PL246380B1 - Sposób optymalizacji zużycia energii oraz moduł optymalizacji zużycia energii w pojeździe z napędem elektrycznym - Google Patents
Sposób optymalizacji zużycia energii oraz moduł optymalizacji zużycia energii w pojeździe z napędem elektrycznym Download PDFInfo
- Publication number
- PL246380B1 PL246380B1 PL437820A PL43782021A PL246380B1 PL 246380 B1 PL246380 B1 PL 246380B1 PL 437820 A PL437820 A PL 437820A PL 43782021 A PL43782021 A PL 43782021A PL 246380 B1 PL246380 B1 PL 246380B1
- Authority
- PL
- Poland
- Prior art keywords
- sub
- energy storage
- vehicle
- current
- engine
- Prior art date
Links
Landscapes
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
W trakcie eksploatacji, do sterowania zużyciem energii stosuje się matematyczny model odniesienia pojazdu, gdzie wyznacza się wartości sterujące dla rzeczywistego układu napędowego w zależności od rzeczywistych warunków na drodze, w postaci wartości zadanej prędkości V, wartości aktualnego przełożenia w skrzyni biegów G<sub>i</sub> (6), oraz wartości składowych prądu silnika I<sub>d</sub> i I<sub>q</sub> (5). Dane dotyczą planowanej do przebycia trasy według systemu nawigacji satelitarnej GPS (11), oraz map elektronicznych (12), nachylenia terenu planowanej trasy według map elektronicznych (12), mapy (15) sprawności silnika (5), dane pogodowe z czujnika (29) temperatury i/lub deszczu, limitów prędkości na drodze z kamery i map elektronicznych (1), czujnika odległości od poprzedzającego pojazdu. Moduł optymalizacji zużycia energii zwłaszcza do pojazdu z napędem elektrycznym zawiera mikroprocesor (1), który z wejściami danych, prędkości zadanej V<sub>zad</sub>, mapy sprawności silnika (5), systemu BMS magazynu energii (3), falownika (4), silnika PMSM (5), skrzyni biegów (6), prędkości pojazdu w postaci danych trakcji (7), funkcji celu (16). Mikroprocesor (1) zawiera wejścia danych nachylenia podłoża (14) oraz odczytu znaków drogowych ograniczenia prędkości (13) z map elektronicznych (12) oraz z systemu geopozycjonowania (11) oraz zawiera wyjścia danych, wartości zadanej prądu silnika (5) w osi d, I<sub>d_zad</sub>, wartości zadanej prądu silnika (5) w osi q, I<sub>q_zad</sub>, wartości zadanej przełożenia dla skrzyni biegów G<sub>i</sub> (6). Wyjście danych z systemu BMS magazynu energii (3) połączone jest z wejściem stanu naładowania magazynu energii (3), Tk temperatury magazynu energii (3), I<sub>maxk</sub> maksymalnego prądu z magazynu energii (3) oraz U<sub>B</sub> napięcia wymienionego magazynu energii (3).
Description
Opis wynalazku
Przedmiotem wynalazku jest sposób optymalizacji zużycia energii oraz moduł optymalizacji zużycia energii w pojeździe z napędem elektrycznym.
Głównym kierunkiem prac konstrukcyjnych w zakresie napędu elektrycznego lub hybrydowego w pojazdach lądowych jest optymalizacja wykorzystania energii elektrycznej. Pojazdy tego rodzaju wykorzystują możliwości odzyskania części energii elektrycznej, na przykład w trakcie hamowania pojazdu poprzez przekształcenie trybu pracy maszyny elektrycznej z pracy silnikowej na pracę prądnicową w trakcie hamowania na pracę w postaci źródła energii zasilającego ogniwa napędowe pojazdu. Maszyna elektryczna czyli silnik przekształca tryb pracy z jednostki odbierającej energię elektryczną w jednostkę dostarczającą tę energię czyli w prądnicę. W pojazdach bez takiego układu, energia hamowania jest tracona i przekształcana głównie w ciepło, co prowadzi do powiększonego zużycia klocków hamulcowych na skutek tarcia i nagrzewania się współpracujących elementów, a także emisję pyłków ze ścierających się tarcz i klocków do atmosfery. Okresowe przekształcenie trybu pracy maszyny elektrycznej - silnika elektrycznego, lub szeregu silników elektrycznych w pojeździe, w zespół lub zespoły zasilania baterii elektrycznych, było jednym z pierwszych rozwiązań w zakresie optymalizacji zużycia energii elektrycznej w pojazdach. Zwiększyło to dystans możliwy do pokonania przez pojazd z napędem elektrycznym lub hybrydowym.
Na poziom zużycia energii w pojeździe z napędem elektrycznym ma wpływ szereg czynników, związanych z właściwościami konstrukcyjnymi elementów wchodzących w skład elektrycznego układu napędowego, ale także stanu technicznego pojazdu oraz sposobu jego użytkowania, w tym parametrów trasy po której pojazd porusza się. Poziom zużycia energii jest zależny od cech konstrukcyjnych pojazdu czyli masy pojazdu, czy współczynnika oporu aerodynamicznego, zastosowanych elementów elektrycznego układu napędowego, głównie ich sprawności, gęstości energetycznej magazynu energii, sposobu eksploatacji pojazdu, w tym ciśnienia w ogumieniu, stanu zawieszenia, stanu nadwozia pojazdu, a także stylu jazdy kierującego i warunków drogowych.
Dla optymalizacji zużycia energii przez pojazd, należy dysponować energią zgromadzoną w akumulatorach tak, aby zasięg pojazdu był jak największy. Do tego celu stosuje się systemy, urządzenia lub moduły optymalizacji, określane także jako optymalizatory zużycia energii.
Znanych jest szereg rozwiązań dla wymienionych zastosowań. W rozwiązaniu znanym z opisu zgłoszenia wynalazku nr EP 3670240, przedstawiono system, sposób i produkt do kontrolowania zużycia energii w pojeździe podczas jazdy po trasie. Sposób obejmuje etapy określania strategii zużycia energii dla danej trasy, przy czym strategia zużycia energii uwzględnia całkowity budżet energetyczny dla szeregu energochłonnych zespołów składowych pojazdu. Określa się wielkość faktycznie zużytej całkowitej energii w co najmniej pierwszej wersji trasy przejazdu. Określa się wartości różnicy w oparciu o różnicę w rzeczywistej wielkości zużytej energii (ACTEv) i przewidywanej wielkości całkowitej zużytej energii (PCTEv). Wprowadza się co najmniej jeden zmieniony komponent co najmniej jednego z wielu zużywających energię zespołów pojazdu. Sposób ten obejmuje etap określenia strategii zużycia energii dla trasy, przy czym jako punkt wyjścia określa się całkowite zapotrzebowanie energii dla wielu energochłonnych komponentów pojazdu pogrupowanych w zestawy. Pierwszy zestaw energochłonnych elementów pojazdu zawiera elementy napędu pojazdu. Drugi zestaw zawiera zużywające energię komponenty pojazdu, które można zliczyć do pomocniczych funkcji pojazdu związanych z wygodą pasażerów. Następnie wyznacza się wartość rzeczywistej całkowitej zużytej energii, co najmniej w pierwszym wariancie trasy, gdzie rzeczywista całkowita zużyta energia dotyczy energochłonnych zespołów pojazdu. W kolejnym kroku wprowadza się zmienne wartości do danych odnośnie tych zespołów pojazdu. Według tego znanego rozwiązania system kontroli zużycia energii do sterowania zużyciem energii przez pojazd obejmuje szereg energochłonnych elementów pojazdu, co najmniej pierwszy moduł sterowania zużyciem energii skonfigurowany do określania zużycia energii przez wiele części składowych pojazdu zużywających energię oraz obwód przetwarzający funkcjonalnie połączony, z co najmniej pierwszym modułem sterującym zużyciem energii. System zwiera także obwód przetwarzający skonfigurowany tak, aby określić strategię zużycia energii dla określonej trasy, przy czym strategia zużycia energii obejmuje całkowity budżet energii dla wielu komponentów pojazdu zużywających energię, przy czym szereg energochłonnych elementów pojazdu zawiera pierwszy zestaw energochłonnych elementów pojazdu do napędzania pojazdu i drugi zestaw elementów zużywających energię komponentów pojazdu do funkcji pomocniczych pojazdu związanych z wygodą pasażera pojazdu. Określa się wartość faktycznie pobranej energii całkowitej (ACTE) w pierwszej wersji trasy (P1), gdzie rzeczywista całkowita zużyta energia (ACTE) jest całkowitą energią zużytą przez energochłonne komponenty pojazdu. Dalej określa się wartość różnicową (Dv) na podstawie różnicy w rzeczywistej wartości całkowitej zużytej energii (ACTEv) i przewidywanej wartości całkowitej energii pobranej (PCTEv) w pierwszej wersji trasy (P1) zgodnie z ustaloną strategią energetyczną i określa się ponownie przewidywaną wartość zapotrzebowania energii. Kolejne kroki w zakresie zmian zapotrzebowania energii przez kolejne energochłonne zespoły pojazdu pozwalają prowadzić optymalizację bilansu energetycznego. Ujawniono także program komputerowy zawierający nośnik zawierający instrukcje, przy czym program komputerowy można załadować do obwodu przetwarzającego.
W kolejnym rozwiązaniu znanym z dokumentu patentowego CN 111459025 przedstawiono rozwiązanie strategii rozdziału mocy w pojeździe elektrycznym za pomocą algorytmu. Zgodnie ze schematami technicznymi, po ustaleniu modelu sterowania pojazdu zgodnie z układem sterowania zasilaniem zamontowanym w pojeździe, wymagana moc jest dzielona na różne pasma częstotliwości i jest przenoszona przez różne rodzaje energii zgodnie z różnymi pasmami częstotliwości. Algorytm cząstek jest używany do optymalizacji strategii dystrybucji, dzięki czemu można uzyskać optymalną strategię sterowania wielokanałową dystrybucją mocy. Zakładając, że obciążenie całego pojazdu jest spełnione, ogniwo paliwowe jest lepiej chronione, a zalety trzech rodzajów energii są w pełni wykorzystane; ponadto zastosowano samodostosowujący się filtr zastępujący tradycyjne filtrowanie o stałej wartości. Rola superkondensatora w szybkim dostarczaniu chwilowej dużej mocy jest lepiej realizowana. Proces ładowania i rozładowywania superkondensatora jest nadzorowany; rozmyty regulator w strategii sterowania poddawany jest optymalizacji parametrów poprzez przyjęcie algorytmu roju cząstek, dzięki czemu efekt regulacji i optymalizacji zużycia energii jest realizowany. Rozwiązanie jest przeznaczone do optymalizacji zużycia energii ogniwa paliwowego, energii elektrycznej oraz energii ze spalania paliwa tradycyjnego.
Według tego znanego rozwiązania, strategia rozdziału mocy pojazdu elektrycznego o złożonej mocy zoptymalizowana za pomocą algorytmu cząstek stałych, która charakteryzuje się tym, że: po ustaleniu modelu sterowania pojazdu zgodnie z pokładowym kompozytowym układem sterowania mocą, wymagana moc jest dzielona na różne pasma częstotliwości, a następnie zgodnie z do różnych pasm częstotliwości. Wreszcie, algorytm cząstek jest używany do optymalizacji strategii dystrybucji w celu uzyskania optymalnej strategii sterowania dla dystrybucji mocy obejmującej wiele energii. Strategia rozdziału mocy według tego znanego rozwiązania obejmuje następujące kroki: ustanowienie modelu sterowania pojazdu w oparciu o pokładowy kompozytowy system sterowania zasilaniem; uzyskanie wymaganej mocy pojazdu w czasie rzeczywistym, gdzie wymagana moc uzyskana w kroku jest podzielona na trzy pasma częstotliwości: wysokie, średnie i niskie przy użyciu metody opartej na separacji częstotliwości. Następnie używa się algorytmu roju cząstek, aby zoptymalizować parametry strategii sterowania w trybie offline, aby uzyskać optymalny rozkład wymaganej mocy.
Problemem do rozwiązania jest opracowanie sposobu i modułu optymalizacji zużycia energii poprzez wymuszenie pracy elektrycznego układu napędowego w takim punkcie pracy, w którym układ napędowy osiąga maksymalną sprawność i uwzględnia większą ilość zmiennych. Zadaniem sposobu i modułu optymalizacji zużycia energii jest minimalizacja konsumpcji energii przez pojazd z napędem elektrycznym w trakcie jego przemieszczania po zadanej trasie przejazdu, jak również termiczne kondycjonowanie podzespołów elektrycznego układu napędowego pojazdu, głównie elektrochemicznego magazynu energii, a także uwzględnienie profilu trasy przejazdu oraz wydolności energetycznej elektrochemicznego magazynu energii w zależności od jego stanu w zakresie temperatury, poziomu naładowania SOC, typu ogniw, ilości zrealizowanych cykli i stanu żywotności SOH.
Według wynalazku, sposób optymalizacji zużycia energii w pojeździe z napędem elektrycznym, gdzie w trakcie eksploatacji, do sterowania zużyciem energii stosuje się matematyczny model odniesienia pojazdu, polega na tym, że wyznacza się wartości sterujące dla rzeczywistego układu napędowego w zależności od rzeczywistych warunków na drodze, w postaci wartości zadanej prędkości V, wartości aktualnego przełożenia w skrzyni biegów Gi, oraz wartości składowych prądu silnika Id i lq. Do wyznaczenia parametrów przełożenia skrzyni biegów Gi oraz wartości składowych prądu silnika ld, lq stosuje się dane planowanej do przebycia trasy według systemu nawigacji satelitarnej GPS, oraz map elektronicznych, nachylenia terenu planowanej trasy według map elektronicznych, mapy sprawności silnika, dane pogodowe z czujnika temperatury i/lub deszczu, limitów prędkości na drodze z kamery i map elektronicznych, oraz z czujnika odległości od poprzedzającego pojazdu.
Według wynalazku sposób optymalizacji zużycia energii charakteryzuje się tym, że stosuje się dane systemu BMS zarządzającego pracą elektrycznego magazynu energii w postaci parametrów stanu naładowania magazynu energii, temperatury T magazynu energii, maksymalnego prądu lmax z magazynu energii, oraz Ub napięcia Us magazynu energii, układu napędowego w zakresie wartości prądów Id oraz lq sterujących pracą silnika elektrycznego, prędkości obrotowej silnika oraz prędkości liniowej pojazdu, a także przyjętego trybu funkcji celu eksploatacji pojazdu.
Według wynalazku, do sterowania wartością aktualnego przełożenia skrzyni biegów Gi oraz składowych prądu silnika Id i lq, korzystnie stosuje się reguły logiki rozmytej i sterowania predykcyjnego z modelem odniesienia w zakresie danych o prędkości zadanej Vzad oraz prędkości aktualnej V pojazdu, położenia pojazdu na zadanej trasie przejazdu, aktualnego nachylenia podłoża trasy, prędkości obrotowej silnika oraz wartości przełożenia Gi oraz prądów Id i lq na wejściu i na wyjściu falownika.
Według wynalazku, moduł optymalizacji zużycia energii w pojeździe z napędem elektrycznym zawiera mikroprocesor który zawiera wejścia danych, prędkości zadanej, mapy sprawności silnika, systemu BMS magazynu energii, falownika, silnika PMSM, skrzyni biegów, prędkości pojazdu w postaci danych trakcji oraz funkcji celu. Mikroprocesor zawiera wejścia danych nachylenia podłoża oraz odczytu znaków drogowych ograniczenia prędkości z map elektronicznych oraz z systemu geopozycjonowania oraz zawiera wyjścia danych, wartości zadanej prądu silnika w osi d, ld_zad, wartości zadanej prądu silnika w osi q, lq_zad, wartości zadanej przełożenia dla skrzyni biegów Gi. Wyjście danych z systemu BMS magazynu energii połączone jest z wejściem stanu naładowania magazynu energii, Tk temperatury magazynu energii, Imaxk maksymalnego prądu z magazynu energii oraz Ub napięcia wymienionego magazynu energii.
Według wynalazku, moduł optymalizacji zużycia energii charakteryzuje się tym, że wyjście danych (ld_zad) jest połączone z wejściem (Idk) tego modułu optymalizacji z mikroprocesorem poprzez falownik, wyjście danych (lq_zad) jest połączone z wejściem (lqk) poprzez falownik, jak również wyjścia danych (ld_zad) i (lq_zad) są połączone poprzez falownik i silnik PMSM, z wejściem («aK) mikroprocesora, natomiast wyjście danych (Gi) skrzyni biegów jest połączone poprzez moduł trakcji z wejściem V(k) mikroprocesora.
Według wynalazku moduł optymalizacji korzystnie zawiera połączenia pomiędzy wyjściem danych prądu baterii Ib modułu BMS magazynu energii a falownikiem, wyjściami prądów faz la, Ib, lc z falownika do silnika PMSM, wyjściem danych momentu obrotowego Ma z silnika PMSM do skrzyni biegów, oraz wyjściem danych momentu obrotowego Mn ze skrzyni biegów na moduł trakcji zawierający rejestrator parametrów przejazdu.
Zgodnie z wynalazkiem opracowano moduł optymalizatora zużycia energii działający poprzez wymuszenie pracy elektrycznego układu napędowego w takim punkcie pracy, w którym układ napędowy osiąga maksymalną sprawność i uwzględnia większą ilość zmiennych niż w rozwiązaniach znanych ze stanu techniki. Sposób optymalizacji i moduł optymalizacji według wynalazku pozwala na osiągnięcie określonego celu, na przykład w postaci minimalizacji konsumpcji energii na zadanej trasie przejazdu. Osiągnięto również termiczną ochronę podzespołów elektrycznego układu napędowego pojazdu, głównie elektrochemicznego magazynu energii, a także uwzględniono dostosowanie przełożenia do profilu trasy przejazdu.
Przedmiot wynalazku pokazany został na załączonych rysunkach w przykładzie wykonania, gdzie kolejne figury rysunku ilustrują:
Fig. 1 - ogólny schemat sterowania prędkością pojazdu z modelem odniesienia.
Fig. 2 - układ blokowy modułu optymalizacji.
Fig. 3 - struktura układu sterowania silnikiem.
Fig. 4 - struktura rozmytego systemu wnioskowania w sterowaniu przekładnią i prądem wzbudzenia silnika PMSM.
Na rysunku fig. 1 pokazano ogólny schemat sterowania prędkością pojazdu z modelem odniesienia. Blok optymalizacji A połączony jest ścieżką zwrotną z blokiem obiektu B czyli pojazdu z napędem elektrycznym i równolegle połączony jest ścieżką zwrotną z modelem odniesienia C. Blok optymalizacji jest programowalny funkcją celu 16. Składnikami funkcji celu są prąd pobierany z baterii akumulatorów Ib oraz różnica pomiędzy stanem naładowania akumulatorów w momencie rozpoczęcia eksploatacji a zużyciem bieżącym. Jednocześnie uwzględnia się temperaturę baterii w czasie to oraz w czasie t. W innym przykładzie wykonania funkcja celu 16 może być zdefiniowana inaczej. Funkcja celu 16 określa zadanie do wykonania, na przykład najmniejsze dopuszczalne zużycie energii na jednostkę odległości. Inne zdefiniowanie funkcji celu może polegać na zadaniu najkrótszego czasu dojazdu.
PL 246380 Β1
Na rysunku fig. 2 pokazano w przykładzie wykonania układ do realizacji sposobu optymalizacji zużycia energii do pojazdu z napędem elektrycznym. Do jednostki centralnej w postaci mikroprocesora 1 doprowadza się ścieżki danych dotyczące modułu danych modelu pojazdu 2, gdzie doprowadza się dane stanu magazynu energii 3 stanu falownika 4 stanu silnika elektrycznego 5, poziomu pracy skrzyni biegów 6 oraz stanu ciśnienia w ogumieniu jako dane trakcji 7. Sygnały ścieżek danych 8,9,10 i z wyjść zwrotnych z mikroprocesora 1 przekazuje się do wejść zwrotnych do modułu danych modelu pojazdu 2. Do mikroprocesora 1 doprowadza się ścieżki danych wyjściowych z odbiornika GPS 11 geolokalizacji, gdzie odrębną ścieżką danych poprzez bazę map 12 przekazuje się dane o ograniczeniach prędkości 13 oraz o stopniu nachylenia podłoża 14, przy czym odrębną ścieżką do mikroprocesora 1 przekazuje się dane sprawności silnika 15 i dane przekształca się w mikroprocesorze 1 w oparciu o algorytm wyboru przełożenia skrzyni biegów.
Na rysunku fig. 2 pokazano przykład układu sterowania skrzynią biegów 6. Jako funkcję celu 16 wybrano w tym przykładzie wykonania najniższy koszt przejazdu. Do optymalizacji procesu zużycia energii z magazynu energii 3 wykorzystuje się dane o planowanej do przebycia trasy przejazdu z odbiornika GPS 11, map elektronicznych 12, mapy sprawności silnika elektrycznego 15, a także informacje z systemu BMS magazynu energii 3, wartość prądu lq, prędkość obrotowa silnika 5 ωΑ oraz prędkość liniowa pojazdu. W zależności od prędkości zadanej Vzad oraz aktualnej prędkości pojazdu V, położenia na zadanej trasie przejazdu oraz aktualnego nachylenia podłoża 14, prędkości obrotowej silnika ωΑ i prądu lq, na podstawie reguł zapisanych w kognitywnej bazie wiedzy przy wykorzystaniu reguł logiki rozmytej i predykcyjnego modelu odniesienia, realizowane jest sterowanie wartością aktualnego przełożenia w skrzyni biegów 6 G, oraz składowych prądu silnika elektrycznego PMSM 5 Id i lq.
W tym przykładzie wykonania, algorytm wyboru przełożenia w skrzyni biegów 6 przekształca się na drodze operacji rozmywania 26, wnioskowania 27 oraz wyostrzania 28 w regulatorze rozmytym, gdzie w etapie rozmywania 26 realizuje się zamianę wejściowych wartości jednoznacznych na wartości rozmyte. Przedstawiono te etapy przekształcenia na rysunku fig. 4. Na potrzeby rozmytej optymalizacji dla sterowania skrzyni biegów 6 i rozmytej funkcji wzbudzenia silnika 5 zastosowano funkcje przynależności, natomiast w etapie wnioskowania 27 rozmyte wartości wejściowe poddaje się module optymalizacji działaniu reguł o ogólnej postaci:
jeżeli χΎ jest i x2 jest A2 i... i xn jest An to = ki + /c2 x2 + —I- kn ’ xn gdzie:
xi...xn - oznaczają zmienne wejściowe,
Αι.,.Αη - oznaczają zbiory rozmyte, yw - oznacza wynik wnioskowania w postaci liczby rzeczywistej kn - oznacza współczynniki wagowe po czym zawęża się otrzymany zbiór rozwiązań do wartości ostrej, dotyczącej zalecanej zmiany przełożenia w skrzyni biegów.
Na rysunku fig. 3 pokazano układ sterowania silnikiem PMSM 5. Silnik 5 zasilany jest z magazynu energii 3 pracującego na napięcie stałe Udc przez trójfazowy, sześciotranzystorowy falownik 4 napięcia. Blok oznaczony la+lb+lc=0 realizuje estymację wartości prądów la, Ib, lc na podstawie pomiaru dwóch prądów fazowych la, Ib przez znane przekładniki umieszczone na kablach zasilających silnik PMSM 5. Blok 18 enkodera - resolwera służy do określenia kąta położenia wału silnika Θ wykorzystywanego w blokach transformacji Park 19 i transformacji odwrotnej Park-1 20. Blok transformacji Ciarkę 21 realizuje przekształcenie sygnałów prądów la, Ib, lc, z naturalnego, trójfazowego układu współrzędnych a-bc, do stacjonarnego, dwufazowego układu współrzędnych α-β, generując na wyjściu sygnały /«, !p. Sygnały te zostają poddane kolejnej transformacji w blokach transformacji Park 19 do sygnałów Id, lq w układzie współrzędnych d-q, wirującego z prędkością synchroniczną. Sygnały uchybów między zadanymi wartościami prądów Id zad i lqzad, a sygnałami Id, lq trafiają na wejścia regulatorów ciągłych 23 typu PI, które sterują wartością prądu silnika 5 poprzez zmianę wartości napięcia zasilania rozłożonego na składowe Ud oraz Uq. Składowe te zostają przy pomocy bloków transformacji odwrotnych 20 oraz 22, przekształcone najpierw na sygnały /«, lp a następnie na sygnały trójfazowe Uu, Uv, Uw. Modulator MSI 23 typu SPWM steruje tranzystorami falownika 4 napięcia i zasila silnik 5 napięciem trójfazowym zgodnie z sygnałami Uu, Uv, Uw.
PL 246380 Β1
Podobnie jak w przypadku algorytmu zmiany biegów, rozmyty algorytm sterowania wzbudzeniem silnika 5 synchronicznego wykorzystuje w tym przykładzie wykonania cztery sygnały: nachylenia drogi a, prędkości obrotowej silnika prądu silnika lq oraz prędkości liniowej V. Do sterowania wartością wzbudzenia silnika 5, na podstawie zgromadzonych doświadczeń z eksploatacji pojazdów z napędem elektrycznym, opracowana została kognitywna baza wiedzy 25 co pokazano na rysunku fig. 4. Podobnie jak w wypadku algorytmu wnioskowania dotyczącego wyboru przełożenia w skrzyni biegów 6, dokonano podziału wyników na trzy grupy: realizacja dowzbudzania, brak zmiany wzbudzenia silnika, realizacja odwzbudzania. Wartość wyniku wnioskowania każdej reguły fi™ jest wynikiem operacji minimum MIN z czterech wartości funkcji przynależności:
R^a^A,Iq,V) = MIN (^(^),^(^),^(/,),^(7)) (4) gdzie:
Rm ~ m-ta reguła w danej grupie.
Rozmyty algorytm wyboru przełożenia w skrzyni biegów 6, podzielony został na trzy główne etapy: rozmywania 26, wnioskowania 27 oraz wyostrzania 28. Pokazano na rysunku fig. 4. W boku rozmywania 26 realizuje się zamiany wejściowych wartości jednoznacznych, „ostrych”, na wartości rozmyte.
Claims (4)
1. Sposób optymalizacji zużycia energii w pojeździe z napędem elektrycznym, gdzie w trakcie eksploatacji, do sterowania zużyciem energii stosuje się matematyczny model odniesienia pojazdu, gdzie wyznacza się wartości sterujące dla rzeczywistego układu napędowego w zależności od rzeczywistych warunków na drodze, w postaci wartości zadanej prędkości V, wartości aktualnego przełożenia w skrzyni biegów Gi (6), wartości składowych prądu silnika Id i lq (5), - przy czym do wyznaczenia parametrów przełożenia skrzyni biegów Gi (6) oraz wartości składowych prądu silnika Id, lq (5) stosuje się dane planowanej do przebycia trasy według systemu nawigacji satelitarnej GPS (11), oraz map elektronicznych (12), nachylenia terenu planowanej trasy według map elektronicznych (12), mapy sprawności (15) silnika (5), dane pogodowe z czujnika (29) temperatury i/lub deszczu, limitów prędkości na drodze z kamery i map elektronicznych (12), czujnika odległości od poprzedzającego pojazdu, znamienny tym, że stosuje się dane systemu BMS zarządzającego pracą elektrycznego magazynu energii (3) w postaci parametrów stanu naładowania magazynu energii, temperatury? magazynu energii (3), maksymalnego prądu lmaxz magazynu energii, oraz Ub napięcia Us magazynu energii (3), układu napędowego w zakresie wartości prądów Id oraz lq sterujących pracą silnika elektrycznego (5), prędkości obrotowej silnika (5) oraz prędkości liniowej pojazdu, a także przyjętego trybu funkcji celu (16) eksploatacji pojazdu.
2. Sposób optymalizacji według zastrz. 1, znamienny tym, że do sterowania wartością aktualnego przełożenia skrzyni biegów Gi (6) oraz składowych prądu silnika (5) Id i lq, stosuje się reguły logiki rozmytej i sterowania predykcyjnego z modelem odniesienia w zakresie danych o prędkości zadanej Vzad oraz prędkości aktualnej V pojazdu, położenia pojazdu na zadanej trasie przejazdu, aktualnego nachylenia podłoża (14) trasy, prędkości obrotowej silnika (5), wartości przełożenia Gi oraz prądów Id i lq na wejściu i na wyjściu falownika (4).
3. Moduł optymalizacji zużycia energii w pojeździe z napędem elektrycznym zawierający mikroprocesor który zawiera wejścia danych, prędkości zadanej, mapy sprawności silnika, systemu BMS magazynu energii, falownika, silnika PMSM, skrzyni biegów, prędkości pojazdu w postaci danych trakcji, funkcji celu, gdzie mikroprocesor (1) zawiera wejścia danych nachylenia podłoża (14) oraz odczytu znaków drogowych ograniczenia prędkości (13) z map elektronicznych (12) oraz z systemu geopozycjonowania (11) oraz zawiera wyjścia danych, wartości zadanej prądu silnika (5) w osi d, ld_zad, wartości zadanej prądu silnika (5) w osi q, lq_zad, wartości zadanej przełożenia dla skrzyni biegów Gi (6), przy czym wyjście danych z systemu BMS magazynu energii (3) połączone jest z wejściem stanu naładowania magazynu energii (3), Tk temperatury magazynu energii (3), Imaxk maksymalnego prądu z magazynu energii (3) oraz Ub napięcia wymienionego magazynu energii (3), znamienny tym, że wyjście danych (ld_zad) jest połączone z wejściem (Idk) tego modułu optymalizacji z mikroprocesorem (1) poprzez falownik (4), wyjście danych (lq_zad) jest połączone z wejściem (lqk) poprzez falownik (4), jak również wyjścia danych (ld_zad) i (lq_zad) są połączone poprzez falownik (4) i silnik PMSM (5), z wejściem (roAk) mikroprocesora (1), natomiast wyjście danych (Gi) skrzyni biegów (6) jest połączone poprzez moduł trakcji (7) z wejściem V(k) mikroprocesora (1).
4. Moduł optymalizacji według zastrz. 3, znamienny tym, że zawiera połączenia pomiędzy wyjściem danych prądu baterii Ib modułu BMS magazynu energii (3) a falownikiem (4), wyjściami prądów faz la, Ib, lc z falownika (4) do silnika PMSM (5), wyjściem danych momentu obrotowego Ma z silnika PMSM (5) do skrzyni biegów (6), oraz wyjściem danych momentu obrotowego Mn ze skrzyni biegów (6) na moduł trakcji (7) zawierający rejestrator parametrów przejazdu.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PL437820A PL246380B1 (pl) | 2021-05-10 | 2021-05-10 | Sposób optymalizacji zużycia energii oraz moduł optymalizacji zużycia energii w pojeździe z napędem elektrycznym |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PL437820A PL246380B1 (pl) | 2021-05-10 | 2021-05-10 | Sposób optymalizacji zużycia energii oraz moduł optymalizacji zużycia energii w pojeździe z napędem elektrycznym |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| PL437820A1 PL437820A1 (pl) | 2022-11-14 |
| PL246380B1 true PL246380B1 (pl) | 2025-01-13 |
Family
ID=84191723
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PL437820A PL246380B1 (pl) | 2021-05-10 | 2021-05-10 | Sposób optymalizacji zużycia energii oraz moduł optymalizacji zużycia energii w pojeździe z napędem elektrycznym |
Country Status (1)
| Country | Link |
|---|---|
| PL (1) | PL246380B1 (pl) |
-
2021
- 2021-05-10 PL PL437820A patent/PL246380B1/pl unknown
Also Published As
| Publication number | Publication date |
|---|---|
| PL437820A1 (pl) | 2022-11-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10059219B2 (en) | Predicting energy consumption for an electric vehicle using variations in past energy consumption | |
| EP3245096B1 (en) | Method and arrangement for determining a value of the state of energy of a battery in a vehicle | |
| US10081350B2 (en) | Vehicle propulsion system having an energy storage system and optimized method of controlling operation thereof | |
| US9889752B2 (en) | Vehicle propulsion system having an energy storage system and optimized method of controlling operation thereof | |
| Borhan et al. | Predictive energy management of a power-split hybrid electric vehicle | |
| US8164301B2 (en) | Charging control apparatus for electrically powered vehicle, electrically powered vehicle, method for charging control for electrically powered vehicle, and computer-readable recording medium having program recorded thereon for computer to execute the charging control | |
| CN106143472B (zh) | 车辆以及运转车辆的牵引电池的方法 | |
| EP2987673B1 (en) | Vehicle propulsion system having an energy storage system and optimized method of controlling operation thereof | |
| US9050969B2 (en) | Trip oriented energy management control | |
| EP2987674A1 (en) | Vehicle propulsion system having an energy storage system and optimized method of controlling operation thereof | |
| CN104340218A (zh) | 实时燃料消耗估算 | |
| Vajedi et al. | A comparative analysis of route-based power management strategies for real-time application in plug-in hybrid electric vehicles | |
| Karbowski et al. | Route-based online energy management of a PHEV and sensitivity to trip prediction | |
| Beatrice et al. | Hybrid storage system management for hybrid electric vehicles under real operating conditions | |
| SE0950646A1 (sv) | Metod och system för att styra en elmaskin i ett hybridfordon | |
| WO2010144042A1 (en) | Method and system for controlling an electric motor in a hybrid vehicle | |
| Joševski et al. | Multi-time scale model predictive control framework for energy management of hybrid electric vehicles | |
| Saiteja et al. | Assessment of adaptive self-learning-based BLDC motor energy management controller in electric vehicles under real-world driving conditions for performance characteristics | |
| JP4023445B2 (ja) | ハイブリッド車両の制御装置 | |
| Yue et al. | Model-free learning-based online management of hybrid electrical energy storage systems in electric vehicles | |
| Li et al. | Simulation and experimental validation of a hybrid forklift truck | |
| CN119072419A (zh) | 用于控制燃料电池车辆的车队的系统和方法 | |
| PL246380B1 (pl) | Sposób optymalizacji zużycia energii oraz moduł optymalizacji zużycia energii w pojeździe z napędem elektrycznym | |
| Karbowski et al. | Using trip information for PHEV fuel consumption minimization | |
| Heppeler et al. | Predictive planning of the battery state of charge trajectory for hybrid-electric passenger cars |