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

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.