Достижения в области автомобилестроения
Открытый доступ

Абстрактный

Прогнозирование оптимального состояния заряда аккумулятора HEV: подход, основанный на временных рядах

Мудрость Энанг

Топливная эффективность в гибридных электромобилях требует тонкого баланса между использованием двигателя внутреннего сгорания и энергией аккумулятора с использованием тщательно разработанного алгоритма управления. В связи с переходной природой динамики HEV прогнозирование условий вождения неизбежно стало важной частью управления энергией HEV. Использование бортовой телематики транспортного средства для прогнозирования условий вождения широко исследовалось и документировалось в литературе, причем большинство этих исследований идентифицировали высокую стоимость оборудования и отсутствие информации о маршруте (для маршрутов, незнакомых GPS) как факторы, в настоящее время препятствующие коммерциализации предиктивного управления HEV с использованием телематики. Ввиду этой проблемы данное исследование вдохновляет на упреждающий подход к управлению энергией HEV, который использует предикторы временных рядов (нейронные сети или цепи Маркова) для прогнозирования будущего состояния заряда аккумулятора для заданного горизонта вдоль оптимального фронта (траектории оптимального состояния заряда аккумулятора). Основным вкладом этой статьи является подробная теоретическая оценка и сравнение предикторов временных рядов нейронной сети и цепи Маркова в различных сценариях вождения (циклы вождения FTP72, SC03, ARTEMIS U130 и WLTC 3). На основе анализа, проведенного в этом исследовании, сделаны следующие полезные выводы: 1. Точность прогнозирования в среднем значительно и непропорционально снижается с увеличением горизонта прогнозирования для многовходовых нейронных сетей, 2. В сети прогнозирования с одним входом/одним горизонтом производительность как нейронной сети, так и предикторов цепи Маркова схожа и близка к оптимальной, со средней абсолютной процентной ошибкой менее 0,7% и среднеквадратической ошибкой менее 0,6 для всех проанализированных циклов вождения, 3. Цепи Маркова привлекательны как многообещающий предиктор временных рядов для онлайн-приложений для транспортных средств, поскольку это влияет на относительное преимущество высокой точности и умеренного времени вычислений.