터리가 그 최적 범위 내에서 작동 중일 때, 관리 설정값은 전기 엔진 사용에 우선 순위를 부여한다;

- 가중 함수의 값은 트랙션 배터리의 최적 사용 범위 중심의 양쪽에서 대칭적으로 변화하게 된다;

- 예를 들어, 가중 함수는 트랙션 배터리의 최적 사용 범위의 10 % 이상, 바람직하게는 50 % 이상에 대한 최대값을 가질 수 있다;

- 트랙션 배터리의 최적 사용 범위는 최대 충전량의 60 % ~ 80 % 사이이다.

- 유지 관계는 유지 관계값의 변화의 진폭을 제어하기 위해 최대 가중치를 포함한다;

- 최대 가중치는 바람직하게는 일정하며 0.1과 1 사이의 범위에 있다;

- 유지 관계는 활성화 함수, 가중 함수 및 최대 가중치의 결과물에 비례한다.

본 발명으로 인하여, 전기 엔진이 오히려 사용되어야 하거나 내연 기관이 오히려 사용되어야 하는 시간을 결정할 수 있어서, 하이브리드 차량에 의해 취해진 경로에 걸쳐 트랙션 배터리의 노화를 최적으로 감소시킬 수 있다. 보다 정확하게는, 본 발명은 경로의 특성 및 지형을 고려하여, 최적화되고 제한된 작동 범위에서 트랙션 배터리의 사용에 대한 우선순위를 제공할 수 있게 한다. 따라서 트랙션 배터리는 건강 상태를 보다 더 고려한 상태, 즉 지나치게 높거나 낮지 않은 전류 강도를 전달할 수 있는 전압 범위의 조건에서 사용된다. 따라서, 본 발명은 트랙션 배터리의 수명을 증가시킬 수 있게 하여, 하이브리드 차량의 유지 비용을 낮출 수 있게 한다.

비-한정적인 예로서 주어진 첨부된 도면을 참조하여 후술하는 설명은 본 발명이 무엇을 구성하고 그것이 어떻게 구현될 수 있는지를 용이하게 이해할 것이다.
도 1은 차량이 취해야 하는 경로 섹션을 특징 짓는 속성값을 나타내는 표이다.
도 2는 취하 경로의 구간을 특징 짓는 기준 곡선의 파라미터를 나타내는 표이다.
도 3은 시운전에서 획득된 특정 소비 곡선의 분포를 나타내는 그래프이다.
도 4는 복수의 기준 곡선을 도시하는 그래프이다.
도 5는 섹션에 할당된 각 속성값과 함께, 이 섹션이 도 4의 기준 곡선 중 하나 또는 다른 하나와 관련될 확률을 관련시키는 표이다.
도 6은 차량의 보조 장치의 전기 소비를 고려한 기준 곡선에 대한 보정을 나타내는 그래프이다.
도 7은 대응하는 경로의 섹션의 기울기를 고려하여 기준 곡선에 수행될 보정을 도시하는 그래프이다.
도 8은 최적화 알고리즘을 사용하여 최적 궤도를 탐색하기 위한 알고리즘의 계산 단계의 예를 도시한 그래프이다.
도 9는 본 발명에 따른 작동 기능의 형태의 예를 도시하는 그래프이다.
도 10은 본 발명에 따른 가중 함수의 형태의 두 가지 예를 도시하는 그래프이다.
도 11은 본 발명에 따른 방법(곡선 A)을 사용하고 방전 유지 방법(곡선(curve)을 사용하여 최대 전기적 자율성보다 큰 경로에서 트랙션 배터리의 에너지 상태의 변화의 예를 도시하는 그래프이다.

일반적으로 차량은 구동 트레인, 차체 부재 및 객실 부재를 지지하는 섀시를 포함한다.

충전식 하이브리드 차량에서 구동 트레인은 열적 트랙션 체인과 전기 트랙션 체인을 포함한다.

열적 트랙션 체인은 특히 연료 탱크 및 탱크로부터 연료가 공급되는 내연 기관을 포함한다.

전기 트랙션 체인은 트랙션 배터리와 상기 트랙션 배터리에 의해 전류가 공급되는 하나 이상의 전기 엔진을 그 부품으로서 포함한다.

이 경우 차량은 또한 트랙션 배터리가 예를 들어, 가정의 전기 그리드 또는 다른 전기 그리드 상에 국부적으로 충전되도록 하는 전원 소켓을 포함한다.

차량은 또한 트랙션 배터리에 의해 전류가 공급되는 전기 장치로 정의되는 보조 장치를 포함한다.

이러한 보조 장치 중에서, 공기 조절 모터, 전기 윈도우 모터 또는 지리적 위치 및 네비게이션 시스템이 언급될 수 있다.

이러한 지리적 위치 및 네비게이션 시스템은 통상적으로 차량의 위치 정보와 관련하여 신호를 수신하기 위한 안테나, 국가 또는 지역의 지도를 저장하기 위한 메모리, 및 이러한 지도 상에 차량의 위치를 설명하기 위한 스크린을 포함한다.

이 경우, 상기 스크린이 터치 스크린인 경우를 고려하여, 운전자가 정보를 입력할 수 있게 한다. 그것은 물론 다른 스크린이 될 수 있다.

마지막으로, 지리적 위치 파악 및 네비게이션 시스템은 운전자에 의해 입력된 정보, 그 메모리에 저장된 맵 및 차량 위치를 고려하여, 취할 경로를 계산하기 위한 제어기를 포함한다.

차량(1)은 특히 전술한 2 개의 트랙션 체인(특히 전기 엔진 및 내연 기관에 의해 생성된 동력)을 제어하기 위해, 이 경우 컴퓨터라고 하는 전자 제어 유닛(ECU)을 포함한다.

본 발명의 내용에서, 이러한 컴퓨터는 지리적 위치 및 네비게이션 시스템의 제어기에 연결되어, 이들 2 개의 요소는 정보를 교신할 수 있다.

이 경우, 차량의 주 장치 간 통신 네트워크(일반적으로 CAN 버스)에 의해 서로 연결된다.

컴퓨터는 프로세서 및 저장 유닛(이하, '메모리' 라 칭함)을 포함한다.

이 메모리는 아래에 설명된 방법의 설명에서 사용되는 데이터를 저장한다.

그것은 특히 도 5에 도시된 유형의 표를 저장한다(이는 본 개시의 나머지 부분에서 설명될 것이다).

또한, 프로세서에 의한 실행에 의해 컴퓨터가 이하에서 설명되는 방법을 구현하게 하는 명령을 포함하는 컴퓨터 프로그램으로 형성된 컴퓨터 애플리케이션을 저장한다.

도입부로서, 이하에서 설명되는 방법의 개시에 사용되는 몇몇 개념에 대한 정의가 여기에 주어질 것이다.

따라서, "경로"라는 용어는 목적지에 도달하기 위해 차량이 출발지에서 취해야 하는 경로로 정의될 수 있다.

이 도착 스테이션, 즉 경로의 목적지에는 차량에 구비된 전원 소켓을 통해 트랙션 배터리를 충전하기 위한 충전 스테이션이 설치된 것으로 고려된다.

각 경로는 "인접 세그먼트"와 "인접 섹션"으로 나눌 수 있다.

세그먼트 개념은 지리적 위치 및 네비게이션 시스템이 장착된 제어기에서 기본적으로 사용된다.

실제로, 각 세그먼트는 예를 들어 2 개의 도로 교차점 사이에서 연장되는 경로의 일부에 대응할 수 있다. 최단 또는 최단 경로를 정의하기 위해 제어기는 경로가 통과해야 하는 도로 세그먼트를 결정한다.

섹션의 개념은 이와 다르다. 이는 본 명세서의 나머지 부분에서 상세히 설명될 것이다. 단순화하기 위해, 경로의 각 섹션은 도로의 특징이 크게 변경되지 않는 경로의 일부에 해당한다. 예로서, 경로는 최대 허용 속력 제한이 일정한 각각의 섹션으로 나누어 질 수 있다.

이 섹션은 여기에서 "속성"이라고 하는 매개 변수로 특징 지어진다. 각 섹션을 특성화하기 위한 속성의 예는 다음과 같다.

첫번째 속성은 "도로 카테고리 FC"이다. 위치 정보 및 네비게이션 시스템이 장착된 제어기는 일반적으로 다양한 유형의 도로를 구별하기 위해 이 유형의 카테고리를 사용한다. 이 경우, 이 카테고리는 예를 들어 1에서 6 사이의 정수 값을 가질 수 있다. 1과 같은 속성은 익스프레스웨이에 대응할 수 있고, 2와 같은 속성은 하이웨이 등에 대응할 수 있다.

두번째 속성은 섹션의 "기울기 RG"이며 각도 또는 백분율로 표시된다.

세번째, 네 번째, 다섯 번째 및 여섯 번째 속성은 섹션에서 주행하는 차량의 특성 속력과 관련된다.

세번째 특성은 섹션의 "속력 카테고리 SC"이다. 위치 정보 및 네비게이션 시스템이 장착된 제어기는 일반적으로 다양한 유형의 도로를 구별하기 위해 이 유형의 카테고리를 사용한다. 이 경우, 이 카테고리는 예를 들어 1에서 6 사이의 정수값을 가질 수 있다. 1과 같은 속성은 초고속 도로(120 km/h 이상)에 해당 할 수 있으며, 2와 같은 속성은 고속도로(100 - 120 km/h) 등에 해당할 수 있다.

네 번째 특성은 섹션에 대한 "허용된 속력 제한 SL"이다.

다섯 번째 속성은 섹션에서 관측된 "평균 속력 SMS"이다(이 값은 각 도로에서 통계적으로 측정한 결과이다).

여섯 번째 속성은 섹션에서 관측된 "순간 속력 TS"이다(트래픽의 실시간 상태와 관련된 정보 시스템의 결과 값).

일곱 번째 속성은 섹션의 "길이 LL"이다.

여덟 번째 속성은 섹션의 "평균 곡률 반경 LC"이다.

아홉 번째 속성은 차량이 취한 주행 방향 단면의 "차선 수 NL"이다.

아래의 설명에서 이러한 9 개의 속성은 경로의 각 섹션을 특성화하는 데 사용된다.

변형예로서, 경로의 각 섹션은 더 작거나 더 많은 수의 속성으로 특징 지어질 수 있다.

트랙션 배터리의 에너지 상태(SOE)는 이 트랙션 배터리의 잔여 에너지를 특성화하기 위한 매개 변수로 정의된다. 변형예로서, 배터리의 충전 상태(SOC)와 같은 다른 매개 변수 또는 동일한 유형의 임의의 다른 파라미터(배터리의 내부 저항, 배터리의 단자 양단 전압 등)가 사용될 수 있다.

그런 다음, 트랙션 배터리의 충전 또는 방전(△SOE)는 두 번에 분리된 시간에서 에너지의 두 상태 사이의 차이와 같다고 간주된다.

고려중인 섹션의 차량의 "특정 소비 곡선"은 차량의 각 연료 소비값(CC)와 트랙션 배터리의 충전 또는 방전값(△SOE)를 연관시키는 곡선으로 정의된다. 구체적으로, 주어진 섹션에서, 차량의 연료 소비량(CC)(킬로미터 당 보상되는 리터)과 트랙션 배터리의 충전 또는 배출량(킬로와트 당 와트-시간)이 얼마인지를 추정할 수 있다. 이 두 값은 전기 트랙션 체인 또는 오히려 열적 트랙션 체인이 차량을 주행하는 데 사용되는지 여부에 따라 달라지므로 곡선으로 연결된다.

무한대의 특정 소비 곡선이 있기 때문에, "기준 곡선"은 특성이 잘 알려진 특정한 특정 소비 곡선으로 드디어 정의되며 각 특정 소비 곡선을 근사화 할 수 있다. 다시 말해서, 본 발명의 나머지 설명 부분에서 더욱 명백해지듯이, 각각의 경로 섹션과 관련하여 특정 소비 곡선이 아니라 오히려 기준 곡선(특정 소비 곡선의 최상의 근사를 형성하는 기준 곡선)과 연관될 것이다.

이 방법은, 지리적 위치 및 항법 시스템의 제어기 및 차량의 컴퓨터에 의해 공동으로 구현되며, 차량의 연료 소비 및 전류 소비를 관리하기 위한 설정 값을 계산하는 방법이다.

이 방법은 트랙션 배터리의 건강 상태를 최적으로 유지하기 위해 미리 정해진 경로에서 전기 트랙션 체인과 열적 트랙션 체인을 어떻게 사용해야 하는지를 보다 정확하게 결정한다.

본 발명의 하나의 특히 바람직한 특징에 따르면, 상기 방법은 다음의 6 가지 주요 단계를 포함한다:

- 가야 할 경로를 획득하는 단계,

- 상기 경로를 연속적인 인접 섹션(Ti)로 분할하는 단계,

- 상기 섹션(Ti)를 특징 짓는 속성(FC, SC, SL, TS, RG, LL NL, SMS)을 각 섹션(Ti)에 대해 획득하는 단계,

- 상기 섹션(Ti)의 속성(FC, SC, SL, TS, RG, LLNL, SMS)을 각각의 섹션(Ti)에 대해 고려하여, 상기 섹션에서 하이브리드 차량의 각각의 연료 소비값(CC)을 트랙션 배터리의 충전 또는 방전값(△SOE)에 연계시키는 관계(본원에서 기준 곡선 CE_j 라고 함)를 결정하는 단계,

- 트랙션 배터리의 건강 상태(SOH)를 최적으로 유지하고 상기 경로의 끝에서 트랙션 배터리의 완전한 방전을 달성하기 위한 각각의 기준 곡선(CEj)의 최적점(Pi)을 결정하는 단계, 및

- 상기 최적점(Pi)의 좌표의 함수로서 에너지 관리 설정점을 공식화하는 단계.

이 접합부에서, 수명이 다할 때, 배터리는 사용 중에 일어나는 비가역적인 화학적 변화로 인해 점차적으로 열화되는 경향이 있는 것으로 나타났다. 이러한 악화는 새로운 상태에서 제공할 수 있는 기능과 비교하여 배터리의 특정 기능을 제공하는 기능을 정의하는 "상태 SOH"라는 표시기를 사용하여 계량화된다. 잘 알려진 바와 같이, 이 건강 상태(SOH)는 배터리의 내부 저항 및 (충전 상태의) 단자를 가로지르는 전압과 매우 높은 상관 관계를 나타낸다.

이러한 6 개의 연속적인 단계는 본 명세서의 나머지 부분에서 설명된다.

첫번째 단계는 차량이 가고자 하는 경로를 획득하는 것이다.

이 단계는 지리적 위치 및 네비게이션 시스템에 내장된 제어기에서 수행될 수 있다.

이 단계는 종래의 방식으로 구현된다.

따라서 운전자가 도착 위치를 정의하기 위해 지리적 위치 및 네비게이션 시스템의 터치 스크린을 사용할 때, 이 시스템의 제어기는 특히 운전자가 선택한 여행 매개 변수(가장 빠른 경로, 최단 경로 등)에 따라 취할 경로를 계산한다.

이 단계에서, 차량이 지리적 위치 및 네비게이션 시스템에 의해 정의된 경로와 다른 경로를 취하는 즉시 방법을 재설정해야 한다는 것을 알 수 있다.

변형예로서, 이 첫번째 단계는 다르게 수행될 수 있다.

따라서, 운전자가 터치 스크린에 도착 스테이션을 입력하는 것이 불필요하게 될 수 있다. 이를 위해, 제어기는 운전자의 루틴을 검출하고 이로부터 도착 스테이션을 자동으로 추론할 수 있다.

예를 들어 운전자가 일하기 위해 매주 같은 경로를 취하는 경우, 운전자가 지리적 위치 및 네비게이션 시스템의 터치 스크린에 정보를 입력하지 않고도 이 경로가 자동으로 획득될 수 있다.

이 첫번째 단계의 끝에서, 지리적 위치 및 네비게이션 시스템에 내장된 제어기는 차량의 경로를 알고 있으며, 여기서 경로는 각각이 두 개의 도로 교차로 사이에서 연장되는 인접한 다수의 세그먼트로 구성된다.

두번째 단계는 경로를 섹션(Ti)로 나누는 것을 포함한다.

경로를 세그먼트로 나누지 않고 섹션으로 다시 분할하는 이점은 우선 경로의 하위 단계로 분할하는 것의 수를 줄이는 것이다. 특히 두개의 연속적인 세그먼트의 속성이 동일한 경우가 종종 있다. 이 두 연속적인 세그먼트를 개별적으로 처리해야 하는 경우 계산 시간이 불필요하게 늘어나게 된다. 동일한 하나의 섹션 내에서 동일한 세그먼트를 결합함으로써 계산 시간을 줄일 수 있다.

또 다른 이점은 하나의 동일 세그먼트에 대한 도로의 특징이 실질적으로 변할 수 있다는 것이다(세그먼트의 일부분은 경사가 없는 도로에 대응할 수 있고 이 세그먼트의 다른 부분은 큰 경사를 갖는 도로에 대응할 수 있다). 이 경우, 도로의 특징이 균질하게 유지되는 각각의 도로에서 경로를 섹션으로 분할하는 것이 바람직하다.

각 섹션(Ti)는 전체 길이에 있어서 변하지 않는 하나 이상의 속성을 포함하는 경로의 일부로 정의된다.

이 속성은 슬로프(RG) 및/또는 속력 카테고리(SC) 및/또는 도로 카테고리(FC)로 구성될 수 있다.

이 경우, 이 단계는 지리적 위치 및 네비게이션 시스템에 내장된 제어기에 의해 구현된다. 이를 위해, 경로를 위에서 언급한 세가지 속성(RG, SC, FC)이 일정한 최대 길이의 섹션(Ti)로 분할된다.

이 두번째 단계의 끝에서, 제어기는 N 개의 섹션을 정의한다.

세번째 단계는 각 섹션(Ti)의 속성을 획득하는 단계를 포함한다.

고려중인 섹션에 대해 속성 중 하나가 가변적이면, 이것은 고려할 전체 섹션에 대한 이 속성의 평균값이다.

실제로, 이 세번째 단계는 다음과 같이 수행된다.

우선, 지리적 정보 및 네비게이션 시스템에 내장된 제어기는 컴퓨터에 새로운 경로가 계산되었다는 것을 알린다. 그후, 컴퓨터는 도 1에 도시된 유형의 표의 형태로 각 섹션의 속성들의 전송을 요청한다.

제어기는 다음과 같이 각 섹션의 속성을 획득한다.

그것은 부분, 특히 섹션의 길이(LL)을 계산한다.

그것은 지리적 위치 및 네비게이션 시스템의 메모리로부터, 특히 도로 카테고리(FC), 슬로프(RG), 속력 카테고리(SC), 허용 속력 제한(SL), 평균 속력(SMS), 평균 곡률 반경(LC) 및 차선수(NL) 인 그 다른 부분을 판독한다.

이러한 속성의 마지막 부분은 다른 장치, 특히 트래픽의 실시간 상태에 대한 정보 시스템에 의해 전달되는 순간 속력(TS)에 의해 그와 통신된다.

그런 다음 제어기는 CAN 버스를 통해 차량의 메인 컴퓨터로 이 모든 정보를 전송한다.

3 가지 첫번째 단계를 수행하기 위해 차량의 주 컴퓨터가 아닌 지리적 위치 및 네비게이션 시스템에 내장된 제어기를 사용하면 CAN 버스가 컴퓨터에 전송할 정보량을 줄이는 이점이 있다. 특히 동일한 속성을 가진 경로의 인접한 세그먼트를 병합하면 전송되는 데이터의 양이 줄어들어, CAN 버스에 의한 데이터 전송 속력이 빨라지게 된다.

정보를 수신하면 컴퓨터는 다음 단계를 구현한다.

제 4 단계는 각 세그먼트(Ti)에 대해, 컴퓨터의 메모리에 저장된 기준 곡선(CEj) 중에서, 고려중인 섹션(Ti) 에 대하여 차량의 최적 에너지 소비(연료 소비 및 전류 소비)의 추정을 가능하게 것을 결정하는 단계를 포함한다.

이 단계를 통해 속성의 측면에서 각 섹션의 특성화로부터 에너지 비용면에서의 특성화로 이동할 수 있다.

본 실시 예의 제 4 단계 동안, 컴퓨터는 그 메모리에 저장된 도 5에 도시된 표(TAB)를 사용할 것이다.

도 5에서 볼 수 있듯이, 이 표(TAB)에는 속성의 값(또는 값의 간격)에 해당하는 행이 있다. 그것은 각각 기준 곡선(CEj) 중 하나에 대응하는 열을 갖는다. 도시된 예에서, 컴퓨터의 메모리는 M 개의 기준 곡선(CEj)을 저장하는 것으로 고려될 것이며, 여기서 M은 이 경우 11이다.

도 5에서, 표(TAB)의 셀은 비워져 있는데, 그 이유는 포함될 값은 차량의 기능에 따라 달라지기 때문이다.

실제로 이 표(TAB)는 각 셀에 값이 있는 컴퓨터의 메모리에 저장된다.

이들 값은 기준 곡선(CEj) 중 하나 또는 다른 하나에 대응하는 각 속성 값의 확률에 대응하는 확률 값(0과 1 사이)이 될 것이다.

예를 들어, 섹션(Ti)의 도로 카테고리(FC)가 2와 동일한 값을 갖는다면, 기준 곡선(CE1)에 의한 에너지 비용의 관점에서 정확하게 특징화될 이 섹션의 확률이 a1에 대해 동일할 것이며, 기준 곡선(CE2)에 의한 에너지 비용의 관점에서 정확하게 특성화될 확률은 a2 등과 등가가 될 것이라는 것이 표로부터 판독된다.

기울기(RG) 및 길이(LL)의 값은 이 표(TAB)에서 의도적으로 사용되지 않았음을 알 수 있다.

이 단계에서, 컴퓨터는 고려중인 섹션(Ti)의 각 속성의 값에 대응하는 각 확률 값을 기록할 수 있다.

도시된 예에서, 속성(FC)가 2이고, 속성(SC)가 6이고, 속성(SL)이 30이고, 속성(NL)이 2이고, 속성(SMS)이 60과 80 사이이고, 속성(TS)이 40 과 60 사이이고, 컴퓨터는 a1 ~ a11, b1 ~ b11, c1 ~ c11, d1 ~ d11, e1 ~ e11 및 f1 ~ f11로 표시된 값을 기록한다.

그런 다음 컴퓨터는 고려중인 섹션(Ti)의 확률 합계를 11 개의 참조 곡선 CEj 각각에 의해 에너지 비용면에서 정확하게 특성화한다.

도시된 예에서, 이 컴퓨터는 a1 내지 f1로 표시된 값, 그리고 a2 내지 f2로 표시된 값 등을 합산한다.

마지막으로, 컴퓨터는 11 개의 합계 중에서 가장 높은 결과를 얻은 값을 결정한다.

그런 다음, 이 높은 확률의 합이 연관된 기준 곡선(CEj)가 에너지 비용면에서 섹션(Ti)을 가장 잘 나타내는 기준 곡선이라고 고려된다.

컴퓨터는 이러한 기준 곡선(CEj)을 특징짓는 파라미터 값을 그 메모리로부터 획득할 수 있다.

본 발명의 이러한 단계에서 가장 정확하게 관심이 있는 부분은 이러한 기준 곡선을 얻고 모델링하는 방식이다.

각 차량 모델(또는 각 엔진 모델 또는 각 차량 모델 세트 또는 각 엔진 모델 세트)에 대해 다양한 지리적 위치의 도로 섹션에서 다수의 테스트 실행(또는 테스트 실행 시뮬레이션)을 수행해야 한다.

이러한 시험 주행은 그 속성이 알려진 다양한 섹션에서 차량의 연료 소비 및 전류 소비를 결정하는 것을 가능하게 한다. 이를 위해, 차량은 매번 전기 엔진에 의해 제공되는 트랙션력의 비율을 증가시키는 각 섹션에서 여러 번 움직이다.

그런 다음, 각 섹션에 대한 특정 소비 곡선(SCC)을 생성할 수 있다. 이러한 특정 소비 곡선은 도 4에 나와있는 유형의 곡선이다.

이러한 곡선 각각에서 더 많은 전기 에너지가 사용된다는 것을 알 수 있으며(즉, △SOE <0), 전기 트랙션 체인만을 사용하여 주행 중에 0에 도달할 때까지 연료 소비가 더 많이 떨어지게 된다. 반대로 내연기관 엔진을 통해 배터리를 재충전하려고 하면 할수록(△SOE> 0) 연료 소비가 증가하게 된다. 마지막으로, 각 특정 소비 곡선(SCC)은 보조 장치의 전기 소비가 없는 수평 도로(경사도 없음)에서의 주행 상황에 대한 차량의 평균 에너지 소비량을 나타낸다.

이러한 테스트 주행은 테스트된 섹션만큼 많은 특정 소비 곡선(SCC)을 찾을 수 있게 한다.

각각의 특정 소비 곡선(SCC)은 트랙션 배터리의 충전 및 방전 변화 (△SOE)가 최소 임계 값(△SOE_min)과 최대 임계값(△SOE_max) 사이에 경계 지어지는 2 차 다항식에 의해 모델링 될 수 있으며, 이는 다음과 같이 쓰여질 수 있다 :

여기서 Ψ₀, Ψ₁, Ψ₂는 다항식의 계수이다.

도 4의 곡선에 표시된 것처럼, 이 모델을 단순화하기 위해 두 계수 Ψ₁, Ψ₂가 한 곡선에서 다른 곡선 사이에서 동일하다고 평가할 수 있다. 최소 임계값 (△SOE_min)은 다항식의 3 개의 계수에 의존한다는 것을 또한 관찰할 수 있다. 따라서, 계수(Ψ₀)및 최대 임계 값(△SOE_max)만이 변한다. 그러므로 각각의 특정 소비 곡선(SCC)를 특성화 가능하게 하는 것은 이러한 두 가지 값이다.

도 3은 이 두 변수 Ψ0 및 △SOE_max에 해당하는 좌표를 예제를 통해 도시한다. 도 3은 수행된 시운전 중에 얻은 특정 소비 곡선(SCC)의 분포를 도시한다. 여기에서, 이 지점(point)들은 11 개의 개별 구역으로 분배된다. 그런 다음 각 영역은 해당 무게중심에 의해 정의된다.

따라서 위에서 설명한 바와 같이, 이 방법에서는 고려중인 섹션과 정확하게 일치하는 특정 소비 곡선이 얻어지지는 않지만, 변수 Ψ₀ 및 △SOE_max가 11 개의 구역 중 하나의 무게 중심에 대응하는 11개의 기존 곡선에 대하여 고려된다.

상기 방법의 이 단계에서, 각각의 섹션(Ti)은 도 2에 도시된 바와 같이 정의되며, 전술한 파라미터 Ψ₀, Ψ₁, Ψ₂, △SOE_min, △SOE_max 및 각 섹션(Ti)의 길이(LLi) 및 그 기울기(RGi)에 의해 정의된다.

전술한 바와 같이, 선택된 에너지 곡선(CEi)은 섹션(Ti)의 기울기 또는 보조 장치(공기 조절 모터 등)의 전류 소비를 고려하지 않는다.

각 섹션(Ti)의 기울기를 고려하기 위해, 기울기(RGi)의 함수로서 각각의 기준 곡선(CEi)을 보정하는 단계가 제공된다.

도 7에 명확하게 도시된 바와 같이, 이러한 보정 단계는 섹션(Ti)과 관련된 기준 곡선(CEi)을 기울기(RGi)에 의존하는 값만큼 상향 또는 하향으로(즉, 일정한 충전 또는 방전 △SOE) 시프팅 하는 것으로 간단히 이루어진다.

특히, 고려중인 도로 구간이 오르막일 때, 연료 소비는 처음에 예측된 것보다 높을 것이라는 것이 이해된다. 비교하여, 고려중인 도로 구간이 내리막 길을 가면, 연료 소비량은 처음 예상했던 것보다 낮아질 것이다.

또한, 제동 단계에서 오르막길로 가는 것보다 내리막 길을 갈 때 더 많은 전기 에너지를 회수할 수 있다.

실제로 보정 단계는 다음 공식을 사용하여 Ψ₀ 파라미터를 보정하는 단계를 포함한다.

여기서 K는 고려중인 차량 모델과 그 특징에 따라 달라지는 값의 계수이다(예를 들어 K = 0.01327

).

보조 장치의 소비 전류를 고려하여, 이들 보조 장치에 의해 소비된 전력(P_aux)의 함수로서 각각의 기준 곡선(CEi)을 보정하는 제 2 단계가 제공된다.

고려중인 전력 값(P_aux)은 계산시 측정될 수 있는 값임을 여기서 주목할 것이다. 이 방법에서, 소비된 전력은 경로 중에 실질적으로 일정하게 유지된다고 가정한다. 컴퓨터가 장시간 동안이 전력의 큰 변동을 감지하는 경우(예를 들어 에어컨이 켜져 있기 때문에), 이 단계에서 방법을 다시 시작하도록 프로그래밍하여 새로운 전력 값(P_aux)을 고려하게 된다.

보다 정확하게는, 이 방법은 계산에서 고려중인 전력과 측정된 전력 사이의 차이가 임계값(예를 들어 5분)보다 큰 시간 동안에 임계값(예를 들어 10 %)보다 큰 상태로 남아 있다면 제 2 보정 단계로 리셋될 수 있다.

도 6에 명확하게 도시된 바와 같이, 제 2 보정 단계는 전력(P_aux)에 의존하는 값에 의해 섹션(Ti)와 관련된 기준 곡선(CEi)을 좌측으로(즉, 일정한 연료 소비로) 이동시키는 것을 포함하여 이루어진다.

특히, 전기 장치가 사용될 때, 배터리의 충전은 예측된 것보다 느리게 될 것이고, 이 배터리의 방전은 예측된 것보다 빠를 것이라는 것이 이해된다.

실제적으로, 보정 단계는 다음의 식으로부터 계산된 값(E_AUX)에 의해 기준 곡선(CEj)를 시프팅하는 것으로 구성될 것이다 :

여기서

는 구간 평균 속력(km/h)을 나타낸다. 이 값은 트래픽 속력 값 또는 통계적 평균 속력 또는 허용된 속력 제한 값과 같게 되는 추정에 의해 지리적 위치 및 네비게이션 시스템에서 직접 제공될 수 있다.

본 발명은, 특히 하이브리드 차량의 최종 목적지에 도달하는데 필요한 총 에너지가 트랙션 배터리에 포함된 전기 에너지보다 훨씬 클 때, 트랙션 배터리의 노화를 제한할 수 있는 에너지 관리 시스템(EMS)을 제안하는 것을 목표로 한다. 이 경우, 최종 목적지에 도달하는 데 필요한 에너지의 상당 부분이 열적인 것이며, 트랙션 배터리로 이 에너지의 일부를 절약할 수 있다. 따라서, 이러한 작은 에너지 절약의 견지에서, 최적의 사용 조건에서의 사용을 촉진함으로써 트랙션 배터리의 건강 상태(SOH)를 보존하는 것이 바람직하다.

특히, 트랙션 배터리에 의해 공급되는 하나의 동일한 공급 전압에 대해, 생성되는 전류의 값은 충전 상태(SOC)에 따라 변화한다. 따라서, 전하가 각각 높거나 낮을 때, 트랙션 배터리에 의해 생성된 전류의 값은 매우 낮거나 또는 매우 높을 수 있다. 이러한 정확한 경우, 배터리 구성 요소가 지나치게 느려지거나 지나치게 빠른 동역학을 받아 구성 요소가 조기에 마모된다. 이러한 조기 노화 현상을 방지하기 위해, 배터리 제조업체는 트랙션 배터리의 충전을 위하여 최소 임계값(SOE_min', 예를 들어: 60 % 충전량)과 최대 임계값(SOE_max', 예를 들어: 80 % 충전량) 사이, 및 그 사용시간 동안에 최소 충전 상태 값(SOE_min, 예를 들어 10 % 충전)와 최대 충전 상태값(SOE_max, 예를 들어 90 % 충전) 사이의 배터리 최적 사용 값의 범위를 제안한다.

본 발명은 하이브리드 차량의 경로 동안 최적 사용값의 범위 내에서 및 가능하면 길게 트랙션 배터리의 작동을 정확하게 촉진하는 동시에 차량의 최종 목적지에서 완전 방전을 제공하는 것을 목표로 한다. "완전 방전"이라는 용어는 배터리의 충전이 휴지(resting) 충전값보다 낮다는 것을 의미하는 것으로 이해된다. 예로서, 이 휴지 충전값은 트랙션 배터리의 총 충전 용량의 10 % 미만 또는 5 % 미만일 수 있다. 휴지 충전값은 바람직하게는 최적의 빈 저장 조건과 관련하여 배터리 제조자의 권고에 대응한다.

따라서, 본 발명은 하이브리드 차량의 에너지 관리 시스템을 최적화하기 위한 알고리즘을 사용하여, 차량에 의해 커버되는 각 섹션에 대한 최적 사용값 [SOE_min', SOE_max']의 범위에서 트랙션 배터리의 사용을 촉진시키고, 그 경로의 마지막에서 트랙션 배터리를 완전히 방전하는 것을 제안한다.

최적화 알고리즘은 전술한 방법의 제 5 단계에서 컴퓨터에 의해 구현되며, 이는 상기 경로의 각 섹션에 대해 선택된 각각의 기준 곡선(CEj)의 최적점(Pi)을 결정하는 단계를 포함하여 이루어진다.

보다 정확하게, 최적화 알고리즘은 먼저 가야 할 각 섹션의 시작 부분에서 에너지 비용 함수(f)의 값을 최소화하여, 전체 경로에서 가능한 한 에너지 소비를 최소화하는 것을 목표로 한다.

이러한 에너지 비용 함수(f)는 새로운 섹션(i)에 도달하기 위해 차량이 소비한 에너지와 섹션(N)에 대응하는 최종 목적지에 도달하는데 사용되는 에너지의 추정치에 해당한다.

보다 정확하게, 에너지 비용 함수(f)는 다음과 같이 정의된다.

여기서:

- 함수 g(d_i, SOE_i)는 초기 노드(경로의 시작에 대응됨)로부터 노드 i에 도달하고 모든 이전 노드를 통과하도록 거리(d_i)를 포괄하는 전체 에너지 비용(SOE_i)를 나타내며,

- 함수 h(d_{(i, N)}, SOE_{(i, N)})는 잔여 거리 d_{(i, N)}를 커버하여, 노드 i로부터 최종 노드 N(최종 목적지에 대응)에 도달시키는 잔여 에너지 비용 SOE_{(i, N)}를 나타낸다.

따라서, 각 섹션 i의 시작에서 함수 f 값의 계산에는 아래에서 정의되는 함수 g(d_i, SOE_i) 및 h(d_{(i, N)}, SOE_{(i, N)})의 값 계산이 포함된다.

여기서,

- l_i는 섹션 i의 길이이며,

- △SOE_{(i-1, i)}는 노드 i 의 앞 구간에서의 트랙션 배터리의 충전 상태의 변화이며,

-

는 노드 i 의 이전의 섹션에 있어서의 하이브리드 차량의 연료 소비이다.

본 발명에 대한 독자의 이해를 돕기 위해, 도 8은 컴퓨터에 의한 에너지 비용 함수 f의 값의 계산 예를 도시한다. 보다 정확하게는, 도 8에서, 하이브리드 차량의 루트는 N 개의 섹션들로 나뉘어져 최종 목적지까지 문자 T로 상징된다. 각 섹션은 횡좌표 축 상에 표시된 특정 거리 li에 의해 특징 지워진다. 세로축은 경로를 따라 트랙션 배터리의 충전 상태(SOE)를 나타낸다. 본 실시 예에서, 하이브리드 차량은 그 주행의 제 2 구간(i = 2)에 접근한다. 그런 다음 컴퓨터는 트랙션 배터리의 상태의 변화에 따라, 함수 h의 값을 변경하여, 보다 정확하게는 경로의 최종 목적지에 도달하는 데 필요한 연료 소비 값을 변경하여 에너지 비용 f의 함수 값을 계산한다. 이러한 실시예에서, 함수 h의 5 개의 값이 계산되어, 도 8에서 제 1 및 제 2 섹션을 나타내는 축상에 플롯된 5 개의 함수 f 값을 얻을 수 있다. 물론, 컴퓨터는 함수 f의 값의 더 크거나 작은 수의 계산을 수행할 수 있다.

다시 말하면, 본 발명은 특히 차량의 최종 목적지에 도달하는 데 필요한 에너지가 트랙션 배터리에서 이용가능한 전기 에너지보다 훨씬 클 때 트랙션 배터리의 노화를 제한하는 것을 목표로 한다. 이를 위해, 본 발명은 트랙션 배터리의 건강 상태(SOH)를 보존하기 위한 유지값(r_pre)으로 수학식 [5] 및 [6]에 사용된 연료 소비값을 가중하도록 제안한다.

이 가중치의 목적은 전체 경로를 통해 차량의 에너지 소비에 따라 경로의 각 노드를 선택하는 것뿐만 아니라, 경로가 길고 전기 트랙션 체인으로부터의 기여가 무시할 수 있을 것일 때, 배터리에 가해지는 부담이 무시할 만하고, 그리고 노화 되느냐에 따라 각 경로의 노드를 선택하는 상황을 생성하고 제한이 유지되도록 하는 것이다.

연료 소비 값은 다음과 같이 더 정확하게 가중된다.

여기서,

- △SOE_{(x, y)}는 노드 x와 y에 의해 묘사된 섹션에서 주행한 킬로미터 당 트랙션 배터리의 충전 상태 변화를 나타내며;

-

는 노드 x와 y 사이의 트랙션 배터리의 충전 상태의 평균값을 나타내고;

- R_x는 노드 x와 마지막 노드 N 사이의 거리를 나타내며;

-

는 노드 i에 대해 수학식 [1]에 정의된 함수를 나타낸다.

유지 관계(r_pre)는 다음 파라미터에 따라 다르다.

여기서,

- f_act(R_x)는 활성화 함수를 나타내며, 여기서 R_x는 하이브리드 차량이 최종 목적지에 도달하기까지의 거리를 나타내며;

-

는 가중 함수를 나타내며;

- SOE_rec는 트랙션 배터리의 최적 사용 값의 권장 범위의 중간 값을 나타내는데; 여기서

이며;

- p_max는 최대 가중치를 나타낸다.

특히, 트랙션 배터리의 최적 사용값 범위는 배터리의 종류와 제조업체의 권장 사항에 따라 다르다. 예로서, 트랙션 배터리의 최적 사용값의 범위는 최대 전기 충전량의 60 % 내지 80 % 사이 일 수 있다. 물론 이 값은 사용되는 배터리의 고유한 특성에 따라 달라질 수 있다.

활성화 함수(f_act)는 차량이 최종 목적지에 도달하기 전에 커버해야 하는 거리(RT)에 의존한다. 활성화 함수는 차량이 최종 목적지로부터 아직 멀리 떨어져있을 때, 연료 소비값(m_fc)에 현저한 가중치(즉, 중요한 가중치)를 적용하고, 이 가중치를 줄이는 것을 목표로 하여, 차량이 목적지에 도달하면 배터리가 완전히 방전될 수 있게 한다.

이를 위해 다음과 같은 거리 임계값을 정의할 수 있다.

- R_min은 가중치가 적용되지 않는 최소 거리를 나타내는데(f_fac(R_x) = 0, 이고 R_T <R_min), 예를 들어, R_min의 값은 킬로미터 단위인 차량의 최대 전기 자율성(l_AER)의 두 배에 해당할 수 있으며;

- R_max는 가중치의 100 %가 적용되는 거리를 나타내는데 (f_fac(R_x) = 1 이고 RT> R_max), 예를 들어, R_max의 값은 킬로미터 단위인 차량의 최대 전기 자율성의 6 배에 해당 할 수 있다(AER).

가중 함수는 도 9에 도시된 바와 같이 값 R_min과 R_max 사이에서 선형적으로 변할 수 있음을 알아야 한다. 물론, 다른 프로파일도 변화할 수 있다.

가중 함수(f_pon)은 우선 노드 x와 y 사이의 트랙션 배터리의 충전 상태의 평균값에 의존하며, 그 다음으로, 트랙션 배터리의 최적 사용 범위 내에서 권장 SOE 간격의 중앙값을 나타내는 SOE_rec 값에도 의존한다. 따라서, 이 가중 함수는 에너지 상태(SOE)가 가능한 한(차량이 경로의 도달점으로부터 멀리 있는 한) 길게 최적의 사용 범위에 남아 있도록 하는 상황을 만드는 것을 목표로 한다. 예를 들어, 가중 함수는 도 10에 도시된 궤적 (I) 및 (II) 중 하나 또는 다른 하나를 재생하도록 정의될 수 있다. 물론, 다른 프로파일의 궤적도 가능하다.

최대 가중치(p_max)는 최적 사용 범위 내의 에너지 상태(SOE)를 갖는 노드의 최대 가중치를 정의한다. 예를 들어, 최대 가중치는 최적 사용 범위 내의 노드의 10 %를 프로모션 하도록 0.1일 수 있다.

따라서, 전술한 가중 관계의 사용은, 최적화 알고리즘이 트랙션을 방전 또는 충전하는 것을 가능하게 하는 연료 소비에 대응하는 값에 우선 순위를 부여하도록 에너지 비용 함수 f의 계산된 값을 수정하는 것을 가능하게 하여, 충전 상태는 경로 동안에 가능한 한 멀리 최적 사용값의 범위 내에서 배터리는 충전 상태가 경로 중에 최적 사용값의 범위에서 가능한 한 길게 되며, 경로의 마지막에서는 트랙션 배터리가 완전하게 방전되는 것이 가능하게 한다. 따라서, 본 실시예에서, 함수 f의 값은 그 계산된 값이 도 8의 값 3에 예시적으로 대응되는, 트랙션 배터리의 최적 사용 범위의 간격의 중간에서 가능한 한 낮게 되도록 가중 관계에 의해 최소화 된다.

최적화 알고리즘에 의해 결정된 함수 f의 최소값에 따라, 컴퓨터는 섹션(Ti)와 연관된 기준 곡선(CEi) 상에서 이로부터 최적점(Pi)를 추론하여, 최적 사용 가치의 범위 내에서 트랙션 배터리의 사용을 촉진할 수 있다.

전술한 방법의 제 6 단계에서, 최적 경로가 발견되면(기준 곡선(CEj)의 최적점을 통과), 컴퓨터는 최적점(Pi)의 좌표의 함수로서 에너지 관리 설정점을 공식화한다. 이러한 에너지 관리 설정점은 궤적을 모니터하기 위해 컴퓨터에 의한 경로 중에 사용된다.

수많은 방법으로 그러한 모니터링을 수행할 수 있다. 하나의 예는 특히 출원인에 의해 출원된 특허 출원 FR2988674, 또는 문헌 WO2013150206 및 WO2014001707에 명확하게 예시적으로 설명되어 있다.

도 11은 고속도로에서 약 800km의 경로에 대한 본 발명에 따른 에너지 관리 설정점의 일예를 도시하며, 여기서 하이브리드 자동차의 시나리오는 30 킬로미터인 최대 전기 자율성(l_AER)을 가진다. 곡선(A)은 곡선(B)에 의해 도시된 본 발명에 따른 에너지 관리 설정점과 비교하여, 종래 기술로부터 공지된 방전 유지 전략을 사용하는 에너지 관리 설정점을 도시한다. 이 예에서, 본 발명은 트랙션 배터리가 최적 사용 범위에서 600km 이상 작동하는 거리, 여기서 이 거리는 10km에서 600km로 변경될 수 있는 범위에서 작동하는 동안에 그 거리를 증가시키는 것을 가능하게 한다. 또한, 본 발명은 경로 끝에서 트랙션 배터리가 완전히 방전될 수 있도록 하여, 차량의 전위의 사용을 최대화하고 연료 소모를 감소시키는 것을 가능하게 한다.

본 발명은 설명되고 도시된 실시예에 결코 제한되지 않으며, 통상의 기술자는 본 발명의 사상에 따라 임의의 변형을 부가하는 방법을 이해할 것이다.

특히, 기준 곡선의 파라미터 Ψ₀, Ψ₁, Ψ₂, △SOE_min, △SOE_max를 저장하기보다는, 컴퓨터가 각 기준 곡선의 형태를 전체적으로 특성화하는 점들을 저장하도록 할 수 있다. 지도 제작법을 참고될 수 있다.

본 발명의 다른 변형예에 따르면, 지리적 위치 및 네비게이션 시스템이 경로 섹션의 속성 값을 알지 못하는 경우 다음의 것이 제공된다.

- 이 속성에 할당 된 확률의 값을 고려하지 않는 확률 합계의 계산,

- 또는 미지의 값을 소정의 값으로 대체하는 계산.

결론적으로, 본 발명은 하이브리드 차량의 연료 소비 및 전류 소비를 관리하기 위한 설정값을 계산하는 새로운 방법을 제안하고, 트랙션 배터리가 최대 전기 자율성보다 큰 경로에서 노화 현상을 감소시키며, 트랙션 배터리가 하이브리드 차량이 최종 목적지에 도착할 때 방전된다. 환언하면, 본 발명은 배터리가 최적 작동 상태에서 작동하지 않을 때 연료 소비 계산에 페널티를 주는 가중 함수를 포함하는 동시에 차량이 목적지에 도달할 때 배터리의 에너지 상태가 권장 최소값에 도달하도록 보장하는 최적화 알고리즘을 제안한다.

LL: 길이
FC: 로도 카테고리
RG: 경사
SC: 속력 카테고리
SMS: 평균 속력
NL: 차선수

Claims

연료가 공급되는 내연 기관 및 트랙션 배터리를 구비한 전기 엔진을 포함하는 하이브리드 차량의 에너지 소비를 최적화하는 방법에 있어서,
a) 네비게이션 시스템을 통해 가야 할 경로를 획득하는 단계;
b) 상기 경로를 연속적인 섹션(Ti)으로 분할하는 단계;
c) 상기 섹션(Ti)을 특징짓는 속성(FC, SC, SL, TS, RG, LL, NL, SMS)을 각 섹션(Ti)에 대하여 획득하는 단계;
d) 연료 소비값(CC)을 전기 에너지 소비값(△SOE)과 연계하는 복수의 소정의 관계(CEj) 중에서, 상기 섹션(Ti) 각각에 대해, 그 속성(FC, SC, SL, TS, RG, LL, NL, SMS)을 고려하여, 섹션(Ti)에 대한 하이브리드 차량의 연료 소비(CC)와 전기 에너지 소비(△SOE)를 연계하는 관계(CEj)를 선택하는 단계;
e) 선택된 각각의 상기 관계(CEj)에서 상기 트랙션 배터리의 건강 상태(SOH)를 유지하기 위한 최적점(Pi)을 결정하는 단계로서, 모든 최적점(Pi)은 전체 경로상에서 상기 트랙션 배터리의 노화를 최소화하고, 상기 경로의 마지막에서 상기 트랙션 배터리의 방전을 최대화하는, 최적점(Pi)을 결정하는 단계; 및
f) 상기 최적점(Pi)의 좌표의 함수로서, 전체 경로를 따라 차량의 연료 소비 및 전류 소비를 관리하기 위한 설정값을 공식화하는 단계;를 포함하며,
단계 e)에서, 각 섹션(Ti)에 대해 선택된 각각의 관계(CEj)에서의 최적점(Pi)을 결정하는 것은 트랙션 배터리의 건강 상태(SOH)를 유지하기 위한 유지 관계(r_pre)로 가중치가 부여된 전체 섹션(Ti)에 대한 연료 소비에 의존하며,
상기 트랙션 배터리의 에너지 상태(SOE)가 최적 사용 범위[SOE_min'; SOE_max'] 내에 있을 때 상기 유지 관계(r_pre)의 값은 감소하는 것을 특징으로 하는 하이브리드 차량의 에너지 소비를 최적화하는 방법.
삭제
삭제
제 1 항에 있어서,
목적지에 도달하기까지 가야 할 거리가 증가하게 될 때, 유지 관계(r_pre)의 값은 감소하는 것을 특징으로 하는 하이브리드 차량의 에너지 소비를 최적화하는 방법.
제 1 항에 있어서,
상기 유지 관계(r_pre)는 활성화 함수(f_act)와 가중 함수(f_pon)의 결과물에 의존하고, 가야 할 남은 거리가 차량의 최대 전기 자율성(AER)에 기초하여 결정되는 제 1 임계값보다 작으면, 상기 활성화 함수의 값(f_act)이 최소가 되어, 최적점(Pi)의 결정에서 유지 관계(r_pre)의 영향을 최소화시키는 것을 특징으로 하는 하이브리드 차량의 에너지 소비를 최적화하는 방법.
제 5 항에 있어서,
상기 유지 관계(r_pre)는 활성화 함수(f_act)와 가중 함수(f_pon)의 결과물에 의존하며, 상기 트랙션 배터리의 에너지 상태(SOE)가 최적 사용 범위[SOE_min'; SOE_max'] 밖에 있을 때, 상기 가중 함수(f_pon)의 값은 최소가 되어, 최적점의 결정에 있어서의 유지 관계(r_pre)의 영향을 최소화시키는 것을 특징으로 하는 하이브리드 차량의 에너지 소비를 최적화하는 방법.
제 6 항에 있어서,
상기 활성화 함수(f_act)의 값은 목적지에 도달하기까지 가야 할 거리가 감소할 때 최대가 되는 것을 특징으로 하는 하이브리드 차량의 에너지 소비를 최적화하는 방법.
제 5 항에 있어서,
상기 트랙션 배터리의 에너지 상태(SOE)가 최적의 사용 범위 [SOE_min'; SOE_max']의 중앙에 있을 때, 상기 가중 함수(f_pon)의 값이 최대로 되는 것을 특징으로 하는 하이브리드 차량의 에너지 소비를 최적화하는 방법.
제 5 항에 있어서,
상기 가중 함수(f_pon)는 트랙션 배터리의 최적 사용 범위 [SOE_min'; SOE_max']의 10%를 초과하는 최대 값을 갖는 것을 특징으로 하는 하이브리드 차량의 에너지 소비를 최적화하는 방법.
제 1 항에 있어서,
상기 트랙션 배터리의 최적 사용 범위 [SOE_min'; SOE_max']는 60 % 내지 80 % 인 것을 특징으로 하는 하이브리드 차량의 에너지 소비를 최적화하는 방법