[論文レビュー] Hybrid Optimal Theory and Predictive Control for Power Management in Hybrid Electric Vehicle

Kasemsak Uthaichana, Raymond A. DeCarlo+3 more|arXiv (Cornell University)|Apr 2, 2018

Electric and Hybrid Vehicle Technologies参考文献 37被引用数 10

ひとこと要約

本稿では、並列型ハイブリッド電気自動車（PHEV）における準最適なパワー管理のため、ハイブリッドな最適制御と非線形モデル予測制御（NMPC）フレームワークを提案する。PHEVを二モードスイッチドシステムとしてモデル化し、燃料消費、追従誤差、摩擦、およびSocの偏差をペナルティとする性能指標を定式化することで、元の非凸最適制御問題を凸問題に埋め込み、直接コロケーション法と逐次二次計画法（SQP）を用いて解き、Socの持続可能性を確保しつつ、多様な走行サイクルにおいて有効な追従性能と燃料効率を示した。

ABSTRACT

This paper presents a nonlinear-model based hybrid optimal control technique to compute a suboptimal power-split strategy for power/energy management in a parallel hybrid electric vehicle (PHEV). The power-split strategy is obtained as model predictive control solution to the power management control problem (PMCP) of the PHEV, i.e., to decide upon the power distribution among the internal combustion engine, an electric drive, and other subsystems. A hierarchical control structure of the hybrid vehicle, i.e., supervisory level and local or subsystem level is assumed in this study. The PMCP consists of a dynamical nonlinear model, and a performance index, both of which are formulated for power flows at the supervisory level. The model is described as a bi-modal switched system, consistent with the operating mode of the electric ED. The performance index prescribing the desired behavior penalizes vehicle tracking errors, fuel consumption, and frictional losses, as well as sustaining the battery state of charge (SOC). The power-split strategy is obtained by first creating the embedded optimal control problem (EOCP) from the original bi-modal switched system model with the performance index. Direct collocation is applied to transform the problem into a nonlinear programming problem. A nonlinear predictive control technique (NMPC) in conjunction with a sequential quadratic programming solver is used to compute suboptimal numerical solutions to the PMCP. Methods for approximating the numerical solution to the EOCP with trajectories of the original bi-modal PHEV are also presented in this paper. The usefulness of the approach is illustrated via simulation results on several case studies.

研究の動機と目的

• 燃料効率、走行性、およびバッテリの状態（Soc）制約をバランスさせるリアルタイム実装可能な並列PHEV用パワー管理戦略の開発。
• 多モードPHEV制御問題の複雑さを、本質的な動的挙動を損なわずに二モードスイッチドシステムとしてモデル化することで低減。
• 車両追従性、燃料消費、摩擦損失、Socの制御を統合的に最適化する性能指標の定式化。
• 埋め込み技術と直接コロケーション法を用いて、非凸最適制御問題を解ける非線形計画問題（NLP）に変換。
• 多様な走行プロファイル（すこやか、EPAハイウェイ、US06 FTPサイクルを含む）におけるシミュレーションを通じて、NMPCに基づく戦略の妥当性を検証。

提案手法

• 監視レベルでPHEVを二モードスイッチドシステムとしてモデル化し、エンジンオンリーモードとモーターオンリーモードを表現。
• 車両追従誤差、燃料消費、摩擦損失、および規定値からのSoc偏差をペナルティとする多目的性能指標を定義。
• 文献[20]の埋め込み技術を適用し、非凸スイッチド最適制御問題を凸埋め込み最適制御問題（EOCP）に変換。
• 直接コロケーション法を用いて、連続時間EOCPを有限次元の非線形計画問題（NLP）に変換。
• 予測ウィンドウ内で逐次二次計画法（SQP）ソルバを用いて、得られたNLPを解き、準最適な制御入力を生成。
• 再び予測ホライゾンを用いたNMPC戦略を実装し、各時刻でリアルタイムフィードバックに基づき予測と制御入力を更新。

実験結果

リサーチクエスチョン

• RQ1 二モードスイッチドシステムモデルは、PHEVの本質的なパワー管理ダイナミクスを正確に表現できるか。複雑さを低減しつつ制御の正確性を損なわないか？
• RQ2 埋め込み技術は、PHEVパワー管理のための非凸最適制御問題をどれほど簡素化できるか？
• RQ3 短い予測ウィンドウを用いたNMPCは、Soc制約を維持しつつ、どの程度高い精度で車両速度を追従できるか？
• RQ4 EPAハイウェイおよびUS06 FTPサイクルのような多様な走行サイクルにおいて、提案戦略の燃料効率とパワー分配挙動はいかがなったか？
• RQ5 追従性能とエネルギー管理の観点から、NMPCの解はベンチマーク戦略と比較してどの程度優れているか？

主な発見

• NMPC戦略は、すこやか、EPAハイウェイ、およびUS06 FTP走行サイクルにおいて、望ましい速度プロファイルをほぼ完璧に追従し、最小限の追従誤差を示した。
• 平坦なEPAハイウェイ走行では平均32 mpgの燃料効率を達成したが、再生ブレーキの非効率と摩擦損失のため、正弦波勾配走行では27.5 mpgに低下した。
• 攻撃的走行のUS06 FTPサイクルでは、高い過渡的出力要求のため燃料効率が23 mpgに低下した。EDはモーター走行および発電走行の両モードで最大出力に近い状態で稼働した。
• バッテリのSocは正常範囲内に維持され、攻撃的加速時には約45％まで低下し、US06サイクル終了時にはSocペナルティの増加に伴い60％まで上昇した。
• NMPC戦略は妥当なモード切り替え挙動を示し、速度変化に応じて適切にモードを切り替え、不要な遷移を回避した。モードおよびSocプロファイルから明らかになった。
• ICEは約40 kWで最も効率的に稼働し、出力-回転数マップに密集したデータポイントが最適運転領域を示した。加速および減速時にはヒステリシスを示した。