Predictive equivalent consumption minimization strategy for power-split hybrid electric vehicles using Monte Carlo algorithm

IF 1 4区工程技术 Q3 ENGINEERING, MULTIDISCIPLINARY Journal of the Faculty of Engineering and Architecture of Gazi University Pub Date : 2023-01-06 DOI:10.17341/gazimmfd.1040940

Merve Nur GÜL, Ozan YAZAR>, Serdar COŞKUN>, Fengqi ZHANG, Lin Lİ, İrem ERSÖZ KAYA>

{"title":"Predictive equivalent consumption minimization strategy for power-split hybrid electric vehicles using Monte Carlo algorithm","authors":"Merve Nur GÜL, Ozan YAZAR>, Serdar COŞKUN>, Fengqi ZHANG, Lin Lİ, İrem ERSÖZ KAYA>","doi":"10.17341/gazimmfd.1040940","DOIUrl":null,"url":null,"abstract":"Bu çalışma, güç paylaşımlı bir hibrit elektrikli araç (HEA) için, Monte Carlo (MC) algoritmasına dayalı olarak tahmin edilen sürüş çevrimi hızlarını kullanan öngörülü eşdeğer tüketim minimizasyonu stratejisi (Ö-ETMS) önermektedir. Önerilen Ö-ETMS, enerji kaynakları arasındaki güç dağılımını en iyi şekilde belirlemek için MC algoritması tarafından tahmin edilen hız profillerinden tam olarak yararlanmaktadır. Bu çalışmada; MC tabanlı Ö-ETMS metodunu doğrulamak için, New European Driving Cycle (NEDC), Worldwide Harmonised Light Vehicles Test Procedure (WLTP), Urban Dynamometer Driving Schedule (UDDS), Highway Fuel Economy Test (HWFET), New York City Cycle (NYCC), California Unified Cycle (LA-92) ve tüm döngülerin kombinasyonu (ALL-CYC) çevrimleri kullanılmış; toplam yedi tekrarlı sürüş döngüsü altında bir dizi simülasyon çalışması gerçekleştirilmiştir. MC tabanlı Ö-ETMS stratejisi, standart ETMS ile karşılaştırılmıştır. NEDC çevriminde %6,01, WLTP çevriminde %9,09, UDDS çevriminde %6,33, HWFET çevriminde %5,14, NYCC çevriminde %1,96, LA-92 çevriminde %11,47 ve ALL-CYC çevriminde %7,92 oranla yakıt tasarrufu elde edilmiştir. Bu makaledeki sonuçlar, önerilen stratejinin yaygın olarak kullanılan temel yönteme kıyasla, rekabetçi bir yakıt tasarrufu sağladığını ortaya koymaktadır.","PeriodicalId":51103,"journal":{"name":"Journal of the Faculty of Engineering and Architecture of Gazi University","volume":"17 1","pages":"0"},"PeriodicalIF":1.0000,"publicationDate":"2023-01-06","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Journal of the Faculty of Engineering and Architecture of Gazi University","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.17341/gazimmfd.1040940","RegionNum":4,"RegionCategory":"工程技术","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q3","JCRName":"ENGINEERING, MULTIDISCIPLINARY","Score":null,"Total":0}

引用次数: 1

Abstract

Bu çalışma, güç paylaşımlı bir hibrit elektrikli araç (HEA) için, Monte Carlo (MC) algoritmasına dayalı olarak tahmin edilen sürüş çevrimi hızlarını kullanan öngörülü eşdeğer tüketim minimizasyonu stratejisi (Ö-ETMS) önermektedir. Önerilen Ö-ETMS, enerji kaynakları arasındaki güç dağılımını en iyi şekilde belirlemek için MC algoritması tarafından tahmin edilen hız profillerinden tam olarak yararlanmaktadır. Bu çalışmada; MC tabanlı Ö-ETMS metodunu doğrulamak için, New European Driving Cycle (NEDC), Worldwide Harmonised Light Vehicles Test Procedure (WLTP), Urban Dynamometer Driving Schedule (UDDS), Highway Fuel Economy Test (HWFET), New York City Cycle (NYCC), California Unified Cycle (LA-92) ve tüm döngülerin kombinasyonu (ALL-CYC) çevrimleri kullanılmış; toplam yedi tekrarlı sürüş döngüsü altında bir dizi simülasyon çalışması gerçekleştirilmiştir. MC tabanlı Ö-ETMS stratejisi, standart ETMS ile karşılaştırılmıştır. NEDC çevriminde %6,01, WLTP çevriminde %9,09, UDDS çevriminde %6,33, HWFET çevriminde %5,14, NYCC çevriminde %1,96, LA-92 çevriminde %11,47 ve ALL-CYC çevriminde %7,92 oranla yakıt tasarrufu elde edilmiştir. Bu makaledeki sonuçlar, önerilen stratejinin yaygın olarak kullanılan temel yönteme kıyasla, rekabetçi bir yakıt tasarrufu sağladığını ortaya koymaktadır.

查看原文

微信好友朋友圈 QQ好友复制链接

本刊更多论文

基于蒙特卡罗算法的分路混合动力汽车预测等效能耗最小化策略

本文针对动力共享混合动力电动汽车（HEA）提出了一种预测等效消耗最小化策略（P-ECMS），该策略使用基于蒙特卡罗（MC）算法的估计行驶周期速度。所提出的 S-ETMS 充分利用 MC 算法估算的速度曲线来优化能源之间的功率分配。本研究采用了新欧洲驾驶循环（NEDC）、全球轻型车协调测试程序（WLTP）、城市测功机驾驶时间表（UDDS）、高速公路燃油经济性测试（HWFET）、纽约城市循环（NYCC）、加州统一循环（LA-92）和所有循环的组合（ALL-CYC）循环来验证基于 MC 的 S-ETMS 方法，并在总共七个重复驾驶循环下进行了一系列模拟研究。基于 MC 的 S-ETMS 策略与标准 ETMS 进行了比较。在 NEDC 循环、WLTP 循环、UDDS 循环、HWFET 循环、NYCC 循环、LA-92 循环、ALL-CYC 循环和 ALL-CYC 循环中分别实现了 6.01%、9.09%、6.33%、5.14%、1.96%、11.47% 和 7.92% 的节油率。本文的结果表明，与广泛使用的基线方法相比，所提出的策略可提供具有竞争力的节油效果。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文去求助

来源期刊

Journal of the Faculty of Engineering and Architecture of Gazi University ENGINEERING, MULTIDISCIPLINARY-

CiteScore

1.90

自引率

45.50%

发文量

审稿时长

6-12 weeks

期刊介绍： Gazi University Journal of the Faculty of Engineering and Architecture; Engineering qualifications described below and in the field of architecture research papers and invited articles by scanning is considered to be Turkish.