بهبود مصرف سوخت و افزايش عمر باتري با استفاده از روش هاي كنترل بهينه در مسئله استراتژي كنترل خودروي هيبريد الكتريكي پلاگ اين

Improvement of Fuel economy and battery health by applying optimal control methods to the PHEV control strategy problem

در سال‌هاي اخير كاربرد روش‌هاي كنترل بهينه در طراحي استراتژي كنترلي خودروهاي هيبريد الكتريكي پلاگ-اين (PHEV) مورد توجه گسترده‌اي قرار گرفته است. در اين مقاله پياده‌سازي روش‌هاي كنترل بهينه در مسئله استراتژي كنترل خودروي هيبريد الكتريكي پلاگ-اين شامل استراتژي تطبيقي كمينه مصرف سوخت معادل (A-ECMS) و روش بهينه‌يابي برنامه‌ريزي پويا با فضاي حل كاهش‌يافته ارائه شده است. توسعه يك سيكل رانندگي با مسافت طولاني مناسب جهت شبيه‌سازي خودروي پلاگ-اين، بر پايه داده‌هاي ترافيكي جمع‌آوري‌شده در شهر تهران صورت‌گرفته است. به منظور بررسي سطح سلامت باتري از يك مدل تخمين عمر باتري ليتيومي استفاده‌شده‌است. در اين تحقيق ايده كاهش فضاي حل برنامه‌ريزي پويا با توجه به سطح شارژ خطي برحسب مسير به‌كار گرفته شده‌است. با كاهش فضاي حل، زمان مورد نياز براي محاسبات به شدت كاهش مي‌يابد، نتايج بهينه‌يابي سطح شارژ با ‌روش برنامه‌ريزي پويا با فضاي حل كاهش‌يافته و برنامه‌ريزي پوياي اوليه كاملاً يكسان مي‌باشند. در انتها نتايج شبيه‌سازي با استفاده از استراتژي تطبيقي كمينه مصرف سوخت معادل و روش بهينه‌يابي برنامه‌ريزي پويا مورد بررسي قرار گرفته‌اند. با مقايسه نتايج مي‌توان استراتژي تطبيقي كمينه مصرف سوخت معادل، به‌دليل قابليت پياده‌سازي برخط نسبت به روش برنامه‌ريزي پويا برتري دارد. از سوي ديگر روش برنامه‌ريزي پويا به‌عنوان روش بهينه‌يابي سراسري، عملكرد بهينه خودرو را ارائه مي‌دهد.

In recent years, application of optimal control theories in the design of plug-in hybrid electric vehicle (PHEV) control strategy has attracted many attentions. In this paper development of equivalent consumption minimization strategy and a new dynamic programming method with reduced solution space is presented. A long driving cycle for PHEV simulation is developed based on the real-world traffic data in Tehran. A capacity loss model is provided for battery to investigate the effect of optimal control methods on Lithium type battery state of health. In this paper, the solution space is suggested to be in the neighborhood of the linear SOC trajectory, so the solution space and consequently the calculation burden is considerably reduced. To evaluate the proposed modified DP, its outcomes are compared with DP results in the whole possible solution space. The results revealed that the optimal solution is the same for both approaches. Finally, the simulation results by applying A-ECMs and DP are compared. The results show that A-ECMS is real-time implementable while it can’t provide optimal solution. However, DP guaranties the optimality while it cannot be applicable in real-time applications.