Scalable model-based energy management strategies for hybrid mobile systems powered by fuel cells and batteries

• Skalierbare, modellbasierte Energiemanagement-Strategien für hybride mobile Brennstoffzellen- und Batterie-betriebene Systeme

Peng, Hujun; Hameyer, Kay (Thesis advisor); Pischinger, Stefan (Thesis advisor)

Düren : Shaker Verlag (2023)
Buch, Doktorarbeit

In: Aachener Schriftenreihe zur elektromagnetischen Energiewandlung 49
Seite(n)/Artikel-Nr.: xv, 172 Seiten : Illustrationen, Diagramme

Dissertation, RWTH Aachen University, 2022

Kurzfassung

Alstom bringt seit 2018 Brennstoffzellenzüge auf den Markt, um den Kohlendioxidausstoß Emissionen zu reduzieren, um den Schienenverkehr ohne hohe Investitionen in Oberleitungen zu elektrifizieren. Aufgrund der dynamischen Beschränkungen der Brennstoffzellenleistung ist ein Batteriesystem erforderlich, um die Beschleunigung zu unterstützen und die Energie beim regenerativen Bremsen zu rekuperieren. Aufgrund der hybriden Konfiguration der Energiequellen kann außerdem die Leistungsverteilung zwischen Brennstoffzellen und Batterien genutzt werden, um die Effizienz von Brennstoffzellenzügen zu verbessern. Diese Art der Energieverteilung wird als Energiemanagementstrategie bezeichnet. Bei der Gestaltung des Energiemanagements für Brennstoffzellen-Hybridfahrzeuge ist das primäre Ziel die Reduzierung des Wasserstoffverbrauchs. Außerdem soll ein stabiler Betrieb von Brennstoffzellensystemen ohne große dynamische Leistungsänderungen die Lebensdauer verlängern. Daher werden in dieser Dissertation skalierbare, modellbasierte Energiemanagement-Strategien vorgestellt, um eine hohe Wasserstoff-Effizienz unter unvorhersehbaren Fahrbedingungen und einen gesunden Betrieb von Brennstoffzellensystemen zu gewährleisten. Das Energiemanagement kann in Offline- und Online-Strategien unterteilt werden. Die Offline-Strategien, einschließlich der dynamischen Programmierung und des Pontryagin'schen Minimalprinzips (PMP), werden als Referenz für die Bewertung von Online-Strategien verwendet oder helfen bei der Verbesserung von Online-Strategien. Wie der Name schon sagt, können sie jedoch nur offline angewandt werden, da sie einen wesentlich höheren Rechenaufwand verursachen als Online-Strategien. Online-Strategien hingegen werden in Echtzeitanwendungen implementiert, darunter die regelbasierte Strategie, die Strategie der lokalen Optimierung und die lernbasierte Strategie. Die regelbasierte Strategie basiert auf der Erfahrung des Ingenieurs, was aufgrund des begrenzten Fachwissens nicht optimal ist. Die lernbasierte Strategie wird durch das Training eines neuronalen Netzes mit enormen Daten aus verschiedenen Fahrszenarien erhalten, dessen Leistung unter ungewohnten Fahrbedingungen jedoch nicht überzeugend ist. Schließlich steht die auf lokaler Optimierung basierende Strategie aufgrund ihrer Suboptimalität im Fokus der Forscher. Die bekanntesten auf lokaler Optimierung basierenden Methoden sind die Equivalent Consumption Minimization Strategy (ECMS) und das Adaptive Pontryagin's Minimum Principle (APMP). ECMS und APMP sind im Wesentlichen identisch, da der Äquivalenzfaktor in ECMS aus der in APMP definierten Costate abgeleitet werden kann. Die größte Herausforderung bei ECMS und APMP ist die Schätzung des Äquivalenzfaktors oder der Costate. Alle in der Literatur gefundenen Strategien, einschließlich heuristischer Regeln, PI-Regler und Fahrmustererkennung, berechnen den Äquivalenzfaktor oder die Costate aus dem Steuerungsaspekt, ohne eine physikalische Erklärung. Die in der Literatur zu findende, auf lokaler Optimierung basierende Methode ist daher nicht skalierbar und kann nicht ohne weiteres auf andere Anwendungen und Fahrbedingungen übertragen werden. In dieser Dissertation wird erstmals eine analytische Formel zur Abschätzung der Costate für APMP entwickelt, die auf dem Energieumwandlungsprinzip basiert. Diese Formel verwendet lediglich die charakteristischen Parameter der Komponenten, einschließlich des Brennstoffzellensystems und der Batteriesysteme, um die Costate unter verschiedenen Fahrbedingungen zu berechnen. Darüber hinaus wird die Konvexität der spezifischen Verbrauchskurve von Brennstoffzellensystemen in der Formel genutzt, was zu einer enormen Verbesserung der Wasserstoffnutzungseffizienz beiträgt. Die entwickelte APMP-Strategie kann daher ohne großen Tuningaufwand auch für andere Anwendungen und Fahrbedingungen angewendet werden, da die Formel zur Abschätzung der Costate modellbasiert ist. Mit anderen Worten: Die entwickelte Formel löst die größte Herausforderung, die sich bei ECMS und APMP stellt. Die hohe Kraftstoffeinsparung der APMP-Strategie unter verschiedenen Bedingungen wird anhand von Simulationen und experimentellen Messungen validiert. Als Referenz wird die Offline-PMP-Strategie verwendet. Es ist erwähnenswert, dass die implementierte PMP-Strategie genauer ist als die in der Literatur gefundene, da das elektrische Ersatzschaltbild dritter Ordnung für die Batteriemodellierung verwendet wird, um deren innere Relaxationsprozesse zu berücksichtigen. Außerdem wird ein Vergleich zwischen der APMP-Strategie und einer typischen regelbasierten Strategie, die von Unternehmen angewendet wird, angestellt. Für die APMP-Strategie ergibt sich ein um etwa 1 % geringerer Wasserstoffverbrauch als bei der regelbasierten Methode, wobei der dynamische Betrieb von Brennstoffzellensystemen wesentlich geringer ist.