[논문 리뷰] A Review and Outlook of Energy Consumption Estimation Models for Electric Vehicles

Yuche Chen, Guoyuan Wu외 4명|arXiv (Cornell University)|2020. 03. 28.

Vehicle emissions and performance참고 문헌 83인용 수 5

한 줄 요약

이 논문은 전기자동차(EV)의 에너지 소비 추정 모델에 대한 최신 기술을 검토하며, 모델링 척도(미세구조적 대 비미세구조적)와 방법론(데이터 기반 대 규칙 기반)에 따라 분류한다. 매크로스코픽 및 머신러닝 기반 모델로의 추세를 밝히며, 비개인용 EV 모델링, 차량-그리드 응용, 다중 척도 통합 프레임워크 분야의 연구 격차를 강조한다.

ABSTRACT

Electric vehicles (EVs) are critical to the transition to a low-carbon transportation system. The successful adoption of EVs heavily depends on energy consumption models that can accurately and reliably estimate electricity consumption. This paper reviews the state-of-the-art of EV energy consumption models, aiming to provide guidance for future development of EV applications. We summarize influential variables of EV energy consumption into four categories: vehicle component, vehicle dynamics, traffic and environment related factors. We classify and discuss EV energy consumption models in terms of modeling scale (microscopic vs. macroscopic) and methodology (data-driven vs. rule-based). Our review shows trends of increasing macroscopic models that can be used to estimate trip-level EV energy consumption and increasing data-driven models that utilized machine learning technologies to estimate EV energy consumption based on large volume real-world data. We identify research gaps for EV energy consumption models, including the development of energy estimation models for modes other than personal vehicles (e.g., electric buses, electric trucks, and electric non-road vehicles); the development of energy estimation models that are suitable for applications related to vehicle-to-grid integration; and the development of multi-scale energy estimation models as a holistic modeling approach.

연구 동기 및 목표

• 전기자동차를 위한 기존 에너지 소비 추정 모델에 대한 종합적인 검토를 제공하기 위해.
• 차량 구성 요소, 운동 동역학, 교통, 환경 조건 등 다양한 요소에서 영향을 미치는 핵심 요인을 특정하기 위해.
• 모델링 접근법의 변화를 분석하여, 특히 매크로스코픽 및 데이터 기반 방법으로의 전환을 중심으로 하기 위해.
• 비개인용 전기자동차, 차량-그리드 통합, 다중 척도 프레임워크 분야에서의 중요한 연구 격차를 부각하기 위해.
• 정확하고 확장 가능하며 응용 분야에 특화된 전기자동차 에너지 추정 모델의 향후 개발을 안내하기 위해.

제안 방법

• 모델링 척도에 따라 전기자동차 에너지 소비 모델을 분류: 미세구조적(구성 요소 수준) 대 비미세구조적(여정 수준).
• 방법론에 따라 모델을 분류: 규칙 기반(물리 기반) 대 데이터 기반(머신러닝 기반).
• 차량 구성 요소, 차량 운동 동역학, 교통, 환경 요인의 네 가지 범주에 걸친 영향을 미치는 주요 변수를 체계적으로 검토.
• 최근 문헌과 응용 분야별 요구사항의 융합을 통해 모델 개발 추세를 분석.
• 차량-그리드 통합 및 비개인용 전기자동차와 같은 새로운 응용 분야에 대한 기존 모델의 적합성 평가.
• 미세구조적 및 매크로스코픽 접근법을 통합하는 미래의 다중 척도 모델링 프레임워크 제안.

실험 결과

연구 질문

• RQ1 다양한 운영 환경에서 전기자동차의 에너지 소비에 영향을 미치는 주요 요인은 무엇인가요?
• RQ2 모델링 접근법은 어떻게 진화해왔으며, 특히 척도와 방법론(규칙 기반 대 데이터 기반) 측면에서 어떻게 변화했나요?
• RQ3 기존 전기자동차 에너지 소비 모델의 현재 한계와 연구 격차는 무엇인가요?
• RQ4 기존 모델은 개인용 전기자동차를 초월해 전기 버스 및 트럭과 같은 응용 분야에 얼마나 적합한가요?
• RQ5 통합적이고 다중 척도적인 에너지 추정 모델을 개발할 잠재력은 무엇이며, 전기자동차 시스템 분석을 위한 통합적 분석에 기여할 수 있나요?

주요 결과

• 대규모 교통망에서 여정 수준의 에너지 소비를 추정할 수 있는 매크로스코픽 모델의 확산 추세가 뚜렷하다.
• 실제 데이터와 머신러닝을 활용한 데이터 기반 모델이 점점 더 보편화되고 있으며, 복잡하고 동적인 환경에서 정확도가 향상되고 있다.
• 전기 버스, 트럭, 비도로용 차량과 같은 비개인용 전기자동차의 모델링 분야에는 여전히 연구 격차가 존재한다.
• 차량-그리드 통합 응용을 위한 에너지 추정 모델은 개발이 부족하며, 향후 중요한 연구 기회로 남아 있다.
• 미세구조적 및 매크로스코픽 접근법을 통합하는 다중 척도 모델링 프레임워크의 개발은 통합적 전기자동차 에너지 시스템 분석을 위해 필수적이다.
• 현재 모델들은 도시 환경 및 그리드 통합 환경에서의 교차 응용 배포에 있어 표준화 및 확장성 부족을 겪고 있다.