Advanced energy management strategies for hybrid electric vehicles with complex powertrains

Abstract

[ES] Los vehículos híbridos y eléctricos están ganando relevancia en el mercado ante el creciente interés en el uso de tecnologías de bajo impacto ambiental en la movilidad. Existen varias arquitecturas de sistemas propulsivos para integrar un motor eléctrico y una batería con motores de combustión interna convencionales o incluso con otros sistemas de propulsión y almacenamiento de energía. Dada la complejidad del sistema de propulsión resultante, esto conduce al desarrollo de sistemas de gestión de energía (EMS) capaces de garantizar la seguridad, la capacidad de conducción y la eficiencia energética. En este sentido, este trabajo se centra en desarrollar EMS avanzados para vehículos híbridos eléctricos (HEV), empleando la información disponible del ciclo de conducción para optimizar el consumo energético del vehículo. En primer lugar, se el trabajo desarrolla un control basado en modelos para abordar el EMS en un vehículo híbrido de pila de combustible (FCHEV). El enfoque propuesto consiste en modelar la potencia de la celda de combustible (FC) como modelo cuasi estacionario. Luego, los parámetros del modelo se adaptan en función de las medidas de potencia del FC mediante un filtro de Kalman extendido (EKF). Para minimizar las desviaciones entre las el comportamiento real de la FC y el modelo implementado originalmente en el EMS, el EKF permite adaptar progresivamente los parámetros del modelo para corregir la desviación debida a los transitorios y al envejecimiento del vehículo. Finalmente, se aplica la estrategia estándar de minimización del consumo equivalente (ECMS) para controlar el FCHEV. Los resultados muestran que la estrategia adaptativa propuesta es más precisa que la calibración base, mejorando el consumo de combustible en un 0,3 %. En segundo lugar, se propone un EMS aplicable para un autobús urbano eléctrico híbrido en paralelo. Aprovechando que en la aplicación de los buses urbanos se puede asumir información parcial del ciclo de conducción ya que se cubre periódicamente la ruta considerada. La estrategia propuesta utiliza esta información para calcular la solución óptima offline mediante programación dinámica (DP) de un bucle anterior en la ruta del autobús. Luego, la matriz de coste hasta el final se almacena y se utiliza en los ciclos de conducción posteriores mediante la aplicación de un algoritmo de rollout, lo que reduce considerablemente el esfuerzo de cálculo en el vehículo y permite el control online. Los resultados muestran unas prestaciones cercanas al óptimo en términos de consumo de combustible, con una penalización en el consumo de combustible del 1,9% respecto al óptimo teórico desarrollado por DP, mientras que la estrategia estándar ECMS, con la misma información que el rollout, muestra una penalización del 11%.

[EN] Electrified vehicles are gaining relevance in the industry and regulators, stimulated by the growing interest in the use of technologies with a low environmental impact on mobility. There are several powertrains architectures for integrating an electric motor and battery with conventional internal combustion engines or even with other propulsion and energy storage systems. Given the complexity of the resulting powertrain, this also leads to the development of energy management systems (EMS) capable of ensuring safety, drivability, and energy efficiency. In this sense, this work focuses on developing advanced EMS for hybrid electric vehicles (HEV), employing information available from the driving cycle and the control unit, then improving fuel consumption and the control strategies of the specific powertrain. First, a model based control was developed to address the EMS in a fuel cell hybrid vehicle (FCHEV). The proposed approach consists of modelling the fuel cell (FC) power as a 1D look-up. Then, the parameters are adapted based on FC power measurements by means of an Extended Kalman filter (EKF). So, to minimize the deviations between actual FC conditions and data previously implemented in EMS, the EKF allows to slowly adapt the look-up table parameters for correcting drift and slowly varying. Finally, the standard equivalent consumption minimization strategy (ECMS) is applied to control the FCHEV. Results show that the proposed adaptive strategy is more accurate than the base calibration, improving fuel consumption in 0.3 %. Second, an online applicable EMS for a parallel hybrid electric urban bus is proposed. Taking advantage that urban buses present the benefit that partial information on the driving cycle can be assumed since the considered route is periodically covered. The proposed strategy uses this information to compute the optimal solution offline by dynamic programming (DP) of a previous loop in the bus route. Then the cost-to-go matrix is stored and used the subsequent driving cycles by applying one-step look ahead rollout, then strongly reducing the computation effort in the vehicle and allowing online control. Results point out near optimal performance in terms of fuel consumption, with a 1.9% penalty in fuel consumption regarding the theoretical optimum developed by DP, while the standard ECMS, with the same information than rollout, shows a penalty of 11%