KR20190103233A - 하이브리드 차량의 연료 및 전력 소비를 관리하기 위한 셋포인트 계산 방법 - Google Patents

Abstract

본 발명에 따르면, 구동 배터리에 의해 전기를 공급받는 적어도 하나의 전기 모터 및 연료를 공급받는 내연 엔진을 포함하는 하이브리드 차량의 연료 및 전기 소비를 관리하기 위한 설정을 계산하여 시스템이 외부 섭동 및 차량의 구성요소의 노화에 대하여 견고해지도록 하는 계산 방법을 제공한다.

Description

하이브리드 차량의 연료 및 전력 소비를 관리하기 위한 셋포인트 계산 방법

본 발명은 재충전이 가능한 하이브리드 차량에 일반적으로 관련된다.

보다 상세하게는, 구동(traction) 배터리에 의해 전기를 공급받는 적어도 하나 이상의 전기 모터 및 연료를 공급받는 내연 엔진을 포함하는 하이브리드 차량의 연료 및 전기 소비를 관리하기 위해 셋포인트(setpoint)를 계산하는 방법에 관한 것이다.

본 발명은 장거리 하이브리드 전기 차량들에서, 즉, 전기 모터 단독의 도움을 받아 10킬로미터보다 더 먼 거리를 이동할 수 있는 차량에서 특히 유리하게 적용이 가능하다.

재충전이 가능한 하이브리드 차량은 (내연 엔진 및 연료 탱크를 구비한) 통상적인 내연 동력전달계통(drivetrain) 및 (전기 모터 및 전기 플러그(power plug)를 통해 충전될 수 있는 구동 배터리를 구비한) 전기 동력전달계통을 포함한다.

이러한 하이브리드 차량은 자신의 전기 동력전달계통에 의해서만 또는 자신의 내연 동력전달계통에 의해서만 단독으로, 또는 심지어 자신의 전기 및 내연 동력전달계통 두 개에 의해 구동될 수 있다. 내연 엔진에 의해 전개(developed)된 전력을 활용하여 또는 제동(brake)이 걸릴 때에 차량에 의해 전개된 운동 에너지를 복구함으로써 구동 배터리를 재충전하는 것이 가능하다.

차량의 미래의 경로(route)를 모르기 때문에, 각 동력전달계통의 사용과 관련하여 현재 실행되는 전략은, 체계적으로 최소 에너지 레벨에 도달할 때까지 상기 경로의 시작 부분에서 구동 배터리를 방전하여 시작하고, 그 후에 내연 동력전달계통을 사용하는 것으로 구성된다. 이 방법으로 운전자가 짧은 경로를 운전하고, 정기적으로 구동 배터리를 충전할 수 있을 때, 운전자는 전기 동력전달계통의 사용을 극대화하여 차량의 공해물질 배출을 감소시킨다.

그러나 이 전략은 최소 연료 소비를 항상 보장하지는 않는다. 이는 운전자가 고속도로 섹션(section)을 경유하여 경로를 시작하고 도시 섹션에서 경로의 일부를 종료할 때에 특히 그러하다. 실제로, 전기 동력전달계통은 구동 배터리가 고속으로 방전되기 때문에 고속도로에서의 사용에는 부적합하고, 내연 엔진의 효율이 고속도로보다 도시에서 더 낮으므로 내연 동력전달계통은 도시에서의 사용에 부적합하다.

이러한 단점을 보완하기 위해, US8825243 문헌은 내비게이션 시스템에 의해 알려진 경로 예측에 기초하여 "이상적인" 배터리 방전 커브를 구성할 것을 제안한다. 이 커브는 배터리의 충전 상태가 경로의 끝에서만 최소 허용치에 도달하는 방식으로 구성된다. 그런 다음 하이브리드 시스템은 이 방전 커브를 따르도록 경로 예측에 따라 구동될 수 있다. 이러한 해결책의 단점은, 그 경로 상에서 고속도로 상태가 다양하게 형성되는 경우에, (예를 들면, 경로가 도시의 제1섹션에서 시작하고, 고속도로의 제2섹션을 경유하며, 최종적으로는 도시에서의 제3섹션 상에서 종료하는 간단하지만 매우 일반적인 경우) 이러한 경로는 에너지 소비의 관점에서 비-최적 방식으로 구동된다.

또한, 도시 환경에서의 내연 동력전달계통의 사용은 전기 동력전달계통의 사용보다 덜 쾌적하다.

마지막으로, 도시에서 내연 엔진을 사용하는 것이 때때로 법률로 금지되며, 따라서 운전자는 더 이상 도시에서 내연 엔진을 사용할 수 없다.

이러한 다양한 단점을 개선하기 위해, 출원인은 참조번호 FR1556271로 INPI로 출원된 특허출원에 상세하게 기술된 제1 테크니컬 솔루션(technical solution)을 개발하였다(이 출원은 본 발명의 특허 출원 당시 아직 공개되지 않았다.).

이 제1 테크니컬 솔루션은, 요약하자면, 다음과 같이 구성된다:

- 내비게이션 시스템에 의해, 입력(input) 경로의 각 세그먼트의 특성이 무엇인지를 결정하고,

- 각각의 세그먼트에 대해, 내연 엔진의 연료 소비와 전기 모터의 현재 소비를 관련시키는 수학적 관계가 무엇인지를 결정하고,

- 각 세그먼트에 대한 수학적 관계의 최적 포인트를 선택하여 연료 소비 프로파일(profile)이 이동 경로에 최적화되도록 한다.

즉, 제1 테크니컬 솔루션은 내리막 섹션, 오르막 섹션, 고속도로 섹션 및 도시 섹션과 같은 도로 관련 경우가 예상될 수 있도록 하고, 사전에 계산될 전체 경로에 걸쳐 차량의 연료 소비를 줄이기 위해 전기 자원(electric resources)을 사용하는 최선의 방법을 제공한다.

이러한 제1 테크니컬 솔루션의 단점은 예기치 못한 요소로 인하여 차량의 에너지 소비가 증가하여 예측된 연료 소비 프로파일이 더 이상 정확하지 않을 수 있다는 것이다. 따라서 배터리가 더 이상 원하는 양의 전기 에너지를 전달할 수 없게 되고, 결과적으로 엔진의 연료 소비가 증가할 위험이 있다.

전술한 종래기술의 단점을 개선하기 위하여, 본 발명은 차량의 에너지 소비를 변경시키는 예상치 못한 요인들에 관련된 섭동(perturbations)들에 대해 시스템을 보다 견고하게 하는 것을 제공한다.

더욱 상세하게는, 본 발명에 따르면, 도입부에서 정의된 계산 방법이 제안되며, 이 방법은 다음의 단계들이 제공된다.

a) 내비게이션 시스템에 의해 가야할 경로를 획득하는 단계,

b) 상기 경로를 연속적인 세그먼트들 분할하는 단계,

c) 상기 세그먼트의 특징을 기술하는 속성들을 획득하는 단계,

d) 상기 세그먼트들 각각에 대해 그리고 그 각 세그먼트들의 속성들을 고려하여, 세그먼트 에서의 하이브리드 차량의 추정된 연료 소비를 추정된 전기 에너지 소비에 관련시키는 관계를 획득하는 단계,

e) 차량의 실제 연료 소비 및 실제 전기 에너지 소비를 측정하는 단계,

f) 상기 실제 연료 소비 및 상기 실제 전기 에너지 소비를 고려하여, 각 관계를 교정하는 단계,

g) 상기 교정된 관계 각각에서 최적 소비 포인트를 결정하는 단계 및

h) 상기 최적 포인트의 좌표(coordinates)에 따라 상기 경로를 통해 에너지 관리 설정(settings)을 생성하는 단계.

차량의 실제 에너지 소비(연료 및 전기 에너지)를 측정하면 나머지 경로 전체에 대한 에너지 소비 예측을 "실시간"으로 교정할 수 있다.

이 교정은 다음과 같은 예기치 않은 요인에 의해 잘못 예측되지 않는, 더 나은 예측을 얻을 수 있도록 한다.

- 차량의 하중 증가(차량에 탑승한 승객 수, 트렁크(trunk) 적재, 트레일러의 견인(hitching) 등)

- 차량의 전진에 저항하는 힘의 증가(차량의 지붕에 짐을 싣거나, 창문이 개방되어 있거나, 공기가 빠진 타이어 등)

- 차량의 구성의 노화(내연 엔진, 구동 배터리, 전기 모터 등의 기능 저하)

- 구동 배터리, 내연 엔진 효율에 영향을 미치는 것으로 알려진 온도 변화

본 발명에 따른 계산 방법의 다른 이점 및 비-한정적 특징들은 다음과 같다.

- 단계 d)는 연료 소비값을 전기 에너지 소비값과 관련시키는 복수의 미리 정해진 관계로부터 상기 세그먼트를 특성화하는 속성에 대응하는 관계를 선택하는 단계를 포함하며;

- 상기 미리 정해진 관계는 다항식이고, 단계 f)는 상기 선택된 다항식의 원점에서의 종축의 값을 수정하는 것으로 구성된다.

- 상기 선택된 다항식의 종축의 값은, 변수를 상기 선택된 다항식의 종축의 값에 더함으로써 수정되고, 상기 변수는 한편으로는, 이미 경유된 세그먼트의 적어도 하나의 부분에 대한 하이브리드 차량의 실제 연료 소비를 실제 전기 에너지 소비에 관련시키는 다항식의 원점에서의 종축의 값과, 다른 한편으로는, 이미 경유된 세그먼트의 상기 적어도 하나의 부분에 대한 상기 선택된 다항식의 원점에서의 종축의 값의 차이와 동일하다.

- 상기 다항식은 이차 다항식이고, 그 다항식에 대해 구동 배터리의 충전 및 방전의 변화(variation)들은 최소 임계값(threshold)과 최대 임계값 사이에서 경계가 정해진다.

- 상기 다항식은 2개의 불변 계수를 가지며, 하나의 다항식으로부터 다음 다항식까지 변하는 원점에서의 종축의 값을 갖는다.

- 단계 d)에서, 상기 관계는 상기 세그먼트의 상기 그레디언트(gradient)와 독립적으로 선택되며, 단계 f) 이전에, 상기 그레디언트를 고려하여 상기 관계를 교정하는 단계 d1)가 제공된다.

- 단계 d)에서, 상기 관계는 운전자가 차량을 운전하는 방식과 독립적으로 선택되고, 단계 f) 이전에, 운전자가 차량을 운전하는 상기 방법을 고려하여 상기 관계를 교정하는 단계 d3)가 마련된다.

- 단계 d)에서 상기 관계는 전기 모터와는 구별되며, 구동 배터리에 의해 전류가 공급되는 보조 디바이스(auxiliary device)의 전류 소비와 독립적으로 선택되고, 단계 f) 이전에, 상기 보조 디바이스들의 상기 전류 소비를 고려하여 상기 관계를 교정하는 단계 d2)가 구비된다.

단계g)에서 최적 포인트들은 모든 경로에 걸쳐 하이브리드 차량의 연료 소비를 최소화하고, 상기 경로의 끝에서 구동 배터리의 방전을 최대화하도록 선택된다.

본 발명에 따르면, 시스템이 외부 섭동 및 차량의 구성요소의 노화에 대하여 견고해지도록 한다.

또한, 경로 시작 시 운전자에게 표시되는 예상 소비와 목적지에 도달했을 때 표시되는 실제 소비 간의 차이를 줄일 수 있다.

따라서 이 솔루션은 이 시스템에서 운전자의 자신감을 높여 에너지 소비를 더욱 줄이려는 시도를 하게 한다.

마지막으로 차량이 공해물질을 배출하는 차량이 금지된 구역을 통과해야 하는 경우, 이러한 솔루션은 전기 모터만 사용함으로써, 이러한 구역을 통과하기에 충분하도록 충전된 구동 배터리를 사용하여 이러한 구역에 도달할 수 있게 한다.

도 1은 차량이 가야할 경로의 세그먼트의 특징을 나타내는 속성 값들을 도시한 테이블이다.
도 2는 가게될 경로의 세그먼트들의 특징을 나타내는 레퍼런스 커브들의 파라미터들을 도시한 테이블이다.
도 3은 테스트 주행 동안에 획득된 특정 소비 커브들의 분포를 도시한 그래프이다.
도 4는 다수의 레퍼런스 커브들을 도시한 그래프이다.
도 5는 세그먼트가 도 4에서의 레퍼런스 커브들 중 하나 또는 다른 것과 연관되는 확률을 그 세그먼트에 할당된 각 속성값과 연관시키는 테이블이다.
도 6은 차량의 보조 디바이스들의 전기 소비를 고려하여, 레퍼런스 커브에 만들어질 교정들을 도시한 그래프이다.
도 7은 경로의 대응 세그먼트의 그레디언트를 고려하여, 레퍼런스 커브에 만들어질 교정들을 도시한 그래프이다.
도 8은 각 세그먼트와 관련된 각 레퍼런스 커브에 대한 상이한 포인트들 그리고 이 레퍼런스 커브들의 최적 포인트를 통해 지나가는 커브를 도시한 그래프이다.
도 9는 본 발명에 따른 계산 방법이 구현될 수 있는 방식을 도시한 순서도(flowchart)이다.

다음의 설명은 비-한정적 예들로 주어진 첨부된 도면들과 함께 본 발명의 요점 및 본 발명이 어떻게 구현될 수 있는지를 명료하게 할 것이다.

통상적으로, 차량은 특히 파워트레인을 지지하는 섀시, 차체 요소들 및 승객 구획 요소들을 포함한다.

재충전가능한 하이브리드 차량에서, 파워트레인은 내연 동력전달계통 및 전기 동력전달계통을 포함한다.

내연 동력전달계통은 연료 탱크 및 그 탱크에 의해 연료를 공급받는 내연 엔진을 포함한다.

전기 동력전달계통은 구동 배터리 그리고 그 구동 배터리에 의해 전기를 공급받는 하나 이상의 전기 모터들을 포함한다.

여기에서 차량은, 예를 들면, 홈 전력 또는 다른 전기 네트워크의 주전원을 통해 구동 배터리가 국부적으로 충전되도록 하는 전기 플러그를 또한 포함한다.

차량은 또한 보조 디바이스들을 포함하며, 여기에서는 구동 배터리에 의해 전류를 공급받는 전기 디바이스들로서 정의된다.

이들 보조 디바이스들 중에서, 에어컨의 모터, 전기 창(window)의 모터, 지오-포지셔닝 및 내비게이션 시스템이 언급될 수 있다.

이 지오-포지셔닝 및 내비게이션 시스템은 통상적으로 차량의 지리적 위치에 관한 신호를 수신할 수 있는 안테나, 국가 또는 지역의 지도를 저장할 수 있는 메모리, 지도 상에 차량의 위치를 표시할 수 있는 스크린을 포함한다.

여기서, 이 스크린이 운전자가 정보를 입력할 수 있는 터치 스크린인 경우가 고려될 것이다. 물론, 그렇지 않을 수도 있을 것이다.

마지막으로 상기 지오-포지셔닝 및 내비게이션 시스템은 운전자가 입력한 정보, 그 메모리에 저장된 지도 및 차량의 위치를 고려하여 이동 경로가 계산되도록 하는 제어기를 포함한다.

차량(1)은 특히 상기 2개의 동력전달계통(및 특히 내연 엔진, 전기 모터에 의해 발전된 동력)이 제어될 수 있게 하는 전자 제어 유닛(또는 ECU)를 포함한다.

본 발명과 관련하여, 이 ECU는 지오-포지셔닝 및 내비게이션 시스템의 제어기에 연결되어, 이들 두 요소들이 그 사이에서 정보를 전달할 수 있도록 한다.

여기에서, 차량의 메인 인터-유닛 통신 네트워크를 경유(보통은 CAN 버스를 경유)하여 함께 연결된다.

ECU는 프로세서와 메모리 유닛(이하에서는 '메모리'로 언급됨)을 포함한다.

이 메모리는 아래에서 설명되는 방법의 맥락에서 사용되는 데이터를 저장한다.

그것은 도 5에 도시된 유형의 테이블을 특히 기록한다(이하에서 더 상세하게 설명될 것임).

또한, 프로세서에 의해 실행되는 명령을 포함하는 컴퓨터 프로그램으로 구성되는 컴퓨터 애플리케이션을 저장하며, 이 프로세서는 후술되는 방법이 ECU에 의해 구현되도록 허용한다.

본 발명의 구현을 위해, ECU는 여기에서 특히 내연 엔진의 순간(instantaneous) 연료 소비, 적어도 하나 이상의 전기 모터의 순간 전류(electric current) 소비, 보조 디바이스의 순간 전류 소비, 차량의 운전자의 운전 스타일(스포티(sporty), 컨벤셔널(conventional), 릴렉스(relaxed) 등)을 알 수 있는 복수의 센서에 연결된다.

우선, 이하에 설명하는 방법의 설명에 사용되는 복수의 개념을 정의한다.

따라서, "경로"라는 용어는 차량이 목적지에 도달하기 위해 이동해야 하는 길로 정의될 수 있다.

상기 경로의 종점인 도착 장소는 차량에 맞춤인 전기 플러그를 통해 상기 구동 배터리를 재충전하기 위한 충전소가 제공되는 것으로 간주될 것이다.

각 경로는 "인접 구간(legs)" 또는 "인접 세그먼트(segments)"로 분할될 수 있다.

구간의 개념은 지오-포지셔닝 및 내비게이션 시스템에 장착되는 제어기에 의해 기본적으로 사용된다.

실제로, 각 구간은 2개의 도로 교차점 사이에 있는 경로의 일부분에 해당한다. 가장 짧은 또는 가장 빠른 경로를 정의하기 위해, 제어기는 상기 경로가 통과해야 하는 도로의 구간을 결정한다.

세그먼트의 개념은 상이하다. 그것은 본 발명 개시의 나머지 부분에서 그 상세 내용이 철저하게 설명될 것이다. 단순화하기 위해 경로의 각 세그먼트는 경로의 한 부분에 해당하며, 이 부분에서의 도로의 특성은 크게 변하지 않는다. 예를 들어, 경로는 최대 허용 속도가 일정하게 유지되는 복수의 세그먼트로 분할될 수 있다.

여기서, 경로는 N개의 세그먼트 Tⁱ로 형성되는 것으로 간주되며, i는 1과 N 사이의 정수이다.

이러한 세그먼트는 "속성 cr"이라는 파라미터로 특징 지어진다. 다음은 각 세그먼트를 특성화할 수 있는 속성 cr의 예이다.

제1속성은 "도로 카테고리 FC"일 것이다. 지오-포지셔닝 및 내비게이션 시스템이 장착된 제어기는 일반적으로 다양한 유형의 도로를 구별하기 위해 이러한 종류의 카테고리를 사용한다. 여기서 이 카테고리는 1과 6 사이의 정수 값을 취할 수 있다(예를 들어). 1과 같은 속성은 간선도로(freeway)에 대응할 수 있고, 2와 같은 속성은 고속도로(highway)에 대응할 수 있다.

제2속성은 세그먼트의 "그레디언트 RG"이며 또는 백분율로 표시된다.

제3, 4, 5, 6속성은 세그먼트의 차량 속도를 기준으로 한다.

제3속성은 그 세그먼트의 "속도 카테고리 SC"일 것이다. 지오-포지셔닝 및 내비게이션 시스템이 장착된 제어기는 일반적으로 다양한 유형의 도로를 구별하기 위하여 이러한 종류의 카테고리를 사용한다. 여기에서, 이 카테고리는 1과 6 사이의 정수값을 취할 수 있다. 1과 동일한 속성은 매우 빠른 속도(very high speed)의 도로(시속 120km/h보다 빠른)에 대응할 수 있으며, 2와 동일한 속성은 빠른 속도(high speed)의 도로(시속 100km/h와 120km/h 사이)에 대응할 수 있다.

제4속성은 세그먼트의 "최대 허용 속도 SL"이다.

제5속성은 세그먼트 상에서 발견되는 "평균 속도 SMS"이다(이 값은 각 도로에서 통계적으로 측정한 결과임).

제6속성은 세그먼트 상에서 발견되는 "순간 속도 TS"이다(이 값은 교통 상황에 대한 정보를 실시간으로 제공하는 시스템에서 얻음)

제7속성은 그 세그먼트의 "길이 LL"이다.

제8속성은 그 세그먼트의 "곡률의 평균 반경 LC"이다.

제9속성은 세그먼트가 차량의 주행 방향을 따라 가지는 "차로들의 개수 NL"이다.

나머지 설명에서는 경로의 각 세그먼트를 특징을 기술하기 위하여 이 9개의 속성들이 사용될 것이다.

변형으로서, 경로의 각 세그먼트는 더 작은 또는 더 많은 개수의 속성들에 의해 특징이 기술될 수 있다.

더욱이, 구동 배터리의 에너지 상태(SOE)는 이 구동 배터리의 구동 배터리 내의 잔류 에너지의 특징을 기술하기 위한 파라미터들인 것으로 정의될 것이다. 변형으로서, 배터리의 충전 상태(SOC)와 같은 다른 파라미터들 또는 동일한 유형의 어떤 다른 파라미터(배터리의 내부 저항, 배터리 단자들에서의 전압 등)가 사용될 수 있다.

구동 배터리의 충전 또는 방전 △SOE는 그러면 두 상이한 시각들에서 고려된 두 에너지 상태들 사이의 차이와 동일한 것으로 간주될 것이다.

차량의 "특정 소비 커브"는 그러면 구동 배터리의 충전 또는 방전값 △SOE를 각 연료 소비값 CC에 연관시키는 커브로서 고려된 세그먼트 상에서 정의된다. 실제로, 정해진 세그먼트에 걸쳐서, 차량의 연료 소비 CC가 얼마일지 (이동한 킬로미터 당 리터로) 그리고 구동 배터리의 충전 또는 방전 △SOE를 (킬로미터 당 와트-시로) 추정하는 것이 가능하다. 이 두 값들은 커브에 의해 관련될 것이며, 이는 이 두 값들이 전기 동력전달계통 또는 내연 동력전달계통 중 어느 것이 차량을 추진하기 위해 사용되는지의 여부에 따라 변할 것이기 때문이다.

무한 개수의 특정 소비 커브들이 존재하기 때문에, 최종적으로 "레퍼런스 커브들"이 특별한 특정 소비 커브들인 것으로 정의되며, 이것들의 특징들은 잘 알려질 것이며 그리고 이것들은 각 특정 소비 커브를 근사화하는 것을 가능하게 할 것이다. 다른 방식으로는, 본 발명 개시에서 나중에 더욱 명확하게 나타날 것처럼, 특정 소비 커브가 아니라, (특정 소비 커브에 최선의 근사일 것인) 레퍼런스 커브가 각 경로의 세그먼트과 연관될 것이다.

이 설명의 나머지 부분에서, 우리는 색인(index) "est"를 지닌 추정된 정보와, 색인 "mes"를 갖는 측정된 정보를 더욱 구별할 수 있을 것이다. 따라서 정보는 한편으로는 추정되고, 다른 한편으로는 측정될 수 있다.

지오-포지셔닝 및 내비게이션 시스템의 제어기 및 차량의 ECU에 의해 함께 수행되는 이 방법은 차량의 연료 및 전류 소비를 관리하기 위한 설정을 계산하기위한 계산 방법이다.

이 방법은 미리 정의돈 경로에 걸쳐서, 차량의 연료 소비는 물론이며, 차량의 공해물질 배출도 최선으로 줄이기 위한 방식으로, 전기 동력전달계통 및 내연 동력전달계통을 사용하는 것이 어떻게 필요할 것인가를 더욱 정밀하게 결정하는 것으로 구성된다.

본 발명의 하나의 특별하게 유리한 특징에 따라서, 상기 방법은 다음의 주요 단계를 포함한다.

- 수행될 경로를 획득한다.

- 경로를 연속하는 인접 세그먼트들 Tⁱ로 분할한다.

- 각 세그먼트 Tⁱ에 대해, 이 세그먼트 Tⁱ의 특징을 기술하는 속성들, SC, SL, TS, RG, LL NL, SMS를 획득한다.

- 각 세그먼트 Tⁱ에 대해, 이 세그먼트 Tⁱ의 속성들 FC, SC, SL, TS, RG, LL, NL, SMS를 고려하여, 그 세그먼트에 걸쳐서 하이브리드 차량의 각 연료 소비값 CC를 구동 배터리의 충전 또는 방전값 △SOE에 관련시키는 관계(여기에서는 레퍼런스 커브 CEj로 언급됨)를 결정한다.

- 차량의 실제 연료 소비CCmes 및 실제 전기 소비 △SOE_mes를 측정한다.

- 상술한 실제 연료 소비 CCmes와 실제 전기 소비 △SOE_mes를 고려하여, 레퍼런스 커브 CEj를 교정한다.

- 전체 경로에 걸쳐 하이브리드 차량의 연료 소비를 최소화하고, 상기 경로의 끝에서 구동 배터리의 완전한 방전을 획득하기 위한 각 레퍼런스 커브 CEj의 최적 포인트 Pi를 결정한다. 그리고,

- 상기 최적 포인트 Pⁱ의 좌표에 따라 에너지 관리 설정(energy managing settings)을 생성한다.

이러한 단계들의 세부 사항은 다음과 같다. 이러한 단계들은, 경로의 적어도 하나 이상의 이미 이동된 부분에서 관찰된 에너지 소비에 따라 가능한 한 최선의 에너지 소비 예측을 수정하기 위하여, 정기적으로, 예를 들면 차량의 경로를 따라 일정한 시간 간격으로 구현될 수 있다.

도 9에 도시된 바와 같이, 제1단계(100)는 차량이 주행해야 하는 경로를 획득하는 단계로 구성된다.

이 단계는 차량이 시동될 때, 지오-포지셔닝 및 내비게이션 시스템 내에 내장된 제어기에 의해 수행될 수 있다.

이 단계는 그 다음에 통상적으로 구현된다.

따라서, 운전자가 도착 장소를 정의하기 위해 지오-포지셔닝 및 내비게이션 시스템의 터치 스크린을 사용할 때에, 이 시스템의 제어기는 특히 운전자에 의해 선택된 경로설정 파라미터들(가장 빠른 경로, 가장 짧은 경로 등)에 따라서 수행될 경로를 계산한다.

이 단계에서, 주목할 것은 차량이 상기 지오-포지셔닝 및 내비게이션 시스템에 의해 정의된 경로와 다른 경로로 이동되거나, 조건, 예를 들어 교통 상황이 바뀌면, 그 방법 전체가 초기화(reset)되어야 한다는 것이다.

변형으로서, 제1단계(100)는 상이하게 수행될 수 있다.

따라서, 운전자가 터치 스크린을 통해 도착 장소를 입력하는 것을 필요 없게 하는 것이 가능할 것이다. 이를 위해 제어기는 운전자의 행동들을 탐지하고, 그 행동들로부터 도착 장소를 자동적으로 추론할 수 있다.

예를 들어, 운전자가 일하기 위해 그 주에 매일 동일한 경로를 따라가면, 이 경로는 운전자가 지오-포지셔닝 및 내비게이션 시스템의 터치 스크린을 통해 어느 정보든 입력할 필요 없이 자동적으로 획득될 수 있다.

이 제1단계가 끝나면 지오-포지셔닝 및 내비게이션 시스템에 내장된 제어기는 인접한 두 개의 구간으로 구성된 차량의 경로를 알고 있으며, 그것들 각각은 두 도로 교차점들 사이에서 확장하는 것을 기억한다.

제2단계(101)는 경로를 세그먼트 Tⁱ로 분할하는 단계로 구성된다.

경로를 구간들로가 아니라 세그먼트들로 재-분할하는 것의 이점은, 우선 그 경로의 세분할들의 개수를 줄이는 것이다. 특히, 두 개의 연속적인 구간의 속성들이 동일한 경우가 종종 발생한다. 이 두 연속 구간들이 분리하여 처리되었다면, 계산 시간은 불필요하게 늘어날 것이다.

동일한 구간을 동일한 세그먼트 내에서 함께 모음(grouping)으로써, 계산 시간을 줄이는 것이 가능할 것이다.

다른 장점은 주어진 구간에 대한 도로의 특성이 현저하게 변할 수 있다는 것이다(구간의 한 부분은 경사가 0인 도로에 해당할 수 있고, 이 구간의 다른 부분은 경사가 큰 도로에 해당할 수 있음). 여기에서, 경로를 도로의 특성이 동일하게 유지되는 세그먼트로 분할하는 것이 바람직하다.

각 세그먼트 Tⁱ는 전체 길이에 걸쳐 변하지 않는 적어도 하나 이상의 속성을 포함하는 경로의 섹션(section)으로서 정의될 것이다.

이러한 속성은 그레디언트 RG 및/또는 속도 카테고리 SC 및/또는 도로 카테고리 FC일 수 있다.

여기에서, 이 단계는 지오-포지셔닝 및 내비게이션 시스템에 내장된 제어기에 의해 구현될 것이다. 이 목적을 위해서 제어기는 최대 길이의 세그먼트 Tⁱ(이 세그먼트 각각에 걸쳐서 상기 언급된 세 개의 속성들(RG, SC, FC)이 일정함)로 분할할 것이다.

이 제2단계가 끝나면, 제어기는 N개 세그먼트를 정의한다.

제3단계(103)는 각 세그먼트 Tⁱ의 속성들을 획득하는 것으로 구성된다.

상기 속성들 중 하나가 고려된 세그먼트에 걸쳐서 변할 때에, 그것은 고려될 전체 세그먼트에 걸친 이 속성의 평균값이다.

실제로, 이 제3단계는 다음의 방식으로 수행된다.

우선, 지오-포지셔닝 및 내비게이션 시스템 내 내장된 제어기는 ECU에게 새로운 경로가 계산되었다는 것을 알린다. 그런 다음 ECU는 송신될 각 세그먼트의 속성들에 대해, 예를 들면, 도 1에 도시된 유형의 테이블의 모습으로 요청한다.

그러면 상기 제어기는 각 세그먼트의 속성들을 다음의 방식으로 획득한다.

그 제어기는 그 세그먼트의 하나의 부분을, 특히, 그 세그먼트의 길이 LL을 계산한다.

그 제어기는 상기 지오-포지셔닝 및 내비게이션 시스템의 메모리에서 그 세그먼트의 다른 부분, 특히, 고속도로 카테고리 FC, 그레디언트 RG, 속도 카테고리 SC, 최대 허용 속도 SL, 평균 속도 SMS, 곡률의 평균 반경 LC 및 차로들의 개수 NL을 독출한다.

그 속성들의 나머지 부분, 특히 순간 속도 TS는 다른 장치에 의해 전달되며, 이는 실시간으로 교통 상황에 대한 정보를 제공하는 시스템에 의해 전달된다.

그러면 상기 제어기는 이 정보 모두를 CAN 버스를 경유하여 상기 차량의 메인 ECU에 전송한다.

상기 처음 세 개의 단계들을 수행하기 위해 상기 차량의 메인 ECU가 아니라 지오-포지셔닝 및 내비게이션 시스템에 내장된 제어기를 사용하는 것의 이점은 CAN 버스를 경유하여 상기 ECU로 전송되어야 하는 정보의 양을 줄이는데 있다. 실제로, 동일한 속성들을 가진 경로의 인접 구간을 합침으로써, 전송된 데이터의 크기가 줄어들며, 이는 CAN 버스를 경유한 데이터 전송을 가속화시킨다.

이러한 속성들 Crⁱ/est가 수신되면 ECU는 다음의 단계를 수행한다.

제4단계(103)는 각 세그먼트 Tⁱ에 대하여, 고려된 세그먼트 Tⁱ상의 차량의 에너지 소비(연료 및 전류 소비)가 가능한 한 최선으로 추정되도록 하는 관계를 결정하는 단계로 구성된다.

제4단계(103)는 다음에 의해 수행된다:

- ECU의 메모리에 저장된 레퍼런스 커브 CE_j로부터 고려된 세그먼트 Tⁱ에 대한 차량의 에너지 소비가 가능한 한 최선으로 추정될 수 있는 커브를 선택하는 단계

- 상기 방법이 만족할 만한 신뢰성을 갖도록 하는 모든 데이터를 고려하기 위해 상기 선택된 레퍼런스 커브 CE_j를 수정하는 단계

이러한 제4단계(103)는 각 세그먼트의 특성으로부터 그 속성에 의한 특성화를 에너지 비용에 의한 특성화로 전달하는 것을 가능하게 한다.

이 단계는 5개의 연속적인 작업(operation)을 통해 구현된다.

본 예시적인 실시예의 제1작업에서, ECU는 그의 메모리에 저장된 도 5에 도시된 테이블 TAB을 사용할 것이다.

도 5에서 볼 수 있듯이, 테이블 TAB에는 속성의 값(또는 값들의 범위)에 대응하는 행(rows)을 도시한다. 테이블 TAB은 각각의 레퍼런스 커브들 CE_j 중 하나에 대응하는 열(columns)을 도시한다. 도시된 예에서, 상기 ECU의 메모리는 M개의 레퍼런스 커브들 CE_j을 저장하는 것으로 여겨진다. 여기에서 색인 j는 1과 11 사이의 정수이다.

도 5에서 테이블 TAB의 셀은 차량의 특성에 따라 달라지므로 빈 채로 남아 있다.

실제로 이 테이블 TAB은 각 셀의 값과 함께 ECU의 메모리에 저장된다.

이들 값은 각 속성 값이 하나 또는 다른 레퍼런스 커브 CE_j에 대응할 확률에 대응하는 확률값(0과 1 사이에 포함됨)이 될 것이다.

예를 들어, 세그먼트 Tⁱ 의 도로 카테고리 FC가 2와 동일한 값을 가진다면, 이 세그먼트가 레퍼런스 커브 CE1에 의해 에너지 비용의 면에서 특성이 잘 기술되는 확률은 a1과 동일한 것이며, 이 세그먼트가 레퍼런스 커브 CE2에 의해 에너지 비용의 면에서 특성이 잘 기술되는 확률은 a2와 동일한 것이라는 등의 사실이 상기 테이블로부터 읽혀질 수 있다.

그레디언트 RG 및 길이 LL 값들은 테이블 TAB에서 의도적으로 사용되지 않았음을 알 수 있다.

이 단계에서, ECU는 고려된 세그먼트 Tⁱ의 각 속성 값에 대응하는 확률값을 읽어 낼 수 있다.

도시된 예에서, 속성 FC는 2와 동일하고, 속성 SC는 6과 동일하며, 속성 SL은 30과 동일하고, 속성 NL은 2와 동일하며, 속성 SMS는 60 내지 80에 있으며, 그리고 속성 TS는 40 내지 60에 있다고 여겨지는 경우에, 상기 ECU는 a1 내지 a11, b1 내지 b11, c1 내지 c11, d1 내지 d11, e1 내지 e11, 그리고 f1 내지 f11로 표시된 값들을 읽어낸다.

그러면 상기 ECU는 고려된 세그먼트 Tⁱ가 상기 11개의 레버런스 커브 CE_j각각에 의해 에너지 비용의 면에서 잘 특성화될 확률들을 합산한다.

도시된 예에서, 상기 ECU는 a1 내지 f1, 그 후에 a2 내지 f2, 등으로 표시된 값들을 합산한다.

마지막으로, 상기 ECU는 11개의 합들 중 어느 것이 가장 큰 결과를 제시하는가를 판별한다.

그 다음, 이 가장 높은 확률합이 연관된 레퍼런스 커브 CE_j는 에너지 비용의 면에서 상기 세그먼트 Tⁱ를 최선으로 특징을 기술하는 레퍼런스 커브인 것으로 결론 내린다.

그 다음, 상기 ECU는 레퍼런스 커브 CE_j의 특징을 기술하는 파라미터들의 값들을 자신의 메모리로부터 획득할 수 있다.

본 발명 개시의 이 단계에서, 이 레퍼런스 커브들이 획득되고 모델링되는 방식에 더욱 구체적으로 초점이 맞추어진다.

각 차량의 모델(또는 각 엔진/모터 레인지(range)에 대해, 또는 차량 모델들의 각 레인지에 대해, 또는 엔진/모터 모델들의 각 레인지에 대해)에 대해 지리적으로 다양한 도로의 세그먼트에서 다수의 시운전들(또는 시운전들의 시뮬레이션)을 수행하는 것이 필요하다.

이러한 시운전들은 속성들이 알려진 상이한 세그먼트에 걸쳐서 차량의 연료 소비 및 전기 소비가 결정되도록 한다. 이를 위해서, 각 세그먼트에 걸쳐서 여러 차례 차량이 구동되고, 전기 모터에 의해 전달되는 추진력의 비율은 매회 증가된다.

그럼 다음 각 세그먼트에 대한 특정 소비 커브CCS를 생성할 수 있다. 이러한 특정 소비 커브들은 도 4에 도시되어 있다.

이 커브들 각각에서, 전기 동력전달계통만을 사용하는 운전 동안에 더 많은 전기 에너지가 사용될수록(즉, △SOE < 0), 연료 소비가 0에 도달할 때까지 연료 소비는 더 많이 감소하는 것이 관찰될 수 있다. 반대로, 내연 엔진을 통해 배터리를 재충전하려고 하면 할수록(△SOE > 0), 더 많은 연료 소비가 증가한다. 마지막으로, 보조 디바이스들에 의한 전기 소비 없이 수평 도로(제로 그레디언트)에서 주행되는 상황에서 각 특정 소비 커브 CCS는 차량의 평균 에너지 소비를 기술한다는 것이 상기될 것이다.

이 시운전들은 테스트된 세그먼트들만큼 많은 특정 소비 커브들 CCS를 발견하는 것을 가능하게 한다.

각각의 특정 소비 커브 CCS는 이차 다항식에 의해 모델링될 수 있으며, 이 이차 다항식에 대해 구동 배터리의 충전 및 방전 △SOE에서의 변이들은 최소 임계값 △SOE_min과 최대 임계값 △SOE_max 사이에의 범위이며, 이는 다음과 같이 쓰여질 수 있다.

여기에서 Ψ₀, Ψ₁, Ψ₂는 상기 이차 다항식의 계수들이다.

도 4에서의 커브들이 보여주듯이, 이 모델링을 단순화하기 위해 두 계수들 Ψ₁, Ψ₂는 한 커브로부터 다음 커브까지 동일한 것으로 추정될 수 있다. 상기 최소 임계값 △SOE_min은 상기 다항식의 세 개의 계수들에 종속한다는 것이 또한 관찰될 수 있다. 그래서, 계수 Ψ₀ 및 △SOE_max만이 변한다. 그러므로, 각 특정 소비 커브 CCS의 특징을 기술하는 것을 가능하게 하는 것이 바로 이 두 값들이다.

도 3은 포인트들을 도시하며, 이 포인트들의 좌표들은 이 두 변수들 Ψ₀ 및 △SOE_max에 대응한다. 그것은 수행된 시운전들 동안에 획득된 특정 소비 커브 CCS의 분포를 보여준다. 여기에서, 이 포인트들은 11개의 별개 영역(zone)들에 분포되는 것으로 여겨진다. 각 영역은 자신의 중심에 의해 정의된다.

그래서, 위에서 개시되었듯이, 상기 방법에서, 고려된 세그먼트에 정확하게 대응할 수 있는 특정 소비 커브는 획득되지 않고, 오히려 11개의 레퍼런스 커브 중 하나의 Ψ₀ 및 △SOE_max가 이들 11개의 영역 중 고려된 하나의 중심에 대응한다.

상기 제1작업에서, 각 세그먼트 Tⁱ는 그러면 상기 언급된 파라미터들 Ψ₀, Ψ₁, Ψ₂, △SOE_min, △SOE_max, 그리고 각 세그먼트 Tⁱ의 길이 LLi에 의해 그리고 그 세그먼트의 그레디언트 RG_i에 의해 도 2에서 보이는 것처럼 정의된다.

전술한 바와 같이, 선택된 에너지 커브 CE_i는 세그먼트 Tⁱ의 그레디언트, 보조 디바이스들(에어 컨디셔닝 모터 등)의 전류 소비, 운전자의 운전 스타일(스포티, 릴렉스 등), 기타 알려지지 않은 요소(타이어의 압력 감소, 차량의 과적(overloading))를 고려하지 않는다.

도로의 구배, 즉 그레디어트를 고려하기 위해, 세그먼트의 그레디언트 RG에 따라 선택된 레퍼런스 커브 CE_i(즉, 각 세그먼트 Tⁱ에 할당된 레퍼런스 커브 CE_i)를 교정하기 위한 제2작업이 제공된다.

도 7에서 명확하게 도시된 바와 같이, 이 교정을 위한 제2작업은 상기 세그먼트 Tⁱ와 관련된 레퍼런스 커브 CE_i를 그레디언트 RG에 의존하는 값만큼 상향 또는 하향(즉, 일정한 충전 또는 방전 △SOE로) 시프트하는 단계로 간단하게 구성된다.

특히, 고려된 도로의 세그먼트가 위쪽으로 경사지면 연료 소비가 예상보다 높을 것이라는 것을 이해할 수 있다. 대조적으로 고려된 도로의 세그먼트가 아래쪽으로 기울어지면 연료 소비가 예상보다 낮아진다.

또한, 제동이 걸리는 단계에서 상향 경사면보다 하향 경사면에서 더 많은 전기 에너지를 획득할 수 있다.

실제로, 상기 교정 제2작업은 다음의 공식에 따라 파라미터 Ψ₀ 를 교정하는 것으로 구성될 수 있다.

Ψ₀ + K.RGⁱ => Ψ₀

여기서 K는 고려된 차량 모델과 그 특성에 따라 달라지는 계수이다(예를 들어, K는 여기에서

이 여기에서 고려될 수 있음).

차량의 운전자의 운전 스타일을 고려하기 위해, 각각의 레퍼런스 커브 CE_i를 교정하기 위한 제3작업이 제공된다.

운전 스타일은 예를 들어 변수 ds_mes로 파라미터화(parameterized)될 수 있다. 이 변수는 예를 들어, 초기에 0으로 설정될 수 있으며, 운전 스타일이 릴렉스인 것 보다 스포티한 경우 양의 값을 취하거나, 운전 스타일이 스포티한 것보다 릴렉스하면 음의 값을 취할 수 있다.

도 7에 명확하게 도시된 바와 같이, 각각의 레퍼런스 커브 CE_i를 교정하는 상기 작업은 상기 세그먼트 Tⁱ와 관련된 레퍼런스 커브 CE_i를 ds_mes에 의존하는 값만큼 상향 또는 하향(즉, 일정한 충전 또는 방전 △SOE로) 시프트하는 단계로 간단하게 구성된다.

특히, 운전 스타일이 스포티한 경우, 연료 소비가 예상보다 높다는 것을 이해할 수 있다. 반대로 운전스타일이 릴렉스되면 연료 소비가 예상보다 낮아진다.

실제적으로, 상기 교정 제3작업은 다음의 공식에 따라 파라미터 Ψ₀ 를 교정하는 것으로 구성될 수 있다.

Ψ₀ + ds_mes => Ψ₀.

보조 디바이스들의 전기 소비를 고려하기 위해, 이 보조 디바이스들에 의해 소비된 전력 paux_mes에 따른 각각의 레퍼런스 커브 CE_i를 교정하기 위한 제4작업이 제공된다.

도 6에서 명확하게 도시된 바와 같이, 상기 교정 제4작업은 상기 세그먼트 Tⁱ와 연관된 레퍼런스 커브 CE_i를 상기 전력 paux_mes에 따른 값만큼 왼쪽으로(즉, 일정한 연료 소비 시에) 시프트하는 단계로 간단하게 구성된다.

특히, 전기 디바이스들이 사용될 때에, 배터리의 충전은 예상보다 느릴 것이고, 이 배터리의 방전은 예상보다 더 빠를 것이라는 것이 확실하게 이해될 것이다.

실제로, 상기 교정 제4작업은 상기 레퍼런스 커브 CE_j를 다음의 공식으로부터 계산된 E_AUX만큼 시프트하는 단계로 구성될 것이다:

여기서

는 상기 세그먼트의 평균 속도(km/h)를 나타낸다. 이 값은 상기 지오-포지셔닝 및 내비게이션 시스템에 의해서, 이 값이 트래픽 속도의 값 또는 통계적인 평균 속도값 또는 최대 허용 속도와 동일한 것이라는 추정에 의해 직접적으로 공급될 수 있다.

상기 제4작업의 끝에서, 각 세그먼트 Tⁱ는 Ψⁱ _0,est, Ψⁱ _1,est, Ψⁱ _2,est, △SOEⁱ _min, △SOEⁱ _max의 파라미터들로 정의된다.

이 단계에서, 이러한 파라미터들을 얻는 전술한 방법은 단지 예로서 주어진 것임을 알 수 있을 것이다. 특히 도 5와 같은 표를 사용하지 않는 방법이 제공될 수 있다.

따라서, 보다 일반적인 변형에서, 계수 Ψⁱ _0,est, Ψⁱ _1,est, Ψⁱ _2,est는 전략 개발 단계에서 보정된 에너지 모델을 사용하여 계산할 수 있고, 다음과 같이 쓸 수 있다:

,

,

,

관계 f₀, f₁ 및 f₂는 예를 들어, 카테고리의 선택이 도로의 구간이(상기의 경우에서와 같이) 속할 확률에 의존하는 에너지 소비의 카테고리 세트의 모델링으로부터 도출될 수 있지만, 이러한 카테고리들은 다른 특징을 가질 수도 있다.

후술하는 바와 같이, 일단 차량이 경로를 주행하기 시작하면, 다른 미지의 요인(타이어의 압력 감소, 차량의 과적 등)을 고려하기 위해 그때까지 추정된 파라미터를 교정하기 위한 제5작업이 제공될 것이다.

이 단계에서, 차량은 아직 출발하지 않은 것으로 간주되므로, 이 제5작업은 구현되지 않을 것이므로 설명하지 않을 것이다. 그러나 이는 아래에서 자세히 설명될 것이다.

제5단계(104)는 각각의 교정된 레퍼런스 커브 CE_j에서 전체 경로에 대한 하이브리드 차량의 연료 소비를 최소화하고, 그리고 상기 경로의 끝에서 구동 배터리의 완전한 방전을 획득하기 위한 최적 포인트 Pⁱ 를 각 레퍼런스 커브 CE_j상에서 결정하는 단계로 구성된다.

이 단계는 여기에서는 유형 A* 최적화 알고리즘에 의해 수행된다. 이것은 종래 기술에서 알려져 있는 알고리즘이며, 그러므로 여기에서는 상세하게 설명되지 않을 것이다. 그러나, 그 알고리즘의 동작은 간략하게 설명될 수 있다.

이를 위해, 도 8을 참조할 것이다.

각 세그먼트 Tⁱ에 대해, 일련의 교차 포인트들이 세로 좌표 축에 평행한 에너지 상태들 SOE에 의해 기입되며, 여기에서 가로 좌표는 상기 세그먼트의 차량이 위치하는 위치와 상기 세그먼트의 최종 포인트 사이의 거리(킬로미터 단위)와 동일하다는 것을 알 수 있다. 이 라인의 각 포인트는 이 세그먼트 Tⁱ와 연관된 레퍼런스 커브 CE_j로부터 추론된 달성 가능한 에너지 상태 SOE에 대응한다. 에너지 상태 SOE 공간은 유한 개수의 포인트들 내에서 이산화된다.

각 포인트의 세로 좌표는, 상기 차량이 구동 배터리에 인가된 충전 또는 방전을 고려하여 상기 레퍼런스 커브 CE_j의 대응 포인트에 따라 운행되었다면 상기 세그먼트의 끝에서 남아있을 상기 구동 배터리의 에너지 상태 SOE와 동일하다.

그러므로 각 포인트는 노드 n을 구성한다.

알고리즘 A*의 목표는 차량의 연료 소비를 최소화할 경로 C1을 찾는 것이다.

노드들 n을 조사하기 위한 순서의 선택은, 다음의 공식으로 표시되는 비용 함수 g 및 휴리스틱 함수(heuristic function) h의 합인 함수 k를 최소화하려고 시도함으로써 결정된다.

k(n)=g(n)+h(n)

여기에서 g(n)은 이전의 세그먼트들에 걸쳐서 배터리에 인가될 충전 또는 방전 △SOE 선택들에 따른 최선의 가용 궤적(trajectory)에 걸쳐서 초기 노드(경로의 시작)에서 노드 n에 도달하기 위해 필요한 연료의 양을 나타내며, 그리고

여기서 h(n)은 노드 n으로부터의 상기 구동 배터리의 선형 방전의 경우를 고려하여, 상기 노드 n으로부터 최종 노드로 지나가기 위한 상기 구동 배터리에 인가될 수 있을 충전 또는 방전 △SOE으로 소비될 남아있는 연료의 양의 긍정적인 추정을 나타낸다.

함수 k는 상기 알고리즘이, 현재 노드에 도달하기 위한 비용을 최소화하고, 이 노드로부터 경로의 끝까지의 남은 비용을 최소화하는 궤적을 반복되는 각 계산 단계에서 조사하는 것을 가능하게 한다.

따라서, 함수 k를 사용하는 것은 이 알고리즘이 상기 최적 궤적에 가장 가까운 궤적들을 조사할 수 있도록 유도하고, 이것은 차선의 궤적들을 탐색하는 것을 제한하며, 이는 계산 단계들의 최소한의 반복으로 양호한 결과들을 획득하는 것을 가능하게 한다.

도 8에 도시된 특징은, 레퍼런스 커브 CE_j의 최적 포인트 Pⁱ 를 통과하는 최적 경로를 SoE=f(d)로 나타내고, 여기서 d는 경로의 시작 이후 이동된 거리를 나타낸다.

일단 최적 경로가 발견되면(즉, 최적 포인트 Pⁱ를 통과하는 경로), ECU는 최적 포인트 Pⁱ의 좌표에 따라 에너지 관리 설정 SoE_ref를 생성한다.

이러한 에너지 관리 설정은 궤적을 추적하기 위해 ECU에 의해 경로 전체에 걸쳐 사용되므로, 구동 배터리의 에너지 상태 SOE는 도 8에 도시된 경로 C1을 따른다.

복수의 방법들은 그러한 추적이 수행되도록 한다. 한가지 예는 본 출원인에 의해 출원된 특허 출원 FR2988674, 또는 문헌 WO2013150206 및 WO2014001707에 특히 잘 설명되어 있다.

차량이 지오-포지셔닝 및 내비게이션 시스템에 의해 지시된 경로를 주행하기 시작하면, ECU는 단계 105 내지 109와 함께 전술한 단계 103 및 104를 계속 반복하는데, 이는 이후에 상세하게 설명될 것이다.

이러한 103 및 104 단계의 반복은, 특히 103 단계에서 구현될 제5작업에 의해, 차량의 에너지 소비의 추정 품질을 최적화할 수 있도록 한다.

따라서, 제6단계(105)에서, ECU는 과거 및 미리 설정된 시간 윈도우(time window)에서 차량의 연료 소비 CC_est 및 전기 소비 △SoE_est의 추정을 결정한다.

이 시간 윈도우는 예를 들어, 경로의 세그먼트 Tⁱ 중 하나 또는 세그먼트 중 하나 또는 복수의 세그먼트를 경유하는데 필요한 시간 간격에 대응할 수 있다.

예를 들어, 설명의 명료성을 위해, 이러한 시간 윈도우는 T^t-2, T^t-1로 표시된 2개의 선행 세그먼트를 경유하는데 필요한 시간과 일치하는 것으로 간주될 수 있다(T^t는 차량이 주행하는 구간을 나타냄).

그러나, 바람직하게는, 윈도우의 크기는 세그먼트의 길이와 독립적으로 선택될 것이다. 그것은 예측 에너지 모델의 동적 범위와 호환되는, 충분히 안정된 평균 에너지 소비를 기록할 수 있는 시간의 길이가 될 것이다.

이 시간 윈도우에서 차량의 연료 소비 CC_est 및 전기 소비 △SoE_est의 평균을 계산하기 위해, ECU는 이들 세그먼트와 관련된 최적 포인트 Pⁱ 의 값을 사용한다. ECU는 연료 소비 CC_est의 추정 및 선택된 시간 윈도우 전체에서의 차량의 전기 소비 △SoE_est의 추정과 관련된 특정 소비 커브를 결정할 수 있다.

Ψ^* _0,est이 표시된 이러한 특정 소비 커브의 원점에 있는 세로 좌표는 다음과 같은 수학적 관계를 사용하여 계산될 수 있다.

Ψ^* _0,est = CC_est - (Ψ_2,mes . △SoE_est ² ₊ Ψ_1,mes . △SoE_est)

다음으로, 단계 107, 108 및 109에서, 차량에 장착된 센서에 의해, ECU는 다음을 얻을 수 있다.

- 보조 전기 디바이스에 의해 소비되는 전력 paux_mes의 새로운 측정 및 차량을 운전하는 운전자의 운전 스타일과 관련된 파라미터 ds_mes 의 새로운 측정.

- 선택된 시간 윈도우에서 내연 엔진의 실제 연료 소비 CC_mes의 평균 및

- 상기 시간 윈도우에서 차량의 실제 전기 소비 △SoE_mes의 평균

전술한 바와 같이, 단계 106에서 ECU는 실제 연료 소비 CC_mes과 실제 전기 소비 △SoE_mes의 이들 두 추정치를 관련시키는 특정 소비 커브를 결정할 수 있다.

Ψ^* _0,mes로 표시된 이 커브의 원점에 있는 세로 좌표는 다음과 같은 수학적 관계를 사용하여 계산될 수 있다.

Ψ^* _0,mes = CC_mes - (Ψ_2,mes . △SoE_mes ² ₊ Ψ_1,mes . △SoE_mes)

다시 한번, Ψ_2,mes 및 Ψ_1,mes는 불변이며 알려졌으므로, Ψ^* _0,mes는 쉽게 계산할 수 있습니다.

그런 다음 단계 103과 104에서 추정된 값과 측정된 값 사이의 오차 △Ψ_0,ext를 계산할 수 있다. 이 오류는 다음 수학적 관계를 사용하여 얻을 수 있다:

△Ψ_0,ext = Ψ^* _0,mes - Ψ^* _0,est

이 에러는 후속 시간 간격, 보다 정확하게는 단계 103이 ECU에 의해 구현될 때 더 정확하게 사용될 수 있다.

이를 위하여, 위에서 정의된 제5작업에서, 상기 오차 △Ψ_0,ext에 따라 각각의 레퍼런스 커브 CEⁱ를 교정할 수 있다.

도 7에 명확하게 도시된 바와 같이, 이 제5작업은 세그먼트 Tⁱ 와 관련된 레퍼런스 커브 CEj 를 에러 △Ψ_0,ext에 의존하는 값만큼 상향 또는 하향(즉, 일정한 충전 또는 방전 △SOE로)으로 시프트하는 단계로 간단하게 구성된다.

실제적으로, 이 교정 제2작업은 다음의 공식을 사용하여 파라미터 Ψ₀를 교정하는 것으로 구성될 것이다:

Ψ₀ + △Ψ_0,ext => Ψ₀

본 발명은 설명되고 제시된 상기 실시예로 어떤 방식으로건 한정되지 않으며, 본 발명이 속한 기술 분야에서의 통상의 지식을 가진 자는 본 발명의 범위 내에 속한 임의 변형을 어떻게 적용하는지 알고 있을 것이다.

특히, 상기 지오-포지셔닝 및 내비게이션 시스템이 상기 경로의 세그먼트의 속성 값을 알 수 없는 경우, 다음의 것들이 제공될 수 있다.

- 확률들의 합들을 계산하는 것이 이 속성에 할당된 확률들의 값들을 고려하지 않거나,

- 또는 상기 계산이, 알려지지 않은 값을 미리 정해진 값으로 대체한다.

Claims (10)

1. 구동 배터리에 의해 전기를 공급받는 적어도 하나의 전기 모터 및 연료를 공급받는 내연 엔진을 포함하는 하이브리드 차량의 연료 및 전기 소비를 관리하기 위한 설정을 계산하는 계산 방법으로, 상기 계산 방법은:
   a) 내비게이션 시스템에 의해, 가야할 경로를 획득하는 단계,
   b) 상기 경로를 연속적인 세그먼트(Tⁱ, i∈{1…N})들로 분할하는 단계,
   c) 상기 세그먼트(Tⁱ)의 특징을 기술하는 속성(FC, SC, SL, TS, RG, LL NL, SMS)들을 상기 각 세그먼트(Tⁱ)에 대해 획득하는 단계,
   d) 상기 세그먼트(Tⁱ) 각각에 대해 그리고 그 각 세그먼트의 속성(FC, SC, SL, TS, RG, LL NL, SMS)을 고려하여, 상기 세그먼트(Tⁱ)에서의 하이브리드 차량의 추정 연료 소비 (CC_est)을 추정된 전기 에너지 소비 (△SOE_est)에 관련시키는 관계(CE_j)를 획득하는 단계,
   e) 차량의 실제 연료 소비(CC_mes) 및 실제 전기 에너지 소비(△SOE_mes)를 측정하는 단계,
   f) 상기 실제 연료 소비(CC_est) 및 상기 실제 전기 에너지 소비(△SOE_mes)를 고려하여, 각각의 관계(CE_j)를 교정하는 단계,
   g) 교정된 상기 관계(CE_j) 각각에서 최적 소비 포인트(P_i)를 결정하는 단계 및
   h) 상기 최적 포인트(P_i)의 좌표에 따라 상기 경로를 통해 에너지 관리 설정을 생성하는 단계를 포함하는 계산 방법.
2. 제1항에 있어서,
   상기 단계 d)는 연료 소비값(CC)을 전기 에너지 소비값(△SOE)에 관련시키는 복수의 미리 정해진 관계(CE_j, j∈{1…M})들로부터, 상기 세그먼트(Tⁱ)를 특성화하는 속성(FC, SC, SL, TS, RG, LL NL, SMS)들에 대응하는 관계(CE_j)를 선택하는 단계를 포함하는 계산 방법.
3. 제2항에 있어서,
   상기 미리 정해진 관계(CE_j)는 다항식이고, 상기 단계 f)는 선택된 상기 다항식의 원점에서의 종축의 값을 수정하는 것을 특징으로 하는 계산 방법.
4. 제3항에 있어서,
   선택된 상기 다항식의 종축의 값은, 변수 (△Ψ_0,ext)를 선택된 상기 다항식의 종축의 값에 더함으로써 수정되고, 상기 변수 (△Ψ_0,ext)는 한편으로는, 이미 경유된 세그먼트(T^{t-2, t-1})의 적어도 하나의 부분에 대한 하이브리드 차량의 실제 연료 소비(CC_mes)를 실제 전기 에너지 소비(△SOE_mes)에 관련시키는 다항식의 원점(Ψ^* _0,mes)에서의 종축의 값과, 다른 한편으로는, 이미 경유된 세그먼트(T^{t-2, t-1})의 상기 적어도 하나의 부분에 대한 선택된 상기 다항식의 원점(Ψ^* _0,mes)에서의 종축의 값의 차이와 동일한, 계산 방법.
5. 제3항 또는 제4항에 있어서,
   상기 다항식은 이차 다항식이고, 상기 구동 배터리의 충전 및 방전의 변화(△SOE)는 최소 임계값(△SOE_min)과 최대 임계값(△SOE_max) 사이에서 경계가 정해지는 계산 방법.
6. 제1항에 있어서,
   상기 다항식은 2개의 불변 계수(Ψ1, Ψ2) 및 하나의 다항식에서 다음 다항식으로 변하는 원점(Ψ₀)에서의 종축의 값을 가지는 계산 방법.
7. 제2항 내지 제7항 중 어느 한 항에 있어서,
   상기 단계 d)에서, 상기 관계(CE_j)는 상기 세그먼트(T_i)의 그레디언트(RG)와 독립적으로 선택되고, 단계 f) 이전에, 상기 그레디언트(RG)를 고려하여 상기 관계(CE_j)를 교정하는 단계 d1)이 구비되는 계산 방법.
8. 제2항 내지 제7항 중 어느 한 항에 있어서,
   상기 단계 d)에서, 상기 관계(CE_j)는 운전자가 차량을 운전하는 방식에 따라 독립적으로 선택되고, 단계 f) 이전에 운전자가 차량을 운전하는 상기 방법에 관한 파라미터(ds_mes)를 고려하여, 상기 관계(CE_j)를 교정하는 단계 d3)이 구비되는 계산 방법.
9. 제2항 내지 제8항 중 어느 한 항에 있어서,
   상기 단계 d)에서, 상기 관계(CE_j)는, 상기 전기 모터와는 별개이며 구동 배터리에 의해 전류가 공급되는 보조 디바이스의 전류 소비와 독립적으로 선택되고, 상기 단계 f) 이전에, 상기 보조 디바이스의 상기 전류 소비에 관한 파라미터(paux_mes)를 고려하여 상기 관계(CE_j)를 교정하는 단계 d2)가 구비되는 계산 방법.
10. 제1항 내지 제9항 중 어느 한 항에 있어서,
    상기 단계 g)에서, 상기 최적 포인트(P_i, i∈{1…N})들은 모든 경로에 걸쳐 상기 하이브리드 차량의 연료 소비를 최소화하고 상기 경로의 끝에서 구동 배터리의 방전을 최대화하도록 선택되는 계산 방법.

Images