自動車工学の進歩
オープンアクセス

概要

HEV の最適なバッテリー充電状態予測: 時系列に着想を得たアプローチ

ウィズダム・エナン

ハイブリッド電気自動車の燃費効率には、慎重に設計された制御アルゴリズムを使用して、内燃機関の使用とバッテリーエネルギーの絶妙なバランスが必要です。 HEV ダイナミクスの過渡的性質により、運転状況の予測は必然的に HEV エネルギー管理の重要な部分になっています。 運転状況予測のための車載テレマティクスの使用は広く研究され、文献に記載されていますが、これらの研究のほとんどで、機器のコストの高さとルート情報の欠如 (GPS に馴染みのないルート) が、テレマティクスを使用した予測 HEV 制御の商用化を現在妨げている要因であると特定されています。 この課題を考慮して、本研究では、時系列予測子 (ニューラル ネットワークまたはマルコフ連鎖) を使用して、特定の期間における最適なフロント (最適なバッテリー充電状態の軌跡) に沿った将来のバッテリー充電状態を予測する、先読み HEV エネルギー管理アプローチを考案しました。この論文の主な貢献は、さまざまな運転シナリオ (FTP72、SC03、ARTEMIS U130、WLTC 3 運転サイクル) におけるニューラル ネットワークとマルコフ連鎖時系列予測子の詳細な理論的評価と比較です。この研究で実行された分析に基づいて、次の有用な推論が導き出されます。1. マルチ入力ニューラル ネットワークの場合、予測期間が長くなると、平均して予測精度が大幅に不均衡に低下します。2. 単一入力/単一期間の予測ネットワークでは、ニューラル ネットワークとマルコフ連鎖予測子の両方のパフォーマンスが類似しており、ほぼ最適であり、分析されたすべての運転サイクルで平均絶対パーセント誤差が 0.7% 未満、二乗平均平方根誤差が 0.6 未満です。3. マルコフ連鎖は、高精度と中程度の計算時間の相対的な利点に影響を与えるため、オンライン車両アプリケーションの有望な時系列予測子として魅力的です。