مديريت انرژي براي كاهش مصرف سوخت در خودروهاي هيبريد الكتريكي پلاگين موازي مبتني بر كنترل پيش‌بين فازي

Energy management in order to reduce fuel consumption for parallel Plug-in Hybrid Electric vehicles based on fuzzy predictive control

امروزه خودروهاي هيبريد الكتريكي براي كاهش مصرف سوخت و آلاينده‌ها، مطرح شده‌اند. مسأله‌اي كه در خودروهاي هيبريد الكتريكي بسيار حائز اهميت است، چگونگي تقسيم توان ميان اجزاء اصلي زنجيره انتقال قدرت است. بهترين مديريت انرژي هنگامي حاصل مي‌شود كه تمامي شرايط آينده در دسترس باشد. با پيشرفت سيستم‌هاي هوشمند تا حدي امكان دسترسي به شرايط جاده، ترافيك و ديگر اطلاعات برخط تا يك افق زماني محدود براي خودرو فراهم شده است. در اين مقاله، از تركيب روش هاي كنترل پيش بين و برنامهنويسي پويا براي به دست آوردن مسير زير-بهينه برخط، استفاده شده است. تغيير در حالت ترافيكي موجود در مسير حركت، تأثير بسياري در ميزان كاهش مصرف سوخت خودرو دارد. بنابراين با توجه به حالت ترافيكي، يك سيستم فازي براي تخمين برخط سرعت خودرو پيشنهاد شده است. روش پيشنهادي برخلاف بسياري از روش‌هاي مديريت انرژي كه از داده‌هاي گذشته براي پيش‌بيني مسير استفاده مي‌كنند، موجب كاهش وابستگي كنترل‌كننده به چرخه رانندگي مي‌گردد. شبيه‌سازي بر روي يك خودروي هيبريد الكتريكي پلاگين با ساختار موازي انجام شده است. روش پيشنهادي با روش برنامه‌نويسي پويا و بهينه‌سازي لحظه‌اي مقايسه شده است. ارزيابي نتايج نشان مي‌دهد كه روش پيشنهادي در حين سادگي و پرهيز از روابط رياضي پيچيده‌، مي‌تواند علاوه بر كاهش مصرف سوخت نسبت به بهينه‌سازي لحظه‌اي، مديريت مناسبي بر روي سطح شارژ باتري داشته باشد. نتايج حاصل از اين روش شبيه به پاسخ بهينه‌‌ كلي حاصل از برنامه‌نويسي پوياست.

Nowadays, Hybrid Electric Vehicles (HEVs) are introduced in order to reduce fuel consumption and emissions. The issue that is very important in HEVs, is how to split power between main components of powertrain. Best energy management can be obtained when all future conditions are available. With the advancement of the intelligent systems, access to the road conditions, traffic and other online information has been provided up to the limited prediction horizon. In this paper, a combination of predictive control and Dynamic Programming methods has been used for obtaining online sub-optimal trajectory. Change in the state of traffic in the path has great effect on reduction of fuel consumption. Therefore, according to the state of traffic, a fuzzy logic system is proposed for the online estimating of the vehicle speed. Unlike many energy management methods that use historical data, the proposed strategy leads to reducing the dependence of the controller on the drive cycle .The simulation is implemented on a Plug-in Hybrid Electric Vehicle with parallel structure. The proposed method is compared with Dynamic Programming and instantaneous optimization. Evaluation of results show that the proposed method, while simplistic and avoiding complicated mathematical relationships in addition to reducing fuel consumption, compared with instantaneous optimization can manage SOC properly. The results of this method are close to the global optimal solution of Dynamic Programming.