Hibrid Elektrikli Araçlar İçin Enerji Yönetim Sistemleri

Abstract

HEA’ların verimlilik artışını sağlayacak ve komponentlerin optimal şartlarda bir arada çalışmasını sağlayacak HEA Enerji Yönetim Sistemleri’nin geliştirilmesi araç tasarımının önemli bir parçasıdır. Öte yandan, HEA Enerji Yönetim Sistemleri birçok komponentin, zaman zaman birbirlerine ters düşen verim özelliklerini bir arada iyileştirmeyi amaçlaması açısından bu tez kapsamında da görüleceği üzere bir optimizasyon probleminin bir parçasıdır. Bu tez öncelikle HEA ve ŞE-HEA Enerji Yönetim Sistem’lerinin bir optimizasyon problemi olarak tanımlamakta ve bu problemin çözümü için teorik ve pratik temelde farklı yöntemler uygulamaktadır. HEA için kat edilen sürüş manevrasında (Ör: Sürüş Çevrimi), sürüş başlangıç ve sonundaki şarj dengesi optimizasyon problemi için kullanılan kısıtlardan bir tanesidir. ŞE-HEA için problem daha farklı olup, yüksek batarya kapasitesi nedeni ile batarya şarj dengesi aranmaz. Dolayısı ile HEA ve ŞE- HEA arasında problem tanımı olarak bazı farklar yer almaktadır. Enerji Yönetim Sistem’inin amacı, bu tez kapsamında yakıt tüketiminin minimizasyonu olarak ele alınmıştır. Bu iki farklı problem tanımının çözümüne yönelik farklı tipte yöntemler uygulanmıştır. Problemin teorik olarak optimum davranışını biliyor olmak, geliştirilecek diğer yöntemler için bir “Benchmark Çözüm” oluşturması açısından önemlidir. Öte yandan global optimum davranışı veren bu çözümün pratikte uygulanabilirliği mümkün değildir. Bu tez kapsamında, Dinamik Programlama (DP) metodu ile HEA ve ŞE-HEA için global optimum davranış elde edilmiştir. DP çözümü problemi zaman ve durum değişkenleri açısından ayrık bir yapıya dönüştürmekle beraber, yukarıda bahsedilen sistem kısıt ve davranışlarını göz önüne alarak, problemi sondan başa doğru çözen iteratif bir algoritmadır. Öte yandan bu tezde irdelenen paralel hibrid topolojisinde yer alan vites geçiş davranışlarının yakıt tüketimine bir etkisi vardır. Bu etkiyi irdelemek adına DP çözüm kontrol girişi olarak vites seçiminin de serbestçe yapıldığı bir versiyon için de tekrarlanmıştır. Gerek DP çözümün işlem ve hafıza yükünün çok yüksek olması gerekse de çözüm için tüm sürüş özelliklerinin önceden bilinmesi gerektiği gerçeği, DP çözümü teorik bir yapıdan öteye geçiremez. Dolayısıyla alternatif bir optimizasyon çözümü için Eşdeğer Yakıt Tüketimi Minimizasyonu (EYTM) aynı hibrid araç tiplerine uygulanmıştır. EYTM metodu, fiziksel ve optimal kontrol teorisi ile açıklanabilmekte olup, anlık optimizasyon yapıldığından işlem yükü DP’ye göre çok daha hafiftir. EYTM temel olarak, bataryaya giren ve çıkan elektrik enerjisinin eşdeğer yakıt tüketimi eşleniğini göz önüne alarak gerçek yakıt tüketimi ile beraber değerlendirildiği eşdeğer yakıt tüketimi değerine dayanmaktadır. Bu eşdeğer yakıt tüketimi değeri, aslında anlık olarak minimize edilecek bir bedel fonksiyonudur. EYTM metoduna optimal kontrol yöntemi aracılığı ile de ulaşılabilir. Problem klasik optimizasyon yöntemleri aracılığı ile ifade edildiğinde oluşturulacak Hamilton fonksiyonun çözümü için, eşdeğer durum değişkeni ile ilgili diferansiyel denklemin analitik olarak çözülmesi gerekmektedir. Gerçek uygulamada karşılaşılan bir problem özellikle HEA için yol topoğrafyasının şarj kontrolü üzerinde yarattığı bozucu etkidir. Özellikle, negatif eğimli yollardaki reküperatif şarj imkânından, bataryanın erken dolmasından dolayı kısıtlı olarak faydalanılabilir. Benzer bir durumda ise, pozitif eğimli bir yolda, bataryanın erken boşalmış olması, yol yükünün fazla olacağı kısımlarda İYM yükünün daha da artacağı, dolayısı ile tüketimin yüksek olacağı anlamına gelir. Bu problem, yol topoğrafyasının önceden bilinmesi sayesinde, öngörülü şarj ve deşarj stratejileri ile giderilebilir. Bu çerçevede, bu tez kapsamında HEA için iki farklı tipte şarj dengeleme kontrolcüsü geliştirilmiştir. İlk yöntem, klasik EYTM formülasyonuna yapılan bir eklenti sayesinde, pozitif ya da negatif eğimden meydana gelen yol enerjisinin, eşdeğer yakıt karşılığının formülasyonda kullanılmasına dayanır. Böylece, yeni EYTM formülasyonu ile eğim öncesi duruma göre, ön şarj ya da ön deşarj yapılması sağlanır. İkinci yöntem, ilk formülasyonda bulunan parametrelerden bazılarının Model Öngörülü Kontrol – Model Predictive Control (MPC) formülasyonunda tekrar kullanılmasıyla elde edilmiştir. Buna göre, EYTM bedel fonksiyonu, kontrol girişine yani hibrid güç aktarma oranına bağlı olarak lineerleştirilir. Daha sonra birinci dereceden bir sistem dinamiği fonksiyonu toplam batarya enerjisi ve bataryadan öngörülü olarak çekilecek batarya gücü cinsinden oluşturulur. Problem, yüksek mertebeden bir parametre optimizasyonu problemi haline getirilerek anlık olarak çözülür. Geliştirilen tüm kontrolcüler ve enerji yönetim sistemleri aslında iki farklı modelleme metodolojisine dayandırılarak test edilmiştir. İlki bir kontrol modeli niteliğindeki sanki statik araç ve güç aktarma organları modellemesi olup, ters modelleme metodolojisine sahiptir. Yani sürüş hızlarının gerçekleştiği kabulü ile buna karşılık gelecek yol yüklerinin hesaplanmasına dayanır. İkinci modelleme metodolojisi ise, sürüş çevriminin bir giriş değeri olup, sürücü modelinin aracın bu hızı takip etmesi için gereken kontrol sinyallerini ürettiği bir yapıdır. İkinci durum, gerçek araç yapısını daha iyi ifade ettiğinden ve tüm araç-aktarma organı dinamiklerini göz önüne aldığından, daha yüksek güvenilirlikte bir model yapısındadır. Bu tez kapsamında, birinci tip modeller için MATLAB/Simulink ve MATLAB Komut Dosyası kullanılmış olup, ikinci tip model yapısı için AVL CRUISE ve IPG CarMaker paket programlarından faydalanılmıştır. Tezin modelleme ile ilgili kısmında her iki modele ait davranışlar karşılaştırmalı olarak sunulmuştur. Tezin son bölümünde ise, araç ve sürücü destek sistemlerine örnek iki kontrolcü Model Öngörülü Kontrol yönteminde faydalanılarak geliştirilmiştir. Bunlardan ilki boylamsal bir hız ve konum kontrolcüsü olan Adaptif Seyir Sistemi ile yeni geliştirilmiş olan Trafik Işığı Asistanı sistemi tanıtılmıştır. Her iki boylamsal kontrol algoritması öncelikle basit model üzerinde test edildikten sonra kompleks nonlineer araç modellerine uygulanmıştır. Öte yandan Trafik Işığı Asistanı Sistemi aynı zamanda gerçek zamanlı bir platform çerçevesinde sürücü içeren simülasyon ortamında bir araç simülatörüne entegre edilmiştir. Bu entegrasyon aynı zamanda fonksiyonun sürücü ile iletişiminin sağlandığı sürücü arayüzüne ilişkin sinyallerin sağlanması ve ekrana aktarılmasını da içermektedir.

Stringent legislations regulate exhaust and particle emissions emitted as a result of fuel combustion in Motor Vehicles that use Internal Combustion Engines (ICEs). This encourages the manufacturers to investigate alternative propelling technologies, which paves the way of developing environmentally friendly vehicles. Vehicle Performance Emission standards recently sets also Greenhouse gas emissions particularly CO2 which implies indirect limitations on fuel economy behaviour of vehicles. Hence, Hybrid Electric Vehicles (HEVs) increase their popularity to unlock these limitations by introducing electricity based driving. Development of an Energy Management System that improves the total powertrain system efficiency as well as a harmonic and effective operation of various components under their optimal conditions is a very critical but equivalently challenging part of the overall vehicle and powertrain design. On the other hand, HEV Energy Management System development, as will be depicted along this thesis, is an optimisation problem aiming to improve regularly compromising efficiency behaviours of various powertrain components. This study targets to solve this problem, not only by utilizing the most appropriate modelling and simulation techniques but also by formulating it as an optimization problem and then solving it by numerical and optimal control techniques. Plug-in Hybrid Electric Vehicles (P-HEV), become more popular with the recent development in battery technologies. On the other hand, they are considered as an interim technology towards a Zero Emission Vehicle Technology, Fully Electric Vehicles. In principle, these vehicles have an additional charging interface that allow to be charged through electrical means. This charging process is independent from any on-board energy conversion, therefore is kept usually out of the energy management problem. Consequently, depending on the power requirements and range characteristics, they have relatively larger battery capacity. This of course implies, less fuel consumption and exhaust emission over the same range. This thesis primarily defines the development of Energy Management System of HEV and P-HEV as an optimization problem, and investigates various methods in theoretical and practical basis. Firstly, the optimization problem of Energy Management for HEV and P-HEV are depicted as two distinct problems. For a HEV, along a driving mission (e.g. Drive Cycle), the initial charge and final charge equivalence of the battery poses a constraint for the optimization problem definition. Additionally, limited capacity of the battery allows only limited usage of the state of the charge. This implies that the state if the charge is forced to remain inside a limited charge band. Finally, physical behaviours of the hybrid components such as speed and torque define further system constraints for the optimization problem. For P-HEV, the situation is slightly different: due to the charging behaviour of the system over an external source, the charge balance is not mandatory. Having the knowledge of theoretical optimal behaviour of the system is substantially important since it defines a “Benchmark Solution” which is used to compare other available local optimal solutions. However, theoretical solutions providing the global optimal behaviour are not feasible for real applications mainly due to their computational burden. In this thesis, such a global optimal behaviour is obtained using Dynamic Programming (DP) for both HEV and P-HEV. DP formulates the energy optimization problem in discrete form for system states and time. Then by considering aforementioned system constraints, it produces the solution iteratively from the final time towards the start of the problem. The quasi-static vehicle and powertrain model developed for HEV and P-HEV is solved via this DP algorithm. There is a clear influence of gear shifting schedule on fuel consumption. In order to analyse this correlation, a second DP solution is obtained, where the shifting rules are modelled as control inputs. Although this approach significantly improves the fuel consumption behaviour, there is no obvious optimal shifting characteristics, which can be captured for offline usage out of this global behaviour. Computational and storage capacity requirements and the dependency of a-priori knowledge of the overall load of the overall cycle prevents the usage of DP solution to in real world conditions. Therefore, a casual alternative solution, namely Equivalent Consumption Minimization Strategy (ECMS), has been applied to the aforementioned Hybrid Vehicle topology. Both physical analogy and optimal control theory is capable to describe the ECMS. Due its instantaneous optimization characteristics, the computational load is relatively low with respect to DP solution. In principle, ECMS relies on calculation of an “equivalent fuel consumption value” based on the battery energy. This virtual consumption constitutes with the real consumed fuel, a “total equivalent fuel consumption”. In fact, this value establishes a cost function, which needs to be minimized instantaneously. The equivalence factor balances the fuel equivalence of the battery energy with respect to fuel chemical energy. Obtaining the value of such factor is possible through a calibration process. This equivalence factor actually is different for the two main hybrid modes. Same solution is obtained by optimal control techniques as well. When the energy minimization problem is formulated via classical optimal control methods, the result of a differential equation formed by the co-state of the Hamiltonian function needs to be solved, according to Pontryagin Minimum Principle. On the other hand, a small assumption enables the solution of this differential equation. If we assume a constant behaviour of the battery charge vs. battery terminal voltage, then the Hamiltonian function becomes to an equivalent function previously formulated by ECMS. This assumption is reasonable especially for the limited charge behaviour of HEVs where the SOC dependency of the terminal voltage is inferior. Local optimal solution of ECMS and global optimal solution of DP have very similar behaviours. The main drawback of ECMS is a good equivalence factor calibration for a complete charge sustaining over a drive cycle. Therefore, an additional factor for a closed-loop control of battery state-of-charge is necessary. On the other hand, this additional term disturbs the original optimal behaviour of ECMS. The instantaneous local optimization ability of the ECMS makes it a candidate for realtime application. However, there is an additional problem disturbance effect of road topology for the charge sustaining of HEVs. Especially, on negative-slopes, if the battery charge is relatively high, only part of free breaking energy can be recovered. Similarly, on the positive slopes due to early depletion of battery charge, the higher load of the road is only covered by engine, which results higher fuel consumption. This problem can be solved by anticipation of road topology and then applying pre-charge or pre-discharge strategies. In this sense, two different charge control strategies are developed for HEVs. First method is based on the addition of a new term that correspond to the “equivalent fuel consumption energy” of the upcoming road section with positive or negative slope in classical ECMS formulation. Hence, thanks to this predictive behaviour, an accurate pre-charge and pre-discharge is done for the upcoming road section to exploit the free recuperation energy. This additional term is actually, fuel equivalent of the electrical energy consumed or recovered of the upcoming road. This value is a function of the upcoming slope value, the expected speed over the hill, the electrical energy required by the non-predictive strategy until the slope. The last one differs depending on the actual hybrid mode. Therefore, problem is analysed for two different hybrid modes, power split and parallel charging. Second method uses some of the prediction values of the first method and implement in Model Predictive Control (MPC) formulation. For that, ECMS cost function is linearized for the control inputs-power split values. Then a first order dynamics represent the relation between battery power and battery energy. All system and control constraints are considered in the MPC formulation. Here, with an assumption of taking all control values for each step-time along the control horizon as unknown constant parameters, the complete problem are solved like a parameter optimization problem. Due to the linear nature of obtained equations, this problem can be solved instantaneously via Linear Programming. All developed controllers and energy management strategies are actually tested based on two different simulation-modelling methodologies. First one is the quasi-static model of vehicle and powertrain and is based on backwards modelling methodologies. It relies on an assumption of perfect speed tracking and on calculation of road load, corresponding to this speed tracking behaviour. Second modelling methodology considers the drive cycle as a desired input speed to the driver model. Then the driver model acts as a speed tracking control that generates corresponding control inputs for the powertrain components through acceleration and brake pedals. Second modelling methodology considers all type of vehicle and powertrain dynamics and transient behaviour as well as the detailed lateral dynamics of the vehicle. In the course of this thesis, for the first modelling methodology, MATLAB/Simulink and MATLAB Script environments are used. For the second modelling platform, AVL CRUISE and IPG CarMaker tools and models are co-simulated. At the very last part of the thesis, two Driver Assistant System, Adaptive Cruise Control (ACC) and Traffic Light Assistant System are developed using Model Predictive Control approach. ACC works as a speed and position regulator to maintain a safe distance between the vehicles ahead. TLA is a similar semi-autonomous speed controller developed regulates the vehicle speed based on the information obtained from Traffic Lights to assess an on-board green-wave. Traffic Light Assailant System is additionally implemented on a real-time platform for a driver in the loop System. This integration furthermore includes the interaction of the controller functionality with the programmable Human Machine Interface to inform and interact with the driver.